CN110136243B - 一种三维人脸重建方法及其系统、装置、存储介质 - Google Patents
一种三维人脸重建方法及其系统、装置、存储介质 Download PDFInfo
- Publication number
- CN110136243B CN110136243B CN201910278736.8A CN201910278736A CN110136243B CN 110136243 B CN110136243 B CN 110136243B CN 201910278736 A CN201910278736 A CN 201910278736A CN 110136243 B CN110136243 B CN 110136243B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- face
- original
- face image
- human body
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 12
- 230000001815 facial effect Effects 0.000 claims description 10
- 238000009877 rendering Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G06T3/08—
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种三维人脸重建方法及其系统、装置、存储介质,通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
Description
技术领域
本发明涉及人脸识别技术领域,尤其是一种三维人脸重建方法及其系统、装置、存储介质。
背景技术
人脸是人类日常情感表达、交流最重要和最直接的载体,三维人脸建模一直备受关注,在游戏、影视特效、虚拟现实、辅助医疗等领域都有非常广阔的应用前景,是计算机视觉中的一个重要研究课题。目前三维人脸重建的方法大多是获取多张同一人脸不同拍摄角度的图像,通过对齐、拼接、拟合等运算得到三维人脸图像。但这类方法的运算量较大,效率低下,生成的三维人脸图像精度不高。并且得出的效果只是三维脸部图像,并非三维人体图像模型,缺少完整性。
发明内容
为解决上述问题,本发明的目的在于提供一种三维人脸重建方法及其系统、装置、存储介质,能够提高三维人脸重建的效率和精度,并且能够输出三维人体模型。
本发明解决其问题所采用的技术方案是:
第一方面,本发明实施例提出了一种三维人脸重建方法,包括:
获取用于进行三维人脸重建的原始人脸图像;
获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
获取所述原始人脸图像的性别属性和对应性别的原始人体模型;将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型。
进一步,所述获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像,包括:
采用OpenCV库和Dlib库获得原始人脸图像的人脸特征点、人脸区域及对应人脸的旋转矩阵,并将人脸区域裁剪成特定分辨率的图像;
以裁剪后的图像作为卷积神经网络模型的输入,输出得到对应姿态下的初步三维人脸图像数据,包括三维人脸坐标点集、坐标点对应的RGB值以及三角网格面集;
利用三维人脸坐标点集和旋转矩阵进行矩阵运算,得到标准姿态下的三维人脸图像。
进一步,所述获取所述原始人脸图像的性别属性和对应性别的原始人体模型,包括:
采用高层特征和低层特征结合的神经网络对原始人脸图像进行性别识别;
根据原始人脸图像的性别选择对应的原始人体模型;
获取所述原始人体模型的脸部数据。
进一步,所述获取所述原始人体模型的脸部数据,包括:
对原始人体模型进行关键点检测,确定原始人体模型的脸部区域;
对原始人体模型的脸部区域和其他部位区域的坐标点赋予不同的值,得到原始人体模型的脸部数据;
将原始人体模型的脸部数据写入储存文件。
进一步,所述将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形,包括:
通过三维人脸图像和原始人体模型的脸部区域的部位距离的比值确定缩放系数;
利用所述缩放系数将三维人脸图像缩放至与原始人体模型的脸部区域的大小相近;
构建代价函数求解最优解,使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形。
进一步,所述部位距离的比值包括左眼角到右眼角水平距离的比值、两嘴角水平距离的比值、眉毛到下嘴唇垂直距离的比值、鼻尖到下巴垂直距离的比值中的至少一种。
第二方面,本发明实施例还提出了一种三维人脸重建系统,包括:
数据获取单元,用于获取用于进行三维人脸重建的原始人脸图像,以及获取所述原始人脸图像的性别属性和对应性别的原始人体模型;
人脸重建单元,用于获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
拟合变形单元,用于将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
渲染单元,用于对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型。
进一步,还包括:
个性化设置单元,用于对三维人体模型的脸部区域进行表情融合变形和脸部形状调整;
显示单元,用于显示三维人体模型,以及显示个性化设置界面。
第三方面,本发明实施例还提出了一种三维人脸重建装置,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如本发明第一方面所述的方法。
第四方面,本发明实施例还提出了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案,至少具有如下有益效果:本发明实施例提供的一种三维人脸重建方法,通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
本发明实施例提供的一种三维人脸重建系统,人脸重建单元通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,拟合变形单元再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,拟合变形单元通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明一种三维人脸重建方法的一个实施例的流程图;
图2是本发明一种三维人脸重建方法的一个实施例中获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像的流程图;
图3是本发明一种三维人脸重建方法的一个实施例中获取所述原始人脸图像的性别属性和对应性别的原始人体模型的流程图;
图4是本发明一种三维人脸重建方法的一个实施例中获取所述原始人体模型的脸部数据的流程图;
图5是本发明一种三维人脸重建方法的一个实施例中将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形的流程图;
图6是本发明一种三维人脸重建方法的另一个实施例的流程图;
图7是本发明一种三维人脸重建系统的示意图;
图8是本发明一种三维人脸重建装置的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本发明的保护范围之内。另外,虽然在系统示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于系统中的单元划分,或流程图中的顺序执行所示出或描述的步骤。
人脸是人类日常情感表达、交流最重要和最直接的载体,三维人脸建模一直备受关注,在游戏、影视特效、虚拟现实、辅助医疗等领域都有非常广阔的应用前景,是计算机视觉中的一个重要研究课题。目前三维人脸重建的方法大多是获取多张同一人脸不同拍摄角度的图像,通过对齐、拼接、拟合等运算得到三维人脸图像。但这类方法的运算量较大,效率低下,生成的三维人脸图像精度不高。并且得出的效果只是三维脸部图像,并非三维人体图像模型,缺少完整性。
基于此,本发明提供了一种三维人脸重建方法及其系统、装置、存储介质,通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。下面结合附图,对本发明实施例作进一步阐述。
参照图1,本发明的第一实施例提供了一种三维人脸重建方法,包括但不限于以下步骤:
S100:获取用于进行三维人脸重建的原始人脸图像;
S200:获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
S300:获取所述原始人脸图像的性别属性和对应性别的原始人体模型;
S400:将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
S500:对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型。
在本实施例中,所述原始人脸图像只需要获取一张即可,获取方式有多种,例如可以从网上下载,或者通过本地读取等。而所述原始人脸图像的拍摄角度没有限定,可以是正面的人脸图像,也可以是侧面的人脸图像。
在本实施例中,通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
进一步地,参照图2,基于第一实施例,本发明的第二实施例还提供了一种三维人脸重建方法,其中,所述步骤S200:获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像,具体包括:
S210:采用OpenCV库和Dlib库获得原始人脸图像的人脸特征点、人脸区域及对应人脸的旋转矩阵,并将人脸区域裁剪成特定分辨率的图像;
S220:以裁剪后的图像作为卷积神经网络模型的输入,输出得到对应姿态下的初步三维人脸图像数据,包括三维人脸坐标点集、坐标点对应的RGB值以及三角网格面集;
S230:利用三维人脸坐标点集和旋转矩阵进行矩阵运算,得到标准姿态下的三维人脸图像。
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以支持多种操作系统和接口,实现图像处理和计算机视觉方面的很多通用算法;而Dlib是一个包含机器学习算法的C++开源工具包,可以提供大量的机器学习/图像处理算法,采用这两个库进行原始人脸图像的处理,可以有效提高处理的效率。
进一步地,参照图3,基于第一实施例,本发明的第三实施例还提供了一种三维人脸重建方法,其中,所述步骤S300:获取所述原始人脸图像的性别属性和对应性别的原始人体模型,具体包括:
S310:采用高层特征和低层特征结合的神经网络对原始人脸图像进行性别识别;
S320:根据原始人脸图像的性别选择对应的原始人体模型;
S330:获取所述原始人体模型的脸部数据。
在本实施例中,高层特征和低层特征结合的神经网络主要由高层特征提取模块,低层特征提取模块和联合表决输出模块组成。高层特征模块主要由卷积层和下采样层组成,在卷积层中,采用多个不同权值的接收域对原始人脸图像进行识别,从而提取出原始人脸图像的不同局部特征,减少需要训练的参数量。低层特征提取模块主要由扁平化处理单元和重建网络组成,扁平化处理单元首先将原始人脸图像转化为一维的人脸原始特征向量,然后输入到重建网络进行向量的重建。重建网络采用人工神经网络结构,通过多层神经元的处理,对人脸原始特征向量进行重新表示和描述。高层特征提取模块对输入的人脸图像进行卷积和下采样后,最后通过扁平化处理单元得到一个高层特征向量,低层特征提取模块经过重建网络对原始人脸图像进行重新表示,得到低层特征向量,最后,联合表决层将高层特征向量和低层特征向量合并在一起,与输出层的两个神经元(对应男女两种性别)全连接,进行最终的分类判决后完成性别识别。
进一步地,参照图4,基于第三实施例,本发明的第四实施例还提供了一种三维人脸重建方法,其中,所述步骤S330:获取所述原始人体模型的脸部数据,具体包括:
S331:对原始人体模型进行关键点检测,确定原始人体模型的脸部区域;
S332:对原始人体模型的脸部区域和其他部位区域的坐标点赋予不同的值,得到原始人体模型的脸部数据;
S333:将原始人体模型的脸部数据写入储存文件。
在本实施例中,通过原始人体模型的脸部区域和其他部位区域的坐标点赋予不同的值,可以用于分别表示该区域可发生变形和不可发生变形,便于后续对模型的调整。
进一步地,参照图5,基于第一实施例,本发明的第五实施例还提供了一种三维人脸重建方法,其中,所述步骤S400:将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形,具体包括:
S410:通过三维人脸图像和原始人体模型的脸部区域的部位距离的比值确定缩放系数;
S420:利用所述缩放系数将三维人脸图像缩放至与原始人体模型的脸部区域的大小相近;
S430:构建代价函数求解最优解,使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形。
在本实施例中,通过构建代价函数,得到最优解后再将原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形,可以有效提高拟合的效果,使得后续三维人脸重建的质量得到提升。
进一步地,基于第五实施例,本发明的第六实施例还提供了一种三维人脸重建方法,其中,所述部位距离的比值包括左眼角到右眼角水平距离的比值、两嘴角水平距离的比值、眉毛到下嘴唇垂直距离的比值、鼻尖到下巴垂直距离的比值中的至少一种。
另外,参照图6,本发明的第七实施例还提供了一种三维人脸重建方法,包括但不限于以下步骤:
S510:获取一张用于进行三维人脸重建的原始人脸图像;
S520:采用OpenCV库和Dlib库获得原始人脸图像的人脸特征点、人脸区域及对应人脸的旋转矩阵,并将人脸区域裁剪成特定分辨率的图像,以裁剪后的图像作为卷积神经网络模型的输入,输出得到对应姿态下的初步三维人脸图像数据,包括三维人脸坐标点集、坐标点对应的RGB值以及三角网格面集,利用三维人脸坐标点集和旋转矩阵进行矩阵运算,得到标准姿态下的三维人脸图像;
S530:采用高层特征和低层特征结合的神经网络对原始人脸图像进行性别识别,根据原始人脸图像的性别选择对应的原始人体模型,对原始人体模型进行关键点检测,确定原始人体模型的脸部区域,对原始人体模型的脸部区域和其他部位区域的坐标点赋予不同的值,得到原始人体模型的脸部数据,将原始人体模型的脸部数据写入储存文件;
S540:通过三维人脸图像和原始人体模型的脸部区域的部位距离的比值确定缩放系数,利用所述缩放系数将三维人脸图像缩放至与原始人体模型的脸部区域的大小相近,构建代价函数求解最优解,使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
S550:通过特征点映射对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型。
优选地,可以通过构建原始人体模型库,实现自由获取原始人体模型,模型来源可以是本地获取或者网络获取。
本实施例通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
另外,参照图7,本发明的第八实施例还提供了一种三维人脸重建系统,包括:
数据获取单元110,用于获取用于进行三维人脸重建的原始人脸图像,以及获取所述原始人脸图像的性别属性和对应性别的原始人体模型;
人脸重建单元120,用于获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
拟合变形单元130,用于将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
渲染单元140,用于对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型。
在本实施例中,人脸重建单元通过卷积神经网络模型直接从原始人脸图像中得到标准姿态下的三维人脸图像,拟合变形单元再将所述三维人脸图像缩放后与原始人体模型进行拟合变形,可以有效地减少了对输入的原始人脸图像的限制,降低了三维人脸重建过程的运算量,提高了三维人脸重建的效率,提高了重建得出的三维人脸图像的精确度;并且,拟合变形单元通过三维人脸图像和原始人体模型的拟合变形,可以实现最终输出三维人体模型,而不单单是三维脸部图像,从而有效地保证了重建后输出的完整性。
进一步地,基于第八实施例,本发明的第九实施例还提供了一种三维人脸重建系统,其中,还包括:
个性化设置单元150,用于对三维人体模型的脸部区域进行表情融合变形和脸部形状调整;
显示单元160,用于显示三维人体模型,以及显示个性化设置界面。
在本实施例中,可以利用个性化设置单元通过libigl库对模型脸部区域进行表情融合变形和脸部形状调整,实现表情切换和模型美化,使得最终构建的三维人体模型的质量更高。
参照图8,本发明的第十实施例还提供了一种三维人脸重建装置,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述第一至第七实施例中任意一种三维人脸重建方法。
该装置200可以是任意类型的智能终端,例如手机、平板电脑、个人计算机等。
处理器和存储器可以通过总线或者其他方式连接,图8中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的三维人脸重建方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行装置200的各种功能应用以及数据处理,即实现上述任一方法实施例的三维人脸重建方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据装置200的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该装置200。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任意方法实施例中的三维人脸重建方法,例如,执行以上描述的图1中的方法步骤S100至S500,图6中的方法步骤S510至S550。
本发明的第十一实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被图8中的一个处理器执行,可使得上述一个或多个处理器执行上述方法实施例中的一种三维人脸重建方法,例如,执行以上描述的图1中的方法步骤S100至S500、图2中的方法步骤S210至S230、图3中的方法步骤S310至S330、图4中的方法步骤S331至S333,图5中的方法步骤S410至S430,图6中的方法步骤S510至S550,实现图7中三维人脸重建系统各个单元的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种三维人脸重建方法,其特征在于,包括:
获取用于进行三维人脸重建的原始人脸图像;
获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
获取所述原始人脸图像的性别属性和对应性别的原始人体模型;将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型;对所述三维人体模型的所述脸部区域进行表情融合变形和脸部形状调整;
所述获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像,包括:
采用OpenCV库和Dlib库获得原始人脸图像的人脸特征点、人脸区域及对应人脸的旋转矩阵,并将人脸区域裁剪成特定分辨率的图像;
以裁剪后的图像作为卷积神经网络模型的输入,输出得到对应姿态下的初步三维人脸图像数据,包括三维人脸坐标点集、坐标点对应的RGB值以及三角网格面集;
利用三维人脸坐标点集和旋转矩阵进行矩阵运算,得到标准姿态下的三维人脸图像。
2.根据权利要求1所述的一种三维人脸重建方法,其特征在于,所述获取所述原始人脸图像的性别属性和对应性别的原始人体模型,包括:
采用高层特征和低层特征结合的神经网络对原始人脸图像进行性别识别;
根据原始人脸图像的性别选择对应的原始人体模型;
获取所述原始人体模型的脸部数据。
3.根据权利要求2所述的一种三维人脸重建方法,其特征在于,所述获取所述原始人体模型的脸部数据,包括:
对原始人体模型进行关键点检测,确定原始人体模型的脸部区域;对原始人体模型的脸部区域和其他部位区域的坐标点赋予不同的值,得到原始人体模型的脸部数据;
将原始人体模型的脸部数据写入储存文件。
4.根据权利要求1所述的一种三维人脸重建方法,其特征在于,所述将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形,包括:
通过三维人脸图像和原始人体模型的脸部区域的部位距离的比值确定缩放系数;
利用所述缩放系数将三维人脸图像缩放至与原始人体模型的脸部区域的大小相近;
构建代价函数求解最优解,使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形。
5.根据权利要求4所述的一种三维人脸重建方法,其特征在于:所述部位距离的比值包括左眼角到右眼角水平距离的比值、两嘴角水平距离的比值、眉毛到下嘴唇垂直距离的比值、鼻尖到下巴垂直距离的比值中的至少一种。
6.一种三维人脸重建系统,其特征在于,包括:
数据获取单元,用于获取用于进行三维人脸重建的原始人脸图像,以及获取所述原始人脸图像的性别属性和对应性别的原始人体模型;
人脸重建单元,用于获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像;
拟合变形单元,用于将所述三维人脸图像缩放至与所述原始人体模型脸部大小相近,再使原始人体模型的脸部区域对缩放后的三维人脸图像进行拟合变形;
渲染单元,用于对所述拟合变形后的原始人体模型进行渲染,得到三维人体模型;
个性化设置单元,用于对所述三维人体模型的所述脸部区域进行表情融合变形和脸部形状调整;
其中,所述获取所述原始人脸图像的人脸特征点、人脸区域和旋转矩阵,采用卷积神经网络模型定位所述原始人脸图像从二维平面结构到三维空间结构的映射,得到标准姿态下的三维人脸图像,包括:
采用OpenCV库和Dlib库获得原始人脸图像的人脸特征点、人脸区域及对应人脸的旋转矩阵,并将人脸区域裁剪成特定分辨率的图像;
以裁剪后的图像作为卷积神经网络模型的输入,输出得到对应姿态下的初步三维人脸图像数据,包括三维人脸坐标点集、坐标点对应的RGB值以及三角网格面集;
利用三维人脸坐标点集和旋转矩阵进行矩阵运算,得到标准姿态下的三维人脸图像。
7.根据权利要求6所述的一种三维人脸重建系统,其特征在于,还包括:
显示单元,用于显示三维人体模型,以及显示个性化设置界面。
8.一种三维人脸重建装置,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-5任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-5任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910278736.8A CN110136243B (zh) | 2019-04-09 | 2019-04-09 | 一种三维人脸重建方法及其系统、装置、存储介质 |
PCT/CN2020/081684 WO2020207270A1 (zh) | 2019-04-09 | 2020-03-27 | 一种三维人脸重建方法及其系统、装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910278736.8A CN110136243B (zh) | 2019-04-09 | 2019-04-09 | 一种三维人脸重建方法及其系统、装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110136243A CN110136243A (zh) | 2019-08-16 |
CN110136243B true CN110136243B (zh) | 2023-03-17 |
Family
ID=67569250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910278736.8A Active CN110136243B (zh) | 2019-04-09 | 2019-04-09 | 一种三维人脸重建方法及其系统、装置、存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110136243B (zh) |
WO (1) | WO2020207270A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136243B (zh) * | 2019-04-09 | 2023-03-17 | 五邑大学 | 一种三维人脸重建方法及其系统、装置、存储介质 |
CN110827342B (zh) | 2019-10-21 | 2023-06-02 | 中国科学院自动化研究所 | 三维人体模型重建方法及存储设备、控制设备 |
CN112561784B (zh) * | 2020-12-17 | 2024-04-09 | 咪咕文化科技有限公司 | 图像合成方法、装置、电子设备及存储介质 |
CN112508778B (zh) * | 2020-12-18 | 2024-04-12 | 咪咕文化科技有限公司 | 一种3d人脸道具贴图方法、终端及存储介质 |
CN114758090A (zh) * | 2020-12-29 | 2022-07-15 | 华为技术有限公司 | 三维模型生成方法及装置 |
CN112633252A (zh) * | 2021-01-09 | 2021-04-09 | 浙江臻享网络科技有限公司 | 一种证件照标准化处理方法及装置 |
CN112966574A (zh) * | 2021-02-22 | 2021-06-15 | 厦门艾地运动科技有限公司 | 人体三维关键点预测方法、装置及电子设备 |
CN113012282B (zh) * | 2021-03-31 | 2023-05-19 | 深圳市慧鲤科技有限公司 | 三维人体重建方法、装置、设备及存储介质 |
CN113284229B (zh) * | 2021-05-28 | 2023-04-18 | 上海星阑信息科技有限公司 | 三维人脸模型生成方法、装置、设备及存储介质 |
CN113221840B (zh) * | 2021-06-02 | 2022-07-26 | 广东工业大学 | 一种人像视频处理方法 |
CN113632098A (zh) * | 2021-07-02 | 2021-11-09 | 华为技术有限公司 | 人脸图像处理方法、装置和车辆 |
CN114241102B (zh) * | 2021-11-11 | 2024-04-19 | 清华大学 | 基于参数化模型的人脸细节重建和编辑方法 |
CN114723888B (zh) * | 2022-04-08 | 2023-04-07 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
CN115661370B (zh) * | 2022-12-14 | 2023-04-28 | 长沙观谱红外科技有限公司 | 一种红外3d人体模型构建方法及存储介质 |
CN116051364B (zh) * | 2022-12-14 | 2024-03-29 | 长沙观谱红外科技有限公司 | 一种红外图像处理方法及存储介质 |
CN117372604B (zh) * | 2023-12-06 | 2024-03-08 | 国网电商科技有限公司 | 一种3d人脸模型生成方法、装置、设备及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122705A (zh) * | 2017-03-17 | 2017-09-01 | 中国科学院自动化研究所 | 基于三维人脸模型的人脸关键点检测方法 |
CN107423678A (zh) * | 2017-05-27 | 2017-12-01 | 电子科技大学 | 一种提取特征的卷积神经网络的训练方法及人脸识别方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9196089B2 (en) * | 2012-05-17 | 2015-11-24 | Disney Enterprises, Inc. | Techniques for processing reconstructed three-dimensional image data |
CN106372333A (zh) * | 2016-08-31 | 2017-02-01 | 北京维盛视通科技有限公司 | 基于人脸模型的服装展示方法及装置 |
CN106652025B (zh) * | 2016-12-20 | 2019-10-01 | 五邑大学 | 一种基于视频流与人脸多属性匹配的三维人脸建模方法和打印装置 |
CN107194964B (zh) * | 2017-05-24 | 2020-10-09 | 电子科技大学 | 一种基于实时人体三维重建的vr社交系统及其方法 |
CN107578469A (zh) * | 2017-09-08 | 2018-01-12 | 明利 | 一种基于单张照片的3d人体建模方法及装置 |
CN107680167A (zh) * | 2017-09-08 | 2018-02-09 | 郭睿 | 一种基于用户形象的三维人体模型创建方法及系统 |
CN108805977A (zh) * | 2018-06-06 | 2018-11-13 | 浙江大学 | 一种基于端到端卷积神经网络的人脸三维重建方法 |
CN109255830B (zh) * | 2018-08-31 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 三维人脸重建方法和装置 |
CN110136243B (zh) * | 2019-04-09 | 2023-03-17 | 五邑大学 | 一种三维人脸重建方法及其系统、装置、存储介质 |
-
2019
- 2019-04-09 CN CN201910278736.8A patent/CN110136243B/zh active Active
-
2020
- 2020-03-27 WO PCT/CN2020/081684 patent/WO2020207270A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122705A (zh) * | 2017-03-17 | 2017-09-01 | 中国科学院自动化研究所 | 基于三维人脸模型的人脸关键点检测方法 |
CN107423678A (zh) * | 2017-05-27 | 2017-12-01 | 电子科技大学 | 一种提取特征的卷积神经网络的训练方法及人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020207270A1 (zh) | 2020-10-15 |
CN110136243A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110136243B (zh) | 一种三维人脸重建方法及其系统、装置、存储介质 | |
US11302064B2 (en) | Method and apparatus for reconstructing three-dimensional model of human body, and storage medium | |
CN109961507B (zh) | 一种人脸图像生成方法、装置、设备及存储介质 | |
CN111598998B (zh) | 三维虚拟模型重建方法、装置、计算机设备和存储介质 | |
CN111325823B (zh) | 人脸纹理图像的获取方法、装置、设备及存储介质 | |
CN111028330B (zh) | 三维表情基的生成方法、装置、设备及存储介质 | |
CN112819947A (zh) | 三维人脸的重建方法、装置、电子设备以及存储介质 | |
EP3992919B1 (en) | Three-dimensional facial model generation method and apparatus, device, and medium | |
EP3971841A1 (en) | Three-dimensional model generation method and apparatus, and computer device and storage medium | |
WO2024007478A1 (zh) | 基于单手机的人体三维建模数据采集与重建方法及系统 | |
CN113570684A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN113628348A (zh) | 一种确定三维场景中视点路径的方法及设备 | |
EP3855386B1 (en) | Method, apparatus, device and storage medium for transforming hairstyle and computer program product | |
CN115239861A (zh) | 人脸数据增强方法、装置、计算机设备和存储介质 | |
CN111028354A (zh) | 一种基于图像序列的模型形变人脸三维重建方案 | |
CN113658326A (zh) | 三维毛发的重建方法及装置 | |
CN115984447A (zh) | 图像渲染方法、装置、设备和介质 | |
CN115393480A (zh) | 基于动态神经纹理的说话人合成方法、装置和存储介质 | |
CN111652795A (zh) | 脸型的调整、直播方法、装置、电子设备和存储介质 | |
CN113822965A (zh) | 图像渲染处理方法、装置和设备及计算机存储介质 | |
CN113362231A (zh) | 人脸关键点的插值方法、装置、计算机设备和存储介质 | |
CN112581518A (zh) | 基于三维卡通模型的眼球配准方法、装置、服务器和介质 | |
CN111275610A (zh) | 一种人脸变老图像处理方法及系统 | |
CN116977539A (zh) | 图像处理方法、装置、计算机设备、存储介质和程序产品 | |
CN111652023B (zh) | 嘴型的调整、直播方法、装置、电子设备和存储介质 |
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 |