CN110288705B - 生成三维模型的方法和装置 - Google Patents
生成三维模型的方法和装置 Download PDFInfo
- Publication number
- CN110288705B CN110288705B CN201910588856.8A CN201910588856A CN110288705B CN 110288705 B CN110288705 B CN 110288705B CN 201910588856 A CN201910588856 A CN 201910588856A CN 110288705 B CN110288705 B CN 110288705B
- Authority
- CN
- China
- Prior art keywords
- face
- dimensional model
- initial
- face image
- expression
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开的实施例公开了生成三维模型的方法和装置。该方法的一具体实施方式包括:对预先得到的初始人脸图像,执行生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型;响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数;将调整后的权重和表情系数作为获取到的权重和表情系数,继续执行生成步骤。该实施方式降低了人脸三维模型与初始人脸中的脸部对象指示的表情的差别。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及生成三维模型的方法和装置。
背景技术
随着图像处理技术的发展,很多场景中会应用到动画表情渲染。此处,动画表情渲染是指,根据人脸图像中显示的人脸的表情,得到与该人脸的表情一致的动物脸的图像。
为了实现动画表情的渲染,通常需要将针对人脸所构造的各基准三维模型进行线性组合,进而得到与人脸图像中显示的人脸的表情一致的三维模型。
发明内容
本公开的实施例提出了生成三维模型的方法和装置。
第一方面,本公开的实施例提供了一种生成三维模型的方法,该方法包括:对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,表情系数用于表征初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,权重用于表征初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型;上述方法还包括:响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数;将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
在一些实施例中,上述调整权重和表情系数,包括:根据参照人脸图像和初始人脸图像中针对相同部对象的关键点之间的平均距离,调整权重;根据调整后的权重,调整表情系数。
在一些实施例中,上述方法还包括:基于获取到的基准动物脸三维模型、初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型;根据动物脸三维模型,生成所指示的动物脸与初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
在一些实施例中,在上述基于获取到的基准动物脸三维模型、初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型之前,上述方法还包括:选取通信连接的终端设备发送的用户选取信息所指示的动物脸图像作为初始动物脸图像。
在一些实施例中,上述方法还包括:将目标动物脸图像返回至终端设备,以使终端设备显示目标动物脸图像。
第二方面,本公开的实施例提供了一种生成三维模型的装置,该装置包括:第一生成单元,被配置成基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,表情系数用于表征初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,权重用于表征初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型;调整单元,被配置成响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数;执行单元,被配置成将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
在一些实施例中,上述调整单元,包括:第一调整子单元,被配置成根据参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整权重;第二调整子单元,被配置成根据调整后的权重,调整表情系数。
在一些实施例中,上述装置还包括:第二生成单元,被配置成基于获取到的基准动物脸三维模型、初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型;第三生成单元,被配置成根据动物脸三维模型,生成所指示的动物脸与初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
在一些实施例中,上述装置还包括:选取单元,被配置成选取通信连接的终端设备发送的用户选取信息所指示的动物脸图像作为初始动物脸图像。
在一些实施例中,上述装置还包括:返回单元,被配置成将目标动物脸图像返回至终端设备,以使终端设备显示目标动物脸图像。
