CN114723888A - 三维发丝模型生成方法、装置、设备、存储介质及产品 - Google Patents

Abstract

本公开提供了一种三维发丝模型生成方法、装置、设备、存储介质及产品，人工智能技术领域，具体为深度学习、计算机视觉、增强现实AR等技术领域。具体实现方案为：获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。通过本公开可以降低个性化虚拟形象的制作成本，提升三维虚拟形象生成效果。

Description

三维发丝模型生成方法、装置、设备、存储介质及产品

技术领域

本公开人工智能技术领域，尤其涉及深度学习、计算机视觉、增强现实等技术领域，具体为一种三维发丝模型生成方法、装置、设备、存储介质及产品。

背景技术

由于虚拟技术的快速发展，虚拟形象技术也在快速提高，尤其是三维虚拟形象，三维虚拟形象在社交、直播、游戏等用户场景具有广泛应用价值。

三维形象中，人脸的外貌很大程度由发型决定，发型也可以使得虚拟形象更加具有观赏性，增加体验感。

发明内容

本公开提供了一种三维发丝模型生成方法、装置、设备、存储介质及产品。

根据本公开的第一方面，提供了一种三维发丝模型生成方法，所述方法包括：

获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。

根据本公开的第二方面，提供了一种三维发丝模型应用方法，所述方法包括：

获取人脸图像，并获取所述人脸图像的发型区域图像；将所述发型区域图像输入第一方面所述的三维发丝模型中，得到具有三维发丝的三维发型图像；基于所述人脸图像和所述三维发型图像，生成虚拟形象。

根据本公开的第三方面，提供了一种三维发丝模型生成装置，所述装置包括：

获取模块，用于获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；计算模块，用于基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；生成模块，用于基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。

根据本公开的第四方面，提供了一种三维发丝模型应用装置，其特征在于，所述装置包括：

获取模块，用于获取人脸图像，并获取所述人脸图像的发型区域图像；处理模块，用于将所述发型区域图像输入至第三方面所述的三维发丝模型中，得到具有三维发丝的三维发型图像；生成模块，用于基于所述人脸图像和所述三维发型图像，生成虚拟形象。

根据本公开的第五方面，提供了一种电子设备，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第一方面或第二方面所述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面或第二方面所述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面或第二方面所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示出了本公开实施例提供的一种三维发丝模型生成方法的流程示意图；

图2示出了本公开实施例提供的一种获取发丝走向图的方法的流程示意图；

图3示出了本公开实施例提供的一种提取人脸关键点的示意图；

图4示出了本公开实施例提供的一种确定三维人脸模型的发丝顶点的方法的流程示意图；

图5示出了本公开实施例提供的一种生成三维发丝模型的方法的流程示意图；

图6示出了本公开实施例提供的一种生成三维发丝模型的方法的示意图；

图7示出了本公开实施例提供的一种虚拟形象生成方法的流程示意图；

图8示出了本公开实施例提供的对齐图像与三维发丝模型生成效果的示意图；

图9示出了本公开实施例提供的一种三维发丝模型生成装置的结构示意图；

图10示出了本公开实施例提供的一种虚拟形象生成装置的结构示意图；

图11示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

虽然三维虚拟形象在社交、直播、游戏等应用场景中具有广泛应用价值，但是定制个性化的虚拟形象往往成本较高。虚拟形象仅在人脸五官上具备生成能力，而人脸的外貌很大程度由发型决定。

但是虚拟形象中发丝建模复杂数量大，通过工人构建发丝成本较高，并且生成的发型与原始发型的相似度低。

基于此，本公开提出一种三维发丝模型生成方法和装置。本申请提出基于单张人脸图像，生成与人脸图像对应的三维发丝模型。生成的三维发丝模型与原始人脸图像的相似度高，并且降低了构建发丝模型的成本，可以更加形象的体现出人脸图像中的发型；还可以为用户定制个性化的虚拟形象的发型。

下述实施例将结合附图对本公开的三维发丝模型生成方法和装置进行说明。

图1示出了本公开实施例提供的一种三维发丝模型生成方法的流程示意图，如图1中所示，该方法可以包括：

在步骤S110中，获取原始人脸图像的发丝走向图，并获取与原始人脸图像对应的三维人脸模型的位姿和发型特征标识。

在本公开实施例中，本公开可以应用于三维虚拟形象中，当然不限于三维虚拟形象，本申请仅仅是以应用于三维虚拟形象中为例进行说明。

在应用三维虚拟形象的应用场景中，可以为虚拟形象添加相应的发型。例如，获取到原始人脸图像，进一步获取原始人脸图像的发丝走向图。其中，获取的原始人脸图像可以是单张人脸图像。

