CN106251294B - 一种单幅正视人脸图像的虚拟多姿态生成方法 - Google Patents
一种单幅正视人脸图像的虚拟多姿态生成方法 Download PDFInfo
- Publication number
- CN106251294B CN106251294B CN201610658515.XA CN201610658515A CN106251294B CN 106251294 B CN106251294 B CN 106251294B CN 201610658515 A CN201610658515 A CN 201610658515A CN 106251294 B CN106251294 B CN 106251294B
- Authority
- CN
- China
- Prior art keywords
- face
- rotation
- angle
- dimensional
- virtual
- 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
- 230000001815 facial effect Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 12
- 210000000887 face Anatomy 0.000 claims description 6
- 210000001938 protoplast Anatomy 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种单幅正视人脸图像的虚拟多姿态生成方法，步骤包括：1、输入待变换单样本人脸；2、输入人脸面旋转变换方向及变换角度；3、人脸面向上旋转变换；4、人脸面向下旋转变换；5、人脸面向左旋转变换；6、人脸面向右旋转变换；步骤7、多姿态人脸求取，系数H分别代入上述步骤3、4、5、6中求得的Hup、Hdown、Hleft与Hright，即能够求得上述的四种姿态变换后的人脸结果；步骤8、输出生成的虚拟的多姿态人脸图像。本发明的方法，步骤简单，结果可靠。
Description
技术领域
本发明属于计算机视觉技术领域，涉及一种单幅正视人脸图像的虚拟多姿态生成方法。
背景技术
在过去的几十年里，人脸识别作为计算机视觉的一个研究热点受到普遍关注，广泛地应用在机器人等学科中，对自动鉴别和人类自动分辨有着重要的意义。在有充分数量代表性的训练样本时，许多人脸识别方法能取得较好的识别效果。
然而在身份证验证，海关护照验证以及公安执法等一些特殊场合中，通常每个人都只有一幅人脸样本前视图图像，并且待识别人脸相对于训练人脸图像的姿态发生变化，因此导致识别率大幅下降，有些方法甚至无法使用。
发明内容
本发明的目的是提供一种单幅正视人脸图像的虚拟多姿态生成方法，解决了现有技术中，因人脸识别训练样本只有一幅前视图图像，存在单样本人脸识别情况下识别率较低的问题。
本发明采用的技术方案是，一种单幅正视人脸图像的虚拟多姿态生成方法，按照以下步骤实施：
步骤1、输入待变换单样本人脸
对输入的待变换单样本人脸要求必须为正视图人脸，设输入正视图人脸为h行w列图像F(i,j)h×w，其中i＝1,2...h，j＝1,2...w；忽略鼻子、眼睛等无关的凹凸，假设其落在二维平面上，以下简称该二维平面为人脸面，即单样本的人脸正视图信息为成像物体，其不同角度拍摄下成像结果即为人脸在不同角度成像结果；
步骤2、输入人脸面旋转变换方向及变换角度
按照标准镜头视角设定摄像机视角为45度，输入需要得到的姿态变换角度为θ，已知人脸面原尺寸为h×w大小，原人脸正视图的平面以⑤⑥⑦⑧四个顶点表示该正视图与投影面重合，三维旋转之后，可见的旋转人脸图以①②③④四个顶点表示三维旋转后的图像成梯形形状，
当人脸面向上旋转，即给出虚拟仰视姿态角度变化的话，转步骤3；
当人脸面向下旋转，即给出虚拟俯视姿态角度变化的话，转步骤4；
当人脸面向左旋转，即给出虚拟左偏姿态角度变化的话，转步骤5；
当人脸面向右旋转，即给出虚拟右偏姿态角度变化的话，转步骤6；
步骤3、人脸面向上旋转变换
人脸面向上旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图梯形①②③④与旋转前的正视图矩形⑤⑥⑦⑧建立平面直角坐标系，其中的⑦⑧边与③④边长度相等，此时已知，则对应点对坐标如下表1所示：
表1人脸面向上旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hup：
接下来转步骤7；
步骤4、人脸面向下旋转变换
人脸面向下旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑥边与①②边长度相等，此时已知，则对应点对坐标如下表2所示：
表2人脸面向下旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hdown：
接下来转步骤7；
步骤5、人脸面向左旋转变换
人脸面向左旋转变换时，三维旋转后的人脸图梯形顶点为①②③④)，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑥⑧边与②④边长度相等，此时已知，则对应点对的坐标如下表3所示：
表3人脸面向左旋转时4对对应点对的坐标
据上述所求4对点对坐标，可求得单应变换矩阵Hleft：
接下来转步骤7；
步骤6、人脸面向右旋转变换