第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的生成三维模型的方法和装置,得到初始人脸图像之后,首先可以基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型。然后可以确定基于参照人脸三维模型所得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离。若所确定的各平均距离小于预设阈值,可以将所生成的参照人脸三维模型作为初始人脸图像的人脸三维模型。若存在大于或等于预设阈值的平均距离,可以调整权重和表情系数,而后在调整后的权重和表情系数的基础上,再次执行上述步骤。可以理解,通过多次执行上述步骤,可以实现参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,进而生成初始人脸图像的人脸三维模型。由于在生成人脸三维模型的过程中,综合考虑了初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重,从而可以降低所生成的人脸三维模型与初始人脸中的脸部对象指示的表情的差别。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的生成三维模型的方法的一个实施例的流程图;
图3是根据本公开的实施例的生成三维模型的方法的一个应用场景的示意图;
图4是根据本公开的生成三维模型的方法的又一个实施例的流程图;
图5是根据本公开的生成三维模型的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的生成三维模型的方法或生成三维模型的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用,例如图像处理类应用、网页浏览器应用、美妆类应用等。
终端设备101、102可以是硬件,也可以是软件。当终端设备101、102为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以是提供各种服务的服务器,例如为终端设备101、102上的图像处理类应用的后台服务器。实践中,后台服务器可以从终端设备获取人脸图像,然后生成该人脸图像的人脸三维模型。
需要说明的是,上述人脸图像也可以直接存储在服务器104的本地,服务器104可以直接提取本地所存储的人脸图像并进行处理,此时,可以不存在终端设备101、102和网络103。
服务器104可以是硬件,也可以是软件。当服务器104为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器104为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是,本公开的实施例所提供的生成三维模型的方法一般由服务器104执行,相应地,生成三维模型的装置一般设置于服务器104中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的生成三维模型的方法的一个实施例的流程200。该生成三维模型的方法包括以下步骤:
步骤201,对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型。
在本实施例中,生成三维模型的方法的执行主体(如图1所示的服务器104)可以从本地或者通信连接的终端设备得到初始人脸图像,然后对该初始人脸图像执行生成步骤。生成步骤的执行过程可以具体体现为下述介绍的步骤S1至步骤S4。
步骤S1,从本地或者通信连接的数据库服务器获取基准人脸三维模型、表情系数和权重。
上述表情系数可以用于表征初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率。通常,预设表情集合可以是由各种表情(例如,自然表情、皱眉、张嘴、闭眼等)组合得到的集合。初始人脸图像指示的初始人脸可以是初始人脸图像中显示的人脸。
上述权重可以用于表征初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重。此处,脸部对象可以包括组成人脸的各个部位,例如眉毛部位、眼睛部位、鼻子部位、嘴巴部位等。
上述基准人脸三维模型可以包括针对预设表情集合中的表情所构造的人脸的三维模型。例如,可以包括针对自然表情所构造的三维模型,针对皱眉这一表情所构造的三维模型,针对张嘴这一表情所构造的三维模型等。实践中,基准人脸三维模型可以是由一定数量的三维像素点所组成的三维模型。通常,基准人脸三维模型不是针对初始人脸图像指示的初始人脸而构造的,因此需要通过调整表情系数和权重,来生成初始人脸图像指示的初始人脸的三维模型。
步骤S2,按照公式对各基准人脸三维模型进行线性组合,生成参照人脸三维模型。
上述公式中,i表示预先构造的各基准人脸三维模型中的基准人脸三维模型的序号,k表示初始人脸图像指示的初始人脸包括的各脸部对象中的脸部对象的序号,Ci表示第i个基准人脸三维模型所对应的表情系数,Wk表示第k个脸部对象所对应的权重,Sik表示第i个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,S0k表示第0个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,第0个基准人脸三维模型通常是针对自然表情所构造的三维模型,n表示第0个基准人脸三维模型之外的其余基准人脸三维模型的总数,m表示脸部对象的总数。
