用于拍照智能化合成、打印的一體化設(shè)備及其處理方法
【專利摘要】本發(fā)明公開了一種用于拍照智能化合成、打印的一體化設(shè)備及其處理方法，包括攝像機、LCD觸摸屏、服務(wù)器和激光打印機，所述攝像機與服務(wù)器通過USB接口電通信連接，所述LCD觸摸屏與服務(wù)器通過DVI接口電通信連接，所述激光打印機與服務(wù)器通過RS232接口電通信連接；所述服務(wù)器（1）包括有二維編碼識別解密模塊、人臉識別模塊、三維場景識別模塊、3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊。本發(fā)明能夠?qū)⑻摂M場景元素與真實人物或環(huán)境素材結(jié)合在一起，能夠達到虛擬與現(xiàn)實自然融合的拍攝效果，增強現(xiàn)實環(huán)境的拍照效果，最終滿足客戶對卡通拍照等新奇拍照效果的需求，并且能夠非常方便地打印出來。
【專利說明】用于拍照智能化合成、打印的一體化設(shè)備及其處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及拍照特效處理設(shè)備及其處理方法，尤其涉及一種用于拍照智能化合成、打印的一體化設(shè)備及其處理方法。
【背景技術(shù)】
[0002]目前國內(nèi)所有的拍照特效設(shè)備都是先拍攝照片，然后再通過軟件技術(shù)或者人工干預(yù)針對靜態(tài)照片進行特效處理，目前以智能手機拍照應(yīng)用為主要形態(tài)，例如目前流行的一款拍照特效手機應(yīng)用“魔漫相機”。
[0003]魔漫相機可以把拍下來的用戶照片進行手動或者自動的人臉識別(手動識別的準(zhǔn)確率相對高一些，目前安卓用戶需要點擊設(shè)置將人臉識別調(diào)成手動)，選擇男女性別以后，系統(tǒng)會自動在I?2秒鐘內(nèi)為用戶繪制出一張圖像，用戶可以通過移動自己的臉部，調(diào)整臉型、發(fā)型(可移動)、眼鏡、眉毛來改變面部的效果。然后，回到主頁繼續(xù)挑選自己更喜歡的背景模板(包括環(huán)境，著裝風(fēng)格和動作)。
[0004]國外的另一個產(chǎn)品Bitstrips也進入了我們的視野，Bitstrips已經(jīng)蝶聯(lián)蘋果應(yīng)用商店美國區(qū)榜首三周且仍在繼續(xù)，Bitstrips主打的功能跟魔漫相機相差無幾，用戶可以通過Bitstrips制作自己的卡通形象，為自己的形象選擇一個卡通場景，也可以通過這個場景來描述自己的生活并跟Facebook上的社交好友分享，和魔漫相機刷屏朋友圈一樣，用Bitstrips制作的卡通形象也瞬間刷屏了 Facebook用戶的時間線,滿屏都是卡通,時間線上也全是卡通漫畫，用戶仿佛進入了 一個漫畫的社交網(wǎng)絡(luò)。
[0005]目前所有的拍照應(yīng)用都是基于后期通過軟件技術(shù)或者人工干預(yù)針的特效處理，并且基本是以虛擬場景元素為主，結(jié)合極少量真實人物或環(huán)境素材生成的卡通或其他效果照片，不能滿足用戶希望在特定真實場景中增加部分虛擬元素，并且不能實時的調(diào)整內(nèi)容，進而就不能得到最滿意的照片需求。

【發(fā)明內(nèi)容】

[0006]針對現(xiàn)有技術(shù)存在的不足之處，本發(fā)明的目的在于提供一種用于拍照智能化合成、打印的一體化設(shè)備及其處理方法，能夠?qū)⑻摂M場景元素與真實人物或環(huán)境素材結(jié)合在一起，最終生成所需的卡通效果照片，并能夠非常方便地打印出來，能夠有效地解決上述技術(shù)問題。
[0007]本發(fā)明的目的通過下述技術(shù)方案實現(xiàn):
[0008]一種用于拍照智能化合成、打印的一體化設(shè)備，包括攝像機、IXD觸摸屏、服務(wù)器和激光打印機，所述攝像機與服務(wù)器通過USB接口電通信連接，所述LCD觸摸屏與服務(wù)器通過DVI接口電通信連接，所述激光打印機與服務(wù)器通過RS232接口電通信連接。
