基于圖像處理的實時虛擬化妝及推薦方法研究.pdf

1、隨著社會文明程度的提高，女性對化妝的要求越來越高，虛擬化妝技術(shù)應(yīng)用越來越廣泛。本文使用圖像處理相關(guān)技術(shù)，實現(xiàn)了對視頻流的實時化妝效果以及化妝方案的推薦功能，使女性在購買化妝品時可以實時進行人機交互，有效提升了購買的速度和體驗。本文的主要研究工作如下:
　　人臉檢測部分，本文采用基于Haar-like特征與AdaBoost級聯(lián)分類器結(jié)合的人臉檢測方法，通過擴增具有一定偏轉(zhuǎn)角度的正樣本，優(yōu)化了分類器在人臉偏轉(zhuǎn)時的檢測性能，提高了檢測的

2、準確率。人臉對齊部分，采用SIFT算法提取局部特征，結(jié)合SDM算法對特征點進行迭代求精，使人臉對齊的精度相對傳統(tǒng)AAM方法更高。虛擬化妝部分采用基于特征點與CIELAB顏色空間圖層分解相結(jié)合的方法，并從兩個階段進行介紹。粗化妝階段采用基于特征點的輪廓提取方法，該方法較基于顏色空間的方法具有更好的魯棒性。面部磨皮部分采用三角剖分方法剔除非磨皮區(qū)域，保留局部紋理的同時加快了處理的速度。細化妝階段采用基于CIELAB顏色空間圖層分解的方法，結(jié)

3、合α通道融合，在保留紋理的同時，使化妝效果更加自然?；瘖y推薦部分，本文通過改進DeepID網(wǎng)絡(luò)提取深度特征，通過實驗對比確定最優(yōu)的網(wǎng)絡(luò)參數(shù)，使特征的提取能力進一步增強。采用聯(lián)合貝葉斯模型計算相似度，比神經(jīng)網(wǎng)絡(luò)自帶的softmax層分類器更加準確。最后，在美麗圖像庫中檢索相似度最高的化妝圖像作為推薦方案，為虛擬化妝部分提供科學(xué)合理的參考。
　　通過實驗發(fā)現(xiàn)，本文采用的虛擬化妝及推薦方法可以滿足用戶的需求，并能達到令人滿意的化妝效果。