本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種獲取人臉圖像的美顏蒙版的方法及系統(tǒng)。

背景技術(shù)：

在對(duì)存在光線(xiàn)復(fù)雜、背光、暗光等因素的室內(nèi)環(huán)境中拍攝的人臉圖像進(jìn)行處理的過(guò)程中，容易導(dǎo)致對(duì)皮膚區(qū)域的識(shí)別及對(duì)該皮膚區(qū)域是否為皮膚的判斷出現(xiàn)問(wèn)題。尤其是當(dāng)所處的環(huán)境光線(xiàn)不同時(shí)，由于背景環(huán)境和皮膚顏色近似，復(fù)雜的光線(xiàn)會(huì)引起膚色的變化，導(dǎo)致臉部成為陰陽(yáng)臉，也會(huì)使獲取的人臉區(qū)域美顏蒙版無(wú)法包括所有的皮膚區(qū)域或者誤將背景識(shí)別為皮膚區(qū)域，從而使美顏程度的判定出現(xiàn)不準(zhǔn)確等問(wèn)題。

現(xiàn)有技術(shù)主要是利用人臉區(qū)域、皮膚檢測(cè)和粗糙程度檢測(cè)，對(duì)人臉圖進(jìn)行皮膚區(qū)域的檢測(cè)以及粗糙程度檢測(cè)，并且通過(guò)皮膚的概率和粗糙程度計(jì)算出一個(gè)美顏蒙版，然后對(duì)原始圖像進(jìn)行磨皮處理。具體而言，先確定人臉區(qū)域的位置，并據(jù)此初步計(jì)算出皮膚顏色，對(duì)于計(jì)算出的皮膚顏色和預(yù)設(shè)的皮膚顏色比較近的區(qū)域給予比較高的皮膚概率，否則則給予比較低的皮膚概率；然后計(jì)算原圖各個(gè)位置上的粗糙程度；最后根據(jù)皮膚蒙版和粗糙程度蒙版計(jì)算出美顏蒙版。

但是，上述方法對(duì)于皮膚區(qū)域的識(shí)別和判定的魯棒性不強(qiáng)，經(jīng)常把背景區(qū)域認(rèn)為是皮膚區(qū)域，或者在皮膚顏色變化范圍較大時(shí)，漏掉對(duì)一些皮膚區(qū)域的識(shí)別。并且由于對(duì)光照、圖片質(zhì)量比較敏感，導(dǎo)致對(duì)美顏程度及皮膚粗糙程度的判斷不夠細(xì)膩。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的一個(gè)目的是提供一種獲取人臉圖像的美顏蒙版的方法及系統(tǒng)，通過(guò)采用不同的模板圖像所對(duì)應(yīng)的全部顏色空間數(shù)據(jù)和根據(jù)該模板處理好的美顏蒙版對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，獲得美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)，并通過(guò)該卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉圖像自動(dòng)獲取皮膚美顏蒙版，對(duì)皮膚區(qū)域識(shí)別的魯棒性較高，并且使美顏程度以及皮膚粗糙程度的判斷更細(xì)膩。

為了實(shí)現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案：

根據(jù)本發(fā)明的一個(gè)方面，提供了一種獲取人臉圖像的美顏蒙版的方法，包括：獲取至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)；利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以獲取用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)；利用用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)及待處理的人臉圖像，獲取待處理的人臉圖像的美顏蒙版。

根據(jù)本發(fā)明的一個(gè)方面，獲取至少一個(gè)模板圖像的美顏蒙版的處理包括：對(duì)至少一個(gè)模板圖像進(jìn)行皮膚檢測(cè)，以獲取至少一個(gè)模板圖像的初級(jí)皮膚蒙版；對(duì)至少一個(gè)模板圖像的初級(jí)皮膚蒙版中的疑似皮膚區(qū)域進(jìn)行標(biāo)記，并提取所述疑似皮膚區(qū)域以獲取至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版；利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版及對(duì)應(yīng)的模板圖像，獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度；以及利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版和至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，獲取至少一個(gè)模板圖像的美顏蒙版。

