CN109377557A - 基于单帧人脸图像的实时三维人脸重建方法 - Google Patents
基于单帧人脸图像的实时三维人脸重建方法 Download PDFInfo
- Publication number
- CN109377557A CN109377557A CN201811418790.XA CN201811418790A CN109377557A CN 109377557 A CN109377557 A CN 109377557A CN 201811418790 A CN201811418790 A CN 201811418790A CN 109377557 A CN109377557 A CN 109377557A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- face
- head
- facial
- 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.)
- Granted
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
- 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
- G06V40/168—Feature extraction; Face representation
Abstract
本发明公开了一种基于单帧人脸图像的实时三维人脸重建方法,步骤如下:从摄像头获取人脸图像,对图像进行人脸检测与人脸特征点定位与标注;根据人脸特征点的定位进行头部的姿态计算,获得图像中头部的旋转参数;使用特征点进行人脸归一化,计算归一化后的人脸深度信息;使用人脸深度信息,对标准头部三维网格模型进行变形;根据特征点与输入图像获得人体头部纹理图像;利用旋转参数与归一化获得变形后的头部网格点与纹理图像的直接映射关系;使用变形后的头部网格点、纹理图像与两者间的对应关系进行三维绘制与渲染,并展示给用户。本方法通过展示时纹理代替深度细节信息实现加速与纹理直接映射三维模型简化映射运算,达到三维重建的实时效果。
Description
技术领域
本发明涉及计算机视觉与图形图像处理技术领域,具体涉及一种基于单帧人脸图像的实时三维人脸重建方法。
背景技术
现有的基于单张图像的三维人脸图像的方法,在精度上已经有较好的表现,如基于形变的三维人脸重建方法(3D morphable face models),但是由于计算量复杂,通常无法实现实时的效果。本方法通过纹理来弥补人脸深度的细节信息与纹理直接映射三维模型简化映射步骤,达到实时效果。
Vincent Lepetit和Francesc Moreno于2009年在《International JournalofComputerVision》上发表了文章《EPnP:AnAccurate O(n)Solution to the PnPProblem》。文章中公开了一种解决PNP问题的有效方法EPNP算法,实现物体的三维旋转角度快速计算。通过利用三维线性空间的一组基来重新表示三维空间点,简化了求解坐标问题过程,使算法复杂度下降。
Minsik Lee,Chong-Ho Choi等于2014年的CVIU上发布了文章《Real-time facialshape recovery from a single image under general,unknown lightingbyrankrelaxation》。文章中公开了一种三维人脸重建的方法。通过利用张量相乘,SVD分解,秩松弛等方法,实现了在一般场景,未知光照条件下的人脸深度图重建,并且算法能够达到实时性要求。
Prez P,Gangnet M等于2003年在ACM TOG发布了文章《Poisson image editing》。文章中公开了一种将源图像中一个区域无缝融合到目标图像生成一个新的图像的方法。通过源图像的梯度信息以及目标图像的边界信息,利用插值的方法重新构建出合成区域内的图像像素实现图像的无缝融合。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种基于单帧人脸图像的实时三维人脸重建方法,可以自动计算出人脸特征点的坐标与人脸三维模型,然后通过对标准人脸头部模型变形,获得脸部与非脸部纹理图像,使用计算机视觉和图形图像相关的技术,获得输入图像的头部三维模型。通过展示纹理可以代替深度细节信息实现加速与纹理直接映射三维模型简化映射运算,达到三维人脸重建的实时效果。
本发明的目的可以通过采取如下技术方案达到:
