CN107730519A - 一种人脸二维图像到人脸三维重建的方法及系统 - Google Patents

一种人脸二维图像到人脸三维重建的方法及系统 Download PDF

Info

Publication number
CN107730519A
CN107730519A CN201710812142.1A CN201710812142A CN107730519A CN 107730519 A CN107730519 A CN 107730519A CN 201710812142 A CN201710812142 A CN 201710812142A CN 107730519 A CN107730519 A CN 107730519A
Authority
CN
China
Prior art keywords
face
dimensional
model
reconstruction
image
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.)
Pending
Application number
CN201710812142.1A
Other languages
English (en)
Inventor
詹瑾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN201710812142.1A priority Critical patent/CN107730519A/zh
Publication of CN107730519A publication Critical patent/CN107730519A/zh
Pending legal-status Critical Current

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound image
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人脸二维图像到人脸三维重建的方法及系统，其方法包括：从人脸三维数据库中提取三维扫描人脸，在平均脸模型中人工标记人脸特征点；基于摄像机实时采集的人脸二维图像；通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；对重建的人脸三维数据进行人脸稀疏三维点云计算；对平均脸模型进行全局形变得到人脸三维模型。通过本发明实施例采取摄像头及时采集人脸二维图像，完成对人脸三维数据的重建，实现了人脸二维图像到人脸三维模型数据间的匹配关系。