根據(jù)本發(fā)明的一個(gè)方面，計(jì)算至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度的處理包括：利用邊緣檢測(cè)算法獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息；利用梯度算法獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的梯度信息；利用至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息和梯度信息，計(jì)算至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度。

根據(jù)本發(fā)明的一個(gè)方面，利用至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息和梯度信息進(jìn)行數(shù)學(xué)運(yùn)算和/或條件運(yùn)算，來(lái)計(jì)算至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度。

根據(jù)本發(fā)明的一個(gè)方面，至少一個(gè)模板圖像的顏色空間數(shù)據(jù)包括至少一個(gè)模板圖像的LAB數(shù)據(jù)、RGB數(shù)據(jù)和HSV數(shù)據(jù)中的至少一種。

根據(jù)本發(fā)明的一個(gè)方面，卷積神經(jīng)網(wǎng)絡(luò)包括循環(huán)設(shè)置的卷積層、池化層、上采樣層、激活層以及全連接層。

根據(jù)本發(fā)明的一個(gè)方面，獲取人臉圖像的美顏蒙版的方法還包括：在利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練之前，對(duì)至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)進(jìn)行縮放。

根據(jù)本發(fā)明的一個(gè)方面，獲取人臉圖像的美顏蒙版的方法還包括：在獲取待處理的人臉圖像的美顏蒙版之前，對(duì)待處理的人臉圖像進(jìn)行與至少一個(gè)模板圖像的顏色空間數(shù)據(jù)和美顏蒙版相同比例的縮放。

根據(jù)本發(fā)明的一個(gè)方面，獲取人臉圖像的美顏蒙版的方法還包括：在獲取待處理的人臉圖像的美顏蒙板后，對(duì)待處理的人臉圖像的美顏蒙版進(jìn)行反向縮放。

本發(fā)明的另一個(gè)方面，提供了一種獲取人臉圖像的美顏蒙版的系統(tǒng)，包括：預(yù)處理單元，用于獲取至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)；卷積訓(xùn)練單元，用于利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以獲取用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)；圖像處理單元，用于利用用于用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)及待處理的人臉圖像，獲取待處理的人臉圖像的美顏蒙版。

本發(fā)明的另一個(gè)方面，預(yù)處理單元包括：皮膚檢測(cè)單元，用于對(duì)至少一個(gè)模板圖像進(jìn)行皮膚檢測(cè)，以獲取至少一個(gè)模板圖像的初級(jí)皮膚蒙版；蒙版校準(zhǔn)單元，用于對(duì)至少一個(gè)模板圖像的初級(jí)皮膚蒙版中的疑似皮膚區(qū)域進(jìn)行標(biāo)記，并提取所述疑似皮膚區(qū)域以獲取至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版；粗糙度檢測(cè)單元，用于利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版，獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度；美顏蒙版處理單元，用于利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版和至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，獲取至少一個(gè)模板圖像的美顏蒙版。

本發(fā)明的另一個(gè)方面，粗糙度檢測(cè)單元包括：邊緣檢測(cè)單元，用于利用邊緣檢測(cè)算法獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息；梯度檢測(cè)單元，用于將利用梯度算法獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的梯度信息；粗糙度處理單元，用于利用至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息和梯度信息，計(jì)算至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度。

本發(fā)明的另一個(gè)方面，粗糙度處理單元能夠利用至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息和梯度信息進(jìn)行數(shù)學(xué)運(yùn)算和/或條件運(yùn)算，來(lái)計(jì)算至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度。

本發(fā)明的另一個(gè)方面，至少一個(gè)模板圖像的顏色空間數(shù)據(jù)包括至少一個(gè)模板圖像的LAB數(shù)據(jù)、RGB數(shù)據(jù)和HSV數(shù)據(jù)中的至少一種。

本發(fā)明的另一個(gè)方面，卷積神經(jīng)網(wǎng)絡(luò)包括循環(huán)設(shè)置的卷積層、池化層、上采樣層、激活層以及全連接層。

本發(fā)明的另一個(gè)方面，獲取人臉圖像的美顏蒙版的系統(tǒng)還包括模板圖像縮放單元，用于在利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練之前，對(duì)至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)進(jìn)行縮放。