[0009]本發(fā)明提供一種優(yōu)選的服務(wù)器技術(shù)方案是:所述服務(wù)器為計算機。
[0010]本發(fā)明提供一種優(yōu)選的攝像機技術(shù)方案是:所述攝像機為高清攝像機。
[0011]本發(fā)明提供一種優(yōu)選的激光打印機技術(shù)方案是:所述激光打印機為彩色激光打印機。
[0012]本發(fā)明提供一種優(yōu)選的服務(wù)器結(jié)構(gòu)技術(shù)方案是:所述服務(wù)器包括有二維編碼識別解密模塊、人臉識別模塊、三維場景識別模塊、3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊；所述二維編碼識別解密模塊與攝像機電通信連接，人臉識別模塊和三維場景識別模塊均分別與二維編碼識別解密模塊電通信連接，人臉識別模塊和三維場景識別模塊均分別與3D素材實時渲染引擎模塊電通信連接；3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊依次電通信連接。
[0013]一種用于拍照智能化合成、打印處理方法，其方法如下:
[0014]A、攝像機實時采集現(xiàn)場的視頻圖像信息，該視頻圖像信息構(gòu)成圖像數(shù)據(jù)流；
[0015]B、所述服務(wù)器的二維編碼識別解密模塊從攝像機獲取圖像數(shù)據(jù)流，并監(jiān)測每一幀圖像信息，如果出現(xiàn)特定格式的二維碼，則解析該二維碼并讀取數(shù)據(jù)流，然后啟用BASE64解碼包對該圖像數(shù)據(jù)流進行解碼處理，若獲得正確的信息則發(fā)送啟動信號到人臉識別模塊和二維場景識別模塊；
[0016]C、人臉識別模塊接收到啟動信號后，開始接收圖像數(shù)據(jù)流并檢測每一幀圖像，采用Adaboost挑選算法，首先使用Harr-1ike特征表示人臉，使用“積分圖法”實現(xiàn)特征數(shù)值的快速計算，然后使用Adaboost算法挑選出一些最能代表人臉的矩形特征，該矩形特征即為弱分類器；按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強分類器，將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，然后通過服務(wù)器的學(xué)習(xí)算法挑選出若干個有效的haar特征來組成人臉檢測器；
[0017]D、三維場景識別模塊檢測分析服務(wù)器的人臉識別模塊每幀圖像的特征點，與三維場景識別數(shù)據(jù)模塊的數(shù)據(jù)庫進行特征點對比和模式匹配，找到真實環(huán)境中的識別點，并將其位置和角度信息發(fā)送到3D素材實時渲染引擎模塊中；
[0018]E、3D素材實時渲染引擎模塊會根據(jù)接收到的人臉信息及用戶選擇的3D素材信息，加載3D模型文件并使用Unity3D游戲引擎對其進行實時貼圖及燈光渲染；接收到三維場景識別模塊的三維空間特征信號后，3D素材實時渲染引擎模塊自動選擇匹配數(shù)據(jù)庫中對應(yīng)的3D模型素材，并加裝渲染，處理完成后將發(fā)送所有素材內(nèi)容信息打包成素材包并傳輸?shù)皆鰪姮F(xiàn)實合成引擎模塊中；
[0019]F、增強現(xiàn)實合成引擎模塊接收到方法E中的素材包后，將實時采集到的人臉位置與3D服裝模型進行匹配位置設(shè)計，并計算出其位置匹配特征點，然后計算、調(diào)整其重合度，將三維模型的空間位置與現(xiàn)實世界的空間關(guān)系相重疊，計算光線關(guān)系及亮度關(guān)系，并合成其合成幀圖像，并將該合成幀圖像發(fā)送到顯示模塊中；
[0020]H、顯示模塊根據(jù)不同顯示設(shè)備的分辨率調(diào)整方法F中的合成幀圖像像素并顯示到屏幕上，并且將合成幀圖像傳輸至拍照打印模塊中；
[0021]1、拍照打印模塊將方法H中的合成幀圖像保存，并發(fā)送打印指令給激光打印機打印出合成幀圖像的照片。