不难理解,各基准人脸三维模型的线性组合具体体现为,根据各脸部对象所在的三维区域,对各基准人脸三维模型中的三维像素点的坐标组成的矩阵进行线性运算。举例来说,基准人脸三维模型可以包括针对自然表情、皱眉、张嘴、闭眼等各种表情所构造的三维模型。其中,针对自然表情所构造的三维模型中第k个脸部对象所在的三维区域包括的三维像素点的坐标组成的矩阵可以表示为S0k,针对皱眉、张嘴、闭眼等其它表情所构造的三维模型中第k个脸部对象所在的三维区域包括的三维像素点的坐标组成的矩阵可以分别表示为S1k、S2k…Snk。那么,矩阵S0k、S1k、S2k…Snk可以按照上述公式进行线性运算。
实践中,对各基准人脸三维模型第一次进行线性组合时,可以根据实际情况设置各表情系数的初始值(例如0.5)和各权重的初始值(例如1)。
步骤S3,根据所生成的参照人脸三维模型,生成参照人脸图像。
首先,上述执行主体可以根据初始人脸图像中的二维像素点的像素值,确定参照人脸三维模型中的三维像素点的像素值。然后,上述执行主体可以将确定像素值后的参照人脸三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标。由此,坐标转换之后所得到的各二维像素点可以组成参照人脸图像。
步骤S4,确定参照人脸图像和初始人脸中针对相同脸部对象的关键点之间的平均距离,若所确定的各平均距离小于预设阈值,可以将所生成的参照人脸三维模型作为初始人脸图像的人脸三维模型。
步骤202,响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数。
在本实施例中,若所确定的各平均距离中存在大于或等于预设阈值的平均距离,上述执行主体可以进一步调整各权重和各表情系数。可以理解,参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,意味着,参照人脸图像和初始人脸图像中相同脸部对象的表情差别较大。也就是说,平均距离大于或等于预设阈值的脸部对象指示的表情在初始人脸指示的表情中所占的比重较小。
具体地,对于平均距离大于或等于预设阈值的脸部对象,上述执行主体可以减小该脸部对象对应的权重。此外,上述执行主体还可以随机增大或者减小各表情系数。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下步骤调整表情系数和权重。
首先,上述执行主体可以根据参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整各权重。
具体地,上述执行主体可以按照公式调整各脸部对象对应的权重。其中,Dk表示参照人脸图像和初始人脸图像中针对第k个脸部对象的关键点之间的平均距离。以眉毛部位为第k个脸部对象为例,通常,参照人脸图像和初始人脸图像中针对眉毛部位的各关键点一一对应,那么Dk可以是参照人脸图像中针对眉毛部位的各关键点和初始人脸图像中针对眉毛部位的各对应的关键点之间的距离的平均值。Wk表示第k个脸部对象调整后的权重。分析可见,按照上述公式调整权重之后,平均距离大于或等于预设阈值的脸部对象对应的权重在较大的程度上被减小,而平均距离小于预设阈值的脸部对象对应的权重几乎没有改变。
然后,上述执行主体可以根据调整后的权重,进一步调整表情系数。
具体地,上述执行主体可以将各表情系数和各权重作为未知数,建立表征参照人脸图像和初始人脸图像包括的关键点之间的平均距离的函数。上述执行主体还可以将调整后的权重代入至该函数中,并确定该函数的最小值,由此得到各表情系数的值。可以理解,所得到的各表情系数的值即为调整后的各表情系数。
在这些实现方式中,先根据参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整各脸部对象对应的权重,再根据调整后的各权重,调整各表情系数,相对于随机调整各权重和各表情系数,可以减少调整次数,进而降低执行主体的计算量。
步骤203,将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
在本实施例中,调整表情系数和权重之后,上述执行主体可以将调整后的权重和调整后的表情系数分别作为下一次执行生成步骤时的权重和表情系数。由此,上述执行主体可以在调整权重和表情系数的基础上,再次执行上述步骤S2至步骤S4。
继续参见图3,图3是根据本实施例的生成三维模型的方法的应用场景的一个示意图。在图3的应用场景中,服务器301可以从通信连接的终端设备(图中未示出)得到初始人脸图像302。然后,服务器301可以从本地获取基准人脸三维模型303、表情系数304和权重305。之后,服务器301可以基于基准人脸三维模型303、表情系数304和权重305,生成参照人脸三维模型306。而后,服务器301可以基于参照人脸三维模型306生成参照人脸图像307。进一步,服务器301可以确定参照人脸图像307和初始人脸图像302中针对相同脸部对象的关键点之间的平均距离。若参照人脸图像307和初始人脸图像302中针对相同脸部对象的关键点之间的平均距离小于预设阈值,服务器301可以将参照人脸三维模型306作为初始人脸图像302的人脸三维模型。若参照人脸图像307和初始人脸图像302中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,服务器301可以调整表情系数304和权重305,而后在调整后的表情系数和权重基础上,重新执行上述步骤。
