互联网+技术
nternet Technology龙脑抑菌剂
M□苗君文上海市南洋模范中学
【摘要】近年来，随着移动网络的飞速发展和社交软件的不断普及，越来越多的人在社交网络上发布自拍照等，而与此同步出现 的是人们对于自拍照片美颜的巨大需求。在计算机对于人像美颜的过程中引入人脸识别技术可以帮助快速定位人脸区域以及特定的 人脸五官特征，综合应用传统的美颜算法帮助获得更加精准的美化效果等。本文主要介绍人脸识别技术原理、基于人脸识别技术的 人像美颜算法及其不足和改进要点等。 【关键词】人脸识别美颜算法美白遮瑕特征识别
碳化硅纳米线引言
abs-220
如今，随着科学技术的发展，移动互联网不断普及，社 交软件在各个年龄段的使用程度不断增长，社交媒体用户数量日益上升，且并无减缓之势。更多人们愿意通过社交网络来分享自己的生活状态，如，Facebook，Twitter，微博，Instagram等，而大部分以照片的形式呈现，而自拍占总照片的三分之一左右，全球每年的自拍照片数量约50亿3000万 张，自拍已成为潮流。同时，人们为了使自己看上去“完美”，会频繁使用美颜修图软件加以修饰；且美颜相机相较于整形而言，是最为简便且经济实惠的“修复”缺陷的方式，使美颜软件在全球盛行，如美图秀秀、美颜相机、B612等，美 颜逐渐成为刚需。而人像美化工作的一大重点是人脸部特征的美化和修饰[1]，因此人脸识别技术作为其中的一项重要技术和许多的人脸美颜算法是紧密结合在一起的。
一、人脸识别技术的原理
人脸识别是一种基于人的脸部特征信息进行身份识别的生物识别技术。通过采集到的有关人脸的图像或视频流，检 测出关于面部的信息，进而对人脸进行识别等技术。人脸识别已在全球得到了广泛应用，如安全、管理、公安、司法、刑侦等。同时，人脸识别也是人像美颜的基础，因为人像美颜最核心的依然是对于人脸区域的美化。人脸识别的过程主要包括人脸检测、图像预处理、人脸特征提取以及人脸匹配识别四个步骤。 第一步人脸检测。
人脸检测主要实现的是在图片中检测定位出人脸所处的区域。人脸位置的定位是人脸识别中所有环节的发端，对 于整体人脸识别的效果具有决定性的作用。人脸检测在图片中存在人脸时，标识出人脸坐标信息或将人脸区域分离出来[2]。人脸在视觉上具有独特的模式，并遵循一定的规律。从 常识我们也可以知道，例如整个人脸大体是一个椭圆状的图形区域，在彩上肉的皮肤与周围的环境也是由较大反差的。此外，在人脸所属的图像区域中由于有眉眼口鼻，并 且大体的相对位置是较为稳定和固定的，在颜上也与脸部其他肤有一定的差异。这些相对固定的特殊属性共同构成了人脸图像区域的特征。因此，通过对特定规律和模式的对比，从而检测出人脸。检测出的图像质量会对后续识别效果产生较大的影响。在具体的人脸检测过程中，业界通常会采用方向梯度直方图（HOG)的方法来检测人脸位置，先将包含人脸图片进行灰度化处理，再计算图像像素的梯度，最终将图像转换成HOG形式获取人脸位置。
第二步图像预处理。
所谓“磨刀不误砍柴工”，早期的图像预处理可以大大提升最终的识别效果。图像预处理的主要目的是获取清晰的正面标准姿态的人脸图像。现实环境中获得的人脸图像，由于拍摄角度、光照等因素往往会有各种扭转变形甚至不清晰的情况出现，这些干扰因素如果没有得到有效处理，将会极大地干扰后续图像识别算法的正常运转。图像预处理的过程实际就是通过对人脸图像进行灰度变换、归一化、滤波、过 滤噪声等操作使得图片变得清晰，再通过点位人脸部的眼睛、鼻子、嘴巴等特征点的位置，进
