CN109754467A - 三维人脸构建方法、计算机存储介质和计算机设备 - Google Patents
三维人脸构建方法、计算机存储介质和计算机设备 Download PDFInfo
- Publication number
- CN109754467A CN109754467A CN201811551101.2A CN201811551101A CN109754467A CN 109754467 A CN109754467 A CN 109754467A CN 201811551101 A CN201811551101 A CN 201811551101A CN 109754467 A CN109754467 A CN 109754467A
- Authority
- CN
- China
- Prior art keywords
- point
- image characteristic
- candidate contours
- characteristic point
- described 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.)
- Granted
Links
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种三维人脸构建方法、计算机存储介质和计算机设备;该方法包括:获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。本申请的实施例借助3D网格人脸模型进行轮廓点选择过程中。剔除了重复选择和/或未选择的点,便于获取到与候选轮廓点一一对应的图像特征点,保证优化过程中3D人脸重建的鲁棒性,在此基础上结合原图像特征点进行3D人脸构建,使得人脸图像在渲染过程中,方便进行如皱纹、光照方面的处理,保证原2D网格拓扑结构的一致性。
Description
技术领域
本申请涉及语音技术领域,具体而言,本申请涉及一种三维人脸构建方法、计算机存储介质和计算机设备。
背景技术
目前,三维成像技术和三维扫描设备的不断涌现使三维人脸的应用越来越广泛,如颅面重建、三维人脸识别、表情分析、人脸动画等。三维人脸特征点标定是这些应用中的一项关键技术,相对于比较成熟的二维人脸特征点定位技术,三维人脸特征点定位更加复杂和困难,特别是将2D人脸肖像转换成3D人脸的过程中,其特征点的定位就更加复杂和困难。
在现有的人脸重建过程中,特别是2D人脸特征点定位提取过程中,可以通过多种算法实现面部轮廓点的提取,然而在人脸重建的优化迭代过程中以及最终动画过程中尤其是头部旋转时,这些轮廓点是会动态变化的,不采用3D人脸模型进行辅助时,会导致轮廓点无法得到更新,变形效果会有比较大的畸变;采用3D人脸模型进行辅助时,由于人脸重建过程中匹配点不能够进行自动选择匹配,导致3D人脸重建的鲁棒性被破坏,同时也不能保证2D网格拓扑结构的一致性。
发明内容
本申请针对现有技术的缺点,提供了一种三维人脸构建方法、计算机存储介质和计算机设备,通过剔除不匹配或者重复选择的点,保证优化后3D人脸重建的鲁棒性,在保留所有特征点的基础上,进一步满足2D网格拓扑结构的一致性。
本申请实施例根据第一方面提供了一种三维人脸构建方法,包括:
获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;
依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;
基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。
可选地,所述依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点,包括:
依据所述预设摄像装置参数,将所述三维网格模型投影到所述待处理图像所在图像平面上;
依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点。
可选地,所述依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点,包括:
获取所述候选轮廓点和在所述图像平面上的所述投影点;
计算各所述图像特征点分别与各所述投影点之间的距离;
依据所述距离确定距离各所述投影点最小的所述图像特征点,该图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
可选地,所述计算各所述图像特征点分别与各所述投影点之间的距离,包括:
构建所述候选轮廓点与所述图像特征点的索引;
依据所述索引和所述距离获得所述候选轮廓点的堆。
可选地,所述依据所述距离确定距离各所述投影点最小的所述图像特征点,包括:
依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量;
获取所有所述数量等于一对应的所述图像特征点,得到最小堆;
在所述最小堆中同一候选轮廓点对应的所有图像特征点中,将最小所述距离对应的所述图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