人脸面向右旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑦边与①③边长度相等，此时已知，则对应点对的坐标如下表4所示：
表4人脸面向右旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hleft：
接下来转步骤7；
步骤7、多姿态人脸求取
当两帧图像上的点来自空间同一平面时，则它们之间存在一个射影变换，可以用3×3的单应矩阵H表示，已知F(i,j)，i＝1,2...,h，j＝1,2...,w为输入的正视人脸图像上的点，f(i,j)，i＝1,2...,h，j＝1,2...,w为变换后的虚拟姿态人脸图像上的投影点，则满足F(i,j)＝H·f(i,j)，即f(i,j)＝H-1·F(i,j)，系数H分别代入上述步骤3、4、5、6中求得的Hup、Hdown、Hleft与Hright，即能够求得上述的四种姿态变换后的人脸结果；
步骤8、输出生成的虚拟的多姿态人脸图像。
本发明的有益效果是，能够从如身份证验证，海关护照验证以及公安执法等一些特殊场合中，利用单幅人脸前视图样本生成多姿态人脸样本，以便对该对应人脸进行训练和后续的识别，是单样本人脸情况下的人脸识别不可缺少的预处理方法。
附图说明
图1是本发明方法选用的实施例人脸正视图；
图2是本发明方法成像三维示意图；
图3是本发明方法人脸面旋转三维示意图；
图4是本发明方法人脸面向上旋转时单应变换前人脸面所做平面关系；
图5是本发明方法人脸面向上旋转时单应变换后人脸面所做平面关系；
图6是本发明方法人脸面向下旋转时单应变换前人脸面所做平面关系；
图7是本发明方法人脸面向下旋转时单应变换后人脸面所做平面关系；
图8是本发明方法人脸面向左旋转时单应变换前人脸面所做平面关系；
图9是本发明方法人脸面向左旋转时单应变换后人脸面所做平面关系；
图10是本发明方法人脸面向右旋转时单应变换前人脸面所做平面关系；
图11是本发明方法人脸面向右旋转时单应变换后人脸面所做平面关系；
图12是本发明方法最终得到的人脸多姿态变换结果图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明单幅正视人脸图像的虚拟多姿态生成方法，按照以下步骤实施：
步骤1、输入待变换单样本人脸
对输入的待变换单样本人脸要求必须为正视图人脸，效果如图1所示，设输入正视图人脸为h行w列图像F(i,j)h×w，其中i＝1,2...h，j＝1,2...w；忽略鼻子、眼睛等无关的凹凸，假设其落在二维平面上，以下简称该二维平面为人脸面，即单样本的人脸正视图信息为成像物体，其不同角度拍摄下成像结果即为人脸在不同角度成像结果。
拍摄人脸正视图时，摄像机光轴线必定垂直于人脸所在平面，与投影面重合，平行于成像面，如图2所示。
步骤2、输入人脸面旋转变换方向及变换角度
按照标准镜头视角设定摄像机视角为45度，输入需要得到的姿态变换角度为θ，已知人脸面原尺寸为h×w大小，人脸面三维示意图如图3所示，原人脸正视图的平面(以⑤⑥⑦⑧四个顶点表示该正视图)与投影面重合，三维旋转之后，可见的旋转人脸图(以①②③④四个顶点表示三维旋转后的图像)成梯形形状。
其中的⑤⑥⑦⑧为原始正视图，是如图1所示的人脸图像的矩形的四个顶点，①②③④为对其进行三维旋转后，得到的旋转图像的四个顶点，因为是在三维空间上的旋转，如图2所示，这时的旋转后的图像为梯形，而不是矩形。
当人脸面向上旋转，即给出虚拟仰视姿态角度变化的话，转步骤3；
当人脸面向下旋转，即给出虚拟俯视姿态角度变化的话，转步骤4；
当人脸面向左旋转，即给出虚拟左偏姿态角度变化的话，转步骤5；
当人脸面向右旋转，即给出虚拟右偏姿态角度变化的话，转步骤6。
步骤3、人脸面向上旋转变换
人脸面向上旋转变换时，图4所示的三维旋转后的人脸图(梯形顶点为①②③④)，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于图4所示的三维旋转后的人脸图梯形①②③④与图5所示的旋转前的正视图矩形⑤⑥⑦⑧建立平面直角坐标系，其中的⑦⑧边与③④边长度相等，如图4表示单应变换前的图像形状，图5所示为单应变换后的目标图像尺寸，此时已知，则对应点对坐标如下表1所示：
表1人脸面向上旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hup：
接下来转步骤7。
步骤4、人脸面向下旋转变换
人脸面向下旋转变换时，如图6三维旋转后的人脸图(梯形顶点为①②③④)，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于图6所示的三维旋转后的人脸图像①②③④与图7所示的旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑥边与①②边长度相等，如图6表示单应变换前的图像形状，图7所示为单应变换后的目标图像尺寸，此时已知，则对应点对坐标如下表2所示：
表2人脸面向下旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hdown：
接下来转步骤7。
步骤5、人脸面向左旋转变换
人脸面向左旋转变换时，如图8三维旋转后的人脸图(梯形顶点为①②③④)，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于图8所示的三维旋转后的人脸图像①②③④与图9所示的旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑥⑧边与②④边长度相等，如图8表示单应变换前的图像形状，图9所示为单应变换后的目标图像尺寸，此时已知，则对应点对的坐标如下表3所示：
