人脸美白廋脸磨皮自动的化处理的一些思路(机器视觉)

分享一下思路,自己也验证过了,应该靠谱

流程

1.人脸检测加特征点定位

2.根据特征点进行廋脸之类的操作(根据定位点可以做更多好玩的东西,类似faceu的功能也可以实现)

3.美白皮肤

4.磨皮皮肤

原则上不放代码,重要的是思路

1.人脸识别用得是深度学习的方法

2.廋脸用得是http://www.gson.org/thesis/warping-thesis.pdf

3.美白用的是http://www.cnblogs.com/beibaoke/p/4779267.html

4.磨皮用得也是http://www.cnblogs.com/beibaoke/p/4779267.html

整个过程方案差不多这样

原图

人脸定位及检测

根据特征点自动廋脸

美白效果

磨皮效果

总结,思路可行,里面很多细节需要调整,假如要做实际项目开发做到全自动,需要花点时间,希望对你们有用

原文地址:https://www.cnblogs.com/beibaoke/p/8541529.html

时间: 2024-11-13 10:00:15

人脸美白廋脸磨皮自动的化处理的一些思路(机器视觉)的相关文章

6.6.2 自动泛型化(automatic generalization)

在这一章,我们已经实现了几个 F# 的高阶函数,也看到了在 F# 和 C# 中并排的实现.F# 实现的很重要方面,是我们根本不需要指定类型:这是由于有了自动泛型化(automatic generalization),它用在推断函数声明的类型.我们将用Option.bind 函数的实现作为示例,介绍这个过程是如何工作方法的: let bind func value =   [1] match value with    [2] |None –> None     [3] |Some(a) ->

cvThreshold与cvAdaptiveThreshold 阀值化操作与自动阀值化操作

核心函数:cvThreshold,cvAdaptiveThreshold 程序: 代码: #include "cv.h" #include "cxcore.h" #include "highgui.h" #include <iostream> int AdaptiveThreshold(int argc,char** argv) { IplImage* src=cvLoadImage("e:\\picture\\4.jpg&

TYPESDK手游聚合SDK客户端设计思路与架构之二:安卓平台统一化接口结构及思路

在上一篇<TypeSDK聚合sdk设计基本原则>中我们提到了,设计聚合sdk需要设计开发平台部分的接口,以及设计发布平台的聚合这2个大模块.那么我们今天就先来讲讲发布平台之一:安卓平台的统一化接口结构和思路. 一.相关的需求 安卓平台的统一化接口,我们需要考虑到具体以下的几点: 1.对外需要有统一的接口,保证不同的渠道sdk 对同一个游戏来说,是调用相同的接口,传递相同的参数 2.对内需要有一套扩展性很好的框架,可以应对不同渠道的sdk差异性 二.设计的模块 那么针对这些考虑点,安卓平台的统一

winform中设置FormBorderStyle为None后点击任务栏自动最小化实现

在winform编程中,有时候我们可能对窗体样式需要定义,不适用系统自带的样式,这样我们可以设置FormBorderStyle属性为None.但是设置了FormBorderStyle为None后,我们点击任务栏应用程序图标并不能实现程序的最小化的操作(使用系统自带样式是可以实现的).下面我将展示如何在FormBorderStyle为None的情况下,实现应用程序任务栏图标点击可实现最小化. 1.添加如下代码 [DllImport("user32.dll", EntryPoint = &

Android 虹软人脸识别SDK-人脸对比

准备 : 登录官方网站,获取SDK,进行个人验证后新建项目,获取APP_ID,和SDK_KEY: https://ai.arcsoft.com.cn/ucenter/resource/build/index.html#/ucenter/resource/openPlatform/application 实现 : 激活引擎 : /** * 激活引擎 * * @param view */ public void activeEngine(final View view) { if (!checkPe

face recognition[翻译][深度学习理解人脸]

本文译自<Deep learning for understanding faces: Machines may be just as good, or better, than humans>.为了方便,文中论文索引位置保持不变,方便直接去原文中找参考文献. 近些年深度卷积神经网络的发展将各种目标检测和识别问题大大的向前推进了不少.这同时也得益于大量的标注数据集和GPU的使用,这些方面的发展使得在无限制的图片和视频中理解人脸,自动执行诸如人脸检测,姿态估计,关键点定位和人脸识别成为了可能.本

人脸识别系统原理

写这篇文章,并不是要挑战学术泰斗,更不是要在这里炫耀和说教知识.只是前不久有个朋友问我能不能搞人脸识别,我说回来试试.想不到这里头的东西还挺多,不是三两天就能做完的.就在这里把我的实现思路写出来,以表心迹. 图像识别,一直是计算机领域研究的热门,随着大数据的兴起,更是让图像识别中的特殊分支人脸识别如鱼得水,使得运算和样本数据不再成为系统的掣肘.那么具体来说,一个现代人脸识别系统(例如face++)是如何实现的呢? 这里我不敢妄自猜测,我仅提供我自己的实现方法,拿出来与大家一起学习和探讨: 1.首

人脸识别技术应用场景与前景

随着人工智能的发展,人脸识别也不落后,争相向人们展示它的风采,在一些比较发达的城市,普遍运用刷脸的方式来解决问题,在不知不觉中大家都要靠脸吃饭了,这绝对不是贬义词.大家都知道现下流行的小鲜肉.网红什么的,都是颜值高的,偶像明星靠脸吃饭.如今不光是作为明星名人才能靠脸吃饭,我们这些普通老百姓也能如此. 人脸识别技术经历了可见光图像人脸识别.三维图像人脸识别/热成像人脸识别.基于主动近红外图像的多光源人脸识别三层进化过程,逐渐缓解和解决了光线等环境的变化对于人脸识别的影响,加之算法的不断精准演化,人

学习笔记TF058:人脸识别

人脸识别,基于人脸部特征信息识别身份的生物识别技术.摄像机.摄像头采集人脸图像或视频流,自动检测.跟踪图像中人脸,做脸部相关技术处理,人脸检测.人脸关键点检测.人脸验证等.<麻省理工科技评论>(MIT Technology Review),2017年全球十大突破性技术榜单,支付宝"刷脸支付"(Paying with Your Face)入围. 人脸识别优势,非强制性(采集方式不容易被察觉,被识别人脸图像可主动获取).非接触性(用户不需要与设备接触).并发性(可同时多人脸检测