目前,在生成人脸图像的三维模型方面,如背景技术中所介绍的,需要对各基准人脸三维模型进行线性组合。现有技术之一,仅通过所确定的表情系数对各基准人脸三维模型进行线性组合,得到人脸图像的人脸三维模型。通过所确定的表情系数对各基准人脸三维模型进行线性组合的过程中,由于无法考虑到各脸部对象指示的表情在初始人脸指示的表情中所占的比重,往往会造成所生成的人脸三维模型中的脸部对象与初始人脸中的脸部对象指示的表情存在差别。而本公开的上述实施例提供的方法,通过所确定的表情系数和权重对各基准人脸三维模型进行线性组合,由于在生成人脸三维模型的过程中,综合考虑了初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重,从而可以降低所生成的人脸三维模型与初始人脸中的脸部对象指示的表情的差别。
进一步参考图4,其示出了生成三维模型的方法的又一个实施例的流程400。该生成三维模型的方法的流程400,包括以下步骤:
步骤401,对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型。
步骤402,响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数。
步骤403,将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
上述步骤401、步骤402、步骤403可以分别按照如图2所示实施例中的步骤201、步骤202、步骤203类似的方式执行,上文针对步骤201、步骤202、步骤203的描述也适用于步骤401、步骤402、步骤403,此处不再赘述。
步骤404,基于获取到的基准动物脸三维模型、初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型。
在本实施例中,生成三维模型的方法的执行主体(例如图1所示的服务器104)可以从本地或者通信连接的数据库服务器中预先存储的一定数量的动物脸图像中随机获取动物脸图像作为初始动物脸图像。可以理解,动物脸图像可以是显示有动物脸的图像(例如显示有猫脸的图像)。
在本实施例中,上述执行主体还可以从本地或者通信连接数据库服务器中获取基准动物脸三维模型。此处,基准动物脸三维模型可以包括针对预设表情集合中的表情所构造的该初始动物脸图像指示的动物脸的三维模型。
在本实施例中,获取基准动物脸三维模型和选取初始动物脸图像之后,上述执行主体可以使用生成初始人脸图像的人脸三维模型的表情系数和权重,对各基准动物脸三维模型进行线性组合。具体的线性组合过程与图2所示实施例中的步骤S2中描述的方法类似,此处不再赘述。
各基准动物脸三维模型线性组合之后,可以生成初始动物脸图像的动物脸三维模型,即生成初始动物脸图像指示的动物脸的三维模型。可以理解,该动物脸三维模型指示的动物脸与初始人脸图像指示的初始人脸的表情一致。
在本实施例的一些可选的实现方式中,上述执行主体可以接收通信连接的终端设备发送的用户选取信息,而后从本地或者通信连接的数据库服务器中选取该用户选取信息所指示的动物脸图像作为初始动物脸图像。其中,用户选取信息可以是用于标识用户所选取的动物脸图像的信息。实践中,用户选取信息可以通过以下至少一种形式来体现:数字、字母、图像等。通过
步骤405,根据动物脸三维模型,生成所指示的动物脸与初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
在本实施例中,生成动物脸三维模型之后,上述执行主体可以根据初始动物脸图像中的二维像素点的像素值,确定该动物脸三维模型中的三维像素点的像素值。而后,上述执行主体可以将确定像素值后的动物脸三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标。可以理解,每个三维像素点经坐标转换之后可以得到一个对应的二维像素点。由此,得到坐标转换所得的各二维像素点组成的图像,即生成目标动物脸图像。可以理解,目标动物脸图像中显示的动物脸和初始人脸图像中显示的人脸的表情一致。
在本实施例的一些可选的实现方式中,上述执行主体可以将所生成的目标动物脸图像返回至上述发送用户选取信息的终端设备,使得该终端设备对所生成的目标动物脸图像进行显示。
从图4中可以看出,与图2对应的实施例相比,本实施例中的生成三维模型的方法的流程400体现了基于基准动物脸三维模型、人脸三维模型指示的表情系数和权重,生成动物脸三维模型的步骤,还体现了根据动物脸三维模型,生成所指示的动物脸与初始人脸图像所指示的人脸的表情一致的目标动物脸图像。由此,本实施例描述的方案可以根据初始人脸图像指示初始人脸的表情,得到与该初始人脸的表情一致的动物脸的图像。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了生成三维模型的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的生成三维模型的装置500包括第一生成单元501、调整单元502和执行单元503。其中,第一生成单元501,可以被配置成:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,表情系数用于表征初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,权重用于表征初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型。调整单元502,可以被配置成:响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数。执行单元503,可以被配置成:将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