表3人脸面向左旋转时4对对应点对的坐标
据上述所求4对点对坐标，可求得单应变换矩阵Hleft：
接下来转步骤7。
步骤6、人脸面向右旋转变换
人脸面向右旋转变换时，如图10所示三维旋转后的人脸图(梯形顶点为①②③④)，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于图10所示的三维旋转后的人脸图像①②③④与图11所示的旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑦边与①③边长度相等，如图10表示单应变换前的图像形状，图11所示为单应变换后的目标图像尺寸，此时已知，则对应点对的坐标如下表4所示：
表4人脸面向右旋转时4对对应点对的坐标
据上述所求4对点对的坐标，可求得单应变换矩阵Hleft：
接下来转步骤7。
步骤7、多姿态人脸求取
当两帧图像上的点来自空间同一平面时，则它们之间存在一个射影变换，可以用3×3的单应矩阵H表示，已知F(i,j)，i＝1,2...,h，j＝1,2...,w为输入的正视人脸图像上的点，f(i,j)，i＝1,2...,h，j＝1,2...,w为变换后的虚拟姿态人脸图像上的投影点，则满足F(i,j)＝H·f(i,j)，即f(i,j)＝H-1·F(i,j)，系数H分别代入上述步骤3、4、5、6中求得的Hup、Hdown、Hleft与Hright，即能够求得上述的四种姿态变换后的人脸结果，如图12。
步骤8、输出生成的虚拟的多姿态人脸图像，见图12。
Claims (2)
1.一种单幅正视人脸图像的虚拟多姿态生成方法，其特征在于，按照以下步骤实施：
步骤1、输入待变换单样本人脸
对输入的待变换单样本人脸要求必须为正视图人脸，设输入正视图人脸为h行w列图像F(i,j)h×w，其中i＝1,2...h，j＝1,2...w；忽略鼻子、眼睛的凹凸，假设其落在二维平面上，以下简称该二维平面为人脸面，即单样本的人脸正视图信息为成像物体，其不同角度拍摄下成像结果即为人脸在不同角度成像结果；
步骤2、输入人脸面旋转变换方向及变换角度
按照标准镜头视角设定摄像机视角为45度，输入需要得到的姿态变换角度为θ，已知人脸面原尺寸为h×w大小，原人脸正视图的平面以⑤⑥⑦⑧四个顶点表示该正视图与投影面重合，三维旋转之后，可见的旋转人脸图以①②③④四个顶点表示三维旋转后的图像成梯形形状，
当人脸面向上旋转，即给出虚拟仰视姿态角度变化的话，转步骤3；
当人脸面向下旋转，即给出虚拟俯视姿态角度变化的话，转步骤4；
当人脸面向左旋转，即给出虚拟左偏姿态角度变化的话，转步骤5；
当人脸面向右旋转，即给出虚拟右偏姿态角度变化的话，转步骤6；
步骤3、人脸面向上旋转变换
人脸面向上旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图梯形①②③④与旋转前的正视图矩形⑤⑥⑦⑧建立平面直角坐标系，其中的⑦⑧边与③④边长度相等，此时已知，则对应点对坐标如下表1所示：
表1、人脸面向上旋转时4对对应点对的坐标
据上述表1所求4对点对的坐标，求得单应变换矩阵Hup：
接下来转步骤7；
步骤4、人脸面向下旋转变换
人脸面向下旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形高的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑥边与①②边长度相等，此时已知，则对应点对坐标如下表2所示：
表2、人脸面向下旋转时4对对应点对的坐标
据上述表2所求4对点对的坐标，求得单应变换矩阵Hdown：
接下来转步骤7；
步骤5、人脸面向左旋转变换
人脸面向左旋转变换时，三维旋转后的人脸图梯形顶点为①②③④)，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑥⑧边与②④边长度相等，此时已知，则对应点对的坐标如下表3所示：
表3、人脸面向左旋转时4对对应点对的坐标
据上述表3所求4对点对坐标，求得单应变换矩阵Hleft：
接下来转步骤7；
步骤6、人脸面向右旋转变换
人脸面向右旋转变换时，三维旋转后的人脸图梯形顶点为①②③④，梯形宽的值设为且为保证人脸面信息完整，令短边与长边大小分别设为与则
当时，令
否则角度θ按照需求任意设定，每设定一个角度，就能够获得一个虚拟姿态，
对于本步骤三维旋转后的人脸图像①②③④与旋转前的正视图⑤⑥⑦⑧建立平面直角坐标系，其中的⑤⑦边与①③边长度相等，此时已知，则对应点对的坐标如下表4所示：
表4、人脸面向右旋转时4对对应点对的坐标
据上述表4所求4对点对的坐标，求得单应变换矩阵Hleft：
接下来转步骤7；
步骤7、多姿态人脸求取
当两帧图像上的点来自空间同一平面时，则它们之间存在一个射影变换，用3×3的单应矩阵H表示，已知F(i,j)，i＝1,2...,h，j＝1,2...,w为输入的正视人脸图像上的点，f(i,j)，i＝1,2...,h，j＝1,2...,w为变换后的虚拟姿态人脸图像上的投影点，则满足F(i,j)＝H·f(i,j)，即f(i,j)＝H-1·F(i,j)，系数H分别代入步骤3、步骤4、步骤5、步骤6中求得的Hup、Hdown、Hleft与Hright，即能够求得四种姿态变换后的人脸结果；
步骤8、输出生成的虚拟的多姿态人脸图像。
