标签：他也 美丽 ram 调用 作者 自动 用户 高斯模糊 ams
http://blog.csdn.net/garfielder007/article/details/50582018
在现实生活中，我们经常会去评价一个人，长得是否漂亮、是不是帅哥美女，然而如何用五官的数据去评价一个人是否长得五官比例协调，我们却很难说出来，也就是你为什么觉得某个人长得漂亮？是因为她眼睛大，嘴巴小，还是她五官位置符合江湖传说中的黄金比例呢？我今天要讲的这篇paper的创新点就是回答了这些问题，通过这篇paper的算法，你可以找一堆非常漂亮的美女作为训练数据库，然后用于评价一个输入的照片的五官位置是否长得比例协调，也就是实现一个最简单的长相评分系统，当然这个评分功能不涉及皮肤纹理等，只是用于评价一个人五官位置、大小比例是否协调。
这篇paper还有一个可能的工程应用点，如果你的训练数据足够perfect的话，那么你可以实现这样的一个App功能：智能整容算法。也就是用户输入一张照片，我们可以根据paper的算法，预测五官的正确位置，以这些正确位置为控制顶点，利用图像变形算法，实现五官的自动整容，当然这个最后整容效果的好坏，很依赖于训练数据，正面照片实现估计会比较简单，但是实现各种角度的照片的整容，那就……
不过因为paper的五官位置调整算法，给我的感觉不咋地，所以具体是否经过整容后，真的变得漂亮，实在很难判断……。还有学习这篇paper的意义：通过学习这篇paper，我们可以推测腾讯的天天P图的人脸整形、眼睛放大、嘴巴微笑等算法有可能用了《移动最小二乘的变形》算法实现的，还有天天p图的头发识别，有可能是采用了本文的头发识别方法，也就是借助于模板发型进行头发区域的识别。
OK,回到本篇博文的主题，《基于数据驱动的卡通动画生成》是由腾讯优图团队发表的一篇paper，英文名为：《Data-Driven Face Cartoon Stylization 》，是2014年Siggraph Asia 上的一篇paper，其实现了人像卡通动画的生成：
也就是用户输入一张图片，然后根据算法，它会自动生成用户对应的卡通动画图。看起来是不是高大上的样子，看了paper的效果图是不是感觉很牛逼的样子，然而其实我这篇paper算法的鲁棒性很差，这篇文章能够被Siggraph Asia录用，唯一的亮点是因为它提出来了一个五官位置、比例自动调整算法，利用SVM算法进行五官比例、位置等数据拟合。
这个功能好像曾经在世界杯期间，被应用于“天天p图”的世界杯互动功能中，当然估计是因为鲁棒性问题，所以……。整个过程的算法除了发型识别、单眼皮双眼皮识别、性别识别这三个算法没有去做，其他的都验证了，算法的鲁棒性确实很差，心塞啊，OK，接着我们就讲解一些paper的算法实现。
这篇paper，分为三个步骤：1、创建训练数据，也就是卡通动画的五官库。2、用户输入一张照片，进行最近邻相似搜索。3、五官位置摆放，比例算法等。下面是我根据paper讲解过程进行翻译讲解。
一、卡通动画各个器官库的创建方法
器官库
这一步工作量非常大，如果你要搞这样的一个项目，单单这一步就要就要耗费很多人力物力了，因为艺术家要绘制一个五官库，相当不容易啊，不是一两天可以搞定的事。库的具体创建方法如下：
(1)从网上下载足够多的人脸库
(2)从步骤1中的人脸库挑选300张男性、220张女性的照片，当然这520张照片要具有代表性(每张照片的五官长相，照片表情等尽量不一样)，使得数据分布合理。这520张照片用符号P表示。
(3)通过对P的每张照片器官进行分解，构建人脸五官库Fr(Fr是可以重组成完整的一幅P中照片的)。
(4)挑选Fr中，具有代表性的：20个脸型、30个眉毛、30个眼睛、16个鼻子、30个嘴巴、75中类型的头发。注意各个器官男性、女性要分开，即男的20个脸型、女的20个脸型……。
