CN112733705A - 一种基于人体面部的3d智能分析系统 - Google Patents
一种基于人体面部的3d智能分析系统 Download PDFInfo
- Publication number
- CN112733705A CN112733705A CN202110019769.8A CN202110019769A CN112733705A CN 112733705 A CN112733705 A CN 112733705A CN 202110019769 A CN202110019769 A CN 202110019769A CN 112733705 A CN112733705 A CN 112733705A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- characteristic information
- dimensional data
- face
- human face
- 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
Links
- 230000007547 defect Effects 0.000 claims abstract description 27
- 238000003062 neural network model Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 5
- 238000009499 grossing Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于人体面部的3D智能分析系统,其包括三维特征信息获取模块、三维特征信息分析模块和分析结果展示模块;所述三维特征信息获取模块用于获取待整形的人员的脸部的三维特征信息,并发送至三维特征信息分析模块;所述三维特征信息分析模块用于将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,并将所述缺陷类型传输至所述分析结果显示模块;所述分析结果展示模块用于接收并展示所述缺陷类型。本发明实现了对人脸面部的缺陷类型的3D智能分析,将待整形人员的三维特征信息输入到预先训练好的神经网络模型中进行缺陷类型的识别,识别速度快,准确率高。
Description
技术领域
本发明涉及分析领域,尤其涉及一种基于人体面部的3D智能分析系统。
背景技术
在进行脸部整形前,需要先对待整形的人员的脸部的存在的缺陷类型进行确定,进而根据待整形的人员的要求给出处理方案。现有技术中,待整形的人员的脸部所存在的缺陷类型一般是由整形医师通过人眼对待整形的人员的脸部进行观察后分析得到,这种确定方式容易受到整形医师的经验的影响,不够准确。
发明内容
鉴于上述问题,本发明的目的在于提供一种基于人体面部的3D智能分析系统,其包括三维特征信息获取模块、三维特征信息分析模块和分析结果展示模块;
所述三维特征信息获取模块用于获取待整形的人员的脸部的三维特征信息,并发送至三维特征信息分析模块;
所述三维特征信息分析模块用于将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,并将所述缺陷类型传输至所述分析结果显示模块;
所述分析结果展示模块用于接收并展示所述缺陷类型。
优选地,所述三维特征信息获取模块包括人脸三维数据获取子模块、人脸三维数据预处理子模块和人脸三维数据特征信息提取模块;
所述人脸三维数据获取子模块用于获取待整形的人员的脸部的三维数据,并发送至所述人脸三维数据预处理子模块;
所述人脸三维数据预处理子模块用于对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据;
所述人脸三维数据特征信息提取模块用于对所述平滑处理后的三维数据进行人脸区域切割处理,获得切割后的人脸区域的三维数据;
所述人脸三维数据特征信息提取模块用于从所述切割后的人脸区域的三维数据中提取三维特征信息。
优选地,所述将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,包括:
将所述三维特征信息与预先存储的人脸缺陷类型三维模板的特征信息进行匹配,从而确定待整形的人员的脸部存在的缺陷类型。
优选地,所述对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据,包括:
使用Laplace smoothing算法对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据。
优选地,所述从所述切割后的人脸区域的三维数据中提取三维特征信息,包括:
获取所述切割后的人脸区域的三维数据的关键点,将所述关键点作为三维特征信息。
与现有技术相比,本发明的优点在于:
本发明实现了对人脸面部的缺陷类型的3D智能分析,将待整形人员的三维特征信息输入到预先训练好的神经网络模型中进行缺陷类型的识别,识别速度快,准确率高。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种基于人体面部的3D智能分析系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例,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,仅用于解释本发明,而不能理解为对本发明的限制。