可选地,所述依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量之后,包括:
将所述图像特征点从所述堆中剔除。
可选地,所述依据所述三维网格模型确定候选轮廓点,包括:
获取所述三维网格模型预设置的连接网格顶点的线组;
依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点。
可选地,所述依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点,包括:
获取所述三维网格模型的视向量和各所述线上各网格顶点的法向量;
依据所述法向量和所述视向量确定所述法向量和所述视向量的点积;
对比同一所述线上各所述网格顶点对应的点积;
将大于零且最小的所述点积对应的所述网格顶点确定为所述网格顶点所在线上的候选轮廓点。
可选地,所述线组为系列水平线。
可选地,所述依据所述待处理图像确定图像特征点之后,包括:
获取预设置的二维网格模型,依据所述图像特征点和所述二维网格模型对所述待处理图像进行二维网格划分。
本申请实施例根据第二方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一技术方案所述的三维人脸构建方法。
本申请实施例根据第三方面,提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一技术方案所述的三维人脸构建方法。
在本申请实施例中,获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。借助3D网格人脸模型进行轮廓点选择过程中没有考虑在某些角度时会出现重复选择的情况下,本申请通过获取与候选轮廓点一一对应的图像特征点,进而保证优化过程中3D人脸重建的鲁棒性。为了使得人脸图像在渲染过程中,保证一致性的2D网格模板,以便于用于进行诸如皱纹、光照方面的处理,在前述基础上保留了2D图像中所有的特征点进行网格划分,进而在优化后的基础上能够保证原2D网格拓扑的一致性,便于后续能够对其他的2D图像进行前述的处理过程。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请一个实施例的三维人脸构建方法的一种实施方式的流程示意图;
图2为本申请一个实施例的三维人脸构建方法的三维网格模型示意图;
图3为本申请一个实施例的三维人脸构建方法的待处理图像示意图;
图4为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图5为本申请一个实施例的三维人脸构建方法的三维网格模型投影到待处理图像所在平面上的示意图;
图6为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图7为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图8为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图9为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图10为本申请一个实施例的三维人脸构建方法的又一种实施方式的流程示意图;
图11为本申请一个实施例的三维人脸构建方法的待处理图像的二维网格划分示意图;
图12为本申请一个实施例的三维人脸构建装置的结构示意图;
图13为本申请一种实施例的计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
在本申请实施例中,三维人脸构建的过程包括了将图像特征点和候选轮廓点一一对应的过程,在一一对应的图像特征点和候选轮廓点的基础上进行三维人脸的构建,保证了该过程中优化的鲁棒性,由于在获取一一对应点的过程中,并没有将原基于2D网格得到的图像特征点进行删除,因此也保证了2D网格拓扑的一致性,避免在使用3D人脸模型导致对应点不能够自动匹配而出现3D人脸重建的鲁棒性不够。
以下从整个三维人脸构建的角度,结合附图对本申请的具体实施方式进行详细介绍。
如图1所示,在一个实施例中,一种三维人脸构建方法,包括步骤:
S100:获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;
在本申请提供的实施例中,基于预设的三维网格模型进行三维人脸的重建,方便进行候选轮廓点的选择,三维网格模型如图2所示,在三维网格模型上有网格顶点,选择网格顶点作为候选轮廓点,进而便于将人脸上对应的图像特征点对应到三维网格模型上,详细过程详见后文说明,在此不做赘述。获取到待处理图像(如图3)之后,为了能够实现后述候选轮廓点和图像特征点的对应,在本申请中,在待处理图像进行图像特征点确定,进一步地,可以基于二维网格模型进行图像特征点的确定,图像特征点包括:眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等,还可以通过其他方法进行图像特征点的确定,例如:级联形状回归和深度学习等方法实现人脸图像中的图像特征点的确定。
S200:依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;
为了将图像特征和候选轮廓点进行对应,获取预设摄像装置参数,该预设摄像装置参数包括相机的内部参数和外部参数,形成如通过摄像装置拍摄三维网格模型得到二维待处理图像,进而便于将二维待处理图像转换成到三维网格模型中,进行三维人脸的重建。更进一步,在该过程中,将二维待处理图像设置于摄像装置的图像平面上,则可以通过如图像坐标系、摄像装置坐标系、世界坐标系实现待处理图像上图像特征点和三维网格图像特征点的对应,其中,图像坐标系、摄像装置坐标系、世界坐标系的转换过程在本申请中未进行详细说明,但是本领域技术人员是可以理解和实施的,因此在此不做赘述。在前述的基础上,获取候选轮廓点一一对应的所述图像特征点,便于在后续进行三维人脸构建过程中,保证点的对应性以及鲁棒性。当然,在本申请提供的实施例中,还可以基于摄像装置参数将三维网格点投影到二维图像所在的平面,进行候选轮廓点一一对应的图像特征点的确定,具体过程详见后文,在此不做赘述。
S300:基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。
在确定了一一对应的所述候选轮廓点和所述图像特征点之后,则可以在此基础上进行三维人脸的构建,即将候选轮廓点对应的图像特征点转换到三维网格模型中,转换的数据包括像素、彩色等,并以该些点为基础,将其他的点对应地转换到三维网格模型中,实现三维人脸的构建。进一步地,在此过程中,原待处理图像的所有图像特征点同样也要参与三维人脸的重建,进而在进行三维人脸重建过程中,保证三维人脸重建的鲁棒性,同时保证划分待处理图像的二维网格拓扑一致性,以保证在三维人脸过程中进行如皱纹、光照处理时,能够保证三维人脸图像和二维人脸图像光照、神情等的一致性,避免三维人脸相对二维人脸图像畸变过大。
可选地,在一种可能的实施方式中,如图4所示,在步骤S200中,依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点,包括:
S210:依据所述预设摄像装置参数,将所述三维网格模型投影到所述待处理图像所在图像平面上;
S220:依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点。
结合前述说明,基于预设摄像装置参数,将三维网格模型投影到待处理图像所在的平面上(如图5),如前述,待处理图像位于摄像装置参数定位的图像平面上。由于三维网格模型包括了网格顶点,候选轮廓点位于网格顶点之中,则可以基于前述的像坐标系、摄像装置坐标系、世界坐标系的转换过程确定候选轮廓点在图像平面上的投影点,三维网格模型中的各网格顶点位于前述的世界坐标系中,待处理图像的图像特征点位于图像平面上,如图5所示。在候选轮廓点确定时,基于前述的关系候选轮廓点在图像平面上的投影点也是确定的,因此,在图像特征点选定完成之后,则可以计算各候选轮廓点的投影点与图像特征点之间的距离,进一步地,该距离为在图像平面上的距离,且可以基于图像平面的图像坐标系确定。在获取到投影点与图像特征点的距离之后,则可以基于一个投影点距离最小的图像特征点确定与投影点对应的图像特征点,特别地,在该距离小于零时,说明投影点和图像特征点完全重合,在该基础上结合投影点为候选轮廓点在图像平面上的投影得到与候选轮廓点一一对应的对应点,该对应点即为图像特征点。
可选地,在一种可能的实施方式中,如图6,在步骤S220中,依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点,包括:
S221:获取所述候选轮廓点和在所述图像平面上的所述投影点;
S222:计算各所述图像特征点分别与各所述投影点之间的距离;
S223:依据所述距离确定距离各所述投影点最小的所述图像特征点,该图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
结合前述说明,在获取一一对应的对应点的过程中,如前述,首先通过前述的坐标系转换关系确定候选轮廓点在图像平面上的投影点,之后计算图像特征点与各投影点之间的距离,之后则对比同一个投影点与各图像特征点之间的距离,获得距离投影点最小的图像特征点,则该图像特征点即可确定为候选轮廓点,进一步地,在该过程中仅获取将候选轮廓点一一对应的图像特征点作为对应点,当一个图像特征点对应有多个候选轮廓点时,则将该点剔除,具体过程详见后文。
可选地,在一种可能的实施方式中,如图7,在步骤S222中,计算各所述图像特征点分别与各所述投影点之间的距离,包括:
S2221:构建所述候选轮廓点与所述图像特征点的索引;
S2222:依据所述索引和所述距离获得所述候选轮廓点的堆。
为了保证三维人脸构建的鲁棒性,需要确定与候选轮廓点一一对应的图像特征点,避免一个图像特征点对应过多的候选轮廓点过多导致人脸重建鲁棒性不够,且容易发生人脸的畸形。在获取与候选轮廓点一一对应的图像特征点之前,需要构建一个候选轮廓点与各图像特征点的索引,并基于该图像特征点和距离获得候选轮廓点的堆,该堆中包括了所有候选轮廓点的索引和距离,以便于基于该堆中的距离和索引的数据结构能够快速地进行候选轮廓点对应的图像特征点的确定,无需排序和查找,使得对应点确定的速度比较快。具体的,该堆记录候选轮廓点和面部特征点的距离,即堆中就包括距离值和点的索引。
可选地,在一种可能的实施方式中,如图8,在步骤S223中,依据所述距离确定距离各所述投影点最小的所述图像特征点,包括:
S2231:依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量;
S2232:获取所有所述数量等于一对应的所述图像特征点,得到最小堆;
在所述最小堆中同一候选轮廓点对应的所有图像特征点中,将最小所述距离对应的所述图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
结合前述的堆,为了获得候选轮廓点一一对应的对应点,基于前述的索引,确定一个图像特征点对应候选轮廓点的数量,当该数量大于或者等于2时,则说明一个图像特征点对应了两个候选轮廓点,则该点就可能导致三维人脸的鲁棒性不够,则可以将该点从前述堆中剔除,避免该图像特征点影响三维人脸构建的鲁棒性优化;之后则检查堆中距离第二小的点是否满足条件,即是否满足仅对应了一个候选轮廓点,若距离第二小的点仅对应一个候选轮廓点,则将该点作为候选轮廓点的对应点,若距离第二小的点对应候选轮廓点数量大于或者等于2时,则不满足条件,将距离第二小的点从堆中取出,继续执行前述未重复对应且距离最小的图像特征点的查询,在获取到未重复且距离最小的图像特征点时,则完成候选轮廓点对应的图像特征点的确定过程。通过前述过程,可以有效地避免图像特征点被重复的选取,用于三维人脸构建过程中的优化,进而保证了三维人脸构建的鲁棒性。
可选地,所述依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量之后,包括:
将所述图像特征点从所述堆中剔除。
如所述,当数量大于1时,则将该图像特征点从堆中剔除,具体过程详见前文所述,在此不做赘述。
可选地,在一种可能的实施方式中,如图9,在步骤S100中,依据所述三维网格模型确定候选轮廓点,包括:
S110:获取所述三维网格模型预设置的连接网格顶点的线组;
S120:依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点。
在本申请提供的一种实施例中,为了能够在三维网格模型中快速地实现候选轮廓点的选定,首先获取三维网格模型预设置的连接网格各顶点的线组,优选地,该线组为系列水平线,每一条线均连接了三维网格的网格顶点,进而便于在水平线的基础上通过预设候选轮廓点确定方法确定各条水平线上的候选轮廓点。其中,预设候选轮廓点确定方法在后文详述,在此不做赘述。
可选地,在一种可能的实施方式中,如图10,在步骤S120中,所述依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点,包括:
S121:获取所述三维网格模型的视向量和各所述线上各网格顶点的法向量;
S122:依据所述法向量和所述视向量确定所述法向量和所述视向量的点积;
S123:对比同一所述线上各所述网格顶点对应的点积;
S124:将大于零且最小的所述点积对应的所述网格顶点确定为所述网格顶点所在线上的候选轮廓点。
结合前述说明,为了快速地选定候选轮廓点,在三维网格模型的基础上进行确定,由于前述的线组优选为水平线组,因此,可以通过点积的方法确定候选轮廓点。详细的,获取三维网格模型的视向量如Z=[0,0,1],之后获取每个网格顶点的法向量n,由于三维网格模型固定,基于该模型可以得到具体的各向量,相应的三维网格模型中各点的法向量n也为已知向量,将视向量Z和法向量n进行点积,则可以确定视向量Z和法向量n最大夹角对应的点,具体为两者点积大于零的网格顶点,且该网格顶点的法向量n和视向量Z的点积最小,则该网格顶点可以确定为候选轮廓点。
可选地,所述依据所述待处理图像确定图像特征点之后,包括:
获取预设置的二维网格模型,依据所述图像特征点和所述二维网格模型对所述待处理图像进行二维网格划分。
为了保证二维网格具有一致的拓扑结构,在确定了图像特征点之后,基于该图像特征点和所述二维网格模型对所述待处理图像进行二维网格划分(如图11),进而便于在三维人脸构建过程中,能够依据划分了二维网格的待处理图像对三维人脸进行皱纹、光照等方面的处理,在此过程中,由于未破坏预设二维网格模型,使得预设二维网格模型能够保持一致的网格拓扑结构,同时也能够保证构建的三维人脸在光照和皱纹等方面具有较好的处理结果。需要说明的是,为了不侵犯他/她人的肖像权,对图3和图11进行了处理,但是该处理遮挡部分的眼睛轮廓也包括了二维网格的划分的区域,即在眼睛轮廓包括了用户进行二维划分的图像特征点,具体的图像特征点的确定方法如前文所述,在此不做赘述。
基于同一发明构思,本申请还提供一种三维人脸构建装置,下面结合附图对/本申请装置的具体实施方式进行详细介绍。
如图12所示,在一个实施例中,一种三维人脸构建装置,包括
获取模块100,用于获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;
对应点确定模块200,用于依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;
构建模块300,用于基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。
进一步地,在一种可能的实施例中,所述三维人脸构建装置还包括:
投影单元,用于依据所述预设摄像装置参数,将所述三维网格模型投影到所述待处理图像所在图像平面上;
第一对应点确定单元,用于依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点。
投影点获取单元,用于获取所述候选轮廓点和在所述图像平面上的所述投影点;
距离计算单元,用于计算各所述图像特征点分别与各所述投影点之间的距离;
最小距离确定单元,用于依据所述距离确定距离各所述投影点最小的所述图像特征点,该图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
索引构建单元,用于构建所述候选轮廓点与所述图像特征点的索引;
堆获得单元,用于依据所述索引和所述距离获得所述候选轮廓点的堆。
数量确定单元,用于依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量;
最小堆获得单元,用于获取所有所述数量等于一对应的所述图像特征点,得到最小堆;
第二对应点确定单元,用于在所述最小堆中同一候选轮廓点对应的所有图像特征点中,将最小所述距离对应的所述图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
剔除单元,用于将所述图像特征点从所述堆中剔除。
线组获取单元,用于获取所述三维网格模型预设置的连接网格顶点的线组;
第一候选轮廓点确定单元,用于依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点。
法向量获取单元,用于获取所述三维网格模型的视向量和各所述线上各网格顶点的法向量;
点积确定单元,用于依据所述法向量和所述视向量确定所述法向量和所述视向量的点积;
对比单元,用于对比同一所述线上各所述网格顶点对应的点积;
第二候选轮廓点确定单元,用于将大于零且最小的所述点积对应的所述网格顶点确定为所述网格顶点所在线上的候选轮廓点。
可选地,所述线组为系列水平线。
二维网格划分单元,用于获取预设置的二维网格模型,依据所述图像特征点和所述二维网格模型对所述待处理图像进行二维网格划分。
需要说明的是,上述三维人脸构建装置各模块和单元实习的功能与前述三维人脸构建方法的步骤一致,因此,三维人脸构建装置各模块和单元实习的功能详见三维人脸构建方法的说明,在此不做赘述。
本申请的三维人脸构建装置能够实现上述三维人脸构建方法的实施例。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述终端的三维人脸构建方法。其中,所述存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AcceSS Memory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable ProgrammableRead-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。可以是只读存储器,磁盘或光盘等。
本申请实施例还提供一种计算机设备,如图13,所述计算机设备包括:
一个或多个处理器510;
存储装置520,用于存储一个或多个程序500,
当所述一个或多个程序500被所述一个或多个处理器510执行,使得所述一个或多个处理器510实现上述终端的三维人脸构建方法。
如图13所示为本申请计算机设备的结构示意图,包括处理器510、存储装置520、输入单元530以及显示单元540等器件。本领域技术人员可以理解,图13示出的结构器件并不构成对所有计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储装置520可用于存储应用程序500以及各功能模块,处理器510运行存储在存储装置520的应用程序500,从而执行设备的各种功能应用以及数据处理。存储装置520可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本申请所公开的存储装置包括但不限于这些类型的存储装置。本申请所公开的存储装置520只作为例子而非作为限定。
输入单元530用于接收信号的输入,以及接收用户输入的选择语音文件等相关请求。输入单元530可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程序驱动相应的连接装置;其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元540可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元540可采用液晶显示器、有机发光二极管等形式。处理器510是计算机设备的控制中心,利用各种接口和线路连接整个电脑的各个部分,通过运行或执行存储在存储装置520内的软件程序和/或模块,以及调用存储在存储装置内的数据,执行各种功能和处理数据。
在一实施方式中,计算机设备包括一个或多个处理器510,以及一个或多个存储装置520,一个或多个应用程序500,其中所述一个或多个应用程序500被存储在存储装置520中并被配置为由所述一个或多个处理器510执行,所述一个或多个应用程序500配置用于执行以上实施例所述的三维人脸构建方法。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
应该理解的是,在本申请各实施例中的各功能单元可集成在一个处理模块中,也可以各个单元单独物理存在,也可以两个或两个以上单元集成于一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种三维人脸构建方法,其特征在于,包括:
获取三维网格模型和待处理图像,依据所述三维网格模型确定候选轮廓点,依据所述待处理图像确定图像特征点;
依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点;
基于一一对应的所述候选轮廓点和所述图像特征点构建三维人脸。
2.根据权利要求1所述的三维人脸构建方法,其特征在于,所述依据预设摄像装置参数确定所述候选轮廓点一一对应的所述图像特征点,包括:
依据预设摄像装置参数,将所述三维网格模型投影到所述待处理图像所在图像平面上;
依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点。
3.根据权利要求2所述的三维人脸构建方法,其特征在于,所述依据所述候选轮廓点在所述图像平面上的投影点与所述图像特征点的距离确定所述候选轮廓点在所述图像平面上一一对应的对应点,包括:
获取所述候选轮廓点和在所述图像平面上的所述投影点;
计算各所述图像特征点分别与各所述投影点之间的距离;
依据所述距离确定距离各所述投影点最小的所述图像特征点,该图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的对应点。
4.根据权利要求3所述的三维人脸构建方法,其特征在于,所述计算各所述图像特征点分别与各所述投影点之间的距离,包括:
构建所述候选轮廓点与所述图像特征点的索引;
依据所述索引和所述距离获得所述候选轮廓点的堆。
5.根据权利要求4所述的三维人脸构建方法,其特征在于,所述依据所述距离确定距离各所述投影点最小的所述图像特征点,包括:
依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量;
获取所有所述数量等于一对应的所述图像特征点,得到最小堆;
在所述最小堆中同一候选轮廓点对应的所有图像特征点中,将最小所述距离对应的所述图像特征点确定为所述候选轮廓点在所述图像平面上一一对应的所述对应点。
6.根据权利要求5所述的三维人脸构建方法,其特征在于,所述依据所述索引确定各所述图像特征点对应的所述候选轮廓点数量之后,包括:
将所述图像特征点从所述堆中剔除。
7.根据权利要求1至6任一项所述的三维人脸构建方法,其特征在于,所述依据所述三维网格模型确定候选轮廓点,包括:
获取所述三维网格模型预设置的连接网格顶点的线组;
依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点。
8.根据权利要求7所述的三维人脸构建方法,其特征在于,所述依据预设候选轮廓点确定方法确定所述线组中各线上的候选轮廓点,包括:
获取所述三维网格模型的视向量和各所述线上各网格顶点的法向量;
依据所述法向量和所述视向量确定所述法向量和所述视向量的点积;
对比同一所述线上各所述网格顶点对应的所述点积;
将大于零且最小的所述点积对应的所述网格顶点确定为所述网格顶点所在线上的所述候选轮廓点。
9.根据权利要求8所述的三维人脸构建方法,其特征在于,所述线组为系列水平线。
10.根据权利要求1至6任一项所述的三维人脸构建方法,其特征在于,所述依据所述待处理图像确定图像特征点之后,包括:
获取预设置的二维网格模型,依据所述图像特征点和所述二维网格模型对所述待处理图像进行二维网格划分。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至10任一项所述的三维人脸构建方法。
12.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至10任一项所述的三维人脸构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551101.2A CN109754467B (zh) | 2018-12-18 | 2018-12-18 | 三维人脸构建方法、计算机存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551101.2A CN109754467B (zh) | 2018-12-18 | 2018-12-18 | 三维人脸构建方法、计算机存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109754467A true CN109754467A (zh) | 2019-05-14 |
CN109754467B CN109754467B (zh) | 2023-09-22 |
Family
ID=66402684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811551101.2A Active CN109754467B (zh) | 2018-12-18 | 2018-12-18 | 三维人脸构建方法、计算机存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754467B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112614227A (zh) * | 2020-12-17 | 2021-04-06 | 北京达佳互联信息技术有限公司 | 图像特效的实现方法、装置、电子设备及存储介质 |
CN113744384A (zh) * | 2020-05-29 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 三维人脸重建方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000028452A (ko) * | 1998-10-31 | 2000-05-25 | 전주범 | 얼굴 정합된 텍스쳐 영상의 부분 윤곽 정합 방법 |
CN101101672A (zh) * | 2007-07-13 | 2008-01-09 | 中国科学技术大学 | 基于虚拟图像对应的立体视觉三维人脸建模方法 |
CN101853523A (zh) * | 2010-05-18 | 2010-10-06 | 南京大学 | 一种采用草图创建三维人脸模型的方法 |
CN104915965A (zh) * | 2014-03-14 | 2015-09-16 | 华为技术有限公司 | 一种摄像机跟踪方法及装置 |
CN104978764A (zh) * | 2014-04-10 | 2015-10-14 | 华为技术有限公司 | 三维人脸网格模型处理方法和设备 |
CN106020745A (zh) * | 2016-05-16 | 2016-10-12 | 北京清软海芯科技有限公司 | 基于人脸识别的煎饼打印路径生成方法和装置 |
CN106980812A (zh) * | 2016-12-14 | 2017-07-25 | 四川长虹电器股份有限公司 | 基于级联卷积神经网络的三维人脸特征点定位方法 |
CN108182705A (zh) * | 2016-12-08 | 2018-06-19 | 广州映博智能科技有限公司 | 一种基于机器视觉的三维坐标定位方法 |
CN108345821A (zh) * | 2017-01-24 | 2018-07-31 | 成都理想境界科技有限公司 | 面部追踪方法及设备 |
CN108898665A (zh) * | 2018-06-15 | 2018-11-27 | 上饶市中科院云计算中心大数据研究院 | 三维人脸重建方法、装置、设备及计算机可读存储介质 |
-
2018
- 2018-12-18 CN CN201811551101.2A patent/CN109754467B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000028452A (ko) * | 1998-10-31 | 2000-05-25 | 전주범 | 얼굴 정합된 텍스쳐 영상의 부분 윤곽 정합 방법 |
CN101101672A (zh) * | 2007-07-13 | 2008-01-09 | 中国科学技术大学 | 基于虚拟图像对应的立体视觉三维人脸建模方法 |
CN101853523A (zh) * | 2010-05-18 | 2010-10-06 | 南京大学 | 一种采用草图创建三维人脸模型的方法 |
CN104915965A (zh) * | 2014-03-14 | 2015-09-16 | 华为技术有限公司 | 一种摄像机跟踪方法及装置 |
CN104978764A (zh) * | 2014-04-10 | 2015-10-14 | 华为技术有限公司 | 三维人脸网格模型处理方法和设备 |
CN106020745A (zh) * | 2016-05-16 | 2016-10-12 | 北京清软海芯科技有限公司 | 基于人脸识别的煎饼打印路径生成方法和装置 |
CN108182705A (zh) * | 2016-12-08 | 2018-06-19 | 广州映博智能科技有限公司 | 一种基于机器视觉的三维坐标定位方法 |
CN106980812A (zh) * | 2016-12-14 | 2017-07-25 | 四川长虹电器股份有限公司 | 基于级联卷积神经网络的三维人脸特征点定位方法 |
CN108345821A (zh) * | 2017-01-24 | 2018-07-31 | 成都理想境界科技有限公司 | 面部追踪方法及设备 |