(5)艺术家对(4)中挑选得到的五官图片进行绘制，结果库符号记为Fc。需要注意，艺术家绘制时，眼睛要分为单眼皮和双眼皮进行绘制。
(6)绘制完了以后，我们再手动用这些卡通五官库组合成人脸。组合出P中每张照片的卡通动画图。通过这一步，Fr中的，每个器官都将找到Fc中最为相似的卡通器官图片。(通过这一步创建的P对应的卡通动画图，也将用于后续作为训练数据，后续讲到训练算法的时候，会进行详细讲解)。其实前面的绘制五官卡通图都是小事，这一步人工组合出P中照片的卡通图，才是最不容易的事。
上面Fr、P、Fc的代号需要记清楚，后面直接用代号表示这三部分。
二、算法实现部分
现在假设用户输入一张人脸照片，算法总的过程就是先通过特征点检测出88个人脸特征点，然后对各个器官进行分解，接着：
(1)根据分解的各个器官在Fr库(真实的五官库)中，寻找最相似的器官。然后因为Fr(真实图片的五官库)中的每个图都有对应的Fc(卡通五官图库)，据此我们就可以得到用户输入照片五官的对应卡通图Fc。
(2)根据寻找到的最相似的五官卡通图，进行组装。
上面黑色字体部分，就是文献的创新点，也就是回答了如下两个问题：如何寻找最相似的器官(不仅仅用特征点进行查找)？如何进行五官重组(重组起来，使得卡通动画漂亮，五官协调)？接着我将对这两个问题进行详细讲解。
1、五官自动重组算法实现:
这里我根据文献的讲解顺序，先回答第一个问题：如何进行五官重组(使得重组后卡通动画漂亮，五官比例位置协调)？当然这一步的是需要先找到用户输入照片的对应最相似的五官。
A、训练数据获取。
五官重组需要用到机器学习的算法，因此需要训练数据，同时训练数据必须是五官协调的，漂亮的模型。创建方法：根据1中卡通图库创建过程中，我们可以获得人脸库P的每个人脸对应的卡通图库Pc，然后我们请艺术师对Pc的五官位置、比例进行调整，使得Pc中的每张图片都更加漂亮，因为我们将用漂亮的卡通图进行训练。
B、特征提取。
对于每张训练数据卡通图，我们假设图片五官都是对称的，我们创建如下图所示的坐标系：
坐标系的原点：两个眼睛位置的中点O；坐标系的Y轴：O点与鼻子的中心的连线的方向。根据创建的坐标系，我们定义一个十三维的特征向量X=(x1,x2,……,x13)，其中：
(x1，x2，x3)=(左眉毛位置的x坐标,左眉毛位置的y坐标,眉毛的长度)；
(x4，x5，x6)=(左眼睛位置的x坐标，左眼睛位置的y坐标，左眼睛的长度)；
(x7，x8)=(鼻子位置的y坐标，鼻子的宽度)；
(x9，x10)=(嘴巴位置的y坐标，嘴巴的宽度)；
(x11，x12)=(脸颊位置的y坐标，脸颊的宽度)；（图中浅蓝色的线）
(x13)=(下巴位置的y坐标)；(人脸特征点的最下点)
因此根据P的卡通图，我们可以得到如下训练数据：
C、学习自动进行五官比例、位置等调整。
采用ε-SVR算法(参考文献：Libsvm: a library for support vector machines)进行训练学习。我的简单理解就是算法通过SVM算法，进行五官位置比例的预测拟合。因为我们要五官自动重组，使得重组后的模型更美观。因此我们可以通过输入训练数据，得到相关的拟合函数的参数。然后当我们输入一个新的模型后，我们就可以进行拟合预测出新模型。
这一步具体算法的实现参考paper中的：Adjustment of facial compositions。给定大于零的参数C>0、ε>0，ε-SVR归结为求解如下最小优化问题：
W就是我们需要通过训练数据，得到的参数。Φ(xi)表示映射变换函数。公式(1)的拉格朗日对偶问题为：
Paper中，径向基函数K选择高斯核函数，即：
通过求得上面的拉格朗日乘子，ɑ、ɑ*，我们就可以进行预测了，ε-SVR的预测公式如下：
到这里算法的第一部分就翻译结束了。具体的器官自动组合的细节，在paper的倒数第二段还有讲解。通过公式(3)，我们可以预测每个器官的合适位置和合适大小比例。
