CN108062787B

CN108062787B - 三维人脸建模方法及装置

Info

Publication number: CN108062787B
Application number: CN201711329646.4A
Authority: CN
Inventors: 杨松
Original assignee: Beijing Xiaomi Mobile Software Co Ltd
Current assignee: Beijing Xiaomi Mobile Software Co Ltd
Priority date: 2017-12-13
Filing date: 2017-12-13
Publication date: 2022-02-11
Anticipated expiration: 2037-12-13
Also published as: CN108062787A

Abstract

本公开是关于一种三维人脸建模方法及装置。该方法包括：将三维空间划分为多个块；采用卷积神经网络提取人脸图像的特征向量；将所述特征向量输入多层感知器网络中，并由所述多层感知器网络输出所述三维空间的各个块属于人脸区域的概率；将所述三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块；根据所述人脸区域所在块，确定所述人脸图像对应的三维模型。本公开能够提高所确定的人脸三维模型的准确性，从而能够提高三维人脸建模的效果，并能提高三维人脸建模的速度。

Description

三维人脸建模方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及三维人脸建模方法及装置。

背景技术

三维人脸建模是指根据人脸图像重建出人脸的三维模型。三维人脸建模可以应用于人脸三维贴图、人脸驱动动画人物和人脸姿态估计等方面。相关技术中，三维人脸建模的效果较差，且速度较慢。