在本实施例中,生成三维模型的装置500中:第一生成单元501、调整单元502和执行单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述调整单元502,可以包括第一调整子单元(图中未示出)和第二调整子单元(图中未示出)。其中,第一调整子单元,可以被配置成:根据参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整权重。第二调整子单元,可以被配置成:根据调整后的权重,调整表情系数。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:第二生成单元(图中未示出)和第三生成单元(图中未示出)。其中,第二生成单元,可以被配置成基于获取到的基准动物脸三维模型、初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型。第三生成单元,可以被配置成:根据动物脸三维模型,生成所指示的动物脸与初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
在本实施例的一些可选的实现方式中,上述装置500还可以包括选取单元(图中未示出)。其中,选取单元,可以被配置成:选取通信连接的终端设备发送的用户选取信息所指示的动物脸图像作为初始动物脸图像。
在本实施例的一些可选的实现方式中,上述装置500还可以包括返回单元(图中未示出)。其中,返回单元,可以被配置成:将目标动物脸图像返回至终端设备,以使终端设备显示目标动物脸图像。
本公开的上述实施例提供的装置,可以通过第一生成单元501,对所得到的初始人脸图像执行生成步骤。具体地,首先可以基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,然后确定基于参照人脸三维模型所得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离,而后在所确定的各平均距离小于预设阈值的前提下,将所生成的参照人脸三维模型作为初始人脸图像的人脸三维模型。还可以通过调整单元502,在存在大于或等于预设阈值的平均距离的前提下,调整权重和表情系数。还可以通过执行单元503,在调整后的权重和表情系数的基础上,再次执行上述第一生成单元501所执行过的步骤。由于在生成人脸三维模型的过程中,综合考虑了初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重,从而可以降低所生成的人脸三维模型与初始人脸中的脸部对象指示的表情的差别。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,表情系数用于表征初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,权重用于表征初始人脸中的脸部对象指示的表情在初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为初始人脸图像的人脸三维模型;上述方法还包括:响应于参照人脸图像和初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于预设阈值,调整权重和表情系数;将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括第一生成单元、调整单元和执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,执行单元还可以被描述为“将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行生成步骤的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种生成三维模型的方法,包括:
对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,所述表情系数用于表征所述初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,所述权重用于表征所述初始人脸中的脸部对象指示的表情在所述初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为所述初始人脸图像的人脸三维模型;所述生成参照人脸三维模型,包括:按照公式对各个所述基准人脸三维模型进行线性组合,生成所述参照人脸三维模型,其中i表示预先构造的各所述基准人脸三维模型中的基准人脸三维模型的序号,k表示所述初始人脸图像指示的初始人脸包括的各脸部对象中的脸部对象的序号,Ci表示第i个基准人脸三维模型所对应的表情系数,Wk表示第k个脸部对象所对应的权重,Sik表示第i个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,S0k表示第0个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,所述第0个基准人脸三维模型是针对自然表情所构造的三维模型,n表示第0个基准人脸三维模型之外的其余基准人脸三维模型的总数,m表示脸部对象的总数;
所述方法还包括:
响应于参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于所述预设阈值,调整所述权重和所述表情系数;
将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行所述生成步骤。
2.根据权利要求1所述的方法,其中,所述调整所述权重和所述表情系数,包括:
根据参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整所述权重;
根据调整后的权重,调整所述表情系数。
3.根据权利要求1或2所述的方法,其中,所述方法还包括:
基于获取到的基准动物脸三维模型、所述初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型;
根据所述动物脸三维模型,生成所指示的动物脸与所述初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
4.根据权利要求3所述的方法,其中,在所述基于获取到的基准动物脸三维模型、所述初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型之前,所述方法还包括:
选取通信连接的终端设备发送的用户选取信息所指示的动物脸图像作为所述初始动物脸图像。
5.根据权利要求4所述的方法,其中,所述方法还包括:
将所述目标动物脸图像返回至所述终端设备,以使所述终端设备显示所述目标动物脸图像。
6.一种生成三维模型的装置,包括:
第一生成单元,被配置成对预先得到的初始人脸图像,执行如下生成步骤:基于获取到的基准人脸三维模型、表情系数和权重,生成参照人脸三维模型,其中,所述表情系数用于表征所述初始人脸图像指示的初始人脸属于预设表情集合中的表情的概率,所述权重用于表征所述初始人脸中的脸部对象指示的表情在所述初始人脸指示的表情中所占的比重;响应于基于参照人脸三维模型得到的参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离小于预设阈值,将参照人脸三维模型作为所述初始人脸图像的人脸三维模型;所述生成参照人脸三维模型,包括:按照公式 对各个所述基准人脸三维模型进行线性组合,生成所述参照人脸三维模型,其中i表示预先构造的各所述基准人脸三维模型中的基准人脸三维模型的序号,k表示所述初始人脸图像指示的初始人脸包括的各脸部对象中的脸部对象的序号,Ci表示第i个基准人脸三维模型所对应的表情系数,Wk表示第k个脸部对象所对应的权重,Sik表示第i个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,S0k表示第0个基准人脸三维模型中第k个脸部对象所在的三维区域中的各三维像素点的坐标组成的矩阵,所述第0个基准人脸三维模型是针对自然表情所构造的三维模型,n表示第0个基准人脸三维模型之外的其余基准人脸三维模型的总数,m表示脸部对象的总数;
调整单元,被配置成响应于参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离大于或等于所述预设阈值,调整所述权重和所述表情系数;
执行单元,被配置成将调整后的权重和表情系数作为获取到的权重和表情系数,以及继续执行所述生成步骤。
7.根据权利要求6所述的装置,其中,所述调整单元,包括:
第一调整子单元,被配置成根据参照人脸图像和所述初始人脸图像中针对相同脸部对象的关键点之间的平均距离,调整所述权重;
第二调整子单元,被配置成根据调整后的权重,调整所述表情系数。
8.根据权利要求6或7所述的装置,其中,所述装置还包括:
第二生成单元,被配置成基于获取到的基准动物脸三维模型、所述初始人脸图像的人脸三维模型指示的表情系数和权重,生成所选取的初始动物脸图像的动物脸三维模型;
第三生成单元,被配置成根据所述动物脸三维模型,生成所指示的动物脸与所述初始人脸图像所指示的人脸的表情一致的目标动物脸图像。
9.根据权利要求8所述的装置,其中,所述装置还包括:
选取单元,被配置成选取通信连接的终端设备发送的用户选取信息所指示的动物脸图像作为所述初始动物脸图像。
10.根据权利要求9所述的装置,其中,所述装置还包括:
返回单元,被配置成将所述目标动物脸图像返回至所述终端设备,以使所述终端设备显示所述目标动物脸图像。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588856.8A CN110288705B (zh) | 2019-07-02 | 2019-07-02 | 生成三维模型的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588856.8A CN110288705B (zh) | 2019-07-02 | 2019-07-02 | 生成三维模型的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110288705A CN110288705A (zh) | 2019-09-27 |
CN110288705B true CN110288705B (zh) | 2023-08-04 |
Family
ID=68021711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910588856.8A Active CN110288705B (zh) | 2019-07-02 | 2019-07-02 | 生成三维模型的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288705B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220375258A1 (en) * | 2019-10-29 | 2022-11-24 | Guangzhou Huya Technology Co., Ltd | Image processing method and apparatus, device and storage medium |
CN111311712B (zh) * | 2020-02-24 | 2023-06-16 | 北京百度网讯科技有限公司 | 视频帧处理方法和装置 |