[0022]為了更好地實現(xiàn)方法C步驟，本發(fā)明提供了如下優(yōu)選的技術(shù)方案是:所述方法C中的人臉識別模塊包括有訓(xùn)練系統(tǒng)總體框架，該訓(xùn)練系統(tǒng)總體框架由訓(xùn)練部分和補充部分構(gòu)成；訓(xùn)練部分采集人臉樣本集，補充部分采集非人臉樣本集；人臉樣本集與非人臉樣本集組合在一起計算樣本積分圖，并進一步得出矩形特征原型，根據(jù)矩形特征原型計算出矩形特征值；若干個矩形特征值即可組成特征集，再確定閾值，由矩形特征生成對應(yīng)的弱分類器，并得到弱分類器集；接著挑選最優(yōu)的弱分類器，調(diào)用Adaboost挑選算法得到強分類器，由此獲得類器集，將若干強分類器串聯(lián)即可一個級聯(lián)分類器。
[0023]本發(fā)明較現(xiàn)有技術(shù)相比，具有以下優(yōu)點及有益效果:
[0024]本發(fā)明能夠?qū)⑻摂M場景元素與真實人物或環(huán)境素材結(jié)合在一起，能夠達到虛擬與現(xiàn)實自然融合的拍攝效果，增強現(xiàn)實環(huán)境的拍照效果，最終滿足客戶對卡通拍照等新奇拍照效果的需求，并且能夠非常方便地打印出來。
【專利附圖】

【附圖說明】
[0025]圖1為本發(fā)明硬件的連接結(jié)構(gòu)示意圖；
[0026]圖2為人臉識別模塊中優(yōu)選的訓(xùn)練系統(tǒng)總體框架的工作原理框圖；
[0027]圖3為本實施例常用的四種haar特征；
[0028]圖4為AdaBoost算法的示意圖；
[0029]圖5為本發(fā)明的服務(wù)器的內(nèi)部原理結(jié)構(gòu)框圖；
[0030]圖6為本發(fā)明工作原理的流程示意圖。
[0031]其中，附圖中的附圖標(biāo)記所對應(yīng)的名稱為:
[0032]I 一服務(wù)器，2 —攝像機，3 — IXD觸摸屏，4 一激光打印機。
【具體實施方式】
[0033]下面結(jié)合實施例對本發(fā)明作進一步地詳細說明:
[0034]實施例
[0035]如圖1?圖6所示，一種用于拍照智能化合成、打印的一體化設(shè)備，包括攝像機2、IXD觸摸屏3、服務(wù)器I和激光打印機4，攝像機2與服務(wù)器I通過USB接口電通信連接，IXD觸摸屏3與服務(wù)器I通過DVI接口電通信連接，激光打印機4與服務(wù)器I通過RS232接口電通信連接。
[0036]如圖1所示，本實施例優(yōu)選的服務(wù)器I為計算機。
[0037]如圖1所示，本實施例優(yōu)選的攝像機2為高清攝像機。
[0038]如圖1所示，本實施例優(yōu)選的激光打印機4為彩色激光打印機。
[0039]如圖5所示，服務(wù)器I包括有二維編碼識別解密模塊、人臉識別模塊、三維場景識別模塊、3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊；二維編碼識別解密模塊與攝像機2電通信連接，人臉識別模塊和三維場景識別模塊均分別與二維編碼識別解密模塊電通信連接，人臉識別模塊和三維場景識別模塊均分別與3D素材實時渲染引擎模塊電通信連接；3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊依次電通信連接。
[0040]如圖1?圖6所示，一種用于拍照智能化合成、打印處理方法，其方法如下:
[0041]A、攝像機2實時采集現(xiàn)場的視頻圖像信息，該視頻圖像信息構(gòu)成圖像數(shù)據(jù)流；
[0042]B、服務(wù)器I的二維編碼識別解密模塊從攝像機2獲取圖像數(shù)據(jù)流，并監(jiān)測每一幀圖像信息，如果出現(xiàn)特定格式的二維碼，則解析該二維碼并讀取數(shù)據(jù)流，然后啟用BASE64解碼包對該圖像數(shù)據(jù)流進行解碼處理，若獲得正確的信息則發(fā)送啟動信號到人臉識別模塊和二維場景識別模塊；