本發(fā)明的另一個(gè)方面，獲取人臉圖像的美顏蒙版的系統(tǒng)還包括人臉圖像縮放單元，用于在獲取待處理的人臉圖像的美顏蒙版之前，對(duì)待處理的人臉圖像進(jìn)行與至少一個(gè)模板圖像的顏色空間數(shù)據(jù)和美顏蒙版相同比例的縮放。

本發(fā)明的另一個(gè)方面，獲取人臉圖像的美顏蒙版的系統(tǒng)還包括人臉圖像反縮放單元，用于在獲取待處理的人臉圖像的美顏蒙板后，對(duì)待處理的人臉圖像的美顏蒙版進(jìn)行反向縮放。

采用根據(jù)本發(fā)明實(shí)施例的一種獲取人臉圖像的美顏蒙版的方法及系統(tǒng)，利用不同的模板圖像所對(duì)應(yīng)的全部顏色空間數(shù)據(jù)和美顏蒙版對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，并且獲得用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)，然后通過(guò)用于用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)及待處理的人臉圖像獲取人臉圖像的皮膚美顏蒙版。通過(guò)采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉圖像進(jìn)行美顏蒙版的檢測(cè)，可以提高檢測(cè)的魯棒性，使對(duì)皮膚區(qū)域的識(shí)別更加準(zhǔn)確。另外，通過(guò)讓卷積神經(jīng)網(wǎng)絡(luò)自己學(xué)習(xí)訓(xùn)練，從而使用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)的測(cè)試自由度更高，并且能夠綜合不同情況對(duì)輸出的美顏蒙版的影響，有效地提高美顏程度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)本發(fā)明實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面所描述的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明一實(shí)施例的獲取人臉圖像的美顏蒙版的方法的示意性流程圖；

圖2是本發(fā)明一實(shí)施例的預(yù)處理的方法的示意性流程圖；

圖3是本發(fā)明一實(shí)施例的獲取人臉圖像的美顏蒙版的系統(tǒng)的示意性框圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

下面將詳細(xì)描述本發(fā)明的各個(gè)方面的特征和示例性實(shí)施例。在下面的詳細(xì)描述中，提出了許多具體細(xì)節(jié)，以便提供對(duì)本發(fā)明的全面理解。但是，對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)很明顯的是，本發(fā)明可以在不需要這些具體細(xì)節(jié)中的一些細(xì)節(jié)的情況下實(shí)施。下面對(duì)實(shí)施例的描述僅僅是為了通過(guò)示出本發(fā)明的示例來(lái)提供對(duì)本發(fā)明的更好的理解。本發(fā)明決不限于下面所提出的任何具體配置和算法，而是在不脫離本發(fā)明的精神的前提下覆蓋了部件和算法的任何修改、替換和改進(jìn)。在附圖和下面的描述中，沒(méi)有示出公知的結(jié)構(gòu)和技術(shù)，以便避免對(duì)本發(fā)明造成不必要的模糊。

現(xiàn)在將參考附圖更全面地描述示例實(shí)施方式。然而，示例實(shí)施方式能夠以多種形式實(shí)施，且不應(yīng)被理解為限于在此闡述的實(shí)施方式；相反，提供這些實(shí)施方式使得本發(fā)明更全面和完整，并將示例實(shí)施方式的構(gòu)思全面地傳達(dá)給本領(lǐng)域的技術(shù)人員。在圖中相同的附圖標(biāo)記表示相同或類(lèi)似的結(jié)構(gòu)，因而將省略它們的詳細(xì)描述。

需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本申請(qǐng)。

圖1是本發(fā)明一實(shí)施例的獲取人臉圖像的美顏蒙版的方法的示意性流程圖。圖1示出的獲取人臉圖像的美顏蒙版的方法包括：

S1、對(duì)至少一個(gè)模板圖像進(jìn)行預(yù)處理，并且獲取至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)。其中，少一個(gè)模板圖像的顏色空間數(shù)據(jù)包括但不限于模板圖像的LAB數(shù)據(jù)、RGB數(shù)據(jù)和HSV數(shù)據(jù)中的至少一種。

