CN111754557B - 目标地理区域人脸模板生成方法和装置 - Google Patents

目标地理区域人脸模板生成方法和装置 Download PDF

Info

Publication number
CN111754557B
CN111754557B CN202010472909.2A CN202010472909A CN111754557B CN 111754557 B CN111754557 B CN 111754557B CN 202010472909 A CN202010472909 A CN 202010472909A CN 111754557 B CN111754557 B CN 111754557B
Authority
CN
China
Prior art keywords
face
dimensional
bfm
geographic area
target geographic
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
Application number
CN202010472909.2A
Other languages
English (en)
Other versions
CN111754557A (zh
Inventor
刘烨斌
王立祯
戴琼海
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010472909.2A priority Critical patent/CN111754557B/zh
Publication of CN111754557A publication Critical patent/CN111754557A/zh
Application granted granted Critical
Publication of CN111754557B publication Critical patent/CN111754557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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
    • G06V40/174—Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请提出一种目标地理区域人脸模板生成方法和装置，方法包括：采集携带有纹理信息的目标地理区域三维人脸数据；将目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；利用非刚性最近点迭代算法，将BFM进行精细对齐和坐标归一化；对精细对齐和归一化后的BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数‑顶点坐标矩阵。该方法生成的人脸模板准确度高，工作量小，成本低。