一种基于单帧人脸图像的实时三维人脸重建方法,所述的实时三维人脸重建方法包括以下步骤:
S1、从摄像头获取人脸图像作为输入,对人脸图像进行人脸检测与人脸特征点定位与标注,如果存在人脸,则将人脸特征点标注在人脸图像上;
S2、根据人脸特征点的定位进行头部的姿态计算,获得人脸图像中头部的旋转参数;
S3、使用人脸特征点进行人脸归一化,计算归一化后的人脸深度信息;
S4、使用人脸深度信息,对标准头部三维网格模型进行变形;
S5、根据人脸特征点与摄像头输入的人脸图像获得人体头部纹理图像;
S6、使用旋转参数与归一化,获得变形后的头部网格点与纹理图像的直接映射关系;
S7、使用变形后的头部网格点、纹理图像与以上两者间的直接映射关系进行三维重建与渲染,并展示给用户。
进一步地,所述的人脸特征点包括人脸轮廓边缘和五官位置,其中五官包括两个眼球、鼻尖、嘴巴以及两个眉毛。
进一步地,所述的步骤S1中使用ShiqiYu在Github上发布的Libfacedetection库获得68个人脸特征点。
进一步地,所述的步骤S2中头部的姿态计算通过选取从人脸图像中获得的二维五官特征点与标准头部模型的相对应的三维五官特征点,使用超过6对的对应特征点,采用EPNP算法估计获得人脸图像中头部的旋转参数。EPNP算法由Vincent Lepetit和FrancescMoreno于2009年提出的一种可以实现物体的三维旋转角度快速计算的方法。
进一步地,所述的步骤S3中使用特征点进行人脸归一化,计算归一化后的人脸深度信息的过程如下:
S31、根据统计平均的两个眼球中心以及鼻尖的二维坐标,与输入图像中两个眼球中心以及鼻尖特征点,获得输入图像到统计平均的仿射矩阵,将仿射矩阵与输入图像的人脸部分相乘,即仿射变换,将人脸以鼻尖点为中点,裁剪一定像素大小的人脸图像,完成归一化操作;
S32、归一化后的人脸图像与事先训练好的张量进行相乘,进行SVD分解操作,输出归一化图像中每个像素点的深度信息。
进一步地,所述的步骤S4中对标准头部三维网格模型进行变形的过程如下:
S41、以两个眼睛中心以及鼻尖的坐标为基准,获得标准头部三维网格模型中的点到归一化后每个像素点深度信息的仿射矩阵,分别计算归一化图像与标准头部三维网格模型在人脸正面方向上两个眼睛中心点的距离与两个眼睛中心连线的中点到鼻尖点距离的比值,再用标准头部三维网格模型的比值除以归一化图像的比值,获得拉伸系数;
S42、利用仿射矩阵,调整标准头部三维网格模型中脸部点的深度信息;
S43、将标准头部三维网格模型中点到标准头部三维网格模型中鼻根点在左右方向上的差值,将该差值与所述的拉伸系数相乘获得新的差值,最后利用新的差值,与标准头部三维网格模型中鼻根点左右方向上的值相加,成为该点的左右方向的值,对标准头部三维网格模型中点进行横向拉伸。
进一步地,所述的步骤S5中获得人体头部纹理图像的过程如下:
利用特征点获得脸部图像,利用脸部皮肤图像获得非脸部图像,最后使用图像融合获得头部纹理信息。
进一步地,所述的步骤S6中获得变形后的头部网格点与纹理图像的直接映射关系的过程如下:
S61、使用旋转参数获得变形后头部模型旋转后的三维坐标;
S62、将旋转后的三维坐标与纹理图像的两个眼睛中心以及鼻尖的坐标计算仿射矩阵;
S63、利用上述仿射矩阵计算头部模型与纹理图像的匹配关系,完成直接映射。
进一步地,所述的步骤S7中使用变形后的头部网格点、纹理图像与以上两者间的对应关系通过OpenGL库进行三维绘制与光影的渲染,并展示给用户。
本发明相对于现有技术具有如下的优点及效果:
1)、现有的方法在三维人脸重建上,多不能达到实时的要求,本方法在保证一定三维信息精度的同时,到达了实时的要求;
2)、本方法最后的结果是人体的头部,较一般的只有脸部的方法,具有展示效果更好,更加贴近现实等优点;
3)、本方法采用了自动人脸特征点定位、人脸重建和三维显示等技术,降低了传统方法执行此操作时的繁琐步骤,其方法速度快,实时性好,可以运用在摄像头的实时视频处理中,对设备要求简单,方便使用与普及。
附图说明
图1是本发明基于单帧人脸图像的实时三维人脸重建方法流程图;
图2是本发明中对进行人脸识别并标注了特征点的人脸图像示意图;
图3是本发明中进行姿态估计并标注了旋转角度的人脸图像示意图;
图4(a)是本发明中人脸归一化操作后的人脸图像示意图;
图4(b)是本发明中使用获得的深度信息重建的三维点云图;
图5是本发明中变形生成的个性化头部模型示意图;
图6是本发明中依据人脸图像生成的人体头部纹理图像示意图;
图7是本发明中最终重建好的三维结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
请参见图1,本发明一种基于单张人脸图像的实时三维人脸重建方法,包括以下步骤:
S1、从摄像头获取人脸图像输入,对人脸图像进行人脸检测与人脸特征点定位与标注,如果存在人脸,则将特征点标注在人脸图像上,标注了特征点的人脸图像如图2所示;
其中,上述步骤S1中人脸特征点包括人脸轮廓边缘和五官位置,五官包括两个眼球、鼻尖、嘴巴,以及两个眉毛。使用ShiqiYu在Github上发布的Libfacedetection库获得68个人脸特征点。
S2、根据人脸特征点的定位进行头部的姿态计算,获得人脸图像中头部的旋转参数。获得的参数标注在完成特征点标注人脸图像的左上角如图3所示;
其中,上述步骤S2中头部的姿态计算可以通过选取从人脸图像中获得的二维五官特征点与标准头部模型的相对应的三维五官特征点,使用超过6对的对应特征点,采用EPNP算法将头部姿态估计出来。EPNP算法由Vincent Lepetit和Francesc Moreno于2009年提出的一种可以实现物体的三维旋转角度快速计算的方法。
S3、使用特征点进行人脸归一化,计算归一化后的人脸深度信息。归一化后的人脸图像如图4(a)所示,为方便显示,利用深度信息重建的点云模型如图4(b)所示;
其中,上述步骤S3中使用特征点进行人脸归一化,计算归一化后的人脸深度信息的过程如下:
S31、根据统计平均的两个眼球中心以及鼻尖的二维坐标,与输入图像中两个眼球中心以及鼻尖特征点,获得输入图像到统计平均的仿射矩阵,将仿射矩阵与输入图像的人脸部分相乘,即仿射变换,变换将人脸以鼻尖点为中点,裁剪人脸大小为120*100像素的图像,完成归一化操作;
S32、归一化的人脸图像与事先训练好的张量进行相乘,进行SVD分解,输出归一化图像中每个像素点的深度信息。具体的训练张量,SVD分解实现方法等可参考Minisk Lee和Chong-Ho Choi在2014在CVIU发表的文章《Real-time facial shape recovery from asingle image under general,unknown lighting by rank relaxation》。
S4、使用人脸深度信息,对标准头部三维网格模型进行变形,变形后生成的个性化头部模型如图5所示;
其中,上述步骤S4中对标准头部三维网格模型进行变形的过程如下:
S41、根据归一化图像中两个眼球中心以及鼻尖的二维坐标,与标准头部三维网格模型的两个眼球中心以及鼻尖三维点,获得标准头部三维网格模型中的点到归一化后每个像素点的仿射矩阵。分别计算归一化图像与标准头部三维网格模型在人脸正面方向上,两个眼睛中心点的距离与两个眼睛中心连线的中点到鼻尖点距离的比值,再用标准头部三维网格模型的比值除以归一化图像的比值,获得比值的比值,称为拉伸系数;
S42、利用S41中的仿射矩阵,将标准头部三维网格模型的点与仿射矩阵相乘,如果获得点的位置在归一化图像内,那么根据改点的深度信息,可以获得该点到归一化图像上鼻根点在深度上的差值,然后将标准头部三维网格模型中点到标准头部三维网格模型中鼻根点的深度上差值调整为归一化图像计算所得的差值,最后利用新的差值,与标准头部三维网格模型中鼻根点深度值相加,成为该点最后的深度信息;
S43、将标准头部三维网格模型中点到标准头部三维网格模型中鼻根点在左右方向上的差值,将该差值与S41中的拉伸系数相乘获得新的差值,最后利用新的差值,与标准头部三维网格模型中鼻根点左右方向上的值相加,成为该点的左右方向的值,完成横向拉伸。
S5、根据特征点与输入图像获得人体头部纹理图像,获得的头部纹理图像如图6所示;
其中,上述步骤S5中获得人体头部纹理图像的过程如下:
S51、将68个特征点中的脸部轮廓特征点与眉毛特征点作为轮廓点,相互之间用线相连,内部区域填充为白色,外部为黑色,获得与输入图像一样大小的掩模图像,将归一化后的掩模图像与输入图像进行像素点乘,获得与输入图像一样大小的以黑色为背景的脸部图像;
S52、利用脸部皮肤图像中的人脸部分获得皮肤区域的颜色均值,用均值组成与输入人脸图像同样大小的皮肤均值图像作为非脸部图像;
S53、将S51的归一化的掩模图像取反与非脸部图像相乘后加上脸部图像获得新的图像,使用泊松融合对图像进行融合获得头部纹理图像。
S6、使用旋转参数与归一化,获得变形后的头部网格点与纹理图像的直接映射关系;;
其中,上述步骤S6中获得变形后的头部网格点与纹理图像的直接映射关系的过程如下:
S61、使用旋转参数获得变形后头部模型旋转后的三维坐标;
S62、将旋转后的三维坐标与纹理图像的两个眼睛中心以及鼻尖的坐标计算仿射矩阵;
S63、利用S62的仿射矩阵计算头部模型与纹理图像的匹配关系,完成直接映射。
S7、使用变形后的头部网格点、纹理图像与以上两者间的对应关系进行三维重建与渲染,并展示给用户,效果如图7所示。