发明内容

为克服相关技术中存在的问题，本公开提供一种三维人脸建模方法及装置。

根据本公开实施例的第一方面，提供一种三维人脸建模方法，包括：

将三维空间划分为多个块；

采用卷积神经网络提取人脸图像的特征向量；

将所述特征向量输入多层感知器网络中，并由所述多层感知器网络输出所述三维空间的各个块属于人脸区域的概率；

将所述三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块；

根据所述人脸区域所在块，确定所述人脸图像对应的三维模型。

在一种可能的实现方式中，根据所述人脸区域所在块，确定所述人脸图像对应的三维模型，包括：

根据各个所述人脸区域所在块属于人脸区域的概率，计算所述人脸区域所在块中的等值曲面；

根据所述等值曲面确定所述人脸图像对应的三维模型。

在一种可能的实现方式中，在采用卷积神经网络提取人脸图像的特征向量之前，所述方法还包括：

对原始图像进行预处理，得到所述人脸图像。

在一种可能的实现方式中，对原始图像进行预处理，得到所述人脸图像，包括：

确定所述原始图像中各个像素的像素值的平均值；

根据所述平均值，以及所述各个像素的像素值，确定所述各个像素的方差；

计算所述各个像素的像素值与所述平均值的差值，得到所述各个像素的第一预处理值；

计算所述各个像素的第一预处理值与所述方差的比值，得到所述各个像素的第二预处理值；

根据所述各个像素的第二预处理值，得到所述人脸图像。

根据本公开实施例的第二方面，提供一种三维人脸建模装置，包括：

划分模块，用于将三维空间划分为多个块；

提取模块，用于采用卷积神经网络提取人脸图像的特征向量；

第一确定模块，用于将所述特征向量输入多层感知器网络中，并由所述多层感知器网络输出所述三维空间的各个块属于人脸区域的概率；

第二确定模块，用于将所述三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块；

第三确定模块，用于根据所述人脸区域所在块，确定所述人脸图像对应的三维模型。

在一种可能的实现方式中，所述第三确定模块包括：

第一计算子模块，用于根据各个所述人脸区域所在块属于人脸区域的概率，计算所述人脸区域所在块中的等值曲面；

第一确定子模块，用于根据所述等值曲面确定所述人脸图像对应的三维模型。

在一种可能的实现方式中，所述装置还包括：

预处理模块，用于对原始图像进行预处理，得到所述人脸图像。

在一种可能的实现方式中，所述预处理模块包括：

第二确定子模块，用于确定所述原始图像中各个像素的像素值的平均值；

第三确定子模块，用于根据所述平均值，以及所述各个像素的像素值，确定所述各个像素的方差；

第二计算子模块，用于计算所述各个像素的像素值与所述平均值的差值，得到所述各个像素的第一预处理值；

第三计算子模块，用于计算所述各个像素的第一预处理值与所述方差的比值，得到所述各个像素的第二预处理值；

第四确定子模块，用于根据所述各个像素的第二预处理值，得到所述人脸图像。

根据本公开实施例的第三方面，提供一种三维人脸建模装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过将三维空间划分为多个块，采用卷积神经网络提取人脸图像的特征向量，将该特征向量输入多层感知器网络中，由该多层感知器网络输出三维空间的各个块属于人脸区域的概率，将三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块，并根据人脸区域所在块确定人脸图像对应的三维模型，由此能够提高所确定的人脸三维模型的准确性，从而能够提高三维人脸建模的效果，并能提高三维人脸建模的速度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种三维人脸建模方法的流程图。

图2是根据一示例性实施例示出的一种三维人脸建模方法中人脸图像的示意图。

图3是根据一示例性实施例示出的一种三维人脸建模方法中人脸图像对应的三维模型的示意图。

图4是根据一示例性实施例示出的一种三维人脸建模方法步骤S15的一示例性的流程图。

图5是根据一示例性实施例示出的一种三维人脸建模方法的一示例性的流程图。

图6是根据一示例性实施例示出的一种三维人脸建模方法步骤S10的一示例性的流程图。

图7是根据一示例性实施例示出的一种三维人脸建模装置的框图。

图8是根据一示例性实施例示出的一种三维人脸建模装置的一示例性的框图。

图9是根据一示例性实施例示出的一种用于三维人脸建模的装置800的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种三维人脸建模方法的流程图。该方法可以应用于终端设备中。如图1所示，该方法包括步骤S11至步骤S15。

在步骤S11中，将三维空间划分为多个块。

在一种可能的实现方式中，可以将三维空间均匀划分为多个块，划分得到的各个块的大小相同。例如，可以将三维空间均匀划分为192×192×200个块。

在步骤S12中，采用卷积神经网络提取人脸图像的特征向量。

在一种可能的实现方式中，可以基于第一训练数据集训练卷积神经网络(CNN，Convolutional Neural Networks)。其中，第一训练数据集可以包括多个人脸图像训练数据，以及各个人脸图像训练数据对应的特征向量训练数据。将各个人脸图像训练数据作为卷积神经网络的输入，将各个人脸图像训练数据对应的特征向量训练数据作为该卷积神经网络的输出，可以训练该卷积神经网络。训练得到的卷积神经网络可以用于提取人脸图像的特征向量。

在步骤S13中，将该特征向量输入多层感知器网络中，并由该多层感知器网络输出三维空间的各个块属于人脸区域的概率。

例如，若三维空间划分为192×192×200个块，则该多层感知器网络可以输出该192×192×200个块中的各个块属于人脸区域的概率。

在一种可能的实现方式中，可以基于第二训练数据集训练多层感知器(MLP，Multi-Layer Perceptron)网络。其中，第二训练数据集可以包括多个特征向量训练数据，以及各个特征向量训练数据对应的三维空间的各个块属于人脸区域的概率训练数据。将各个特征向量训练数据作为该多层感知器网络的输入，将各个特征向量训练数据对应的三维空间的各个块属于人脸区域的概率训练数据作为该多层感知器网络的输出，可以训练该多层感知器网络。训练得到的多层感知器网络可以根据特征向量输出三维空间的各个块属于人脸区域的概率。

在步骤S14中，将三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块。

例如，阈值可以为0.8或者0.85等，在此不作限定。

在步骤S15中，根据人脸区域所在块，确定该人脸图像对应的三维模型。

在一种可能的实现方式中，将各个人脸区域所在块相连，可以得到该人脸图像对应的三维模型。

本实施例通过将三维空间划分为多个块，采用卷积神经网络提取人脸图像的特征向量，将该特征向量输入多层感知器网络中，由该多层感知器网络输出三维空间的各个块属于人脸区域的概率，将三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块，并根据人脸区域所在块确定人脸图像对应的三维模型，由此能够提高所确定的人脸三维模型的准确性，从而能够提高三维人脸建模的效果，并能提高三维人脸建模的速度。