Description

目标地理区域人脸模板生成方法和装置
技术领域
本申请涉及计算机视觉技术领域，尤其涉及一种目标地理区域人脸模板生成方法和装置。
背景技术
随着计算机视觉领域中的人脸重建技术的不断发展。在实际应用中，不同地理区域人脸特征会存在一定的差异，直接利用现有的三维人脸模板进行人脸重建，得到的人脸准确度较低。如果通过采集某地理区域的人脸数据，来构建该地理区域的人脸模板，工作量大，成本高。
发明内容
本申请提出一种目标地理区域人脸模板生成方法和装置，用于解决现有的人脸重建方法，准确度低、工作量大的问题。
本申请一方面实施例提出了一种目标地理区域人脸模板生成方法，包括：
采集携带有纹理信息的目标地理区域三维人脸数据；
将所述目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；
利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化；
对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵。
本申请实施例的目标地理区域人脸模板生成方法，通过利用现有的人脸模板BFM和采集的目标地理区域的三维人脸数据，得到目标地理地区的人脸模板，工作量小，成本低，由于融合了目标地理区域的三维人脸数据，因此生成的人脸模板准确度高，在人脸重建时，利用上述目标地理区域的人脸模板，相比直接利用现有的人脸模板，对目标地理区域的人脸的图片或者三维数据具有更好的拟合和表现能力，人脸重建的准确度高。
本申请另一方面实施例提出了一种目标地理区域人脸模板生成装置，包括：
采集模块，用于采集携带有纹理信息的目标地理区域三维人脸数据；
第一处理模块，用于将所述目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；
第二处理模块，用于利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化；
分析模块，用于对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵。
本申请实施例的目标地理区域人脸模板生成装置，通过利用现有的人脸模板BFM和采集的目标地理区域的三维人脸数据，得到目标地理地区的人脸模板，工作量小，成本低，在人脸重建时，利用上述目标地理区域的人脸模板，相比直接利用现有的人脸模板，对目标地理区域的人脸的图片或者三维数据具有更好的拟合和表现能力，人脸重建的准确度高。
本申请另一方面实施例提出了一种电子设备，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如上述实施例所述的目标地理区域人脸模板生成方法。
本申请另一方面实施例提出了一种非临时性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上述实施例所述的目标地理区域人脸模板生成方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分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为本申请实施例提供的一种目标地理区域人脸模板生成方法的流程示意图；
图2为本申请实施例提供的另一种目标地理区域人脸模板生成方法的流程示意图；
图3为本申请实施例提供的一种目标地理区域人脸模板生成装置的结构示意图。
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，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的目标地理区域人脸模板生成方法和装置。
图1为本申请实施例提供的一种目标地理区域人脸模板生成方法的流程示意图。
本实施例中，目标地理区域可以根据需要确定，将需要生成人脸模板的地理区域确定为目标地理区域。
如图1所示，该目标地理区域人脸模板生成方法包括：
步骤101，采集携带有纹理信息的目标地理区域三维人脸数据。
本实施例中，可从目标地理区域选取一定数量的人员，利用高精度的三维数据采集设备采集这些人员的人脸数据，得到高精度的携带有纹理信息的面片格式的目标地理区域三维人脸数据。
步骤102，将目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐。
本实施例中，对目标地理区域三维人脸数据进行三维关键点识别。具体地，将三维数据渲染成二维图片，利用现有关键点识别工作Face Alignment进行二维关键点识别(比如，预先定义好的68个关键点)。再利用投影矩阵将二维点坐标投影为三维空间中的射线与目标地理区域三维人脸数据求交点，从而得到对应的三维关键点坐标。
在获取目标地理区域人脸三维数据后，利用最小二乘法，通过旋转、平移和缩放变换，将识别得到的三维关键点与BFM的关键点对齐，使得目标地理区域三维人脸数据与BFM的位置初步对齐到同一尺度、位置和朝向上。
然后，利用BFM预先定义的形状与表情参数将BFM拟合到目标地理区域三维人脸数据。具体地，利用最小二乘法将BFM的形状参数和表情参数拟合到采集的目标地理区域三维人脸数据上，使得其在基本形状与表情上和目标地理区域三维人脸数据更加接近。
重复上述将三维关键点与BFM的关键点对齐，以及进行形状与表情的拟合，直至BFM与目标地理区域三维人脸数据的对齐误差小于阈值。
这里的重复操作是多次迭表情参数拟合、形状参数拟合操作，直至收敛到小于阈值的情况，对齐是指将BFM对齐到采集到的人脸三维数据上。