Description

一种人脸二维图像到人脸三维重建的方法及系统
技术领域
本发明涉及信息技术领域，具体涉及一种人脸二维图像到人脸三维重建的方法及系统。
背景技术
三维重建一直是计算机视觉领域中一个重要的研究方向，它在虚拟现实、物体识别和可视化等方面有着广泛的应用。如何在计算机中对场景进行快速、有效的重建，向来都是计算机视觉研究领域的热点和难点。
三维重建是在一个静态场景下的一系列的图像来估计场景的三维结构。同时估计多视图几何可能不一样复杂的对象识别，它需要许多任务；一些例子包括获得致密重建、创建详细的3D模型或犯罪现场、测量距离的图像、机器人技术、建立一个内部三维模型从图像导航、渲染视频特效等。此外，通过多视图系统获得的信息可以用作更高水平的输入、识别或其他系统。
现有摄像机技术采集一般都是二维图像，而无法及时转换成三维图像，缺乏针对具体人脸二维图像到人脸三维图像的转换方法，导致了整个人脸三维场景模式的应用型不足。
发明内容
本发明提供了一种人脸二维图像到人脸三维重建的方法及系统，该方法可以实现针对摄像机获取的人脸二维图像到人脸三维模型的转换，为人脸二维图像到人脸三维重建提供了一种可行的思路。
本发明提供了一种人脸二维图像到人脸三维重建的方法，包括：
从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
对重建的人脸三维数据进行人脸稀疏三维点云计算；
以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
所述遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建包括：
遍历人脸三维数据，获取体素空缺区域，并进行边界检测；
计算空缺区域边界上每一个体素的修补权重系数；
遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
所述进行边界检测包括：
根据canny算法检测得到超声三维数据中空缺区域的边界。
所述Canny算法检测的具体方法包括：
用高斯滤波器对图像滤波，以消除图像中的噪声；
对滤波后图像中的每个像素，计算梯度幅值和方向；
对梯度幅值进行非极大值抑制；
用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
所述以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型包括：
根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；
根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；
对目标人脸的稠密人脸网格模型进行平滑处理。
相应的，本发明还提供了一种人脸二维图像到人脸三维重建的系统，所述系统包括：
平均脸模型模块，用于从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
采集模块，用于基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
空间位置模块，用于通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
人脸三维数据模块，用于遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
三维点云模块，用于对重建的人脸三维数据进行人脸稀疏三维点云计算；
人脸三维模型模块，用于以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
所述人脸三维数据模块还用于遍历人脸三维数据，获取体素空缺区域，并进行边界检测；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
所述进行边界检测根据canny算法检测得到超声三维数据中空缺区域的边界。
所述Canny算法检测的具体方法包括：
用高斯滤波器对图像滤波，以消除图像中的噪声；
对滤波后图像中的每个像素，计算梯度幅值和方向；
对梯度幅值进行非极大值抑制；
用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
所述人脸三维模型模块用于根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；对目标人脸的稠密人脸网格模型进行平滑处理。
在本发明中，采取摄像头及时采集人脸二维图像，完成对人脸三维数据的重建，提取相关人脸特征点，并在平均脸模型上进行转化，可以快速实现人脸二维图像到人脸三维模型的转化，实现了人脸二维图像到人脸三维模型数据间的匹配关系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的人脸二维图像到人脸三维重建的方法流程图；
图2是本发明实施例中的人脸二维图像到人脸三维重建的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
相应的，图1示出了本发明实施例中的人脸二维图像到人脸三维重建的方法流程图，具体包括如下步骤：
S101、从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
具体实施过程中，首先需要做的数据准备是采集很多人脸的三维稠密网格模型，然后经过坐标修正，稠密对应，网格重采样和平均化得到人脸稠密平均模型。在平均脸模型中人工标记人脸特征点，人脸特征点是脸部特征(眼睛、眉毛、鼻子、嘴巴、脸部外轮廓)的位置，能够精确的定位人脸的基本特征。
S102、基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
S103、通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
S104、遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
具体实施过程中，遍历人脸三维数据，获取体素空缺区域，并进行边界检测；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
具体实施过程中，该进行边界检测包括：根据canny算法检测得到超声三维数据中空缺区域的边界。
具体实施过程中，该Canny算法检测的具体方法包括：用高斯滤波器对图像滤波，以消除图像中的噪声；对滤波后图像中的每个像素，计算梯度幅值和方向；对梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
S105、对重建的人脸三维数据进行人脸稀疏三维点云计；
S106、以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
具体实施过程中，根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；对目标人脸的稠密人脸网格模型进行平滑处理。
由此可见，采取摄像头及时采集人脸二维图像，完成对人脸三维数据的重建，提取相关人脸特征点，并在平均脸模型上进行转化，可以快速实现人脸二维图像到人脸三维模型的转化，实现了人脸二维图像到人脸三维模型数据间的匹配关系。
相应的，图2示出了本发明实施例中的人脸二维图像到人脸三维重建的系统结构示意图，包括：
平均脸模型模块，用于从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
采集模块，用于基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
空间位置模块，用于通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
人脸三维数据模块，用于遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
三维点云模块，用于对重建的人脸三维数据进行人脸稀疏三维点云计算；
人脸三维模型模块，用于以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
该人脸三维数据模块还用于遍历人脸三维数据，获取体素空缺区域，并进行边界检测；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
该进行边界检测根据canny算法检测得到超声三维数据中空缺区域的边界。
该Canny算法检测的具体方法包括：
用高斯滤波器对图像滤波，以消除图像中的噪声；
对滤波后图像中的每个像素，计算梯度幅值和方向；
对梯度幅值进行非极大值抑制；
用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
该人脸三维模型模块用于根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；对目标人脸的稠密人脸网格模型进行平滑处理。
综上，采取摄像头及时采集人脸二维图像，完成对人脸三维数据的重建，提取相关人脸特征点，并在平均脸模型上进行转化，可以快速实现人脸二维图像到人脸三维模型的转化，实现了人脸二维图像到人脸三维模型数据间的匹配关系。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
以上对本发明实施例所提供的人脸二维图像到人脸三维重建的方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种人脸二维图像到人脸三维重建的方法，其特征在于，包括：
从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
对重建的人脸三维数据进行人脸稀疏三维点云计算；
以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
2.如权利要求1所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建包括：
遍历人脸三维数据，获取体素空缺区域，并进行边界检测；
计算空缺区域边界上每一个体素的修补权重系数；
遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
3.如权利要求2所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述进行边界检测包括：
根据canny算法检测得到超声三维数据中空缺区域的边界。
4.如权利要求3所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述Canny算法检测的具体方法包括：
用高斯滤波器对图像滤波，以消除图像中的噪声；
对滤波后图像中的每个像素，计算梯度幅值和方向；
对梯度幅值进行非极大值抑制；
用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
5.如权利要求4所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型包括：
根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；
根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；
对目标人脸的稠密人脸网格模型进行平滑处理。
6.一种人脸二维图像到人脸三维重建的系统，其特征在于，所述系统包括：
平均脸模型模块，用于从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；
采集模块，用于基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；
空间位置模块，用于通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；
人脸三维数据模块，用于遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；
三维点云模块，用于对重建的人脸三维数据进行人脸稀疏三维点云计算；
人脸三维模型模块，用于以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。
7.如权利要求6所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述人脸三维数据模块还用于遍历人脸三维数据，获取体素空缺区域，并进行边界检测；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。
8.如权利要求7所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述进行边界检测根据canny算法检测得到超声三维数据中空缺区域的边界。
9.如权利要求8所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述Canny算法检测的具体方法包括：
用高斯滤波器对图像滤波，以消除图像中的噪声；
对滤波后图像中的每个像素，计算梯度幅值和方向；
对梯度幅值进行非极大值抑制；
用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
10.如权利要求9所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述人脸三维模型模块用于根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；对目标人脸的稠密人脸网格模型进行平滑处理。
CN201710812142.1A 2017-09-11 2017-09-11 一种人脸二维图像到人脸三维重建的方法及系统 Pending CN107730519A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710812142.1A CN107730519A (zh) 2017-09-11 2017-09-11 一种人脸二维图像到人脸三维重建的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710812142.1A CN107730519A (zh) 2017-09-11 2017-09-11 一种人脸二维图像到人脸三维重建的方法及系统