[0043]C、人臉識別模塊接收到啟動信號后，開始接收圖像數(shù)據(jù)流并檢測每一幀圖像，采用Adaboost挑選算法，首先使用Harr-1ike特征表示人臉，使用“積分圖法”實現(xiàn)特征數(shù)值的快速計算，然后使用Adaboost算法挑選出一些最能代表人臉的矩形特征，該矩形特征即為弱分類器；按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強分類器，將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，然后通過服務(wù)器I的學(xué)習(xí)算法挑選出若干個有效的haar特征來組成人臉檢測器；
[0044]如圖4所示,每個Haar特征對應(yīng)看一個弱分器,Adaboost算法從大量的Haar特征中挑選出最優(yōu)Haar特征并制作成分類器用于人臉檢測，daboost算法中不同的訓(xùn)練集是通過調(diào)整每個樣本對應(yīng)的權(quán)重來實現(xiàn)的。開始時,每個樣本對應(yīng)的權(quán)重是相同的,對于hi分類錯誤的樣本，加大其對應(yīng)的權(quán)重；而對于分類正確的樣本，降低其權(quán)重，這樣分錯的樣本就被突出出來，從而得到一個新的樣本分布U2。在新的樣本分布下，再次對弱分類器進行訓(xùn)練，得到弱分類器h2。依次類推，經(jīng)過T次循環(huán)，得到T個弱分類器，把這T個弱分類器按一定的權(quán)重疊加(boost)起來，得到最終想要的強分類器。
[0045]作為本發(fā)明在方法C中的優(yōu)選實施方式是:方法C中的人臉識別模塊包括有訓(xùn)練系統(tǒng)總體框架，該訓(xùn)練系統(tǒng)總體框架由訓(xùn)練部分和補充部分構(gòu)成；訓(xùn)練部分采集人臉樣本集，補充部分采集非人臉樣本集；人臉樣本集與非人臉樣本集組合在一起計算樣本積分圖，并進一步得出矩形特征原型，根據(jù)矩形特征原型計算出矩形特征值；若干個矩形特征值即可組成特征集，再確定閾值，由矩形特征生成對應(yīng)的弱分類器，并得到弱分類器集；接著挑選最優(yōu)的弱分類器，調(diào)用Adaboost挑選算法得到強分類器，由此獲得類器集，將若干強分類器串聯(lián)即可一個級聯(lián)分類器。
[0046]如圖2所示，訓(xùn)練系統(tǒng)總體框架由“訓(xùn)練部分”和“補充部分”構(gòu)成。依據(jù)系統(tǒng)框架，本文的訓(xùn)練系統(tǒng)可分為以下幾個模塊:
[0047]1、以樣本集為輸入，在給定的矩形特征原型下，計算并獲得矩形特征集；
[0048]2、以特征集為輸入，根據(jù)給定的弱學(xué)習(xí)算法，確定閩值，將特征與弱分類器一一對應(yīng)，獲得弱分類器集；
[0049]3、以弱分類器集為輸入，在訓(xùn)練檢出率和誤判率限制下，使用A d a B ο ο s t算法
[0050]4、挑選最優(yōu)的弱分類器構(gòu)成強分類器；
[0051]5、以強分類器集為輸入，將其組合為級聯(lián)分類器；
[0052]6、以非人臉圖片集為輸入，組合強分類器為臨時的級聯(lián)分類器，篩選并補充非人臉樣本。
[0053]訓(xùn)練樣本要求是面部特寫圖像，圖1是一簇訓(xùn)練樣本，大小被歸一化為24X24像素，其中正訓(xùn)練樣本要求是面部特寫圖像，但是人臉形態(tài)千差萬別，所以訓(xùn)練樣本選取過程中要考慮到樣本的多樣性。負(fù)訓(xùn)練樣本，大小被歸一化為24X24像素，其中各樣本不完全相同，分別具有一定的代表性。
[0054]訓(xùn)練過程分為3個步驟:首先需要提取Haar特征；然后將Haar特征轉(zhuǎn)化成對應(yīng)的弱分類器；最后從大量的弱分類器中迭代選擇出最優(yōu)弱分類器。
[0055]提取Haar特征的過程如下:[0056]如圖3所示，常用的Haar特征有4種。當(dāng)然也可以在這4種特征的基礎(chǔ)上設(shè)計出更多、更復(fù)雜的特征。以大小為24X24像素的訓(xùn)練樣本為例，上述4種特征的總個數(shù)超過了 160000個。這樣龐大的數(shù)字給后續(xù)的迭代訓(xùn)練工作帶來了龐大的計算量，直接導(dǎo)致AdaBoost算法訓(xùn)練過程極為費時，這恰恰是算法需要改進的關(guān)鍵問題之一。
