一种驱动静态图像的图像动画处理方法及系统

文献发布时间：2024-04-18 19:59:31

技术领域

本发明涉及图像处理技术，具体涉及一种驱动静态图像的图像动画处理方法及系统。

背景技术

随着手机、平板电脑等智能电子设备的普及和应用，尤其伴随摄像头硬件的不断升级，以及人脸识别技术的成熟，越来越多的用户喜欢使用手机来拍照，手机拍照已逐渐取代了相机拍照。虽然现有的手机拍照技术可以对相片进行一些简单的处理，例如，对相片中人物进行美化、调色，或对背景进行虚化等，但是，采用这些图像处理技术处理后的相片还是静态图像。

目前从单张人脸图像重建三维人脸的方法，使用最多的有两大类。一类是基于标准模型变形的方法，即从图像中提取人脸的个性化信息（多为关键点信息），根据这些个性化信息将一个标准人脸模型变形为个性化的人脸模型。在模型变形时没有人脸的先验知识，因而这种方法的真实感不强，容易导致非人脸的产生。第二类方法是基于人脸形变模型的方法，即从真实扫描的人脸模型建立人脸形变模型，通过拟合输入图像，得到人脸的形状与纹理。这种方法可以得到具有真实感的重建结果，缺点是计算量很大，而且无法完全自动化。

发明内容

本发明的目的是提供一种驱动静态图像的图像动画处理方法及系统，以解决现有技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：一种驱动静态图像的图像动画处理系统，包括：