还可以根据获取的原始人脸图像，获取三维人脸模型在该原始人脸图像中贴合人脸位置的位姿(pose，P)，以及原始人脸图像对应的发型特征标识。

在步骤S120中，基于三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点。

在本公开实施例中，可以在人脸模型的位姿下，确定人脸图像发型特征标识的三维像素坐标。从而根据像素坐标确定三维人脸模型的发丝顶点。

在步骤S130中，基于发丝顶点和发丝走向图，生成三维发丝模型。

在本公开实施例中，可以根据发丝走向图，以及确定的发丝顶点，采用发丝生长技术，在发丝顶点位置，按照发丝走向图，完成发丝生成。

通过本公开提供的三维发丝模型生成方法，通过识别单张人脸图像，获取原始人脸图像，降低了个性化虚拟形象的制作成本。通过原始人脸图像的发丝走向和发丝顶点，从而生成三维发丝模型，提升了三维虚拟形象生成效果。

本公开实施例可以根据获取的原始人脸图像，获取对应的发丝走向图，获取发丝走向图的实施方式如下。

图2示出了本公开实施例提供的一种获取发丝走向图的方法的流程示意图，如图2中所示，该方法可以包括：

在步骤S210中，提取原始人脸图像的二维人脸关键点。

在本公开实施例中，用户可以上传单张人脸图像，在检测到上传的原始人脸图像的情况下，获取用户上传的原始人脸图像。

将该原始人脸图像作为人脸关键点(Landmark)网络的输入，基于Landmark网络定位出人脸面部的关键点位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。图3示出了本公开实施例提供的一种提取人脸关键点的示意图。如图3所示，通过人脸关键点网络，识别输入的原始人脸图像，提取原始人脸图像的二维人脸关键点。其中，每一个关键点有一个语义名称，和具备一个二维坐标值，表示它在人脸图像中的位置。

在步骤S220中，基于二维人脸关键点进行人脸图像对齐，得到人脸对齐图像。

在本公开实施例中，根据提取的二维人脸关键点中包括的两眼与鼻尖关键点做人脸图像对齐，获得人脸对齐图像。人脸对齐图像的获取，可以大幅度提高人脸识别的准确率与稳定性。

在步骤S230中，基于人脸对齐图像的发丝信息，确定发丝走向图。

在本公开实施例中，将获得的人脸对齐图像，输入至发丝走向图网络中，获取人脸对齐图像的发丝信息，并根据发丝信息，预测人脸对齐图像的发型走向图。其中，发丝走向图网络可以是单向循环生成(CycleGan)网络，CycleGan可以理解为是一种环形对抗生成深度学习网络，可以通过对两类无需配对的图像集进行训练，将一类图像转换成另外一类图像。例如，将原始人脸图像作为第一个类别，将基于三维发丝数据集渲染的二维走向图作为第二个类别，训练CycleGan网络，预测输入人脸图像输出发丝走向图。

在本公开实施例中，还可以基于人脸对齐图像，确定三维人脸模型在所脸对齐图像中的位姿。以及，基于人脸对齐图像，获取人脸对齐图像的发型特征标识。其中，发型特征标识可以是发型掩膜。

通过提取掩膜，用掩膜对图像上某些区域作屏蔽，可以获取与本公开相关的区域，其他图像中的区域不参加处理或不参加处理参数的计算，从而减轻计算量。

进一步的，可以根据图片虚拟人物形象(Photo-to-Avatar，PTA)技术，通过单张人脸图像(即，原始人脸图像)，生成与图像中人脸外观对齐的三维虚拟人脸的位姿。