Publications (1)

Publication Number Publication Date
CN107730519A true CN107730519A (zh) 2018-02-23

Family

ID=61205997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710812142.1A Pending CN107730519A (zh) 2017-09-11 2017-09-11 一种人脸二维图像到人脸三维重建的方法及系统

Country Status (1)

Country Link
CN (1) CN107730519A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034418A (zh) * 2018-07-26 2018-12-18 国家电网公司 作业现场信息传输方法及系统
CN110263617A (zh) * 2019-04-30 2019-09-20 北京永航科技有限公司 三维人脸模型获取方法及装置
CN110826501A (zh) * 2019-11-08 2020-02-21 杭州趣维科技有限公司 一种基于稀疏关键点校准的人脸关键点检测方法与系统
CN110974305A (zh) * 2019-12-13 2020-04-10 山东大学齐鲁医院 基于深度学习的远程心脏超声三维成像系统及方法
CN111192368A (zh) * 2020-01-15 2020-05-22 石家庄中扬网络科技股份有限公司 三维模型显示方法、终端设备及存储介质
CN111640055A (zh) * 2020-05-22 2020-09-08 构范(厦门)信息技术有限公司 一种二维人脸图片变形方法及系统
CN112017096A (zh) * 2019-05-31 2020-12-01 瑞穗情报综研株式会社 形状预测系统、形状预测方法以及计算机可读介质
CN112220450A (zh) * 2020-08-21 2021-01-15 上海交通大学医学院附属第九人民医院 基于三维模型的眼眶病筛查方法、系统以及终端
CN112802083A (zh) * 2021-04-15 2021-05-14 成都云天创达科技有限公司 一种通过三维模型标记点获取对应二维图像的方法
CN113538639A (zh) * 2021-07-02 2021-10-22 北京达佳互联信息技术有限公司 一种图像处理方法、装置、电子设备及存储介质
WO2022057526A1 (zh) * 2020-09-15 2022-03-24 腾讯科技（深圳）有限公司 三维模型重建方法、三维重建模型的训练方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060152506A1 (en) * 2004-12-13 2006-07-13 Chang-Woo Chu Method for generating 3D mesh based on unorganized sparse 3D points
US20080152200A1 (en) * 2006-01-31 2008-06-26 Clone Interactive 3d face reconstruction from 2d images
CN104306021A (zh) * 2014-10-15 2015-01-28 北京理工大学 全局匹配优化的超声图像三维重建方法
CN104574432A (zh) * 2015-02-15 2015-04-29 四川川大智胜软件股份有限公司 一种自动多视角人脸自拍图像的三维人脸重建方法及系统
CN105427385A (zh) * 2015-12-07 2016-03-23 华中科技大学 一种基于多层形变模型的高保真人脸三维重建方法
CN106447782A (zh) * 2016-08-02 2017-02-22 浙江工业大学 基于核磁共振图像的面部皮肤三维重建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060152506A1 (en) * 2004-12-13 2006-07-13 Chang-Woo Chu Method for generating 3D mesh based on unorganized sparse 3D points
US20080152200A1 (en) * 2006-01-31 2008-06-26 Clone Interactive 3d face reconstruction from 2d images
CN104306021A (zh) * 2014-10-15 2015-01-28 北京理工大学 全局匹配优化的超声图像三维重建方法
CN104574432A (zh) * 2015-02-15 2015-04-29 四川川大智胜软件股份有限公司 一种自动多视角人脸自拍图像的三维人脸重建方法及系统
CN105427385A (zh) * 2015-12-07 2016-03-23 华中科技大学 一种基于多层形变模型的高保真人脸三维重建方法
CN106447782A (zh) * 2016-08-02 2017-02-22 浙江工业大学 基于核磁共振图像的面部皮肤三维重建方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034418A (zh) * 2018-07-26 2018-12-18 国家电网公司 作业现场信息传输方法及系统
CN110263617A (zh) * 2019-04-30 2019-09-20 北京永航科技有限公司 三维人脸模型获取方法及装置
CN110263617B (zh) * 2019-04-30 2021-10-22 北京永航科技有限公司 三维人脸模型获取方法及装置
CN112017096A (zh) * 2019-05-31 2020-12-01 瑞穗情报综研株式会社 形状预测系统、形状预测方法以及计算机可读介质