其中,上述步骤S7中使用变形后的头部网格点、纹理图像与以上两者间的对应关系通过OpenGL库进行三维绘制与光影的渲染,并展示给用户。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的实时三维人脸重建方法包括以下步骤:
S1、从摄像头获取人脸图像作为输入,对人脸图像进行人脸检测与人脸特征点定位与标注,如果存在人脸,则将人脸特征点标注在人脸图像上;
S2、根据人脸特征点的定位进行头部的姿态计算,获得人脸图像中头部的旋转参数;
S3、使用人脸特征点进行人脸归一化,计算归一化后的人脸深度信息;
S4、使用人脸深度信息,对标准头部三维网格模型进行变形;
S5、根据人脸特征点与摄像头输入的人脸图像获得人体头部纹理图像;
S6、使用旋转参数与归一化,获得变形后的头部网格点与纹理图像的直接映射关系;
S7、使用变形后的头部网格点、纹理图像与以上两者间的直接映射关系进行三维重建与渲染,并展示给用户。
2.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的人脸特征点包括人脸轮廓边缘和五官位置,其中五官包括两个眼球、鼻尖、嘴巴以及两个眉毛。
3.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S1中使用ShiqiYu在Github上发布的Libfacedetection库获得68个人脸特征点。
4.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S2中头部的姿态计算通过选取从人脸图像中获得的二维五官特征点与标准头部模型的相对应的三维五官特征点,使用超过6对的对应特征点,采用EPNP算法估计获得人脸图像中头部的旋转参数。
5.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S3中使用特征点进行人脸归一化,计算归一化后的人脸深度信息的过程如下:
S31、根据统计平均的两个眼球中心以及鼻尖的二维坐标,与输入图像中两个眼球中心以及鼻尖特征点,获得输入图像到统计平均的仿射矩阵,将仿射矩阵与输入图像的人脸部分相乘,即仿射变换,将人脸以鼻尖点为中点,裁剪一定像素大小的人脸图像,完成归一化操作;
S32、归一化后的人脸图像与事先训练好的张量进行相乘,进行SVD分解操作,输出归一化图像中每个像素点的深度信息。
6.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S4中对标准头部三维网格模型进行变形的过程如下:
S41、以两个眼睛中心以及鼻尖的坐标为基准,获得标准头部三维网格模型中的点到归一化后每个像素点深度信息的仿射矩阵,分别计算归一化图像与标准头部三维网格模型在人脸正面方向上两个眼睛中心点的距离与两个眼睛中心连线的中点到鼻尖点距离的比值,再用标准头部三维网格模型的比值除以归一化图像的比值,获得拉伸系数;
S42、利用仿射矩阵,调整标准头部三维网格模型中脸部点的深度信息;
S43、将标准头部三维网格模型中点到标准头部三维网格模型中鼻根点在左右方向上的差值,将该差值与所述的拉伸系数相乘获得新的差值,最后利用新的差值,与标准头部三维网格模型中鼻根点左右方向上的值相加,成为该点的左右方向的值,对标准头部三维网格模型中点进行横向拉伸。
7.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S5中获得人体头部纹理图像的过程如下:
利用特征点获得脸部图像,利用脸部皮肤图像获得非脸部图像,最后使用图像融合获得头部纹理信息。
8.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S6中获得变形后的头部网格点与纹理图像的直接映射关系的过程如下:
S61、使用旋转参数获得变形后头部模型旋转后的三维坐标;
S62、将旋转后的三维坐标与纹理图像的两个眼睛中心以及鼻尖的坐标计算仿射矩阵;
S63、利用上述仿射矩阵计算头部模型与纹理图像的匹配关系,完成直接映射。
9.根据权利要求1所述的基于单帧人脸图像的实时三维人脸重建方法,其特征在于,所述的步骤S7中使用变形后的头部网格点、纹理图像与以上两者间的对应关系通过OpenGL库进行三维绘制与光影的渲染,并展示给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811418790.XA CN109377557B (zh) | 2018-11-26 | 2018-11-26 | 基于单帧人脸图像的实时三维人脸重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811418790.XA CN109377557B (zh) | 2018-11-26 | 2018-11-26 | 基于单帧人脸图像的实时三维人脸重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377557A true CN109377557A (zh) | 2019-02-22 |