CN108898665A (zh) * | 2018-06-15 | 2018-11-27 | 上饶市中科院云计算中心大数据研究院 | 三维人脸重建方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
张腾飞等: "基于特征区域自动分割的人脸表情识别", 《计算机工程》 * |
张腾飞等: "基于特征区域自动分割的人脸表情识别", 《计算机工程》, no. 10, 20 May 2011 (2011-05-20) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744384A (zh) * | 2020-05-29 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 三维人脸重建方法、装置、电子设备及存储介质 |
CN113744384B (zh) * | 2020-05-29 | 2023-11-28 | 北京达佳互联信息技术有限公司 | 三维人脸重建方法、装置、电子设备及存储介质 |
CN112614227A (zh) * | 2020-12-17 | 2021-04-06 | 北京达佳互联信息技术有限公司 | 图像特效的实现方法、装置、电子设备及存储介质 |
CN112614227B (zh) * | 2020-12-17 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 图像特效的实现方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109754467B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636831B (zh) | 一种估计三维人体姿态及手部信息的方法 | |
Tjaden et al. | A region-based gauss-newton approach to real-time monocular multiple object tracking | |
US11748934B2 (en) | Three-dimensional expression base generation method and apparatus, speech interaction method and apparatus, and medium | |
Davis et al. | A sketching interface for articulated figure animation | |
US6434278B1 (en) | Generating three-dimensional models of objects defined by two-dimensional image data | |
CN108509848A (zh) | 三维物体的实时检测方法及系统 | |
CN111028343B (zh) | 三维人脸模型的生成方法、装置、设备及介质 | |
CN109635752B (zh) | 人脸关键点的定位方法、人脸图像处理方法和相关装置 | |
CN111325846B (zh) | 表情基确定方法、虚拟形象驱动方法、装置及介质 | |
US9202312B1 (en) | Hair simulation method | |
CN109191508A (zh) | 一种模拟整容装置、模拟整容方法及设备 | |
CN111899159B (zh) | 用于变换发型的方法、装置、设备以及存储介质 | |
CN108629248A (zh) | 一种实现增强现实的方法及设备 | |
CN112085835A (zh) | 三维卡通人脸生成方法、装置、电子设备及存储介质 | |
CN109754467A (zh) | 三维人脸构建方法、计算机存储介质和计算机设备 | |
CN113706373A (zh) | 模型重建方法及相关装置、电子设备和存储介质 | |
CN110751733A (zh) | 用于将3d扫描对象转换为化身的方法和装置 | |
CN108573192B (zh) | 匹配人脸的眼镜试戴方法和装置 | |
Chalás et al. | Generating various composite human faces from real 3D facial images | |
CN111639615B (zh) | 一种虚拟建筑物的触发控制方法及装置 | |
KR20220080576A (ko) | 아바타 캐릭터 생성 시스템 및 방법 | |
CN109064547B (zh) | 一种基于数据驱动的单幅图像头发重建方法 | |
JP2017122993A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN114926324A (zh) | 基于真实人物图像的虚拟试衣模型训练方法、虚拟试衣方法、装置及设备 | |
CN114581288A (zh) | 一种图像生成方法、装置、电子设备以及存储介质 |
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 |