步骤103，利用非刚性最近点迭代算法，将BFM进行精细对齐和坐标归一化。
本实施例中，利用非刚性最近点迭代算法，以采集到的目标地理区域三维人脸数据为目标面片，沿每个顶点的法向将BFM逐点对齐至目标面片上。这里以初步对齐的BFM为初始化模型，以实际采集数据即目标地理区域三维人脸数据为目标模型，将BFM的面片逐一对齐到实际采集数据的位置上。
在将BFM对齐至采集到的目标地理区域三维人脸数据后，再对所得BFM统一朝向、尺度和重心坐标，并根据采集到的标地理区域三维人脸数据对每个顶点赋值相应的RGB三通道颜色数据。
本实施例中，利用非刚性最近点迭代算法，以采集到的目标地理区域三维人脸数据为目标面片，对BFM进行精细的逐点对齐，对齐后再将坐标归一化。
步骤104，对精细对齐和归一化后的BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵。
基于统计信息，求解能够最大程度描述用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标变换矩阵。其中，首先利用无表情数据求解人脸基本形状的主成分参数和对应的参数-顶点坐标变换矩阵；然后利用带表情数据的顶点偏移量求解人脸表情的主成分参数和对应的参数-顶点坐标变换矩阵；最后根据对BFM中每个顶点的RGB三通道颜色数据求解人脸纹理的主成分参数和对应的参数-顶点坐标变换矩阵。这里的主成分是主成分分析算法的输出结果。
本实施例中，目标地理区域的人脸模板包括用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵，该人脸模板具有较好的拟合效果和表现能力。
在生成目标地理区域的人脸模板后，可通过例如基于能量函数的拟合方法，将该模板拟合到目标地理区域任意表情的任意人脸图片或三维数据中，进行人脸重建。
在本申请的一个实施例中，可以利用图2所示的方法利用BFM预设的表情参数将BFM拟合到所述目标地理区域三维人脸数据上。图2为本申请实施例提供的另一种目标地理区域人脸模板生成方法的流程示意图。
如图2所示，上述利用表情参数将BFM拟合到目标地理区域三维人脸数据上，包括：
步骤201，根据采集到的数据在多个不同角度进行渲染，得到对应的多张二维彩色人脸图像。
比如，从三个不同角度进行渲染，得到三张二维彩色人脸图像。在实际应用中，选取的角度数量可以根据需要确定，每个角度可得到一张二维彩色人脸图像或多张二维彩色人脸图像。
步骤202，利用人脸标定点识别算法，从每张二维彩色人脸图像中识别出预设数量的二维人脸标定点。
比如，从每张二维彩色人脸图像中识别出68个二维人脸标定点。这里的人脸标定点可以理解为人脸特征点。
步骤203，将每张二维彩色人脸图像对应的预设数量的二维人脸标定点重投影回尺度变换后的三维人脸模板BFM三维模型上，并进行整合，得到对应的预设数量的三维的人脸标定点。
步骤204，用预设数量的三维人脸标定点参数构造能量函数，进行表情拟合。
为了实现上述实施例，本申请实施例还提出一种目标地理区域人脸模板生成装置。图3为本申请实施例提供的一种目标地理区域人脸模板生成装置的结构示意图。
如图3所示，该目标地理区域人脸模板生成装置包括：采集模块310、第一处理模块320、第二处理模块330、分析模块340。
采集模块310，用于采集携带有纹理信息的目标地理区域三维人脸数据；
第一处理模块320，用于将所述目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；
第二处理模块330，用于利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化；
分析模块340，用于对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵。
在本申请实施例一种可能的实现方式中，上述第二处理模块330，具体用于：利用非刚性最近点迭代算法，以采集到的所述目标地理区域三维人脸数据为目标面片，对所述BFM进行精细的逐点对齐，对齐后再将坐标归一化。
在本申请实施例一种可能的实现方式中，上述第一处理模块320，具体用于：
将三维人脸数据对应的三维关键点与所述BFM的三维关键点进行对齐；
利用BFM预先定义的形状与表情参数将所述BFM拟合到所述目标地理区域三维人脸数据上。
在本申请实施例一种可能的实现方式中，上述第一处理模块320，具体用于：
根据采集到的数据在多个不同角度进行渲染，得到多张二维彩色人脸图像；
利用人脸标定点识别算法，从每张二维彩色人脸图像中识别出预设数量的二维人脸标定点；
将每张二维彩色人脸图像对应的预设数量的二维人脸标定点重投影回尺度变换后的三维人脸模板BFM上，并进行整合，得到对应的预设数量的三维人脸标定点；
用预设数量的三维人脸标定点参数构造能量函数，进行三维人脸模板的表情拟合。
需要说明的是，上述对目标地理区域人脸模板生成方法实施例的解释说明，也适用于该实施例的目标地理区域人脸模板生成装置，故在此不再赘述。
本申请实施例的目标地理区域人脸模板生成装置，通过利用现有的人脸模板BFM和采集的目标地理区域的三维人脸数据，得到目标地理地区的人脸模板，工作量小，成本低，在人脸重建时，利用上述目标地理区域的人脸模板，相比直接利用现有的人脸模板，对目标地理区域的人脸的图片或者三维数据具有更好的拟合和表现能力，人脸重建的准确度高。
为了实现上述实施例，本申请实施例还提出了一种电子设备，包括处理器和存储器；