用户登录模块，所述用户登录模块用于用户登录系统；

算法读取模块，所述算法读取模块用于读取用户登录模块发出的用户信息，并读取数据库模块内对应用户的人脸三维构建算法；

人脸图片获取模块，所述人脸图片获取模块用于获取当前登录用户的人脸二维图像；

人脸照度判断模块，所述人脸照度判断模块用于判断人脸图片获取模块获取的人脸二维图像内的人脸照度；

低照度人脸识别模块，所述低照度人脸识别模块用于对人脸照度判断模块内人脸判断结果为低照度的二维图像进行低照度人脸识别；

人脸分类模块，所述人脸分类模块用于根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类；

三维构建模块，所述三维构建模块用于根据人脸二维图像构建人脸三维动画；

人像视频获取模块，所述人像视频获取模块用于实时收集当前用户的人像视频；

视频人像采集模块，所述视频人像采集模块用于采集人像视频获取模块获取的人像视频内的用户人像；

对比模块，所述对比模块用于根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比；

数据库模块，所述数据库模块用于将对比模块中对比结果通过的三维构建算法进行保存，并与当前用户身份信息进行绑定。

进一步地，所述低照度人脸识别模块包括：

照度增强模块，所述照度增强模块包括：

双边滤波处理模块，所述双边滤波处理模块用于保持图像的边缘和细节信息；

局部标准差处理模块，所述局部标准差处理模块用于处理双边滤波处理模块处理后的图像，消除光照分量的影响，去除光晕和伪影；

色调重构模块，所述色调重构模块用于对照度分量处理后的图像的分量进行重构；

人脸识别模块，所述人脸识别模块用于进行人脸识别。

进一步地，所述照度增强模块的具体工作方法为：

A1，采集低照度人脸图像；

A2，对人脸图像进行对数变换，提取出照度分量，并对照度分量使用Gamma校正进行拉伸，提高图像的整体亮度；

A3，将Gamma校正后的图像作为改进Retinex算法的输入图像，并使用双边滤波处理，使图像保持边缘和细节信息；

A4，通过局部标准差处理双边滤波后的图像，消除光照分量的影响，去除光晕和伪影；

A5，对双边滤波和局部标准差处理后的图像，其照度分量经过处理后，通过自适应色调重构对照度分量处理后的图像的分量进行重构。

进一步地，所述人脸识别模块的具体工作方法为：

B1，获取照度增强模块增强完成的人脸图像；

B2，对照度增强后的人脸图像的边缘区域使用Gabor滤波器提取特征，得到直方图序列；

B3，对人脸图像的光照不变局部区域，在LBP算法的基础上增加4个不同方向的共生矩阵对特征进行提取，得到直方图序列；

B4，将使用Gabor滤波提取的人脸图像边缘特征和改进多阈值提取的局部人脸特征直方图转换为一维的特征向量，将所有的特征向量进行串联融合；

B5，将融合后的直方图特征向量降维，生成最终特征图。

进一步地，所述三维构建模块包括：

三维构建算法输入模块，所述三维构建算法输入模块用于输入针对不同图片的三维构建算法；

三维构建算法选择模块，所述三维构建算法选择模块用于根据当前采集的人脸图片选择合适的三维构建算法；

三维构造模块，所述三维构造模块用于根据三维构建算法选择模块选择的三维构建算法进行当前图片的三维构造。

进一步地，所述人脸分类模块包括：

数据预处理模块，用于将数据图片进行灰度化处理，将多通道转化为单通道的数据；

模板选取模块，用于选取合适的图片模板；

分类模板制作模块，用于根据分类模板选取模块选取的模板制作合适的分类模板；

图片划分模块，用于将图片划分训练集与测试集；

数据集构造模块，用于重新构造数据集；

数据标签模块，用于重新构造数据标签；

数据均衡模块，用于进行数据均衡。

进一步地，所述人脸分类模块的具体工作方法为：

C1，将数据图片进行灰度化处理，将多通道转化为单通道的数据；

C2，将灰度化处理完成的图片划分训练集与测试集；

C3，选取合适的图片模板；

C4，根据图片模板制作合适的分类模板；

C5，将分类模板与训练集和测试集共同构建新数据集；

C6，根据新数据集设置新数据标签；

C7，根据新数据标签进行数据均衡。

一种驱动静态图像的图像动画处理方法，其中驱动静态图像的图像动画处理方法为：

S1，用户通过用户登录模块登录系统；

S2，算法读取模块读取用户登录模块发出的用户信息，并读取数据库模块内对应用户的人脸三维构建算法，若算法读取模块读取到对应用户的人脸三维构建算法，执行步骤S7，若算法读取模块未读取到对应用户的人脸三维构建算法，执行步骤S3；

S3，通过人脸图片获取模块获取当前登录用户的人脸二维图像；

S4，通过人脸照度判断模块判断人脸二维图像内的人脸照度，若判断结果为低照度则执行步骤S5，若判断结果为非低照度则执行步骤S6；

S5，通过低照度人脸识别模块对判断结果为低照度的二维图像进行低照度人脸识别；

S6，通过人脸分类模块根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类；

S7，通过三维构建模块根据人脸二维图像构建人脸三维动画；

S8，通过人像视频获取模块实时收集当前用户的人像视频；

S9，通过视频人像采集模块采集人像视频获取模块获取的人像视频内的用户人像；

S10，通过对比模块根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比，若对比结果通过则执行步骤S11，若对比结果未通过则执行步骤S6；

S11，通过数据库模块将对比模块中对比结果通过的三维构建算法进行保存，并与当前用户身份信息进行绑定。

与现有技术相比，本发明提供的一种驱动静态图像的图像动画处理方法及系统，通过对图片进行三维重建可以实现驱动静态图像的图像动画处理，同时通过双边滤波对照度分量进行滤波，保持人脸图像中的边缘信息；并使用局部标准差的思想消除人脸增强过程中产生的光晕伪影；进行色调重构，防止图像饱和度和色彩失真，可以保证低照度图片进行人像提取的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的整体结构示意图；

图2为本发明实施例提供的照度增强模块工作流程结构示意图；

图3为本发明实施例提供的人脸识别模块工作流程结构示意图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

请参阅图1-图3，一种驱动静态图像的图像动画处理系统，包括：

用户登录模块，用户登录模块用于用户登录系统；

算法读取模块，算法读取模块用于读取用户登录模块发出的用户信息，并读取数据库模块内对应用户的人脸三维构建算法；

人脸图片获取模块，人脸图片获取模块用于获取当前登录用户的人脸二维图像；

人脸照度判断模块，人脸照度判断模块用于判断人脸图片获取模块获取的人脸二维图像内的人脸照度；

低照度人脸识别模块，低照度人脸识别模块用于对人脸照度判断模块内人脸判断结果为低照度的二维图像进行低照度人脸识别；

人脸分类模块，人脸分类模块用于根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类；

三维构建模块，三维构建模块用于根据人脸二维图像构建人脸三维动画；

人像视频获取模块，人像视频获取模块用于实时收集当前用户的人像视频；

视频人像采集模块，视频人像采集模块用于采集人像视频获取模块获取的人像视频内的用户人像；

对比模块，对比模块用于根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比；

数据库模块，数据库模块用于将对比模块中对比结果通过的三维构建算法进行保存，并与当前用户身份信息进行绑定。

低照度人脸识别模块包括：

照度增强模块，照度增强模块包括：

双边滤波处理模块，双边滤波处理模块用于保持图像的边缘和细节信息；

其中双边滤波处理模块的具体处理方法为：

其中（i，j）为中心像素点的像素坐标，（k，l）代表图像的邻域像素点的位置坐标，g（i，j）代表双边滤波处理后的图像像素值，f（k，l）代表邻域像素点的像素值，w代表权重比例系数，通过像素值的空间域核与像素范围值域核相乘得到。

其中d代表当前像素点与中心像素点的欧式距离。

其中r值代表的是基于高斯函数计算的图像任意点与中心点之间的像素灰度值的差取绝对值。由空间域核和像素范围值域核的计算公式可以得到权重系数的计算公式为：

其中亮度方差

局部标准差处理模块，局部标准差处理模块用于处理双边滤波处理模块处理后的图像，消除光照分量的影响，去除光晕和伪影；

色调重构模块，色调重构模块用于对照度分量处理后的图像的分量进行重构；

其中色调重构算法为：

其中v（x，y）是原图像的亮度值分量，v'（x，y）是照度增强后的分量；s（x，y）原图饱和度值分量，s'（x，y）是色调重构后增强的饱和度分量，t代表的是比例常数。

其中w代表图像的像素值范围，v

其中

人脸识别模块，人脸识别模块用于进行人脸识别。

这样设置提出利用双边滤波对照度分量进行滤波，保持人脸图像中的边缘信息；并使用局部标准差的思想消除人脸增强过程中产生的光晕伪影；进行色调重构，防止图像饱和度和色彩失真。

照度增强模块的具体工作方法为：