2.根据权利要求1所述的单幅正视人脸图像的虚拟多姿态生成方法，其特征在于：所述的步骤1中，在拍摄人脸正视图时，摄像机光轴线必定垂直于人脸所在平面，与投影面重合，平行于成像面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610658515.XA CN106251294B (zh) | 2016-08-11 | 2016-08-11 | 一种单幅正视人脸图像的虚拟多姿态生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610658515.XA CN106251294B (zh) | 2016-08-11 | 2016-08-11 | 一种单幅正视人脸图像的虚拟多姿态生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106251294A CN106251294A (zh) | 2016-12-21 |
| CN106251294B true CN106251294B (zh) | 2019-03-26 |
Family
ID=58078292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610658515.XA Active CN106251294B (zh) | 2016-08-11 | 2016-08-11 | 一种单幅正视人脸图像的虚拟多姿态生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106251294B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509828A (zh) * | 2017-02-28 | 2018-09-07 | 深圳市朗驰欣创科技股份有限公司 | 一种人脸识别方法和人脸识别装置 |
| CN107729838A (zh) * | 2017-10-12 | 2018-02-23 | 中科视拓（北京）科技有限公司 | 一种基于深度学习的头部姿态估算方法 |
| CN107992825B (zh) * | 2017-12-01 | 2021-05-14 | 青岛海尔智能家电科技有限公司 | 一种基于增强现实的人脸识别的方法及系统 |
| CN108510563B (zh) * | 2018-03-12 | 2022-03-15 | 天津大学 | 一种模仿装饰艺术风格Art-Deco进行的图案快速生成方法 |
| WO2019227479A1 (zh) * | 2018-06-01 | 2019-12-05 | 华为技术有限公司 | 人脸旋转图像的生成方法及装置 |
| CN109670444B (zh) * | 2018-12-18 | 2019-12-24 | 北京字节跳动网络技术有限公司 | 姿态检测模型的生成、姿态检测方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924894A (zh) * | 2006-09-27 | 2007-03-07 | 北京中星微电子有限公司 | 多姿态人脸检测与追踪系统及方法 |
| CN103116902A (zh) * | 2011-11-16 | 2013-05-22 | 华为软件技术有限公司 | 三维虚拟人头像生成方法、人头像运动跟踪方法和装置 |
| CN103473801A (zh) * | 2013-09-27 | 2013-12-25 | 中国科学院自动化研究所 | 一种基于单摄像头与运动捕捉数据的人脸表情编辑方法 |
| CN103607554A (zh) * | 2013-10-21 | 2014-02-26 | 无锡易视腾科技有限公司 | 一种基于全自动人脸无缝合成的视频合成方法 |
| CN104680574A (zh) * | 2013-11-27 | 2015-06-03 | 苏州蜗牛数字科技股份有限公司 | 一种根据照片自动生成3d人脸的方法 |
-
2016
- 2016-08-11 CN CN201610658515.XA patent/CN106251294B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924894A (zh) * | 2006-09-27 | 2007-03-07 | 北京中星微电子有限公司 | 多姿态人脸检测与追踪系统及方法 |
| CN103116902A (zh) * | 2011-11-16 | 2013-05-22 | 华为软件技术有限公司 | 三维虚拟人头像生成方法、人头像运动跟踪方法和装置 |
| CN103473801A (zh) * | 2013-09-27 | 2013-12-25 | 中国科学院自动化研究所 | 一种基于单摄像头与运动捕捉数据的人脸表情编辑方法 |
| CN103607554A (zh) * | 2013-10-21 | 2014-02-26 | 无锡易视腾科技有限公司 | 一种基于全自动人脸无缝合成的视频合成方法 |
| CN104680574A (zh) * | 2013-11-27 | 2015-06-03 | 苏州蜗牛数字科技股份有限公司 | 一种根据照片自动生成3d人脸的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 单样本多姿态人脸识别研究;张生亮;《计算机应用》;20061231;第26卷(第12期);第2851-2853页 |
| 单训练样本人脸识别技术综述;王科俊 等;《模式识别与人工智能》;20081031;第21卷(第5期);第635-642页 |