其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如上述实施例的目标地理区域人脸模板生成方法。其中，电子设备可以是计算机等。
为了实现上述实施例，本申请实施例还提出了一种非临时性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上述实施例的目标地理区域人脸模板生成方法。
在本说明书的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种目标地理区域人脸模板生成方法，其特征在于，包括：
采集携带有纹理信息的目标地理区域三维人脸数据；
将所述目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；
利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化；
对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵；
其中，所述将目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐，包括：
将三维人脸数据对应的三维关键点与所述BFM的三维关键点进行对齐；
利用BFM预先定义的形状与表情参数将所述BFM拟合到所述目标地理区域三维人脸数据上；
利用所述表情参数将所述BFM拟合到所述目标地理区域三维人脸数据上，包括：
根据采集到的数据在多个不同角度进行渲染，得到多张二维彩色人脸图像；
利用人脸标定点识别算法，从每张二维彩色人脸图像中识别出预设数量的二维人脸标定点；
将每张二维彩色人脸图像对应的预设数量的二维人脸标定点重投影回尺度变换后的所述BFM上，并进行整合，得到对应的预设数量的三维人脸标定点；
用所述预设数量的三维人脸标定点参数构造能量函数，进行表情拟合；
所述对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵，包括：
利用无表情数据求解人脸基本形状的主成分参数和对应的参数-顶点坐标变换矩阵；
利用带表情数据的顶点偏移量求解人脸表情的主成分参数和对应的参数-顶点坐标变换矩阵；
根据对BFM中每个顶点的RGB三通道颜色数据求解人脸纹理的主成分参数和对应的参数-顶点坐标变换矩阵。
2.如权利要求1所述的方法，其特征在于，所述利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化，包括：
利用非刚性最近点迭代算法，以采集到的所述目标地理区域三维人脸数据为目标面片，对所述BFM进行精细的逐点对齐，对齐后再将坐标归一化。
3.一种目标地理区域人脸模板生成装置，其特征在于，包括：
采集模块，用于采集携带有纹理信息的目标地理区域三维人脸数据；
第一处理模块，用于将所述目标地理区域三维人脸数据与三维人脸模板贝塞尔人脸模型BFM进行初步对齐；
第二处理模块，用于利用非刚性最近点迭代算法，将所述BFM进行精细对齐和坐标归一化；
分析模块，用于对精细对齐和归一化后的所述BFM进行主元成分分析，得到用于表征人脸形状、表情、和纹理的参数和对应的参数-顶点坐标矩阵；
其中，所述第一处理模块，具体用于：
将三维人脸数据对应的三维关键点与所述BFM的三维关键点进行对齐；
利用BFM预先定义的形状与表情参数将所述BFM拟合到所述目标地理区域三维人脸数据上；
所述第一处理模块，还具体用于：
根据采集到的数据在多个不同角度进行渲染，得到多张二维彩色人脸图像；
利用人脸标定点识别算法，从每张二维彩色人脸图像中识别出预设数量的二维人脸标定点；
将每张二维彩色人脸图像对应的预设数量的二维人脸标定点重投影回尺度变换后的所述BFM上，并进行整合，得到对应的预设数量的三维人脸标定点；
用所述预设数量的三维人脸标定点参数构造能量函数，进行表情拟合；
所述分析模块，具体用于：
利用无表情数据求解人脸基本形状的主成分参数和对应的参数-顶点坐标变换矩阵；
利用带表情数据的顶点偏移量求解人脸表情的主成分参数和对应的参数-顶点坐标变换矩阵；
根据对BFM中每个顶点的RGB三通道颜色数据求解人脸纹理的主成分参数和对应的参数-顶点坐标变换矩阵。
4.如权利要求3所述的装置，其特征在于，所述第二处理模块，具体用于：利用非刚性最近点迭代算法，以采集到的所述目标地理区域三维人脸数据为目标面片，对所述BFM进行精细的逐点对齐，对齐后再将坐标归一化。
5.一种电子设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-2中任一所述的目标地理区域人脸模板生成方法。
6.一种非临时性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1-2中任一所述的目标地理区域人脸模板生成方法。
CN202010472909.2A 2020-05-29 2020-05-29 目标地理区域人脸模板生成方法和装置 Active CN111754557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010472909.2A CN111754557B (zh) 2020-05-29 2020-05-29 目标地理区域人脸模板生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010472909.2A CN111754557B (zh) 2020-05-29 2020-05-29 目标地理区域人脸模板生成方法和装置