S2、利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以獲取用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)。在一個(gè)實(shí)施例中，卷積神經(jīng)網(wǎng)絡(luò)包括循環(huán)設(shè)置的卷積層、池化層、上采樣層、激活層以及全連接層。其中，池化層的池化函數(shù)可以為Max Pooling函數(shù)，激活層的激活函數(shù)可以為ReLU函數(shù)。

S3、利用用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)及待處理的人臉圖像，獲取待處理的人臉圖像的美顏蒙版。

圖2是本發(fā)明一實(shí)施例的預(yù)處理的方法的示意性流程圖。根據(jù)圖2所示的實(shí)施例，步驟S1中預(yù)處理的方法包括：

S11、對(duì)至少一個(gè)模板圖像進(jìn)行皮膚檢測(cè)，以獲取至少一個(gè)模板圖像的初級(jí)皮膚蒙版。在一個(gè)實(shí)施例中，可以對(duì)模板圖像進(jìn)行皮膚檢測(cè)，并在模板圖像上標(biāo)記出疑似皮膚區(qū)域以獲得初級(jí)皮膚蒙版。例如，可以先根據(jù)現(xiàn)有的皮膚檢測(cè)算法對(duì)整張模板圖像進(jìn)行檢測(cè)，并且計(jì)算出該圖上的每個(gè)像素為皮膚的概率，從而獲得初級(jí)皮膚蒙版。

S12、對(duì)所述至少一個(gè)模板圖像的初級(jí)皮膚蒙版中的疑似皮膚區(qū)域進(jìn)行標(biāo)記，提取疑似皮膚區(qū)域，刪除非皮膚區(qū)域，以獲取所述至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版。由于原有皮膚檢測(cè)算法的局限性，使檢測(cè)到的初級(jí)皮膚蒙版不是很準(zhǔn)確，因此我們可以通過(guò)修改誤選或者遺漏的區(qū)域的標(biāo)記狀態(tài)以獲得模板圖像的校準(zhǔn)皮膚蒙版，例如我們根據(jù)該區(qū)域是皮膚的概率值，可以通過(guò)取消概率值小于50％卻被掉誤標(biāo)記為疑似區(qū)域的區(qū)域，也可以將未被標(biāo)記為疑似區(qū)域而概率值大于或者等于50％的區(qū)域選擇并標(biāo)記。由于采用了圖像分割算法將該模板圖像分割為多個(gè)區(qū)域，因此，可以針對(duì)每一個(gè)區(qū)域進(jìn)行操作，而不需要針對(duì)于每一個(gè)像素進(jìn)行操作，因此，可以大大縮短了修改疑似區(qū)域標(biāo)記狀態(tài)的時(shí)間，并且可以用盡量少的修改操作獲得比較準(zhǔn)確的標(biāo)記出疑似皮膚區(qū)域的模板圖像。具體地，修改誤選或者遺留的區(qū)域的標(biāo)記狀態(tài)可以通過(guò)標(biāo)記人員通過(guò)人工操作進(jìn)行修改，也可以通過(guò)計(jì)算機(jī)算法進(jìn)行自動(dòng)識(shí)別和修改。當(dāng)修改好各個(gè)區(qū)域的標(biāo)記狀態(tài)后，可以根據(jù)標(biāo)記疑似皮膚區(qū)域生成校準(zhǔn)皮膚蒙版。此時(shí)，我們就可以取得模板圖像的校準(zhǔn)皮膚蒙版，以此模板圖像中對(duì)應(yīng)的皮膚區(qū)域。同時(shí)，我們通過(guò)對(duì)每一個(gè)模板圖像進(jìn)行操作，即可獲得大量的模板圖片對(duì)應(yīng)的校準(zhǔn)皮膚蒙版。

S13、利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版，獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度。在一個(gè)實(shí)施例中，可以通過(guò)邊緣檢測(cè)算法結(jié)合梯度算法的方式獲取粗糙程度模板。具體地，由于邊緣檢測(cè)算法對(duì)粗糙的區(qū)域很敏感，因此通過(guò)邊緣檢測(cè)算法獲得每個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息，如果該區(qū)域比較粗糙，邊緣檢測(cè)算法將會(huì)在這個(gè)區(qū)域檢測(cè)出大量邊緣。由于梯度算法對(duì)粗糙區(qū)域的敏感性較好，因此可以通過(guò)梯度算法獲得每個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的包括但不局限于亮度、顏色的梯度信息，當(dāng)該區(qū)域比較粗糙時(shí)，該區(qū)域的梯度也會(huì)較大。上述的邊緣檢測(cè)算法和梯度算法的輸入均為模板圖像的校準(zhǔn)皮膚蒙版。通過(guò)將邊緣信息與梯度信息結(jié)合獲得每個(gè)疑似皮膚區(qū)域的粗糙程度，將其全部標(biāo)記于模板圖像上即可獲得粗糙程度蒙版。具體地，通過(guò)每個(gè)區(qū)域的邊緣信息和梯度信息結(jié)合可以獲得每個(gè)區(qū)域的粗糙程度，將其全部標(biāo)注于模板圖像上，即可獲得粗糙程度蒙版，在粗糙程度蒙版中，每個(gè)區(qū)域上的值代表當(dāng)前區(qū)域的粗糙程度，該區(qū)域越粗糙則該區(qū)域上的值就越大。在另一個(gè)實(shí)施例中，與對(duì)皮膚蒙版的檢測(cè)相同的是，還可以通過(guò)標(biāo)記人員人工修改掉不是粗糙的區(qū)域以及加入粗糙的區(qū)域。

其中，將邊緣信息與梯度信息結(jié)合的方式包括數(shù)學(xué)運(yùn)算和/或條件運(yùn)算。例如，可以是取兩個(gè)信息的最大值、將兩個(gè)信息的值相加或者將兩個(gè)蒙版的值相乘等等。需要說(shuō)明的是，將邊緣信息與梯度信息結(jié)合的方式包括包括但不局限于簡(jiǎn)單的數(shù)學(xué)運(yùn)算、條件運(yùn)算。

S14、利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版和至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，獲取至少一個(gè)模板圖像的美顏蒙版。具體地，可以將每個(gè)區(qū)域的皮膚概率值和粗糙程度值相乘，并且獲得需要磨皮的程度，將每個(gè)區(qū)域需要磨皮的程度標(biāo)記于該模板圖像上，即可獲得可視化的該模板圖像的美顏蒙版。需要說(shuō)明的是，融合皮膚蒙版和粗糙程度蒙版的方法不僅僅為將皮膚概率值和粗糙程度值相乘，還可以為除相乘以外的其他數(shù)學(xué)運(yùn)算、條件運(yùn)算等。

根據(jù)本發(fā)明的實(shí)施例，步驟S2中，在利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練之前，對(duì)至少一個(gè)模板圖像的美顏蒙版和顏色空間進(jìn)行縮放，并將其縮放至指定的尺寸，例如該指定尺寸可以設(shè)置為256像素*256像素。在一個(gè)實(shí)施例中，可以先對(duì)模板圖像進(jìn)行縮放，然后將縮放后的模板圖像分別通過(guò)顏色空間轉(zhuǎn)換為不同的顏色空間數(shù)據(jù)。在另一個(gè)實(shí)施例中，可以先對(duì)模板圖像進(jìn)行顏色空間轉(zhuǎn)換，并且直接對(duì)由模板圖像轉(zhuǎn)換后的顏色空間數(shù)據(jù)進(jìn)行縮放。然后將轉(zhuǎn)換后的全部的顏色空間數(shù)據(jù)一起作為輸入，美顏蒙版作為輸出，對(duì)卷及神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，直到最后在測(cè)試集上得到符合預(yù)期的效果時(shí)，完成迭代訓(xùn)練。這里所述的符合預(yù)期的效果是指，在測(cè)試集中損傷函數(shù)的損失量是否降到較低的水準(zhǔn)。

根據(jù)本發(fā)明的實(shí)施例，步驟S3中，當(dāng)接收到待處理的人臉圖像時(shí)，在獲取待處理的人臉圖像的美顏蒙版之前，對(duì)待處理的人臉圖像進(jìn)行與至少一個(gè)模板圖像的顏色空間數(shù)據(jù)和美顏蒙版相同比例的縮放。在一個(gè)實(shí)施例中，可以將該人臉圖像縮放至與用于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練的模板圖像的顏色空間數(shù)據(jù)或美顏蒙版相同的尺寸，然后構(gòu)造出該人臉圖像的全部顏色空間的圖片數(shù)據(jù)，并且將全部的顏色空間的圖片數(shù)據(jù)一起輸入到用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)中。但是，本領(lǐng)域技術(shù)人員可以了解的是，除上述的方法外，還可以先將該人臉圖像進(jìn)行顏色空間轉(zhuǎn)換，并且直接對(duì)由人臉圖像轉(zhuǎn)換的顏色空間數(shù)據(jù)進(jìn)行縮放，然后將全部的顏色空間的圖片數(shù)據(jù)一起輸入到用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)中。

通過(guò)上述的方法，便可以獲得在該指定尺寸下的待處理的人臉圖像的美顏蒙板，此時(shí)，可以將卷積神經(jīng)網(wǎng)絡(luò)輸出的待處理的人臉圖像的美顏蒙板反向縮放至原人臉圖像的尺寸，即可獲得最終的人臉圖像的美顏蒙版。

圖3是本發(fā)明一實(shí)施例的獲取人臉圖像的美顏蒙版的系統(tǒng)100的示意性框圖。圖3所示的獲取人臉圖像的美顏蒙版的系統(tǒng)100包括：預(yù)處理單元110、卷積訓(xùn)練單元120和圖像處理單元130。其中，預(yù)處理單元110用于獲取至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)，其中，至少一個(gè)模板圖像的顏色空間數(shù)據(jù)包括至少一個(gè)模板圖像的LAB數(shù)據(jù)、RGB數(shù)據(jù)和HSV數(shù)據(jù)中的至少一種。卷積訓(xùn)練單元120用于利用預(yù)處理單元110獲取的至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以獲取用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)。圖像處理單元130用于利用用于用于美顏蒙版檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)及待處理的人臉圖像，獲取待處理的人臉圖像的美顏蒙版。

根據(jù)本發(fā)明的實(shí)施例，卷積神經(jīng)網(wǎng)絡(luò)包括循環(huán)設(shè)置的卷積層、池化層、上采樣層和激活層，以及全連接層。其中，池化層的池化函數(shù)可以為Max Pooling函數(shù)，激活層的激活函數(shù)可以為ReLU函數(shù)。

根據(jù)本發(fā)明的實(shí)施例，預(yù)處理單元110包括皮膚檢測(cè)單元111、蒙版校準(zhǔn)單元112、粗糙度檢測(cè)單元113和美顏蒙版處理單元114。具體的，皮膚檢測(cè)單元111用于根據(jù)皮膚檢測(cè)算法對(duì)至少一個(gè)模板圖像的整體進(jìn)行皮膚檢測(cè)，同時(shí)根據(jù)圖片分割算法將模板圖像分為多個(gè)區(qū)域，并將檢測(cè)的結(jié)果標(biāo)注于模板圖像的各個(gè)區(qū)域上，以獲取至少一個(gè)模板圖像的初級(jí)皮膚蒙版。蒙版校準(zhǔn)單元112用于對(duì)至少一個(gè)模板圖像的初級(jí)皮膚蒙版中的疑似皮膚區(qū)域進(jìn)行標(biāo)記，并且修改誤標(biāo)記的疑似皮膚區(qū)域的標(biāo)記狀態(tài)，以獲取至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版。粗糙度檢測(cè)單元113用于利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版，獲取至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，并將其標(biāo)記于模板圖像上，以獲得模板圖像的粗糙程度蒙版。美顏蒙版處理單元114用于利用至少一個(gè)模板圖像的校準(zhǔn)皮膚蒙版和至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，即利用模板圖像的校準(zhǔn)皮膚蒙版和該模板圖像的粗糙程度蒙版獲取至少一個(gè)模板圖像的美顏蒙版。

