随着社会文明程度的提高,女性对化妆的要求越来越高,虚拟化妆技术应用越来越广泛。本文使用图像处理相关技术,实现了对视频流的实时化妆效果以及化妆方案的推荐功能,使女性在购买化妆品时可以实时进行人机交互,有效提升了购买的速度和体验。本文的主要研究工作如下:人脸检测部分,本文采用基于Haar-like特征与AdaBoost级联分类器结合的人脸检测方法,通过扩增具有一定偏转角度的正样本,优化了分类器在人脸偏转时的检测性能,提高了检测的准确率。人脸对齐部分,采用SIFT算法提取局部特征,结合SDM算法对特征点进行迭代求精,使人脸对齐的精度相对传统AAM方法更高。虚拟化妆部分采用基于特征点与CIELAB颜色空间图层分解相结合的方法,并从两个阶段进行介绍。粗化妆阶段采用基于特征点的轮廓提取方法,该方法较基于颜色空间的方法具有更好的鲁棒性。面部磨皮部分采用三角剖分方法剔除非磨皮区域,保留局部纹理的同时加快了处理的速度。细化妆阶段采用基于CIELAB颜色空间图层分解的方法,结合α通道融合,在保留纹理的同时,使化妆效果更加自然。化妆推荐部分,本文通过改进DeepID网络提取深度特征,通过实验对比确定最优的网络参数,使特征的提取能力进一步增强。采用联合贝叶斯模型计算相似度,比神经网络自带的softmax层分类器更加准确。最后,在美丽图像库中检索相似度最高的化妆图像作为推荐方案,为虚拟化妆部分提供科学合理的参考。通过实验发现,本文采用的虚拟化妆及推荐方法可以满足用户的需求,并能达到令人满意的化妆效果。