如图1中的实施例所示,本发明提供了一种基于人体面部的3D智能分析系统,其包括三维特征信息获取模块、三维特征信息分析模块和分析结果展示模块;
所述三维特征信息获取模块用于获取待整形的人员的脸部的三维特征信息,并发送至三维特征信息分析模块;
所述三维特征信息分析模块用于将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,并将所述缺陷类型传输至所述分析结果显示模块;
所述分析结果展示模块用于接收并展示所述缺陷类型。
优选地,所述三维特征信息获取模块包括人脸三维数据获取子模块、人脸三维数据预处理子模块和人脸三维数据特征信息提取模块;
所述人脸三维数据获取子模块用于获取待整形的人员的脸部的三维数据,并发送至所述人脸三维数据预处理子模块;
所述人脸三维数据预处理子模块用于对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据;
所述人脸三维数据特征信息提取模块用于对所述平滑处理后的三维数据进行人脸区域切割处理,获得切割后的人脸区域的三维数据;
所述人脸三维数据特征信息提取模块用于从所述切割后的人脸区域的三维数据中提取三维特征信息。
由于脸部区域中还包括了头发区域和人脸区域,而头发区域对于识别来说是没有作用的,因此需要通过切割处理,获取属于人脸区域的三维数据,进而对后续的识别处理进行加速。
优选地,所述对所述平滑处理后的三维数据进行人脸区域切割处理,获得切割后的人脸区域的三维数据,包括:
对于平滑处理后的三维数据中的点node,计算其属于脸部的概率参数:
式中,gls(node)表示点node属于脸部的概率参数,ql1(node)表示node处的曲率最大值,ql2(node)表示node处的曲率最小值;
对三维数据中的所有的点分别计算其属于脸部的概率参数;
选取排名靠前的sumthre个概率参数所对应的点作为待检测点;
获取所有待检测点的三维坐标值,计算所有待检测点的三维坐标值的均值,以所述均值作为所有待检测点的中心坐标;
分别计算每个待检测点与所述中心坐标之间的欧式距离,选取最大的欧式距离对应的待检测点作为坐标原点,建立空间直角坐标系;
从所述平滑处理后的三维数据中的点中获取与所述坐标原点之间的欧式距离小于预设的欧式距离阈值的点作为人脸区域的点;
由所有人脸区域的点的坐标值组成切割后的人脸区域的三维数据。
先计算脸部概率参数,脸部概率参数越大,三维数据中的点属于人员区域的点的概率就越大。进而为后续的计算节约时间。先选取大概率所在的区域,然后再在该区域中进行距离中心坐标最远的点,这个点也是人的脸部最突出的点,并以该点为中心,通过欧式距离阈值来选取人脸区域的点,上述计算方式准确率高,并且由于进行了数据筛选,因而计算速度较快。
优选地,所述将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,包括:
将所述三维特征信息与预先存储的人脸缺陷类型三维模板的特征信息进行匹配,从而确定待整形的人员的脸部存在的缺陷类型。
优选地,所述对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据,包括:
使用Laplace smoothing算法对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据。
优选地,所述从所述切割后的人脸区域的三维数据中提取三维特征信息,包括:
获取所述切割后的人脸区域的三维数据的关键点,将所述关键点作为三维特征信息。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
Claims (5)
1.一种基于人体面部的3D智能分析系统,其特征在于,其包括三维特征信息获取模块、三维特征信息分析模块和分析结果展示模块;
所述三维特征信息获取模块用于获取待整形的人员的脸部的三维特征信息,并发送至三维特征信息分析模块;
所述三维特征信息分析模块用于将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,并将所述缺陷类型传输至所述分析结果显示模块;
所述分析结果展示模块用于接收并展示所述缺陷类型。
2.根据权利要求1所述的一种基于人体面部的3D智能分析系统,其特征在于,所述三维特征信息获取模块包括人脸三维数据获取子模块、人脸三维数据预处理子模块和人脸三维数据特征信息提取模块;
所述人脸三维数据获取子模块用于获取待整形的人员的脸部的三维数据,并发送至所述人脸三维数据预处理子模块;
所述人脸三维数据预处理子模块用于对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据;
所述人脸三维数据特征信息提取模块用于对所述平滑处理后的三维数据进行人脸区域切割处理,获得切割后的人脸区域的三维数据;并从所述切割后的人脸区域的三维数据中提取三维特征信息。
3.根据权利要求2所述的一种基于人体面部的3D智能分析系统,其特征在于,所述将所述三维特征信息输入到预先训练好的三维特征信息分析神经网络模型中进行计算,得到所述待整形的人员的脸部存在的缺陷类型,包括:
将所述三维特征信息与预先存储的人脸缺陷类型三维模板的特征信息进行匹配,从而确定待整形的人员的脸部存在的缺陷类型。
4.根据权利要求3所述的一种基于人体面部的3D智能分析系统,其特征在于,所述对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据,包括:
使用Laplace smoothing算法对所述三维数据进行曲面平滑处理,获得平滑处理后的三维数据。
5.根据权利要求1所述的一种基于人体面部的3D智能分析系统,其特征在于,所述从所述切割后的人脸区域的三维数据中提取三维特征信息,包括:
获取所述切割后的人脸区域的三维数据的关键点,将所述关键点作为三维特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019769.8A CN112733705A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人体面部的3d智能分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019769.8A CN112733705A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人体面部的3d智能分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733705A true CN112733705A (zh) | 2021-04-30 |
Family
ID=75591071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110019769.8A Pending CN112733705A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人体面部的3d智能分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733705A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090000635A (ko) * | 2007-03-12 | 2009-01-08 | 주식회사 케이티 | 사용자의 선호도를 만족시키는 3차원 얼굴 성형 시스템 및그 방법 |
KR101438011B1 (ko) * | 2013-11-08 | 2014-09-04 | 수원대학교산학협력단 | 3차원 스캐너를 이용한 얼굴 인식 시스템 |
CN104850825A (zh) * | 2015-04-18 | 2015-08-19 | 中国计量学院 | 一种基于卷积神经网络的人脸图像颜值计算方法 |
CN105913416A (zh) * | 2016-04-06 | 2016-08-31 | 中南大学 | 一种自动分割三维人脸模型区域的方法 |
CN106022228A (zh) * | 2016-05-11 | 2016-10-12 | 东南大学 | 一种基于网格纵横局部二值模式的三维人脸识别方法 |
CN107423665A (zh) * | 2017-06-05 | 2017-12-01 | 中南大学 | 基于bp神经网络的三维人脸分析方法及其分析系统 |
US20180028294A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
CN107679526A (zh) * | 2017-11-14 | 2018-02-09 | 北京科技大学 | 一种人脸微表情识别方法 |
US20180322623A1 (en) * | 2017-05-08 | 2018-11-08 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
CN109508678A (zh) * | 2018-11-16 | 2019-03-22 | 广州市百果园信息技术有限公司 | 人脸检测模型的训练方法、人脸关键点的检测方法和装置 |
WO2019080488A1 (zh) * | 2017-10-27 | 2019-05-02 | 东南大学 | 一种基于多尺度协方差描述子与局部敏感黎曼核稀疏分类的三维人脸识别方法 |
CN110459301A (zh) * | 2019-07-29 | 2019-11-15 | 清华大学 | 基于热力图和面部关键点的脑部神经外科导航配准方法 |
WO2020037963A1 (zh) * | 2018-08-24 | 2020-02-27 | 北京字节跳动网络技术有限公司 | 脸部图像识别的方法、装置及存储介质 |
CN111680577A (zh) * | 2020-05-20 | 2020-09-18 | 北京的卢深视科技有限公司 | 人脸检测方法和装置 |
-
2021
- 2021-01-07 CN CN202110019769.8A patent/CN112733705A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090000635A (ko) * | 2007-03-12 | 2009-01-08 | 주식회사 케이티 | 사용자의 선호도를 만족시키는 3차원 얼굴 성형 시스템 및그 방법 |
KR101438011B1 (ko) * | 2013-11-08 | 2014-09-04 | 수원대학교산학협력단 | 3차원 스캐너를 이용한 얼굴 인식 시스템 |
CN104850825A (zh) * | 2015-04-18 | 2015-08-19 | 中国计量学院 | 一种基于卷积神经网络的人脸图像颜值计算方法 |
CN105913416A (zh) * | 2016-04-06 | 2016-08-31 | 中南大学 | 一种自动分割三维人脸模型区域的方法 |
CN106022228A (zh) * | 2016-05-11 | 2016-10-12 | 东南大学 | 一种基于网格纵横局部二值模式的三维人脸识别方法 |
US20180028294A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
US20180322623A1 (en) * | 2017-05-08 | 2018-11-08 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
CN107423665A (zh) * | 2017-06-05 | 2017-12-01 | 中南大学 | 基于bp神经网络的三维人脸分析方法及其分析系统 |
WO2019080488A1 (zh) * | 2017-10-27 | 2019-05-02 | 东南大学 | 一种基于多尺度协方差描述子与局部敏感黎曼核稀疏分类的三维人脸识别方法 |
CN107679526A (zh) * | 2017-11-14 | 2018-02-09 | 北京科技大学 | 一种人脸微表情识别方法 |
WO2020037963A1 (zh) * | 2018-08-24 | 2020-02-27 | 北京字节跳动网络技术有限公司 | 脸部图像识别的方法、装置及存储介质 |
CN109508678A (zh) * | 2018-11-16 | 2019-03-22 | 广州市百果园信息技术有限公司 | 人脸检测模型的训练方法、人脸关键点的检测方法和装置 |
CN110459301A (zh) * | 2019-07-29 | 2019-11-15 | 清华大学 | 基于热力图和面部关键点的脑部神经外科导航配准方法 |
CN111680577A (zh) * | 2020-05-20 | 2020-09-18 | 北京的卢深视科技有限公司 | 人脸检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
罗常 伟,於俊,于灵 云,李亚 利,王生 进: "三维人脸识别研究进展综述", 清华 大 学 学 报(自 然 科 学 版), vol. 61, no. 1, 20 August 2020 (2020-08-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109408653B (zh) | 基于多特征检索和形变的人体发型生成方法 | |
CN107403168B (zh) | 一种面部识别系统 | |
Lemaire et al. | Fully automatic 3D facial expression recognition using differential mean curvature maps and histograms of oriented gradients | |
CN108921019B (zh) | 一种基于GEI和TripletLoss-DenseNet的步态识别方法 | |
CN103870808A (zh) | 一种手指静脉识别方法 | |
CN101493887B (zh) | 基于半监督学习和哈希索引的眉毛图像分割方法 | |
CN111507206B (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
CN104573634A (zh) | 一种三维人脸识别方法 | |
CN102629321B (zh) | 基于证据理论的人脸表情识别方法 | |
CN107944435A (zh) | 一种三维人脸识别方法、装置及处理终端 | |
CN113538486A (zh) | 一种提高汽车钣金工件的识别与定位精度的方法 | |
CN110796089A (zh) | 用于训练换脸模型的方法和设备 | |
CN112560722A (zh) | 一种飞机目标识别方法、装置、计算机设备和存储介质 | |
CN115586749B (zh) | 基于机器视觉的工件加工轨迹控制方法及相关装置 | |
CN107103311A (zh) | 一种连续手语的识别方法及其装置 | |
CN112597812A (zh) | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 | |
CN111476222A (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 | |
CN112150692A (zh) | 一种基于人工智能的门禁控制方法及系统 | |
CN112001244A (zh) | 计算机辅助虹膜比对方法及装置 | |
CN114299363A (zh) | 图像处理模型的训练方法、图像分类方法及装置 | |
CN104021372A (zh) | 一种人脸识别方法及装置 | |
CN111241979A (zh) | 一种基于图像特征标定的实时障碍物检测方法 | |
CN116664585B (zh) | 基于深度学习的头皮健康状况检测方法及相关装置 | |
CN106980845B (zh) | 基于结构化建模的人脸关键点定位方法 | |
CN106778491A (zh) | 人脸3d特征信息的获取方法及设备 |
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 |