在本公开中，基于上述实施方式中的确定的三维人脸模型的位姿，可以进一步确定三维人脸模型的发丝顶点，实施方式如下。

图4示出了本公开实施例提供的一种确定三维人脸模型的发丝顶点的方法的流程示意图，如图4中所示，该方法可以包括：

在步骤S410中，基于原始人脸图像与摄像装置的距离，确定位姿的深度。

在步骤S420中，获取人脸对齐图像的发型特征标识内所有像素，并将深度添加至发型特征标识内的像素中，得到发型特征标识内像素的像素深度。

在步骤S430中，获取发型特征标识内像素的像素坐标，并基于像素坐标和像素深度，计算三维人脸模型的发丝顶点。

在本公开实施例中，在确定三维人脸模型的位姿的情况下，基于原始人脸图像与摄像装置的距离，确定三维人脸模型的位姿的深度。

基于发型分割网络(hair segmentation)对原始人脸图像的人脸对齐图像进行分割，得到人脸对齐图像的发型特征标识(mask)。获取发型特征标识范围内所有像素，并将确定的三维人脸模型的位姿的深度，添加至像素中，得到发型特征标识内所要像素的像素深度。

在本公开中，还可以获取发型特征标识所有像素内的像素坐标，基于像素坐标和像素深度计算三维人脸模型空间坐标下的发丝顶点。计算三维的发丝顶点的计算量较小，且可以为后续生成发丝走向确定基础数据，减少了设计师构建发丝成本，还可以提高生成发丝走向的准确性。

在本公开实施例中，根据计算的发丝顶点以及获取的发丝走向图，还可以生成三维发丝模型。生成三维发丝模型的实施方式如下。

图5示出了本公开实施例提供的一种生成三维发丝模型的方法的流程示意图，如图5中所示，该方法可以包括：

在步骤S510中，获取发丝走向图的第一像素坐标，并在第一像素坐标中，确定与发丝顶点像素坐标相同的第二像素坐标。

在步骤S520中，将第二像素坐标与摄像装置参数进行逆运算，得到三维发丝走向。

在步骤S530中，基于三维发丝走向和发丝顶点，生成三维发丝模型。

在本公开实施例中，如上述，已确定三维人脸模型的位姿以及发型特征标识范围内所有的像素坐标。获取发丝走向图的第一像素坐标，通过比较发丝走向图的第一像素坐标与发型特征标识范围内所有的像素坐标，在第一像素坐标中，确定与发丝顶点像素坐标相同的第二像素坐标。将发型走向图中的第二像素坐标与摄像装置参数进行逆运算，将第二像素坐标下的二维发丝走向，转化为该发丝顶点的三维发丝走向，从而得到三维发丝走向。

在本公开中，进一步的，还可以基于发丝生长技术，获得完整的头皮到发梢的完整发丝。例如，将三维发丝走向和发丝顶点作为发丝生长技术的输入，以头皮顶点坐标作为起始点，令头皮顶点生长发丝到达发丝顶点区域，生成三维发丝模型。通过本公开生成的三维发丝模型，有效的提升了虚拟形象生成的相似度。

在本公开实施例中，可以将生成的三维发丝模型渲染到任意的三维人脸模型中，得到渲染图像。得到的渲染图像可以应用于虚拟人物形象中。

图6示出了本公开实施例提供的一种生成三维发丝模型的方法的示意图。如图6中所示，基于Landmark网络提取原始人脸图像的二维人脸关键点，并基于两眼与鼻尖关键点做人脸图像对齐，获得人脸对齐图像A(align)。基于发型分割网络(hair segmentation)，输入对齐图像A，预测发型特征标识M(mask)。基于发丝走向图CycleGan网络，输入对齐图像A，预测发丝走向图D(direction)。基于PTA技术，输入对齐图像A，预测三维人脸模型H在图像中贴合人脸位置的位姿P(pose)。基于三维人脸模型H在位姿P下，模型前脸到渲染摄像机的距离计算深度，并基于该深度扩散到发型掩码M范围下的所有像素。获取发型掩码M范围下的所有像素的像素坐标，基于像素坐标和像素深度计算三维人脸模型H空间坐标下的发丝顶点V(vertex)，并将发型走向图D中相同像素坐标下的二维走向转化为该发丝顶点的三维发丝走向。基于发丝生长技术，输入发丝顶点V及其发丝走向，完成发丝生长，获得三维发丝模型S(strands)。在渲染环境中，导入三维发丝模型S，得到与原始人脸图像对应的三维发型图像。获取任意三维人脸模型模拟的三维人脸图像，将得到的三维发型图像与任意的三维人脸图像进行渲染，得到渲染图像R(render)。