CN109377557B CN109377557B (zh) | 2022-12-27 |
Family
ID=65383309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811418790.XA Active CN109377557B (zh) | 2018-11-26 | 2018-11-26 | 基于单帧人脸图像的实时三维人脸重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377557B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949368A (zh) * | 2019-03-14 | 2019-06-28 | 郑州大学 | 一种基于图像检索的人体三维姿态估计方法 |
CN110532887A (zh) * | 2019-07-31 | 2019-12-03 | 郑州大学 | 一种基于面部特征融合的疲劳驾驶检测方法及系统 |
CN111127631A (zh) * | 2019-12-17 | 2020-05-08 | 深圳先进技术研究院 | 基于单图像的三维形状和纹理重建方法、系统及存储介质 |
CN111179210A (zh) * | 2019-12-27 | 2020-05-19 | 浙江工业大学之江学院 | 一种人脸的纹理贴图生成方法、系统及电子设备 |
CN111583399A (zh) * | 2020-06-28 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、介质和电子设备 |
CN111639553A (zh) * | 2020-05-14 | 2020-09-08 | 青岛联合创智科技有限公司 | 一种基于视觉三维重建的定制面膜装置的制备方法 |
CN111680573A (zh) * | 2020-05-18 | 2020-09-18 | 北京的卢深视科技有限公司 | 人脸识别方法、装置、电子设备和存储介质 |
CN112348937A (zh) * | 2019-08-09 | 2021-02-09 | 华为技术有限公司 | 人脸图像处理方法及电子设备 |
CN112613448A (zh) * | 2020-12-28 | 2021-04-06 | 北京的卢深视科技有限公司 | 人脸数据标注方法及系统 |
CN112818733A (zh) * | 2020-08-24 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、存储介质及终端 |
CN113554745A (zh) * | 2021-07-15 | 2021-10-26 | 电子科技大学 | 一种基于图像的三维人脸重建方法 |
CN113628327A (zh) * | 2021-08-12 | 2021-11-09 | 聚好看科技股份有限公司 | 一种头部三维重建方法及设备 |
CN117496066A (zh) * | 2023-11-20 | 2024-02-02 | 上海源庐加佳信息科技有限公司 | 基于仓储实时数据的仓储货物3d渲染系统及其方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054291A (zh) * | 2009-11-04 | 2011-05-11 | 厦门市美亚柏科信息股份有限公司 | 一种基于单幅人脸图像实现三维人脸重建的方法及其装置 |
CN106952221A (zh) * | 2017-03-15 | 2017-07-14 | 中山大学 | 一种三维京剧脸谱自动化妆方法 |
CN107274493A (zh) * | 2017-06-28 | 2017-10-20 | 河海大学常州校区 | 一种基于移动平台的三维虚拟试发型人脸重建方法 |
CN107316340A (zh) * | 2017-06-28 | 2017-11-03 | 河海大学常州校区 | 一种基于单张照片的快速人脸建模方法 |