根據(jù)本發(fā)明的實(shí)施例，粗糙度檢測(cè)單元113包括邊緣檢測(cè)單元、梯度檢測(cè)單元和粗糙度處理單元。其中，邊緣檢測(cè)單元，用于通過(guò)邊緣檢測(cè)算法獲得至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的邊緣信息；梯度計(jì)算單元，用于通過(guò)梯度算法獲得至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的梯度信息；粗糙度處理單元，用于將邊緣信息與梯度信息結(jié)合計(jì)算出至少一個(gè)模板圖像中的每個(gè)疑似皮膚區(qū)域的粗糙程度，將每個(gè)疑似皮膚區(qū)域的粗糙程度標(biāo)記于模板圖像上即可獲得該模板圖像的粗糙程度模板。具體地，將邊緣信息與梯度信息結(jié)合的方式包括數(shù)學(xué)運(yùn)算和/或條件運(yùn)算。例如，可以是取兩個(gè)信息的最大值、將兩個(gè)信息的值相加或者將兩個(gè)蒙版的值相乘等等。需要說(shuō)明的是，將邊緣信息與梯度信息結(jié)合的方式包括包括但不局限于簡(jiǎn)單的數(shù)學(xué)運(yùn)算、條件運(yùn)算。

根據(jù)本發(fā)明的實(shí)施例，獲取人臉圖像的美顏蒙版的系統(tǒng)100還包括模板圖像縮放單元，用于在利用至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練之前，對(duì)至少一個(gè)模板圖像的美顏蒙版和顏色空間數(shù)據(jù)進(jìn)行縮放。并且，將縮放至指定尺寸的模板圖像的顏色空間數(shù)據(jù)作為卷積神經(jīng)網(wǎng)絡(luò)迭代訓(xùn)練的輸入數(shù)據(jù)，將縮放至指定尺寸的模板圖像的美顏蒙版作為卷積神經(jīng)網(wǎng)絡(luò)迭代訓(xùn)練的輸出數(shù)據(jù)。例如，該指定的尺寸可以為256像素*256像素。

根據(jù)本發(fā)明的實(shí)施例，獲取人臉圖像的美顏蒙版的系統(tǒng)100還包括人臉圖像縮放單元，用于在獲取待處理的人臉圖像的美顏蒙版之前，對(duì)待處理的人臉圖像進(jìn)行與至少一個(gè)模板圖像的顏色空間數(shù)據(jù)和美顏蒙版相同比例的縮放。

根據(jù)本發(fā)明的實(shí)施例，還包括人臉圖像反縮放單元，用于在獲取待處理的人臉圖像的美顏蒙板后，對(duì)待處理的人臉圖像的美顏蒙版進(jìn)行反向縮放至原人臉圖像的尺寸，從而獲得最終的人臉圖像的美顏蒙版。

本發(fā)明將皮膚檢測(cè)、粗糙程度檢測(cè)以及由其計(jì)算出的美顏蒙版融合在一起，實(shí)現(xiàn)了一個(gè)端到端訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，相較于傳統(tǒng)方法，有更好的魯棒性。通過(guò)讓卷積神經(jīng)網(wǎng)絡(luò)自己根據(jù)大量的模板圖像和美顏蒙版進(jìn)行學(xué)習(xí)，可以得到皮膚檢測(cè)、粗糙程度檢測(cè)和美顏蒙版的關(guān)系。并且根據(jù)其學(xué)習(xí)到的內(nèi)容，對(duì)于每一個(gè)輸入的人臉圖像自動(dòng)獲得其對(duì)應(yīng)的美顏蒙版。

另外，在對(duì)于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，可以有針對(duì)性的加入不同光照條件下的模板圖像作為訓(xùn)練數(shù)據(jù)，因此，可以有效的改善光照情況和背景環(huán)境對(duì)美顏蒙版的影響，也降低了人工設(shè)計(jì)的算法所帶來(lái)的局限性，可以更好的獲得皮膚和粗糙程度和美顏蒙版之間的關(guān)系。

本領(lǐng)域普通技術(shù)人員可以意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口、裝置或單元的間接耦合或通信連接，也可以是電的，機(jī)械的或其它的形式連接。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本發(fā)明實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以是兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替換，這些修改或替換都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。