个人总结：上面的公式是不是看起来好深奥的样子，最优化问题，其实如果你已经非常了解SVM算法，上面那些公式根本不用看，也不用自己写代码实习，因为求解SVM，直接用libsvm库就好了，十分钟搞定的事，而文献作者提到了，他也是直接调用了libsvm库的，因此甚至你不需要懂上面的一坨公式，你只需要网上下载libsvm，看看怎么调用，怎么传入参数就可以实现这一步的。为了测试这一步，我先简单随便找了50张明星美女照片，作为训练数据，然后输入一张用户照片，进行五官位置预测。训练数据：
训练数据
因为训练数据比较少，将就一下，并且有的训练数据也不一定是漂亮的，我是看着顺眼的，然后训练数据也就那几个明星的图片。因为我们只是用于初步的测试，看一下SVM算法是否真的能够通过训练数据学习出：美丽特征。看一下效果：
声明：测试图片是网上下载，如有侵权请联系作者删除之。
上面的测试图片中，蓝色的点是原来的人脸特征点，我只显示了一些五官的关键点，如眼睛、眉毛、嘴巴的中心位置，还有下巴的最下点。然后红色的点代表新的五官位置，可以看到，这张图片预测后的新五官的位置是貌似很不错的样子。下巴、嘴巴、鼻子都需要稍微下移进行整容才能比较漂亮一些，当然五官的大小也可以预测，我这边为了方便，所以才没有显示新的五官大小。这个需要用图像变形算法，进行五官位置整容，比较懒，所以就懒得弄变形算法了。在测试一张本来就长得很漂亮的人,如果五官的位置发生比较大的偏移
可以看到对于长得五官比例协调的人脸来说，其五官位置的偏移基本上非常小。
2、寻找最相似的器官。
在开始看这篇paper前，可能我们会想直接用各个器官的识别检测到的特征点，直接进行计算两图片特征点间的欧式距离就可以了，然而通过特征点计算相似度首先要识别足够多的特征点才行。通过这篇paper我们可以学到一些图片相似搜索的简单算法。
具体的算法实现如下：
A、眼睛和鼻子。
文献中使用了HOG描述算子(参考文献：Histograms of oriented gradients for human detection)，作为这两个部位的特征。眼睛部位：眼睛部位的图片统一归一化到62*100大小的图片，然后进行计算HOG特征。这样就可以计算两找眼睛图片的特征向量间的欧式距离。鼻子部位：统一归一化到71*200大小的图片。HOG算子直接调用Opencv库就好了，所以这一步也不需要我们自己去写代码。
B、眉毛部位。
首先眉毛统一归一化到66*200大小的图片；因为眉毛和皮肤可以说是混合在一起的，所以paper接着用高斯模糊对其进行预处理；然后把66*200的图像划分成6*20个块，最后统计每个块的颜色信息总和xi；最后以(x1，x2……x120)作为特征向量，计算特征向量间的欧式距离，这个思想是图像相似搜索给我最简单的方法了，在好几篇paper中遇到这个算法，然而效果当然不咋地，因为图片搜索领域，现在即便是百度识图，给我的感觉效果也一般般。
C、脸庞和嘴巴。
这两个部位是直接用人脸识别到的特征点作为特征向量，进行计算相似度的。需要注意的一个小细节：在计算脸庞相似度时，由于图片大小、旋转角度不一样，因此一开始我的思路是用相似变换的方法，求解相似变换矩阵，然后在对根据相似变换结果计算欧式距离；然而文献中不是用这种方法，它是以固定脸庞的其中两个顶点，计算变换矩阵，最后进行变换。这种小细节不知道是不是效果比较好，不然一般人的思路，应该是用相似变换的方法。我验证之后，感觉效果还不如直接进行放射变换，这一步也可以直接用opencv库的函数就好了。
D、发型识别。
发型识别
我们知道，前面我们创建的卡通动画的发型，包含75种发型。对于发型的相似度计算，paper也是以HOG算子作为特征，计算欧式距离。具体它分为两个步骤：局部匹配、全局匹配。发型识别的细节比较多，这里只讲大体的流程。