CN108257210A (zh) * | 2018-02-28 | 2018-07-06 | 浙江神造科技有限公司 | 一种通过单张照片生成人脸三维模型的方法 |
-
2018
- 2018-11-26 CN CN201811418790.XA patent/CN109377557B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054291A (zh) * | 2009-11-04 | 2011-05-11 | 厦门市美亚柏科信息股份有限公司 | 一种基于单幅人脸图像实现三维人脸重建的方法及其装置 |
CN106952221A (zh) * | 2017-03-15 | 2017-07-14 | 中山大学 | 一种三维京剧脸谱自动化妆方法 |
CN107274493A (zh) * | 2017-06-28 | 2017-10-20 | 河海大学常州校区 | 一种基于移动平台的三维虚拟试发型人脸重建方法 |
CN107316340A (zh) * | 2017-06-28 | 2017-11-03 | 河海大学常州校区 | 一种基于单张照片的快速人脸建模方法 |
CN108257210A (zh) * | 2018-02-28 | 2018-07-06 | 浙江神造科技有限公司 | 一种通过单张照片生成人脸三维模型的方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949368A (zh) * | 2019-03-14 | 2019-06-28 | 郑州大学 | 一种基于图像检索的人体三维姿态估计方法 |
CN109949368B (zh) * | 2019-03-14 | 2020-11-06 | 郑州大学 | 一种基于图像检索的人体三维姿态估计方法 |
CN110532887A (zh) * | 2019-07-31 | 2019-12-03 | 郑州大学 | 一种基于面部特征融合的疲劳驾驶检测方法及系统 |
CN112348937A (zh) * | 2019-08-09 | 2021-02-09 | 华为技术有限公司 | 人脸图像处理方法及电子设备 |
CN111127631A (zh) * | 2019-12-17 | 2020-05-08 | 深圳先进技术研究院 | 基于单图像的三维形状和纹理重建方法、系统及存储介质 |
CN111127631B (zh) * | 2019-12-17 | 2023-07-28 | 深圳先进技术研究院 | 基于单图像的三维形状和纹理重建方法、系统及存储介质 |
CN111179210A (zh) * | 2019-12-27 | 2020-05-19 | 浙江工业大学之江学院 | 一种人脸的纹理贴图生成方法、系统及电子设备 |
CN111179210B (zh) * | 2019-12-27 | 2023-10-20 | 浙江工业大学之江学院 | 一种人脸的纹理贴图生成方法、系统及电子设备 |
CN111639553A (zh) * | 2020-05-14 | 2020-09-08 | 青岛联合创智科技有限公司 | 一种基于视觉三维重建的定制面膜装置的制备方法 |
CN111680573A (zh) * | 2020-05-18 | 2020-09-18 | 北京的卢深视科技有限公司 | 人脸识别方法、装置、电子设备和存储介质 |
CN111680573B (zh) * | 2020-05-18 | 2023-10-03 | 合肥的卢深视科技有限公司 | 人脸识别方法、装置、电子设备和存储介质 |
CN111583399B (zh) * | 2020-06-28 | 2023-11-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、介质和电子设备 |
CN111583399A (zh) * | 2020-06-28 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、介质和电子设备 |
CN112818733A (zh) * | 2020-08-24 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、存储介质及终端 |
CN112818733B (zh) * | 2020-08-24 | 2024-01-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、存储介质及终端 |