CN110826501A (zh) * 2019-11-08 2020-02-21 杭州趣维科技有限公司 一种基于稀疏关键点校准的人脸关键点检测方法与系统
CN110826501B (zh) * 2019-11-08 2022-04-05 杭州小影创新科技股份有限公司 一种基于稀疏关键点校准的人脸关键点检测方法与系统
CN110974305B (zh) * 2019-12-13 2021-04-27 山东大学齐鲁医院 基于深度学习的远程心脏超声三维成像系统及方法
CN110974305A (zh) * 2019-12-13 2020-04-10 山东大学齐鲁医院 基于深度学习的远程心脏超声三维成像系统及方法
CN111192368A (zh) * 2020-01-15 2020-05-22 石家庄中扬网络科技股份有限公司 三维模型显示方法、终端设备及存储介质
CN111192368B (zh) * 2020-01-15 2022-06-24 石家庄中扬网络科技股份有限公司 三维模型显示方法、终端设备及存储介质
CN111640055A (zh) * 2020-05-22 2020-09-08 构范(厦门)信息技术有限公司 一种二维人脸图片变形方法及系统
CN111640055B (zh) * 2020-05-22 2023-04-11 构范(厦门)信息技术有限公司 一种二维人脸图片变形方法及系统
CN112220450A (zh) * 2020-08-21 2021-01-15 上海交通大学医学院附属第九人民医院 基于三维模型的眼眶病筛查方法、系统以及终端
CN112220450B (zh) * 2020-08-21 2023-08-15 上海交通大学医学院附属第九人民医院 基于三维模型的眼眶病筛查方法、系统以及终端
WO2022057526A1 (zh) * 2020-09-15 2022-03-24 腾讯科技（深圳）有限公司 三维模型重建方法、三维重建模型的训练方法和装置
CN112802083A (zh) * 2021-04-15 2021-05-14 成都云天创达科技有限公司 一种通过三维模型标记点获取对应二维图像的方法
CN112802083B (zh) * 2021-04-15 2021-06-25 成都云天创达科技有限公司 一种通过三维模型标记点获取对应二维图像的方法
CN113538639A (zh) * 2021-07-02 2021-10-22 北京达佳互联信息技术有限公司 一种图像处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN107730519A (zh) 一种人脸二维图像到人脸三维重建的方法及系统
CN110363858B (zh) 一种三维人脸重建方法及系统
CN109242954B (zh) 基于模板变形的多视角三维人体重建方法
CN103017739B (zh) 基于激光雷达点云与航空影像的真正射影像的制作方法
CN102697508B (zh) 采用单目视觉的三维重建来进行步态识别的方法
CN104574393B (zh) 一种三维路面裂缝图像生成系统和方法
CN104077804A (zh) 一种基于多帧视频图像构建三维人脸模型的方法
EP2751777A1 (en) Method for estimating a camera motion and for determining a three-dimensional model of a real environment
CN107862744A (zh) 航空影像三维建模方法及相关产品
CN107134008A (zh) 一种基于三维重建下的动态物体识别的方法及系统
CN106846485A (zh) 一种室内三维建模方法及装置
JP4761670B2 (ja) 動立体モデル生成装置及び方法
CN103456043A (zh) 一种基于全景图的视点间漫游方法和装置
CN113888391A (zh) 一种室内结构化重建方法、装置及计算机可读存储介质
CN110348067B (zh) 一种气流表征物理参数提取方法及系统、介质、设备
Rothermel et al. Fast and robust generation of semantic urban terrain models from UAV video streams
CN116051980B (zh) 基于倾斜摄影的建筑识别方法、系统、电子设备及介质
Kang et al. Progressive 3D model acquisition with a commodity hand-held camera
Zhao et al. Comparison of three-dimensional reconstruction approaches for anthropometry in apparel design
Aliakbarpour et al. Multi-sensor 3D volumetric reconstruction using CUDA
Lv et al. Semantically guided multi-view stereo for dense 3d road mapping
CN103295220A (zh) 一种双目视觉技术在康复理疗系统中的应用方法
Han et al. 3D reconstruction of dense model based on the sparse frames using RGBD camera
Fusiello et al. Virtual environment modeling by integrated optical and acoustic sensing
Xiaojun et al. High accurate 3D reconstruction method using binocular stereo based on multiple constraints

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180223