第一步过程，得到K近邻发型。这一步跟上面眉毛部位的计算方法类似：首先就是对卡通图和真实图进行阈值分割，得到二值化图像，并进行图像大小归一化，具体归一化的图片大小文章没有具体详细说明；最后对归一化图像进行分块，统计每个块的颜色信息总和xi，并以(x1，x2……xn)作为特征向量，计算特征向量间的欧式距离。这样我们可以得到k近邻发型，
第二步过程，这一步就是要从k近邻中，寻找最接近的发型了。这一步的计算方法与眼睛的计算方法类似，也是通过计算HOG特征，作为特征向量，并计算欧式距离。这样我们就可以从这K个近邻中找到最相似的发型了。
E、性别识别。
文献参考《Evaluation of gender classification methods with automatically detected and aligned faces》的方法，总的过程，是通过SVM训练一个分类器，然后进行男女性别的分类判别。
F、眼镜检测。
对于是否戴眼镜，paper首先在眼镜的中间位置取一块区域，然后对把这一块区域转换成灰度图像，最后计算垂直方向上的梯度值。
根据梯度值，得到上下梯度值最大的像素集A、B(图中红色的像素点)，然后统计A、B的方差：
最后根据sum of var(A)、var(B)的大小，进行阈值判断其是否戴眼镜。根据文献的最后几句话：The glass color is obtained from the region between two set of pixels。好像也可以通过A、B的颜色信息，进行判断眼镜边框的颜色
判断是否戴眼镜
G、双眼皮检测。
判断一个眼镜是否有双眼皮，这篇paper给出了貌似很简单的算法，可惜这一步我看不懂。paper只是说了，根据边缘检测算子Candy算子得到梯度图像，然后根据判断眼镜的上半部分，是否有两个pulsers(if two pulses are detected on the left-top part of its gradient image)，判断是否双眼皮。
到了这里可以说从卡通五官库中，挑选最相似的卡通器官算法已经结束了，接着需要补充后续的细节。补充细节：
1、五官组合。这一步前面已经讲了大体的算法过程，通过支持向量机预测拟合算法，可以预测出每个器官的大小及其位置，然后文献直接用ɑ融合进行图片合成。
2、图像变形。对于某些器官，我们很难在库里找到相似的模型，文章发现，脸型和眼睛部位是否相似，非常重要，因此文献只对眼睛和脸庞进行变形，变形算法采用移动最小二乘的方法。这一步的相关细节也很多，写到这里已经没有力气了，就这样吧，写了这么多好累。
总结与心得：
1、识别方面。这篇paper给出了很多算法，比如眼镜判别、双眼皮判别、各个五官相似度判别、发型识别，对于我这种菜鸟感觉看起来相当爽、学到了好多。虽然有的算法，估计效果不好，但是至少让我看到除了用深度学习的方法，我们还是有其它的路可以走的。如果不用深度学习，这些方法值得一试，当然算法效果精度，很差，鲁棒性也很差。
2、如何通过机器学习的方法判断一个人的五官大小、位置是否协调？是这篇paper的主要思想，其实通过SVM算法，进行预测拟合的。这个思路是很新颖，只能说是一个很不错的想法，然而要进行工程应用，要对一个用户输入照片进行自动五官整容，还很难达到商用的地步。
最后还要说一下，别看paper的那几张图效果那么好，那是因为paper估计是测试图片就是库里面已有的图片，所以相似性搜索看起来才会那么牛逼
**********************作者：hjimce 时间：2015.8.1 联系QQ：1393852684 地址：http://blog.csdn.net/hjimce 转载请保留本行信息********************
图像处理（二十一）基于数据驱动的人脸卡通动画生成-Siggraph Asia 2014
标签：他也 美丽 ram 调用 作者 自动 用户 高斯模糊 ams
原文地址：http://www.cnblogs.com/jukan/p/7813860.html