| 多姿态人脸识别综述;邹国锋 等;《模式识别与人工智能》;20150731;第613-625页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106251294A (zh) | 2016-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106251294B (zh) | 一种单幅正视人脸图像的虚拟多姿态生成方法 | |
| US9595127B2 (en) | Three-dimensional collaboration | |
| Hold-Geoffroy et al. | A perceptual measure for deep single image camera calibration | |
| Narita et al. | Dynamic projection mapping onto deforming non-rigid surface using deformable dot cluster marker | |
| US20120162384A1 (en) | Three-Dimensional Collaboration | |
| CN106331527B (zh) | 一种图像拼接方法及装置 | |
| Azad et al. | Stereo-based 6d object localization for grasping with humanoid robot systems | |
| Forbes et al. | Using silhouette consistency constraints to build 3D models | |
| Chuang et al. | Geometry-based camera calibration using closed-form solution of principal line | |
| Wang et al. | A LINE-MOD-based markerless tracking approachfor AR applications | |
| US20170316610A1 (en) | Assembly instruction system and assembly instruction method | |
| JP6515039B2 (ja) | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 | |
| CN109937434A (zh) | 图像处理方法、装置、终端和存储介质 | |
| Nishihara et al. | Object recognition in assembly assisted by augmented reality system | |
| CN109858433B (zh) | 一种基于三维人脸模型识别二维人脸图片的方法及装置 | |
| KR20110073386A (ko) | 형태의 불변 어파인 인식을 위한 방법 및 장치 | |
| US11380049B2 (en) | Finite aperture omni-directional stereo light transport | |
| CN110647782A (zh) | 三维人脸重建与多姿态人脸识别方法及装置 | |
| CN109214350A (zh) | 一种光照参数的确定方法、装置、设备及存储介质 | |
| Plötz et al. | Automatic registration of images to untextured geometry using average shading gradients | |
| Lotfian et al. | View-invariant object recognition using homography constraints | |
| CN109785444A (zh) | 图像中现实平面的识别方法、装置及移动终端 | |
| TW202022803A (zh) | 物體辨識與追蹤系統及其方法 | |
| Abbas | Recovering homography from camera captured documents using convolutional neural networks | |
| Chrzan | Liveness detection for face recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201231 Address after: Floor 19, south area, block B, northwest Guojin center, No.168, Fengcheng 8th Road, Weiyang District, Xi'an City, Shaanxi Province, 710000 Patentee after: XI'AN FEIDIE VIRTUAL REALITY TECHNOLOGY Co.,Ltd. Address before: 710048 No. 5 Jinhua South Road, Shaanxi, Xi'an Patentee before: XI'AN University OF TECHNOLOGY |
|
| TR01 | Transfer of patent right |