行几何变换，使得诸如眼睛、嘴巴等部位移到相应位置，最终获得正面姿态的人脸清晰图像。
湿法炼锌
第三步人脸特征提取。
人脸特征提取就是使用特定的数字来表征人脸特征信息。常见的人脸特征主要包括几何特征和纹理特征。几何特征主要包括眉眼鼻唇各自的大小尺寸、位置关系以及角度等。这部分特征的提取计算量不大，但容易受到表情变化、装饰物遮挡的影响。而纹理特征主要指的是面部皮肤及五官的样貌特质。纹理特征是利用人脸图像的灰度信息进行提取的，比较常见的是通过局部二值模式L B P方法来提取人脸的颜纹理特征。
第四步人脸匹配识别。
人脸匹配识别是将待识别的人脸特征与人脸库中的人脸照片进行比对，根据待识别的人脸与数据库中人脸的相似度来判定，当相似度超过了预先设定的阈值则判定待识别的人脸身份与数据库中该人脸的身份为同一身份。在实践中主要有身份确认和身份辨识两类需求。
二、基于人脸识别的人像美颜算法
哑光玻璃
人像美颜技术实际上是基于计算机的视觉处理的技术，即通过摄像头捕捉人脸图像，在计算机上存储为人脸的图像数据，通过与人脸审美标准进行比对，通过定性和定量分析，再形成理想人脸图像的固
定模式输出的过程。
74
互联网+技术nternet Technology
1. 基于神经网络的人脸审美标准训练。
神经网络算法是人工智能领域的典型算法之一，也可以被应用于人脸审美标准的学习与训练。神经网络训练需要大量的标注数据，但是实际情况下数据的数量往往是有限的，为了更加有效地利用数据，必须增强数据的标识强度，确定人脸美丽的标准，按照不同种族、年龄、性别，脸型轮廓、眼睛、鼻子、嘴巴、颧骨、下颌等特征的模式进行五官构造。其中，对于人脸面部特征的获取需要借助人脸识别算法对人脸进行匹配检测，并将人脸五官显著的特征区域进行提取获得人脸特征值。最后，再通过光影变换，最终获得标准的美颜模型。
2. 面部柔化及增白处理。新型碾米机环保型
日常生活中我们常听到一句关于美的话是“一白遮百丑”，由此我们就不难体会到光洁白皙的皮肤对于美的重要性，脸部皮肤的修饰其重要性更是不言而喻，真实生活中女性化妆的重点区域也是主要集中于面部皮肤及细节的修饰。因此，在数码世界人脸美颜最基础的处理是对人脸进行美白及修饰瑕疵。
对于面部皮肤粗糙、雀斑、皱纹等问题，首先在人脸识别算法对人脸区域进行识别划定后，再通过计算机柔和化处理实现，最为传统的是通过高斯滤波算法来实现图像模糊化进而达到美化的效果。但单纯采用高斯滤波算法会导致面部细节无法保留，五官及轮廓也将跟着变得模糊不清。可以使用保边滤波的算法可实现既保留细节又平滑人脸瑕疵的效果。在具体的美化过程中，对于面部轮廓部分的像素，相邻部分对比反差强烈，从而在视觉上形成鲜明的五官轮廓。根据这一特性，可以通过加强处理图像块中与中心像素差值大的像素权重，使得图像边界得以凸显，使得五官轮廓更加清晰鲜明。
3. 五官调整美化。
采用人脸识别技术将人脸检测的关键点定位，把眼睛、鼻子、嘴角等信息都定位出来，利用去马赛克对人脸做个矫正，在定位人脸上特征点的基础上，通过诸如旋转、缩放等几何变换，将眼睛、嘴等部位移到相同位置达到使各个特征点对齐的效果，将不同角度的人脸图像对齐成同一种标准的形状，再依照神经网络算法获得的人脸审美标准进行相应调整。此外还可采用部件替代将眼睛、鼻子、嘴巴、耳朵、眉 毛与捕捉到关键点定位匹配进行替换。替换的过程可采泊松编辑法来实现，但泊松编辑会受到较多的干扰因素，因为泊松编辑容易将目标图像部件周围的数据传递过来，从而使得降噪难度增加，从而影响到美化效果。更好地可采用渐近法，利用所获取的特征值与标准值进行差值逼近，从定性和定量综合考虑得到更为理想的人脸图像。