CN113240802B (zh) * | 2021-06-23 | 2022-11-15 | 中移(杭州)信息技术有限公司 | 三维重建的全屋虚拟装维方法、装置、设备及存储介质 |
CN113426129B (zh) * | 2021-06-24 | 2024-03-01 | 网易(杭州)网络有限公司 | 自定义角色的相貌调整方法、装置、终端和存储介质 |
CN114049472A (zh) * | 2021-11-15 | 2022-02-15 | 北京百度网讯科技有限公司 | 三维模型调整方法、装置、电子设备、介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186816A (ja) * | 2010-03-09 | 2011-09-22 | Secom Co Ltd | 顔画像合成装置 |
CN107679504A (zh) * | 2017-10-13 | 2018-02-09 | 北京奇虎科技有限公司 | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 |
CN108550185A (zh) * | 2018-05-31 | 2018-09-18 | Oppo广东移动通信有限公司 | 人脸美化处理方法和装置 |
CN109035388A (zh) * | 2018-06-28 | 2018-12-18 | 北京的卢深视科技有限公司 | 三维人脸模型重建方法及装置 |
CN109598749A (zh) * | 2018-11-30 | 2019-04-09 | 腾讯科技(深圳)有限公司 | 一种三维人脸模型的参数配置方法、装置、设备及介质 |
-
2019
- 2019-07-02 CN CN201910588856.8A patent/CN110288705B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186816A (ja) * | 2010-03-09 | 2011-09-22 | Secom Co Ltd | 顔画像合成装置 |
CN107679504A (zh) * | 2017-10-13 | 2018-02-09 | 北京奇虎科技有限公司 | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 |
CN108550185A (zh) * | 2018-05-31 | 2018-09-18 | Oppo广东移动通信有限公司 | 人脸美化处理方法和装置 |
CN109035388A (zh) * | 2018-06-28 | 2018-12-18 | 北京的卢深视科技有限公司 | 三维人脸模型重建方法及装置 |
CN109598749A (zh) * | 2018-11-30 | 2019-04-09 | 腾讯科技(深圳)有限公司 | 一种三维人脸模型的参数配置方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110288705A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288705B (zh) | 生成三维模型的方法和装置 | |
US11978245B2 (en) | Method and apparatus for generating image | |
CN109816589B (zh) | 用于生成漫画风格转换模型的方法和装置 | |
US10650492B2 (en) | Method and apparatus for generating image | |
CN109800732B (zh) | 用于生成漫画头像生成模型的方法和装置 | |
CN111476871B (zh) | 用于生成视频的方法和装置 | |
CN110298319B (zh) | 图像合成方法和装置 | |
CN107609506B (zh) | 用于生成图像的方法和装置 | |
CN106846497B (zh) | 应用于终端的呈现三维地图的方法和装置 | |
WO2017101094A1 (en) | Avatar animation system | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
CN109829432B (zh) | 用于生成信息的方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN111524216B (zh) | 生成三维人脸数据的方法和装置 | |
CN109754464B (zh) | 用于生成信息的方法和装置 | |
CN110069191B (zh) | 基于终端的图像拖拽变形实现方法和装置 | |
CN110189252B (zh) | 生成平均脸图像的方法和装置 | |
CN106952325B (zh) | 用于操作三维动画角色的方法和装置 | |
CN110008926B (zh) | 用于识别年龄的方法和装置 | |
CN110837332A (zh) | 面部图像变形方法、装置、电子设备和计算机可读介质 | |
CN110288523B (zh) | 图像生成方法和装置 | |
CN109949213B (zh) | 用于生成图像的方法和装置 | |
CN109034085B (zh) | 用于生成信息的方法和装置 | |
CN110942033B (zh) | 用于推送信息的方法、装置、电子设备和计算机介质 | |
CN111062995B (zh) | 生成人脸图像的方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |