CN108171174A - 基于3d摄像的训练方法及装置 - Google Patents

基于3d摄像的训练方法及装置 Download PDF

Info

Publication number
CN108171174A
CN108171174A CN201711471877.9A CN201711471877A CN108171174A CN 108171174 A CN108171174 A CN 108171174A CN 201711471877 A CN201711471877 A CN 201711471877A CN 108171174 A CN108171174 A CN 108171174A
Authority
CN
China
Prior art keywords
module
training
models
picture
unit
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
CN201711471877.9A
Other languages
English (en)
Inventor
吴跃华
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.)
Angrui Shanghai Information Technology Co Ltd
Original Assignee
Angrui Shanghai Information Technology Co Ltd
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 Angrui Shanghai Information Technology Co Ltd filed Critical Angrui Shanghai Information Technology Co Ltd
Priority to CN201711471877.9A priority Critical patent/CN108171174A/zh
Publication of CN108171174A publication Critical patent/CN108171174A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于3D摄像的训练方法及装置，一种基于3D摄像的训练方法，所述基于3D摄像的训练方法包括：获取一头像的3D模型；识别所述3D模型中的五官；调节所述五官的尺寸以获取带有预设表情的所述3D的模型；根据所述3D模型生成一2D图片库；利用所述2D图片库做所述头像的模型训练。本发明的训练方法及装置能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别的准确度。