[0057]生成弱分類器的工作原理如下:
[0058]每一個Haar特征都對應(yīng)著一個弱分類器，每一個弱分類器都是根據(jù)它所對應(yīng)的Haar特征的參數(shù)來定義的。利用上述Haar特征的位置信息，對訓(xùn)練樣本進行統(tǒng)計就可以得到對應(yīng)的特征參數(shù)。AdaBoost算法中所訓(xùn)練的弱分類器是任何分類器，包括決策樹，神經(jīng)網(wǎng)絡(luò)，隱馬爾科夫模型，如果弱分類器是線性神經(jīng)網(wǎng)絡(luò)，那么AdaBoost算法每次將構(gòu)造多層感知器的一個節(jié)點。
[0059]采用AdaBoost算法選取優(yōu)化的弱分類器的原理如下:
[0060]daBoost算法訓(xùn)練過程就是挑選最優(yōu)弱分類器，并賦予權(quán)重過程，圖4是AdaBoost算法訓(xùn)練示意圖。
[0061]D、三維場景識別模塊檢測分析服務(wù)器I的人臉識別模塊每幀圖像的特征點，與三維場景識別數(shù)據(jù)模塊的數(shù)據(jù)庫進行特征點對比和模式匹配，找到真實環(huán)境中的識別點，并將其位置和角度信息發(fā)送到3D素材實時渲染引擎模塊中；
[0062]E、3D素材實時渲染引擎模塊會根據(jù)接收到的人臉信息及用戶選擇的3D素材信息，加載3D模型文件并使用Unity3D游戲引擎對其進行實時貼圖及燈光渲染；接收到三維場景識別模塊的三維空間特征信號后，3D素材實時渲染引擎模塊自動選擇匹配數(shù)據(jù)庫中對應(yīng)的3D模型素材，并加裝渲染，處理完成后將發(fā)送所有素材內(nèi)容信息打包成素材包并傳輸?shù)皆鰪姮F(xiàn)實合成引擎模塊中；
[0063]F、增強現(xiàn)實合成引擎模塊接收到方法E中的素材包后，將實時采集到的人臉位置與3D服裝模型進行匹配位置設(shè)計，并計算出其位置匹配特征點，然后計算、調(diào)整其重合度，將三維模型的空間位置與現(xiàn)實世界的空間關(guān)系相重疊，計算光線關(guān)系及亮度關(guān)系，并合成其合成幀圖像，并將該合成幀圖像發(fā)送到顯示模塊中；
[0064]H、顯示模塊根據(jù)不同顯示設(shè)備的分辨率調(diào)整方法F中的合成幀圖像像素并顯示到屏幕上，并且將合成幀圖像傳輸至拍照打印模塊中；
[0065]1、拍照打印模塊將方法H中的合成幀圖像保存，并發(fā)送打印指令給激光打印機打印出合成幀圖像的照片。
[0066]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種用于拍照智能化合成、打印的一體化設(shè)備，其特征在于:包括攝像機(2)、IXD觸摸屏(3 )、服務(wù)器(I)和激光打印機(4 )，所述攝像機(2 )與服務(wù)器(I)通過USB接口電通信連接，所述IXD觸摸屏(3)與服務(wù)器(I)通過DVI接口電通信連接，所述激光打印機(4)與服務(wù)器(I)通過RS232接口電通信連接。
2.按照權(quán)利要求1所述的用于拍照智能化合成、打印的一體化設(shè)備，其特征在于:所述服務(wù)器(I)為計算機。
3.按照權(quán)利要求1所述的用于拍照智能化合成、打印的一體化設(shè)備，其特征在于:所述攝像機(2)為聞清攝像機。
4.按照權(quán)利要求1所述的用于拍照智能化合成、打印的一體化設(shè)備，其特征在于:所述激光打印機(4)為彩色激光打印機。
5.按照權(quán)利要求1~4任一項所述的用于拍照智能化合成、打印的一體化設(shè)備，其特征在于:所述服務(wù)器(I)包括有二維編碼識別解密模塊、人臉識別模塊、三維場景識別模塊、3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊；所述二維編碼識別解密模塊與攝像機(2)電通信連接，人臉識別模塊和三維場景識別模塊均分別與二維編碼識別解密模塊電通信連接，人臉識別模塊和三維場景識別模塊均分別與3D素材實時渲染引擎模塊電通信連接；3D素材實時渲染引擎模塊、增強現(xiàn)實合成引擎模塊、顯示模塊和拍照打印模塊依次電通信連接。
6.一種用于拍照智能化合成、打印處理方法，其特征在于:其方法如下: A、攝像機(2)實時采集現(xiàn)場的視頻圖像信息，該視頻圖像信息構(gòu)成圖像數(shù)據(jù)流； B、所述服務(wù)器(I)的二維編碼識別解密模塊從攝像機(2)獲取圖像數(shù)據(jù)流，并監(jiān)測每一幀圖像信息，如果出現(xiàn)特定`格式的二維碼，則解析該二維碼并讀取數(shù)據(jù)流，然后啟用BASE64解碼包對該圖像數(shù)據(jù)流進行解碼處理，若獲得正確的信息則發(fā)送啟動信號到人臉識別模塊和三維場景識別模塊； C、人臉識別模塊接收到啟動信號后，開始接收圖像數(shù)據(jù)流并檢測每一幀圖像，采用Adaboost挑選算法，首先使用Harr-1ike特征表示人臉，使用“積分圖法”實現(xiàn)特征數(shù)值的快速計算，然后使用Adaboost算法挑選出一些最能代表人臉的矩形特征，該矩形特征即為弱分類器；按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強分類器，將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，然后通過服務(wù)器(I)的學(xué)習(xí)算法挑選出若干個有效的haar特征來組成人臉檢測器； D、三維場景識別模塊檢測分析服務(wù)器(I)的人臉識別模塊每幀圖像的特征點，與三維場景識別數(shù)據(jù)模塊的數(shù)據(jù)庫進行特征點對比和模式匹配，找到真實環(huán)境中的識別點，并將其位置和角度信息發(fā)送到3D素材實時渲染引擎模塊中； E、3D素材實時渲染引擎模塊會根據(jù)接收到的人臉信息及用戶選擇的3D素材信息，加載3D模型文件并使用Unity3D游戲引擎對其進行實時貼圖及燈光渲染；接收到三維場景識別模塊的三維空間特征信號后，3D素材實時渲染引擎模塊自動選擇匹配數(shù)據(jù)庫中對應(yīng)的3D模型素材，并加裝渲染，處理完成后將發(fā)送所有素材內(nèi)容信息打包成素材包并傳輸?shù)皆鰪姮F(xiàn)實合成引擎模塊中； F、增強現(xiàn)實合成引擎模塊接收到方法E中的素材包后，將實時采集到的人臉位置與3D服裝模型進行匹配位置設(shè)計，并計算出其位置匹配特征點，然后計算、調(diào)整其重合度，將三維模型的空間位置與現(xiàn)實世界的空間關(guān)系相重疊，計算光線關(guān)系及亮度關(guān)系，并合成其合成幀圖像，并將該合成幀圖像發(fā)送到顯示模塊中； H、顯示模塊根據(jù)不同顯示設(shè)備的分辨率調(diào)整方法F中的合成幀圖像像素并顯示到屏幕上，并且將合成幀圖像傳輸至拍照打印模塊中； I、拍照打印模塊將方法H中的合成幀圖像保存，并發(fā)送打印指令給激光打印機打印出合成幀圖像的照片。
7.按照權(quán)利要求6所述的用于拍照智能化合成、打印處理方法，其特征在于:所述方法C中的人臉識別模塊包括有訓(xùn)練系統(tǒng)總體框架，該訓(xùn)練系統(tǒng)總體框架由訓(xùn)練部分和補充部分構(gòu)成；訓(xùn)練部分采集人臉樣本集，補充部分采集非人臉樣本集；人臉樣本集與非人臉樣本集組合在一起計算樣本積分圖，并進一步得出矩形特征原型，根據(jù)矩形特征原型計算出矩形特征值；若干個矩形特征值即可組成特征集，再確定閾值，由矩形特征生成對應(yīng)的弱分類器，并得到弱分類器集；接著挑選最優(yōu)的弱分類器，調(diào)用Adaboost挑選算法得到強分類器，由此獲得類器集，將若干強分類器串聯(lián)即可一個級聯(lián)分類器。
【文檔編號】G06K7/10GK103731583SQ201310694772
【公開日】2014年4月16日 申請日期:2013年12月17日 優(yōu)先權(quán)日:2013年12月17日
【發(fā)明者】張建華 申請人:四川金手指時代投資管理有限公司