三、现有人像美颜算法存在的不足及改进
现有的人像美颜算法确实可以使人的皮肤变得光滑亮白，痘痘、皱纹等瑕疵也在磨皮、打光等处理下消失，但经过处理的图像看起来虽然美了，但与此同时也会让人感到图片的调异常并且有大量的图像细节信息丟失，出现雾蒙蒙的模糊感，使人感觉图片虽然美却不真实，使得美化的效果大打折扣。此外，目前现有的图像处理算法大部分是对整个人脸图像进行美化，少有对单个脸部部件，如下巴、颧骨等单个轮廓进行美化的算法。为了进一步优化现有的美颜算法，进一步提升美颜的效果，针对上述问题，可以通过以下方式进行解决。
1. 人脸皮肤区域i只别。
对于人像美颜算法而言，实际主要的美化工作集中在对人脸面部特征的美化上。常规的美颜算法往往是针对于包括整个图像进行的美白、柔滑等操作，容易导致图片中其他诸如衣服、头发、背景等细节信息的丢失，造成画面失真。人脸的肤是相对稳定的，并且显著地区别于人像照片其他部分，因此利用人脸肤这一特性是区分人脸与人像图片其他部位的有效判定因素。可以根据YCbCr彩模型空间检测人脸皮肤区域[\将人脸皮肤区域划分出来后，再应用其他美化算法可以最有效地保存如头发、耳朵等人脸区域之外的细节信息，减少因为美颜而造成的图像失真问题。
2. 人脸轮廓融合美化。
在人脸美化中有实际的美化需求是将待美化人脸轮廓与一个符合审美标准的人脸轮廓进行融合。例如
将时下审美所青睐的尖下巴的女性人像图片融人到待美化人像，使得待美化的人像图片的下巴部件也会变得尖，进而实现美化的目的'具体可通过如下步骤实现。首先，根据人脸的几何特征和表征特征，利用测量学、解剖学，按照人脸图像网格方法，确定眼睛、嘴巴、鼻子、下颌等人脸部件的位置标注信息。为了更好地识别人脸，将人脸的完整图像分割成若干个三角形区域，将人脸部件的特征值点通过双线性插值技术定位，再将三角剖分的人脸部件渐变，不断地与标准模型值进行一对一、一对多的比对，达到最佳效果。
四、结语
本文对人脸识别技术的原理、基于人脸识别的人像美颜算法及存在的不足及改进进行了概述和探讨。人脸识、别技术可以帮助快速定位人脸区域以及特定的人脸五官特征，再综合应用传统的美颜算法帮助获得更加精准的美化效果。同时，也应看到基于人脸识别的人像美颜算法还存在许多改进的空间，例如减少修图过程中产生的图像失真问题将成为今后的研究重点。通过相关的改进与完善，一定可以使得基于人脸识别的人像美颜算法更加完善，更好地满足人们对于人像美颜的实际需要。
参考文献
[1] 吴颖斌.肤质保留的人脸美化技术[J].运城学院学报，2019,37(06):48-50.
[2] 王团结，赵赛，郑思嘉.应用BP神经网络的人脸识别系统[J].福建电
脑，2020,36(07):27-29.
[3] 邱佳梁，戴声奎.肤纹理保留实时人脸美化算法[J].计算机辅助设计
与图形学学报，2018,30(02):336-345.
[4] 蔡珍妮，刘青山.基于部件的人脸编辑与美化算法[J].数据采集与处
M,2017,32(06):! 125-1133.
75
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议