图4是根据一示例性实施例示出的一种三维人脸建模方法步骤S15的一示例性的流程图。如图4所示，步骤S15可以包括步骤S151和步骤S152。

在步骤S151中，根据各个人脸区域所在块属于人脸区域的概率，计算人脸区域所在块中的等值曲面。

在一种可能的实现方式中，该等值曲面可以具有容差。例如，容差可以为0.05。例如，该等值曲面对应的概率为0.8，则可以从各个人脸区域所在块中筛选出属于人脸区域的概率为0.75至0.85的人脸区域所在块，并可以根据筛选出的人脸区域所在块构成等值曲面。

在步骤S152中，根据该等值曲面确定该人脸图像对应的三维模型。

图5是根据一示例性实施例示出的一种三维人脸建模方法的一示例性的流程图。如图5所示，该方法可以包括步骤S10至步骤S15。

在步骤S10中，对原始图像进行预处理，得到人脸图像。

在一种可能的实现方式中，对原始图像进行预处理，得到人脸图像，可以包括：对原始图像的各个像素的像素值进行归一化处理，得到人脸图像。

在步骤S11中，将三维空间划分为多个块。

在步骤S12中，采用卷积神经网络提取人脸图像的特征向量。

在本实施例中，通过对原始图像进行预处理，再基于预处理后得到的人脸图像获取三维模型，由此能够降低光照对三维人脸建模的影响，从而能够进一步提高所获取的人脸三维模型的准确性，提高三维人脸建模的效果。

图6是根据一示例性实施例示出的一种三维人脸建模方法步骤S10的一示例性的流程图。如图6所示，步骤S10可以包括步骤S101至步骤S105。

在步骤S101中，确定原始图像中各个像素的像素值的平均值。

在一种可能的实现方式中，可以计算原始图像中各个像素的R(Red，红)通道值的平均值，得到R通道平均值；可以计算原始图像中各个像素的G(Green，绿)通道值的平均值，得到G通道平均值；可以计算原始图像中各个像素的B(Blue，蓝)通道值的平均值，得到B通道平均值。在该实现方式中，各个像素的像素值包括R通道值、G通道值和B通道值；各个像素的像素值的平均值包括R通道平均值、G通道平均值和B通道平均值。

在步骤S102中，根据该平均值，以及各个像素的像素值，确定各个像素的方差。

在一种可能的实现方式中，可以根据R通道平均值，以及各个像素的R通道值，确定各个像素的R通道方差；可以根据G通道平均值，以及各个像素的G通道值，确定各个像素的G通道方差；可以根据B通道平均值，以及各个像素的B通道值，确定各个像素的B通道方差。在该实现方式中，各个像素的方差包括R通道方差、G通道方差和B通道方差。

在步骤S103中，计算各个像素的像素值与该平均值的差值，得到各个像素的第一预处理值。

在一种可能的实现方式中，可以计算各个像素的R通道值与R通道平均值的差值，得到各个像素的第一R通道预处理值；可以计算各个像素的G通道值与G通道平均值的差值，得到各个像素的第一G通道预处理值；可以计算各个像素的B通道值与B通道平均值的差值，得到各个像素的第一B通道预处理值。在该实现方式中，各个像素的第一预处理值包括第一R通道预处理值、第一G通道预处理值和第一B通道预处理值。

在步骤S104中，计算各个像素的第一预处理值与该方差的比值，得到各个像素的第二预处理值。

在一种可能的实现方式中，可以计算各个像素的第一R通道预处理值与R通道方差的比值，得到各个像素的第二R通道预处理值；可以计算各个像素的第一G通道预处理值与G通道方差的比值，得到各个像素的第二G通道预处理值；可以计算各个像素的第一B通道预处理值与B通道方差的比值，得到各个像素的第二B通道预处理值。在该实现方式中，各个像素的第二预处理值包括第二R通道预处理值、第二G通道预处理值和第二B通道预处理值。