CN112613448B (zh) * | 2020-12-28 | 2021-12-28 | 北京的卢深视科技有限公司 | 人脸数据标注方法及系统 |
CN112613448A (zh) * | 2020-12-28 | 2021-04-06 | 北京的卢深视科技有限公司 | 人脸数据标注方法及系统 |
CN113554745B (zh) * | 2021-07-15 | 2023-04-07 | 电子科技大学 | 一种基于图像的三维人脸重建方法 |
CN113554745A (zh) * | 2021-07-15 | 2021-10-26 | 电子科技大学 | 一种基于图像的三维人脸重建方法 |
CN113628327B (zh) * | 2021-08-12 | 2023-07-25 | 聚好看科技股份有限公司 | 一种头部三维重建方法及设备 |
CN113628327A (zh) * | 2021-08-12 | 2021-11-09 | 聚好看科技股份有限公司 | 一种头部三维重建方法及设备 |
CN117496066A (zh) * | 2023-11-20 | 2024-02-02 | 上海源庐加佳信息科技有限公司 | 基于仓储实时数据的仓储货物3d渲染系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109377557B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109377557A (zh) | 基于单帧人脸图像的实时三维人脸重建方法 | |
Achenbach et al. | Fast generation of realistic virtual humans | |
CN106023288B (zh) | 一种基于图像的动态替身构造方法 | |
US10055880B2 (en) | Methods and systems to modify a two dimensional facial image to increase dimensional depth and generate a facial image that appears three dimensional | |
CN105354876B (zh) | 一种基于移动终端的实时立体试衣方法 | |
CN105913416A (zh) | 一种自动分割三维人脸模型区域的方法 | |
KR100327541B1 (ko) | 3차원 얼굴 모델링 시스템 및 모델링 방법 | |
CN109410298B (zh) | 一种虚拟模型的制作方法及表情变化方法 | |
CN109584353A (zh) | 一种基于单目视频重建三维人脸表情模型的方法 | |
CN103198508A (zh) | 人脸表情动画生成方法 | |
CN103208133A (zh) | 一种图像中人脸胖瘦的调整方法 | |
CN106652015B (zh) | 一种虚拟人物头像生成方法及装置 | |
KR20100026240A (ko) | 증강현실을 이용한 쓰리디 헤어스타일 시뮬레이션 방법 및 장치 | |
US20120176379A1 (en) | Mesh animation | |
CN101882326A (zh) | 基于中国人全面部结构形数据的三维颅面复原方法 | |
CN108564619B (zh) | 一种基于两张照片的真实感三维人脸重建方法 | |
CN106652037B (zh) | 一种人脸贴图处理方法及装置 | |
CN107343148B (zh) | 图像补全方法、装置和终端 | |
CN110796719A (zh) | 一种实时人脸表情重建方法 | |
KR102264803B1 (ko) | 이미지에서 캐릭터를 추출하여 캐릭터 애니메이션을 생성하는 방법 및 이를 이용한 장치 | |
CN109389682A (zh) | 一种三维人脸模型自动调整方法 | |
Widanagamaachchi et al. | 3D face reconstruction from 2D images | |
CN112116699B (zh) | 一种基于3d人脸跟踪的实时真人虚拟试发方法 | |
WO2021240848A1 (ja) | 3次元アバター生成装置、3次元アバター生成方法及び3次元アバター生成プログラム | |
Ju et al. | Individualising Human Animation Models. |
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 |