Description

基于3D摄像的训练方法及装置
技术领域
本发明涉及一种基于3D摄像的训练方法及装置。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
现有技术中，通过人脸识别的模型训练数据样本难以获取，人脸识别的准确率较低。
发明内容
本发明要解决的技术问题是为了克服现有技术中模型训练数据样本难以获取，人脸识别的准确率较低的缺陷，提供一种能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别准确度的基于3D摄像的训练方法及装置。
本发明是通过下述技术方案来解决上述技术问题：
一种基于3D摄像的训练方法，其特点在于，所述基于3D摄像的训练方法包括：
获取一头像的3D模型；
识别所述3D模型中的五官；
调节所述五官的尺寸以获取带有预设表情的所述3D的模型；
根据所述3D模型生成一2D图片库；
利用所述2D图片库做所述头像的模型训练。
较佳地，所述根据所述3D模型生成一2D图片库包括：
将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
较佳地，对于任意一个单位平面，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
所述3D模型的像素点均设于所述单位平面的一侧；
所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
较佳地，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
在空间中选取一轴线；
当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
较佳地，所述获取一头像的3D模型包括：
获取一头像的3D模型；
在所述3D模型上添加一3D遮挡物；
所述利用所述2D图片库做所述头像的模型训练包括：
识别所述2D图片库中图片中的皮肤及毛发区域；
利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
一种基于3D摄像的训练装置，其特点在于，所述训练装置包括一获取模块、一生成模块、一检测模块、一调节模块以及一训练模块，
所述获取模块用于获取一头像的3D模型；
所述检测模块用于识别所述3D模型中的五官；
所述调节模块用于调节所述五官的尺寸以获取带有预设表情的所述3D的模型；
所述生成模块用于根据所述3D模型生成一2D图片库；
所述训练模块用于利用所述2D图片库做所述头像的模型训练。
较佳地，所述训练装置包括一投影模块，
所述投影模块用于将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
较佳地，所述训练装置包括一设置模块以及一覆盖装置，
对于任意一个单位平面，所述设置模块用于将所述3D模型的像素点均设于所述单位平面的一侧；
覆盖模块用于将所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
较佳地，所述训练装置还包括一选取模块以及一处理模块，
所述选取模块用于在空间中选取一轴线；
所述处理模块当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
较佳地，所述训练装置还包括一添加模块及一识别模块，
所述添加模块用于在所述3D模型上添加一3D遮挡物；
所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；
所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：本发明的训练方法及装置能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别的准确度。
附图说明
图1为本发明实施例1的训练方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于3D摄像的训练装置，所述训练装置为电脑。
所述训练装置包括一获取模块、一检测模块、一调节模块、一生成模块、一训练模块、一投影模块、一设置模块、一覆盖模块、一选取模块及一处理模块。
所述获取模块用于获取一头像的3D模型。
所述检测模块用于识别所述3D模型中的五官。
所述调节模块用于调节所述五官的尺寸以获取带有预设表情的所述3D的模型。
通过所述检测模块及所述调节模块能够模拟拍照时的各种表情。从而丰富数据样本的多样性。
所述生成模块用于根据所述3D模型生成一2D图片库。
所述投影模块用于将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
具体来说，本实施例3D模型投影到单位平面上通过设置模块及覆盖模块实现。
对于任意一个单位平面，所述设置模块用于将所述3D模型的像素点均设于所述单位平面的一侧。
覆盖模块用于将所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
通过在所述单位平面上的投影，能够获取各个角度的3D模型投影出来的2D影像，从而丰富数据样本的数量及种类。
本实施例通过所述选取模块及处理模块获得单位平面。
所述选取模块用于在空间中选取一轴线。
所述处理模块当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
本实施例中，所述轴线为空间中的基准线，一平面通过所述轴线来确定各个角度的单位平面。
本实施例中第一单位角度和第二单位角度都是5度，那么一个3D模型在确定预设角度后平面旋转一周会获取72张图片，然后预设角度增大5度后，又会获取72张图片，从而共获得18*75+1张图片(预设角为90度时只有一个平面)。
所述训练模块用于利用所述2D图片库做所述头像的模型训练。
参见图1，利用所述训练装置，本实施例还提供一种训练方法。
所述训练方法包括：
步骤100、获取一头像的3D模型。
步骤101、识别所述3D模型中的五官。
步骤102、调节所述五官的尺寸以获取带有预设表情的所述3D的模型。
步骤103、在空间中选取一轴线。
步骤104、当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一单位平面。
其中，所述预设角度的取值范围为[0，90]。
步骤105、对于任意一个单位平面，所述3D模型的像素点均设于所述单位平面的一侧。
步骤106、所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
通过步骤105、106能够实现将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
步骤107、利用所述2D图片库做所述头像的模型训练。
本实施例的训练装置及训练方法能够使数据样本尽可能大、数据多样化，数据样本质量较高，从而能够大幅度优化人脸识别的准确度。
实施例2
本实施例与实施例1基本相同，不同之处仅在于：
本实施例的训练装置还包括一添加模块以及一识别模块。
所述添加模块用于在所述3D模型上添加一3D遮挡物；
所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；
所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
本实施例利用上述训练装置还提供一种训练方法，所述训练方法将实施例1中的步骤100细化为：获取一头像的3D模型；在所述3D模型上添加一3D遮挡物。
将步骤107细化为：所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
本实施例的训练方法及装置还能够获得带有遮挡的数据样本，使得人脸识别能够识别更多类型的照片，所述遮挡包括眼镜、口罩、帽子等。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种基于3D摄像的训练方法，其特征在于，所述基于3D摄像的训练方法包括：
获取一头像的3D模型；
识别所述3D模型中的五官；
调节所述五官的尺寸以获取带有预设表情的所述3D的模型；
根据所述3D模型生成一2D图片库；
利用所述2D图片库做所述头像的模型训练。
2.如权利要求1所述的训练方法，其特征在于，所述根据所述3D模型生成一2D图片库包括：
将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
3.如权利要求2所述的训练方法，其特征在于，对于任意一个单位平面，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
所述3D模型的像素点均设于所述单位平面的一侧；
所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
4.如权利要求2所述的训练方法，其特征在于，所述将所述3D模型投影到空间中的单位平面上以获取所述2D图片库包括：
在空间中选取一轴线；
当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
5.如权利要求1所述的训练方法，其特征在于，所述获取一头像的3D模型包括：
获取一头像的3D模型；
在所述3D模型上添加一3D遮挡物；
所述利用所述2D图片库做所述头像的模型训练包括：
识别所述2D图片库中图片中的皮肤及毛发区域；
利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
6.一种基于3D摄像的训练装置，其特征在于，所述训练装置包括一获取模块、一生成模块、一检测模块、一调节模块以及一训练模块，
所述获取模块用于获取一头像的3D模型；
所述检测模块用于识别所述3D模型中的五官；
所述调节模块用于调节所述五官的尺寸以获取带有预设表情的所述3D的模型；
所述生成模块用于根据所述3D模型生成一2D图片库；
所述训练模块用于利用所述2D图片库做所述头像的模型训练。
7.如权利要求6所述的训练装置，其特征在于，所述训练装置包括一投影模块，
所述投影模块用于将所述3D模型投影到空间中的单位平面上以获取所述2D图片库。
8.如权利要求7所述的训练装置，其特征在于，所述训练装置包括一设置模块以及一覆盖装置，
对于任意一个单位平面，所述设置模块用于将所述3D模型的像素点均设于所述单位平面的一侧；
覆盖模块用于将所述像素点根据距离所述单位平面的距离由小到大的顺序，覆盖到所述目标平面上的垂直落点上。
9.如权利要求7所述的训练装置，其特征在于，所述训练装置还包括一选取模块以及一处理模块，
所述选取模块用于在空间中选取一轴线；
所述处理模块当预设角度每增大第一单位角度时，将与所述轴线夹角为预设角度的平面旋转一周，每旋转第二单位角度则获得一所述单位平面，所述预设角度的取值范围为[0，90]。
10.如权利要求6所述的训练装置，其特征在于，所述训练装置还包括一添加模块及一识别模块，
所述添加模块用于在所述3D模型上添加一3D遮挡物；
所述识别模块用于识别所述2D图片库中图片中的皮肤及毛发区域；
所述训练模块用于利用2D图片库中识别完皮肤及毛发区域的图片做所述模型训练。
CN201711471877.9A 2017-12-29 2017-12-29 基于3d摄像的训练方法及装置 Pending CN108171174A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711471877.9A CN108171174A (zh) 2017-12-29 2017-12-29 基于3d摄像的训练方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711471877.9A CN108171174A (zh) 2017-12-29 2017-12-29 基于3d摄像的训练方法及装置

Publications (1)

Publication Number Publication Date
CN108171174A true CN108171174A (zh) 2018-06-15

Family

ID=62519975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711471877.9A Pending CN108171174A (zh) 2017-12-29 2017-12-29 基于3d摄像的训练方法及装置

Country Status (1)

Country Link
CN (1) CN108171174A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030123713A1 (en) * 2001-12-17 2003-07-03 Geng Z. Jason Face recognition system and method
CN1500660A (zh) * 2002-11-13 2004-06-02 深圳市泛友科技有限公司 三维数码摄影技术用于个性化娃娃的制作方法
CN101271469A (zh) * 2008-05-10 2008-09-24 深圳先进技术研究院 一种基于三维模型库下二维图像的识别和物体的重建方法
CN101556717A (zh) * 2009-05-19 2009-10-14 上海海隆软件股份有限公司 一种atm智能安保系统及监测方法
CN103093490A (zh) * 2013-02-02 2013-05-08 浙江大学 基于单个视频摄像机的实时人脸动画方法
CN103246879A (zh) * 2013-05-13 2013-08-14 苏州福丰科技有限公司 一种基于表情识别的智能机器人系统
CN103942822A (zh) * 2014-04-11 2014-07-23 浙江大学 一种基于单视频摄像机的面部特征点跟踪和人脸动画方法
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
US20160035133A1 (en) * 2014-07-31 2016-02-04 Ulsee Inc. 2d image-based 3d glasses virtual try-on system
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030123713A1 (en) * 2001-12-17 2003-07-03 Geng Z. Jason Face recognition system and method
CN1500660A (zh) * 2002-11-13 2004-06-02 深圳市泛友科技有限公司 三维数码摄影技术用于个性化娃娃的制作方法
CN101271469A (zh) * 2008-05-10 2008-09-24 深圳先进技术研究院 一种基于三维模型库下二维图像的识别和物体的重建方法
CN101556717A (zh) * 2009-05-19 2009-10-14 上海海隆软件股份有限公司 一种atm智能安保系统及监测方法
CN103093490A (zh) * 2013-02-02 2013-05-08 浙江大学 基于单个视频摄像机的实时人脸动画方法
CN103246879A (zh) * 2013-05-13 2013-08-14 苏州福丰科技有限公司 一种基于表情识别的智能机器人系统
CN103942822A (zh) * 2014-04-11 2014-07-23 浙江大学 一种基于单视频摄像机的面部特征点跟踪和人脸动画方法
US20160035133A1 (en) * 2014-07-31 2016-02-04 Ulsee Inc. 2d image-based 3d glasses virtual try-on system
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
潘炳玉，李文霞主编: "《画法几何与土木工程制图》", 31 August 2016, 北京理工大学出版社 *

Similar Documents

Publication Publication Date Title
JP6961811B2 (ja) 画像処理のための方法および装置、ならびにコンピュータ可読記憶媒体
US10127945B2 (en) Visualization of image themes based on image content
KR101788499B1 (ko) 이미징 디바이스에서의 사진 구도 및 포지션 안내
WO2022160701A1 (zh) 特效生成方法、装置、设备及存储介质
WO2020038087A1 (zh) 超级夜景模式下的拍摄控制方法、装置和电子设备
US10937142B2 (en) Arrangement for generating head related transfer function filters
US11388334B2 (en) Automatic camera guidance and settings adjustment
CN108268864A (zh) 人脸识别方法、系统、电子设备和计算机程序产品
JP2010508571A (ja) 顔検出と肌の色合いの情報を用いたデジタル画像処理
KR20220051376A (ko) 메시징 시스템에서의 3d 데이터 생성
US8400532B2 (en) Digital image capturing device providing photographing composition and method thereof
CN108022206A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN103369238B (zh) 图像生成装置以及图像生成方法
CN108093174A (zh) 拍照设备的构图方法、装置和拍照设备
CN107944420A (zh) 人脸图像的光照处理方法和装置
CN103679767A (zh) 图像生成装置以及图像生成方法
CN109451240A (zh) 对焦方法、装置、计算机设备和可读存储介质
CN109525786A (zh) 视频处理方法、装置、终端设备及存储介质
CN110249290A (zh) 信息处理设备、信息处理方法和程序
US20160140748A1 (en) Automated animation for presentation of images
JP7264308B2 (ja) 二次元顔画像の２つ以上の入力に基づいて三次元顔モデルを適応的に構築するためのシステムおよび方法
US8971636B2 (en) Image creating device, image creating method and recording medium
JP7110899B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
CN108184108A (zh) 基于3d成像的图像生成方法及装置
CN108171174A (zh) 基于3d摄像的训练方法及装置

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: 20180615