图7示出了本公开实施例提供的一种虚拟形象生成方法的流程示意图，如图7中所示，该方法可以包括：

在步骤S710中，获取人脸图像，并获取人脸图像的发型区域图像。

在步骤S720中，将发型区域图像输入至三维发丝模型中，得到具有三维发丝走向的三维发型图像。

在步骤S730中，基于人脸图像和三维发型图像，生成虚拟形象。

在本公开实施例中，得到三维发丝模型后，可以基于三维发丝模型得到与人脸图像具有对应的三维发丝走向的发型图像。进一步根据人脸图像以及三维人脸模型，生成三维人脸图像。将得到的发型图像与三维人脸图像进行组合渲染，从而可以生成虚拟形象，且该虚拟形象的发型与人脸图像的发型对应。需要说明的是，进行组合渲染的三维人脸图像可以是用于获取发型区域图像的人脸图像，也可以是其他的人脸图像，即，在本公开中，生成的发型图像可以与任意的人脸图像进行组合，生成相应的虚拟图像，在此不做具体限定。

示例性的，通过本公开生成的三维发丝模型，可以渲染到任意三维人脸模型中的效果图，可参见图8。图8示出了本公开实施例提供的对齐图像与三维发丝模型生成效果的示意图。如图8所示，通过识别单张原始人脸图像的对齐图像，可以生成对应的三维发丝模型。将待输入的人脸图像输入至得到的三维发丝模型中，得到与人脸图像对应的三维发型图像。获取任意一个基于三维人脸模型得到的三维人脸图像，将三维发型图像和三维人脸图像进行组合渲染，得到渲染图像，获得虚拟形象。通过本公开提供的方案应用至图8可知，本公开得到的三维发丝模型能够比较准确的生成近似人脸图像的三维发丝模型，有效的提升了虚拟形象生成的相似度。

并且通过本公开提供的方法，能够有效提升虚拟形象生成内在技术实力，扩大产品纬度，增强用户粘性。

基于与图1中所示的方法相同的原理，图9示出了本公开实施例提供的一种三维发丝模型生成装置的结构示意图，如图9所示，该三维发丝模型生成装置900可以包括：

获取模块901，用于获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；计算模块902，用于基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；生成模块903，用于基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。

在本公开实施例中，所述获取模块901，用于提取原始人脸图像的二维人脸关键点；基于所述二维人脸关键点进行人脸图像对齐，得到人脸对齐图像；基于所述人脸对齐图像的发丝信息，确定发丝走向图。

在本公开实施例中，所述获取模块901，还用于基于所述人脸对齐图像，确定三维人脸模型在所述人脸对齐图像中的位姿，并基于所述人脸对齐图像，获取所述人脸对齐图像的发型特征标识。

在本公开实施例中，所述计算模块902，用于基于原始人脸图像与摄像装置的距离，确定所述位姿的深度；获取所述人脸对齐图像的发型特征标识内所有像素，并将所述深度添加至所述发型特征标识内的所述像素中，得到发型特征标识内所述像素的像素深度；获取发型特征标识内所述像素的像素坐标，并基于所述像素坐标和所述像素深度，计算所述三维人脸模型的发丝顶点。

在本公开实施例中，所述生成模块903，用于获取所述发丝走向图的第一像素坐标，并在所述第一像素坐标中，确定与所述发丝顶点像素坐标相同的第二像素坐标；将所述第二像素坐标与摄像装置参数进行逆运算，得到三维发丝走向；基于所述三维发丝走向和所述发丝顶点，生成三维发丝模型。

基于与图6中所示的方法相同的原理，图10示出了本公开实施例提供的一种虚拟形象生成装置的结构示意图，如图10所示，该虚拟形象生成装置1000可以包括：

获取模块1001，用于获取人脸图像，并获取所述人脸图像的发型区域图像；处理模块1002，用于将所述发型区域图像输入至三维发丝模型中，得到具有三维发丝的三维发型图像；生成模块1003，用于基于所述人脸图像和所述三维发型图像，生成虚拟形象。本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)202中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如方法三维发丝模型生成。例如，在一些实施例中，方法三维发丝模型生成可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的方法三维发丝模型生成的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法三维发丝模型生成。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种三维发丝模型生成方法，其特征在于，所述方法包括：

