CN114494601B - 基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 - Google Patents
基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 Download PDFInfo
- Publication number
- CN114494601B CN114494601B CN202210121532.5A CN202210121532A CN114494601B CN 114494601 B CN114494601 B CN 114494601B CN 202210121532 A CN202210121532 A CN 202210121532A CN 114494601 B CN114494601 B CN 114494601B
- Authority
- CN
- China
- Prior art keywords
- face
- dimensional
- treatment
- orthodontic
- dimensional 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 42
- 238000004088 simulation Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims description 19
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 210000001508 eye Anatomy 0.000 claims description 4
- 210000000887 face Anatomy 0.000 claims description 4
- 210000005069 ears Anatomy 0.000 claims description 3
- 210000001061 forehead Anatomy 0.000 claims description 3
- 210000000088 lip Anatomy 0.000 claims description 3
- 210000001331 nose Anatomy 0.000 claims description 3
- 230000000399 orthopedic effect Effects 0.000 claims description 3
- 230000008602 contraction Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2004—Aligning objects, relative positioning of parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，涉及技术领域，具体为S1、基于三维人脸正畸治疗方案的数据库；S2、人脸部件划分；S3、计算治疗前后的差异值；S4、基于三维人脸的比对搜索和S5、参数叠加获取预测图像。该基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，医师和患者上传新的图像后对其进行建模划分后，根据各人脸部件的几何参数与纹理参数通过比对收缩引擎于数据库中搜索一致或最为相似的三维人脸模型，该三维人脸模型包括治疗前后两种模型，以便能够直观的检索到与患者类似病例的治疗方案，同时对患者治疗后的预测效果图也可呈现出来，从而有利于患者可以直观知晓其治疗后的治疗效果。
Description
技术领域
本发明涉及脸型矫正技术领域，具体为基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统。
背景技术
畸形脸型的矫正对患者的自信心具有极大的提升，患者在生活中往往会因为畸形脸型而自卑，而在接受矫正治疗后畸形脸型被消除从而使得患者在生活中部位受到他人异样的眼光，从而提升自信心，而畸形脸型的治疗方案往往会被收录至医学杂志中。
现有的畸形脸型的患者均会在治疗前能够看到跟自己类似患者的矫正效果，更进一步的希望能够看见自己接受治疗的矫正效果，但医学杂志中虽然积累了大量比例，但往往无法将患者人脸资料数字化整理成方便检索的数据库，且传统的搜索引擎只能基于关键文本搜索，无法直观的根据患者人脸图像检索类似病例的治疗方案和治疗效果。
发明内容
针对现有技术的不足，本发明提供了基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，解决了上述背景技术中提出现有的畸形脸型的患者均会在治疗前能够看到跟自己类似患者的矫正效果，更进一步的希望能够看见自己接受治疗的矫正效果，但医学杂志中虽然积累了大量比例，但往往无法将患者人脸资料数字化整理成方便检索的数据库，且传统的搜索引擎只能基于关键文本搜索，无法直观的根据患者人脸图像检索类似病例的治疗方案和治疗效果的问题。
为实现以上目的，本发明通过以下技术方案予以实现：基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，包括下述操作步骤：
S1、基于三维人脸正畸治疗方案的数据库：
通过整合现有正畸杂志报道上的病例，对平面媒体上接受过正畸矫正治疗前后的二维彩色人脸图片进行收录，并通过深度神经网络转换成三维人脸模型，并使每个三维人脸模型对应该类面型病例的个性化正畸治疗方案，随着三维人脸模型和对应面型病例的增多，自然形成了一种基于三维人脸正畸治疗方案的数据库；
S2、人脸部件划分：
将三维人脸模型划分成不同的组成部分也就是人脸部件，通过3DMM重建各人脸部件，并将不同部件的几何参数和纹理参数组合起来作为识别特征；
S3、计算治疗前后的差异值：
治疗前后的二维彩色人脸图片均转换为三维人脸模型，计算出治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x；
S4、基于三维人脸的比对搜索：
上传新的单张人脸图像或一个人的多张不同角度的人脸图像，重建三维人脸模型获得三维人脸模型y，并对其划分成不同的人脸部件，三维人脸模型y的人脸部件称之为人脸部件y，人脸部件y通过搜索比对引擎与数据库中已有的治疗前的三维人脸x的人脸部件x进行比对，比对几何参数与纹理参数，并将最为相似的人脸部件x及其与之对应的人脸三维模型x和治疗方案反馈至医师和患者；
S5、参数叠加获取预测图像：
与人脸部件y最为相似的人脸部件x具有对应的治疗后的人脸部件x’，人脸部件x’与人脸部件x之间的差异值△x叠加至人脸部件y上，获得人脸部件y+△x，各人脸部件y均经过叠加后获得预测的治疗后的三维人脸模型y’。
进一步的，所述S1步骤中，正畸杂志报道包括American Journal ofOrthodontics and Dentofacial Orthopedics、European Journal of Orthodontics、Angle Orthodontics和中华口腔正畸学杂志，以及其他在网络上公开可获取的正畸临床技术比赛的病例，包括无托槽隐形矫正病例。
进一步的，所述S1步骤中，深度神经网络是通过一种基于卷积神经网络的单图像人脸重建方法，该方法利用混合级图像信息进行弱监督学习。
进一步的，所述S1步骤中，深度神经网络还有一种是使用卷积神经网络的多图像人脸重建聚合方法，在没有任何显式特制点的情况下，该方法可以学习测量图像质量并利用不同图像中的互补信息来更准确地重建三维人脸。
进一步的，所述S2步骤中，人脸部件是依照人脸器官即眼睛、鼻子、嘴唇、耳朵对人脸模型进行划分。
进一步的，所述S2步骤中，人脸部件还可采取人脸区域划分即额头区域、脸颊区域、下巴区域对人脸模型进行划分。
进一步的，所述人脸部件还可同时采用人脸器官、人脸区域两种方式进行划分。
进一步的，所述S3步骤中，治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x，其中治疗前三维人脸x和治疗后三维人脸x’均划分为各治疗前人脸部件x和各治疗后人脸部件x’。
进一步的，所述治疗前人脸部件x和治疗后人脸部件x’之间几何参数与纹理参数之间差值即为差异值△x。
进一步的，所述基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统用于模拟预测患者在接受正畸矫正治疗后的效果图像。
本发明提供了基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，具备以下有益效果：
1.该基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，通过收录正畸杂志报道上的病例，并将病例中治疗前后的人脸图像进行建模获得三维人脸模型，并通过将三维人脸模型划分为不同人脸部件，并记录有几何参数与纹理参数，形成一个病例数据库，在医师和患者上传新的图像后对其进行建模划分后，根据各人脸部件的几何参数与纹理参数通过比对收缩引擎于数据库中搜索一致或最为相似的三维人脸模型，该三维人脸模型包括治疗前后两种模型，以便能够直观的检索到与患者类似病例的治疗方案。
2.该基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，上传的新的图像所建出的三维人脸模型y，对其划分成不同的人脸部件y，人脸部件y基于其几何参数与纹理参数，通过搜索比对引擎与数据库中已有的治疗前的三维人脸x的人脸部件x进行比对，与人脸部件y最为相似的人脸部件x具有对应的治疗后的人脸部件x’，人脸部件x’与人脸部件x之间的差异值△x叠加至人脸部件y上，获得人脸部件y+△x，各人脸部件y均经过叠加后获得预测的治疗后的三维人脸模型y’，该三维人脸模型y’即为患者治疗后的预测效果图，从而有利于患者可以直观知晓其治疗后的治疗效果。
附图说明
图1为本发明的操作流程示意图。
具体实施方式
如图1所示，本发明提供技术方案：基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，包括下述操作步骤：
S1、基于三维人脸正畸治疗方案的数据库：
通过整合现有正畸杂志报道上的病例，对平面媒体上接受过正畸矫正治疗前后的二维彩色人脸图片进行收录，并通过深度神经网络转换成三维人脸模型，并使每个三维人脸模型对应该类面型病例的个性化正畸治疗方案，随着三维人脸模型和对应面型病例的增多，自然形成了一种基于三维人脸正畸治疗方案的数据库；
其中，正畸杂志报道包括American Journal of Orthodontics and DentofacialOrthopedics、European Journal of Orthodontics、Angle Orthodontics和中华口腔正畸学杂志以及其他在网络上公开可获取的正畸临床技术比赛的病例，包括无托槽隐形矫正病例；
深度神经网络是通过一种基于卷积神经网络的单图像人脸重建方法，该方法利用混合级图像信息进行弱监督学习，深度神经网络还有一种是使用卷积神经网络的多图像人脸重建聚合方法，在没有任何显式特制点的情况下，该方法可以学习测量图像质量并利用不同图像中的互补信息来更准确地重建三维人脸
S2、人脸部件划分：
将三维人脸模型划分成不同的组成部分也就是人脸部件，通过3DMM重建各人脸部件，并将不同部件的几何参数和纹理参数组合起来作为识别特征；
其中，人脸部件是依照人脸器官即眼睛、鼻子、嘴唇、耳朵对人脸模型进行划分，人脸部件还可采取人脸区域划分即额头区域、脸颊区域、下巴区域对人脸模型进行划分，人脸部件还可同时采用人脸器官、人脸区域两种方式进行划分；
S3、计算治疗前后的差异值：
治疗前后的二维彩色人脸图片均转换为三维人脸模型，计算出治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x；
其中，治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x，其中治疗前三维人脸x和治疗后三维人脸x’均划分为各治疗前人脸部件x和各治疗后人脸部件x’，而治疗前人脸部件x和治疗后人脸部件x’之间几何参数与纹理参数之间差值即为差异值△x；
S4、基于三维人脸的比对搜索：
上传新的单张人脸图像或一个人的多张不同角度的人脸图像，重建三维人脸模型获得三维人脸模型y，并对其划分成不同的人脸部件，三维人脸模型y的人脸部件称之为人脸部件y，人脸部件y通过搜索比对引擎与数据库中已有的治疗前的三维人脸x的人脸部件x进行比对，比对几何参数与纹理参数，并将最为相似的人脸部件x及其与之对应的人脸三维模型x和治疗方案反馈至医师和患者；
S5、参数叠加获取预测图像：
与人脸部件y最为相似的人脸部件x具有对应的治疗后的人脸部件x’，人脸部件x’与人脸部件x之间的差异值△x叠加至人脸部件y上，获得人脸部件y+△x，各人脸部件y均经过叠加后获得预测的治疗后的三维人脸模型y’；
基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统用于模拟预测患者在接受正畸矫正治疗后的效果图像。
补充说明如下，具体的实施环境包括：终端、人脸检索系统和正畸矫正方案数据库，其中终端的类型包括但不限于智能手机、台式电脑、笔记本电脑、平板电脑等，而人脸检索系统具体形式为服务器并具有比对搜索引擎，而人脸检索系统和正畸矫正方案数据库可配置在同一服务器上；
通过整合现有正畸杂志报道上的病例，对平面媒体上接受过正畸矫正治疗前后的二维彩色人脸图片进行收录，并通过深度神经网络转换成三维人脸模型，并使每个三维人脸模型对应该类面型病例的个性化正畸治疗方案，随着三维人脸模型和对应面型病例的增多，自然形成了一种基于三维人脸正畸治疗方案的数据库，
其中，基于卷积神经网络(CNN)通过平面彩色图像人脸重建三维人脸的方法，该方法利用混合级图像信息进行弱监督学习，相比于基于平面二维图片的检索，通过三维重建后的人脸检索，不容易受光照、姿态、表情、遮挡等因素影响；
而对于用于单幅图像重建的混合弱监督学习，给定一个训练RGB图像I，使用R-Net回归系数向量X，利用它可以通过一些简单的、可微的数学推导分析生成重建的图像I’，通过评估I’的混合损失，并对其进行反向传播，而对于多图像重建的弱监督神经网络聚合,考虑到一个主体的多张脸部图像(比如正面侧面)，利用所有的图像来建立更好的三维脸部形状，由于姿势和光线的变化，在不同条件下拍摄的图像可能会包含相互补充的信息，使用一个图像集进行重建，可以在一些单独的图像中获得对遮挡和不良照明的进一步鲁棒性，在具体实施过程中，深度神经网络采用基于pytorch的Nvdiffrast渲染器，对于人脸识别模型，使用人脸识别模型Arcface进行感知损失计算，对于训练过程，采用数据增强，包含随机图像移位、缩放、旋转和翻转的训练过程，将训练批次从5个扩大到32个，以稳定训练过程，使用超高质量的人脸图像数据集FFHQ来增加训练数据的多样性。
综上，该基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，使用时，首先通过收录正畸杂志报道上的病例，并将病例中治疗前后的人脸图像进行建模获得三维人脸模型，并通过将三维人脸模型划分为不同人脸部件，并记录有几何参数与纹理参数，形成一个病例数据库；
然后在医师和患者上传新的图像后对其进行建模划分后，根据各人脸部件的几何参数与纹理参数通过比对收缩引擎于数据库中搜索一致或最为相似的三维人脸模型，该三维人脸模型包括治疗前后两种模型，以便能够直观的检索到与患者类似病例的治疗方案；
其中，上传的新的图像所建出的三维人脸模型y，对其划分成不同的人脸部件y，各人脸部件y基于其几何参数与纹理参数，通过搜索比对引擎与数据库中已有的治疗前的三维人脸x的人脸部件x进行比对，与人脸部件y最为相似的人脸部件x具有对应的治疗后的人脸部件x’，人脸部件x’与人脸部件x之间的差异值△x叠加至人脸部件y上，获得人脸部件y+△x，各人脸部件y均经过叠加后获得预测的治疗后的三维人脸模型y’，该三维人脸模型y’即为患者治疗后的预测效果图，从而有利于患者可以直观知晓其治疗后的治疗效果。
Claims (10)
1.基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：包括下述操作步骤：
S1、基于三维人脸正畸治疗方案的数据库：
通过整合现有正畸杂志报道上的病例，对平面媒体上接受过正畸矫正治疗前后的二维彩色人脸图片进行收录，并通过深度神经网络转换成三维人脸模型，并使每个三维人脸模型对应该类面型病例的个性化正畸治疗方案，随着三维人脸模型和对应面型病例的增多，自然形成了一种基于三维人脸正畸治疗方案的数据库；
S2、人脸部件划分：
将三维人脸模型划分成不同的组成部分也就是人脸部件，通过3DMM重建各人脸部件，并将不同部件的几何参数和纹理参数组合起来作为识别特征；
S3、计算治疗前后的差异值：
治疗前后的二维彩色人脸图片均转换为三维人脸模型，计算出治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x；
S4、基于三维人脸的比对搜索：
上传新的单张人脸图像或一个人的多张不同角度的人脸图像，重建三维人脸模型获得三维人脸模型y，并对其划分成不同的人脸部件，三维人脸模型y的人脸部件称之为人脸部件y，人脸部件y通过搜索比对引擎与数据库中已有的治疗前的三维人脸x的人脸部件x进行比对，比对几何参数与纹理参数，并将最为相似的人脸部件x及其与之对应的人脸三维模型x和治疗方案反馈至医师和患者；
S5、参数叠加获取预测图像：
与人脸部件y最为相似的人脸部件x具有对应的治疗后的人脸部件x’，人脸部件x’与人脸部件x之间的差异值△x叠加至人脸部件y上，获得人脸部件y+△x，各人脸部件y均经过叠加后获得预测的治疗后的三维人脸模型y’。
2.根据权利要求1所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S1步骤中，正畸杂志报道包括American Journal of Orthodontics andDentofacial Orthopedics、European Journal of Orthodontics、Angle Orthodontics和中华口腔正畸学杂志。
3.根据权利要求2所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S1步骤中，深度神经网络是通过一种基于卷积神经网络的单图像人脸重建方法，该方法利用混合级图像信息进行弱监督学习。
4.根据权利要求3所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S1步骤中，深度神经网络还有一种是使用卷积神经网络的多图像人脸重建聚合方法，在没有任何显式特制点的情况下，该方法可以学习测量图像质量并利用不同图像中的互补信息来更准确地重建三维人脸。
5.根据权利要求4所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S2步骤中，人脸部件是依照人脸器官即眼睛、鼻子、嘴唇、耳朵对人脸模型进行划分。
6.根据权利要求5所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S2步骤中，人脸部件还可采取人脸区域划分即额头区域、脸颊区域、下巴区域对人脸模型进行划分。
7.根据权利要求6所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述人脸部件还可同时采用人脸器官、人脸区域两种方式进行划分。
8.根据权利要求7所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述S3步骤中，治疗前三维人脸x和治疗后三维人脸x’对应的差异值△x，其中治疗前三维人脸x和治疗后三维人脸x’均划分为各治疗前人脸部件x和各治疗后人脸部件x’。
9.根据权利要求8所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述治疗前人脸部件x和治疗后人脸部件x’之间几何参数与纹理参数之间差值即为差异值△x。
10.根据权利要求9所述的基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统，其特征在于：所述基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统用于模拟预测患者在接受正畸矫正治疗后的效果图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210121532.5A CN114494601B (zh) | 2022-02-09 | 2022-02-09 | 基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210121532.5A CN114494601B (zh) | 2022-02-09 | 2022-02-09 | 基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114494601A CN114494601A (zh) | 2022-05-13 |
| CN114494601B true CN114494601B (zh) | 2024-03-08 |
Family
ID=81478544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210121532.5A Active CN114494601B (zh) | 2022-02-09 | 2022-02-09 | 基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494601B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101751689A (zh) * | 2009-09-28 | 2010-06-23 | 中国科学院自动化研究所 | 一种三维人脸重建方法 |
| JP2011039801A (ja) * | 2009-08-12 | 2011-02-24 | Hitachi Ltd | 画像処理装置および画像処理方法 |
| CN107924579A (zh) * | 2015-08-14 | 2018-04-17 | 麦特尔有限公司 | 生成个性化3d头部模型或3d身体模型的方法 |
| CN111353931A (zh) * | 2018-12-24 | 2020-06-30 | 黄庆武整形医生集团(深圳)有限公司 | 整形模拟方法、系统、可读存储介质和设备 |
| CN112652058A (zh) * | 2020-12-31 | 2021-04-13 | 广州华多网络科技有限公司 | 人脸图像重演方法、装置、计算机设备及存储介质 |
| CN112734911A (zh) * | 2021-01-07 | 2021-04-30 | 北京联合大学 | 基于卷积神经网络的单幅图像三维人脸重建方法及系统 |
| CN113112617A (zh) * | 2021-04-13 | 2021-07-13 | 四川大学 | 一种三维图像的处理方法、装置，电子设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11298209B2 (en) * | 2004-02-27 | 2022-04-12 | Align Technology, Inc. | Method and system for providing dynamic orthodontic assessment and treatment profiles |
| US11553988B2 (en) * | 2018-06-29 | 2023-01-17 | Align Technology, Inc. | Photo of a patient with new simulated smile in an orthodontic treatment review software |
-
2022
- 2022-02-09 CN CN202210121532.5A patent/CN114494601B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011039801A (ja) * | 2009-08-12 | 2011-02-24 | Hitachi Ltd | 画像処理装置および画像処理方法 |
| CN101751689A (zh) * | 2009-09-28 | 2010-06-23 | 中国科学院自动化研究所 | 一种三维人脸重建方法 |
| CN107924579A (zh) * | 2015-08-14 | 2018-04-17 | 麦特尔有限公司 | 生成个性化3d头部模型或3d身体模型的方法 |
| CN111353931A (zh) * | 2018-12-24 | 2020-06-30 | 黄庆武整形医生集团(深圳)有限公司 | 整形模拟方法、系统、可读存储介质和设备 |
| CN112652058A (zh) * | 2020-12-31 | 2021-04-13 | 广州华多网络科技有限公司 | 人脸图像重演方法、装置、计算机设备及存储介质 |
| CN112734911A (zh) * | 2021-01-07 | 2021-04-30 | 北京联合大学 | 基于卷积神经网络的单幅图像三维人脸重建方法及系统 |
| CN113112617A (zh) * | 2021-04-13 | 2021-07-13 | 四川大学 | 一种三维图像的处理方法、装置，电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Accuracy assessment of computer-aided three-dimensional simulation and navigation in orthognathic surgery (CASNOS);Yu-Jen Chang 等;Journal of the Formosan Medical Association;20200331;第119卷(第3期);701-711 * |
| 面向形变模型的三维人脸建模研究及其改进;廖海斌;陈庆虎;鄢煜尘;;武汉大学学报(信息科学版);20110205(第02期);54-58 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114494601A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ploumpis et al. | Towards a complete 3D morphable model of the human head | |
| JP7476428B2 (ja) | 画像の視線補正方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
| CN107358648B (zh) | 基于单张人脸图像的实时全自动高质量三维人脸重建方法 | |
| Wang et al. | High resolution acquisition, learning and transfer of dynamic 3‐D facial expressions | |
| WO2022143197A1 (zh) | 虚拟对象面部动画生成方法及装置、存储介质、终端 | |
| CA3162711A1 (en) | Method, system and computer readable storage media for creating three-dimensional dental restorations from two dimensional sketches | |
| WO2022143645A1 (zh) | 三维人脸重建的方法、装置、设备和存储介质 | |
| Cai et al. | Semi-supervised natural face de-occlusion | |
| CN106068514A (zh) | 用于在不受约束的媒体中识别面孔的系统和方法 | |
| CN110147729A (zh) | 用户情绪识别方法、装置、计算机设备及存储介质 | |
| Cosker et al. | Perception of linear and nonlinear motion properties using a FACS validated 3D facial model | |
| WO2022022551A1 (zh) | 具有隐私保护功能的运动障碍评估录像分析方法及设备 | |
| CN113781640A (zh) | 基于弱监督学习的三维人脸重建模型建立方法及其应用 | |
| Benalcazar et al. | A 3D iris scanner from a single image using convolutional neural networks | |
| CN110008835B (zh) | 视线预测方法、装置、系统和可读存储介质 | |
| US20150169945A1 (en) | Facial analysis by synthesis and biometric matching | |
| US20220378548A1 (en) | Method for generating a dental image | |
| CN114842522A (zh) | 应用于美容医疗的人工智能辅助评估方法 | |
| Harastani et al. | Methamphetamine drug abuse and addiction: Effects on face asymmetry | |
| CN114494601B (zh) | 基于人脸图像的三维人脸检索正畸矫正和疗效模拟系统 | |
| Bailenson et al. | Examining virtual busts: Are photogrammetrically generated head models effective for person identification? | |
| Yao et al. | Head CT image convolution feature segmentation and morphological filtering for densely matching points of IoTs | |
| Zhang et al. | E-faceatlasAR: extend atlas of facial acupuncture points with auricular maps in augmented reality for self-acupressure | |
| Jai-Andaloussi et al. | Content Based Medical Image Retrieval based on BEMD: optimization of a similarity metric | |
| Miura et al. | SynSLaG: Synthetic sign language generator |
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 |