Publications (2)

Publication Number Publication Date
CN111754557A CN111754557A (zh) 2020-10-09
CN111754557B true CN111754557B (zh) 2023-02-17

Family

ID=72674272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010472909.2A Active CN111754557B (zh) 2020-05-29 2020-05-29 目标地理区域人脸模板生成方法和装置

Country Status (1)

Country Link
CN (1) CN111754557B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569768A (zh) * 2019-08-29 2019-12-13 四川大学 人脸模型的构建方法、人脸识别方法、装置及设备
CN110807836A (zh) * 2020-01-08 2020-02-18 腾讯科技（深圳）有限公司 三维人脸模型的生成方法、装置、设备及介质
CN111028343A (zh) * 2019-12-16 2020-04-17 腾讯科技（深圳）有限公司 三维人脸模型的生成方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106469465A (zh) * 2016-08-31 2017-03-01 深圳市唯特视科技有限公司 一种基于灰度和深度信息的三维人脸重建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569768A (zh) * 2019-08-29 2019-12-13 四川大学 人脸模型的构建方法、人脸识别方法、装置及设备
CN111028343A (zh) * 2019-12-16 2020-04-17 腾讯科技（深圳）有限公司 三维人脸模型的生成方法、装置、设备及介质
CN110807836A (zh) * 2020-01-08 2020-02-18 腾讯科技（深圳）有限公司 三维人脸模型的生成方法、装置、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于地理区域分布的人脸几何特征研究;张红梅等;《计算机应用》;20040228(第02期);全文 *
基于多区域融合的表情鲁棒三维人脸识别算法;桑高丽等;《计算机应用》;20190122(第06期);全文 *
基于形变模型带表情的三维人脸重建;孙建伟;《现代计算机(专业版)》;20180225(第06期);全文 *

Also Published As

Publication number Publication date
CN111754557A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN108549873B (zh) 三维人脸识别方法和三维人脸识别系统
Bronstein et al. Three-dimensional face recognition
KR101007276B1 (ko) 3차원 안면 인식
EP2048599B1 (en) System and method for 3D object recognition
CN110675487B (zh) 基于多角度二维人脸的三维人脸建模、识别方法及装置
US20160253807A1 (en) Method and System for Determining 3D Object Poses and Landmark Points using Surface Patches
CN109754396B (zh) 图像的配准方法、装置、计算机设备和存储介质
CN109844818B (zh) 用于建立元素的可变形3d模型的方法和相关联系统
Lee et al. Finding optimal views for 3D face shape modeling
US20220237880A1 (en) System and method of generating a 3d representation of an object
CN111401157A (zh) 一种基于三维特征的人脸识别方法和系统
CN112102294A (zh) 生成对抗网络的训练方法及装置、图像配准方法及装置
CN110738730A (zh) 点云匹配方法、装置、计算机设备和存储介质
CN112950684B (zh) 基于表面配准的目标特征提取方法、装置、设备和介质
CN111754557B (zh) 目标地理区域人脸模板生成方法和装置
CN110309738B (zh) 一种对oct指纹图像进行标注的方法
CN113343879A (zh) 全景面部图像的制作方法、装置、电子设备及存储介质
CN116225236B (zh) 基于声光控制智能家居情景交互方法
CN116309883B (zh) 一种3D目标6DoF精确定位方法及系统
CN112232109B (zh) 一种活体人脸检测方法及系统
CN112163509B (zh) 图像处理方法、装置、网络设备及存储介质
CN118169661A (zh) 激光雷达与相机联合标定方法、装置、设备及存储介质
EP4350615A1 (en) Facial deformation compensation method for facial depth image, and imaging apparatus and storage medium
CN116259090A (zh) 一种基于结构光图像的头部姿态估计方法及装置
CN114494595A (zh) 一种生物模型构建方法和三维尺寸测量方法

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