在步骤S105中，根据各个像素的第二预处理值，得到人脸图像。

在一种可能的实现方式中，可以根据各个像素的第二R通道预处理值、第二G通道预处理值和第二B通道预处理值，得到人脸图像。

需要说明的是，尽管基于RGB颜色空间介绍了对原始图像进行预处理的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好设置对原始图像进行预处理的方式，只要能降低光照对原始图像的影响即可。例如，还可以基于HSV颜色空间或者YUV颜色空间等，对原始图像进行预处理。

图7是根据一示例性实施例示出的一种三维人脸建模装置的框图。参照图7，该装置包括划分模块71、提取模块72、第一确定模块73、第二确定模块74和第三确定模块75。

该划分模块71被配置为将三维空间划分为多个块。

该提取模块72被配置为采用卷积神经网络提取人脸图像的特征向量。

该第一确定模块73被配置为将该特征向量输入多层感知器网络中，并由该多层感知器网络输出三维空间的各个块属于人脸区域的概率。

该第二确定模块74被配置为将三维空间的各个块中属于人脸区域的概率大于阈值的块确定为人脸区域所在块。

该第三确定模块75被配置为根据人脸区域所在块，确定该人脸图像对应的三维模型。

图8是根据一示例性实施例示出的一种三维人脸建模装置的一示例性的框图。如图8所示：

在一种可能的实现方式中，第三确定模块75包括第一计算子模块751和第一确定子模块752。

该第一计算子模块751被配置为根据各个人脸区域所在块属于人脸区域的概率，计算人脸区域所在块中的等值曲面。

该第一确定子模块752被配置为根据该等值曲面确定该人脸图像对应的三维模型。

在一种可能的实现方式中，该装置还包括预处理模块76。

该预处理模块76被配置为对原始图像进行预处理，得到该人脸图像。

在一种可能的实现方式中，预处理模块76包括第二确定子模块761、第三确定子模块762、第二计算子模块763、第三计算子模块764和第四确定子模块765。

该第二确定子模块761被配置为确定原始图像中各个像素的像素值的平均值。

该第三确定子模块762被配置为根据该平均值，以及各个像素的像素值，确定各个像素的方差。

该第二计算子模块763被配置为计算各个像素的像素值与该平均值的差值，得到各个像素的第一预处理值。

该第三计算子模块764被配置为计算各个像素的第一预处理值与该方差的比值，得到各个像素的第二预处理值。

该第四确定子模块765被配置为根据各个像素的第二预处理值，得到该人脸图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据一示例性实施例示出的一种用于三维人脸建模的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims

1.一种三维人脸建模方法，其特征在于，包括：

将三维空间划分为多个块；

采用卷积神经网络提取人脸图像的特征向量；

根据所述人脸区域所在块，确定所述人脸图像对应的三维模型，其中，将各个所述人脸区域所在块相连得到该人脸图像对应的三维模型；

在采用卷积神经网络提取人脸图像的特征向量之前，所述方法还包括：

对原始图像进行预处理，得到所述人脸图像；

对原始图像进行预处理，得到所述人脸图像，包括：

确定所述原始图像中各个像素的像素值的平均值；

根据所述各个像素的第二预处理值，得到所述人脸图像。

2.根据权利要求1所述的方法，其特征在于，根据所述人脸区域所在块，确定所述人脸图像对应的三维模型，包括：

根据所述等值曲面确定所述人脸图像对应的三维模型。

3.一种三维人脸建模装置，其特征在于，包括：

划分模块，用于将三维空间划分为多个块；

第三确定模块，用于根据所述人脸区域所在块，确定所述人脸图像对应的三维模型，其中，将各个所述人脸区域所在块相连得到该人脸图像对应的三维模型；

所述装置还包括：

预处理模块，用于对原始图像进行预处理，得到所述人脸图像；

所述预处理模块包括：

4.根据权利要求3所述的装置，其特征在于，所述第三确定模块包括：

5.一种三维人脸建模装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1或2所述的方法。

6.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行权利要求1或2所述的方法。