获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；

基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；

基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。

2.根据权利要求1所述的方法，其中，所述获取原始人脸图像的发丝走向图，包括：

提取原始人脸图像的二维人脸关键点；

基于所述二维人脸关键点进行人脸图像对齐，得到人脸对齐图像；

基于所述人脸对齐图像的发丝信息，确定发丝走向图。

3.根据权利要求1或2所述的方法，其中，所述获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识，包括：

基于所述人脸对齐图像，确定三维人脸模型在所述人脸对齐图像中的位姿，并

基于所述人脸对齐图像，获取所述人脸对齐图像的发型特征标识。

4.根据权利要求1-3任一项所述的方法，其中，所述基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点，包括：

基于原始人脸图像与摄像装置的距离，确定所述位姿的深度；

获取所述发型特征标识内所有像素，并将所述深度添加至所述像素中，得到所述像素的像素深度；

获取所述像素的像素坐标，并基于所述像素坐标和所述像素深度，计算所述三维人脸模型的发丝顶点。

5.根据权利要求1-3任一项所述的方法，其中，所述基于所述发丝顶点和所述发丝走向图，生成三维发丝模型，包括：

获取所述发丝走向图的第一像素坐标，并在所述第一像素坐标中，确定与所述发丝顶点像素坐标相同的第二像素坐标；

将所述第二像素坐标与摄像装置参数进行逆运算，得到三维发丝走向；

基于所述三维发丝走向和所述发丝顶点，生成三维发丝模型。

6.一种虚拟形象生成方法，其特征在于，所述方法包括：

获取人脸图像，并获取所述人脸图像的发型区域图像；

将所述发型区域图像输入至权利要求1-5所述的三维发丝模型中，得到具有三维发丝走向的三维发型图像；

基于所述人脸图像和所述三维发型图像，生成虚拟形象。

7.一种三维发丝模型生成装置，其特征在于，所述装置包括：

获取模块，用于获取原始人脸图像的发丝走向图，并获取与所述原始人脸图像对应的三维人脸模型的位姿和发型特征标识；

计算模块，用于基于所述三维人脸模型的位姿和发型特征标识，计算三维人脸模型的发丝顶点；

生成模块，用于基于所述发丝顶点和所述发丝走向图，生成三维发丝模型。

8.根据权利要求7所述的装置，其中，所述获取模块，用于：

提取原始人脸图像的二维人脸关键点；

基于所述二维人脸关键点进行人脸图像对齐，得到人脸对齐图像；

基于所述人脸对齐图像的发丝信息，确定发丝走向图。

9.根据权利要求7或8所述的装置，其中，所述获取模块，还用于：

基于所述人脸对齐图像，确定三维人脸模型在所述人脸对齐图像中的位姿，并

基于所述人脸对齐图像，获取所述人脸对齐图像的发型特征标识。

10.根据权利要求7-9任一项所述的装置，其中，所述计算模块，用于：

基于原始人脸图像与摄像装置的距离，确定所述位姿的深度；

获取所述发型特征标识内所有像素，并将所述深度添加至所述像素中，得到所述像素的像素深度；

获取所述像素的像素坐标，并基于所述像素坐标和所述像素深度，计算所述三维人脸模型的发丝顶点。

11.根据权利要求7-9任一项所述的装置，其中，所述生成模块，用于：

获取所述发丝走向图的第一像素坐标，并在所述第一像素坐标中，确定与所述发丝顶点像素坐标相同的第二像素坐标；

将所述第二像素坐标与摄像装置参数进行逆运算，得到三维发丝走向；

基于所述三维发丝走向和所述发丝顶点，生成三维发丝模型。

12.一种虚拟形象生成装置，其特征在于，所述装置包括：

获取模块，用于获取人脸图像，并获取所述人脸图像的发型区域图像；

处理模块，用于将所述发型区域图像输入至权利要求1-5所述的三维发丝模型中，得到具有三维发丝的三维发型图像；

生成模块，用于基于所述人脸图像和所述三维发型图像，生成虚拟形象。

13.一种电子设备，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权利要求1-5中任一项所述的方法，或以使所述至少一个处理器能够执行权利要求6所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法，或所述计算机指令用于使所述计算机执行根据权利要求6所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法，或所述计算机程序在被处理器执行时实现根据权利要求6所述的方法。

Images