CN115035580A - 一种人物数字孪生构建方法及系统 - Google Patents
一种人物数字孪生构建方法及系统 Download PDFInfo
- Publication number
- CN115035580A CN115035580A CN202210721446.8A CN202210721446A CN115035580A CN 115035580 A CN115035580 A CN 115035580A CN 202210721446 A CN202210721446 A CN 202210721446A CN 115035580 A CN115035580 A CN 115035580A
- Authority
- CN
- China
- Prior art keywords
- shooting
- coordinates
- coordinate system
- face
- digital twin
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000003287 optical effect Effects 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明适用于计算机领域，提供一种人物数字孪生构建方法及系统；该方法包括以下步骤：从由拍摄设备组采集的人物影像中提取目标图片；获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。利用本发明可以实现人物数字孪生的快速构建，且准确性高。
Description
技术领域
本发明涉及计算机领域，具体是一种人物数字孪生构建方法及系统。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
在虚拟现实和增强现实领域中，数字孪生技术也得到了一定程度的应用，而人物数字孪生则是指在虚拟现实或者增强现实的应用场景中，为了更加清晰准确的反应人物，将构建的人物模型作为目标人物的数字孪生模型，以通过数字孪生模型来实现人物面部还原的过程。
目前针对人物数字孪生的构建方法仍不太成熟，存在构建速度慢、准确度低等问题。
发明内容
本发明实施例的目的在于提供一种人物数字孪生构建方法及系统，以解决背景技术中确定的现有技术存在的技术问题。
具体的，本发明实施例是这样实现的，一种人物数字孪生构建方法，包括以下步骤：
从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
在进一步的方案中：所述从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片包括：
获取由拍摄设备组采集的人物影像，识别其中的图片和视频；
对所述拍摄设备组所采集的视频进行逐帧处理以获取图像帧；
合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
在进一步的方案中：所述获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标包括：
构建参考坐标系，所述拍摄设备组中的所有拍摄设备均共用所述参考坐标系，所述拍摄设备对应配备有光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在固定实体点上，发射元件设置有多个且与所述拍摄设备一一对应；
根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
在进一步的方案中：所述根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标包括：
获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度；
根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
在进一步的方案中：所述根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型包括：
根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系；
根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标；
根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
本发明实施例的另一目的在于提供一种人物数字孪生构建系统，该系统包括终端设备和拍摄设备组，所述终端设备包括：
提取模块，用于从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
拍摄坐标获取模块，用于获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
构建模块，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
一级绑定模块，用于通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
二级绑定模块，用于利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
在进一步的方案中：所述提取模块包括：
获取单元，用于获取由拍摄设备组采集的人物影像，识别其中的图片和视频；
视频处理单元，用于对所述拍摄设备组所采集的视频进行逐帧处理以获取图像帧；
合并单元，用于合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
在进一步的方案中：所述人物数字孪生构建系统还包括光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在拍摄坐标获取模块构成的参考坐标系的原点上，发射元件设置有多个且与所述拍摄设备一一对应。
在进一步的方案中：所述拍摄坐标获取模块包括：
参考坐标系构成单元，用于构建参考坐标系并设定原点；
拍摄坐标确定单元，用于根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
在进一步的方案中：所述拍摄坐标确定单元在确定拍摄坐标时包括以下步骤：
获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度；
根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
在进一步的方案中：所述构建模块包括：
转化关系建立单元，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系；
转化单元，用于根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标；
构建单元，用于根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述人物数字孪生构建方法的步骤。
本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得处理器执行上述人物数字孪生构建方法的步骤。
相较于现有技术，本发明的有益效果如下：
本申请实施例中的人物数字孪生构建方法包括以下步骤：从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。通过上述步骤可以实现人物数字孪生的快速构建，且准确性高。
附图说明
图1为本申请一个实施例中一种人物数字孪生构建系统的架构图。
图2为本申请一个实施例中一种人物数字孪生构建方法的流程图。
图3为本申请一个实施例中提取目标图片的步骤流程图。
图4为本申请一个实施例中获取拍摄坐标的步骤流程图。
图5为本申请一个实施例中构建人物数字孪生基础模型的步骤流程图。
图6为本申请一个实施例中终端设备的结构图。
图7为本申请一个实施例中一种计算机设备的结构图。
附图标记注释：100-实体人物、200-终端设备、300-拍摄设备组。
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仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示，为本申请一个实施例中一种人物数字孪生构建系统的架构图，包括实体人物100、终端设备200和拍摄设备组300。
本实施例中，实体人物100即为真人，由拍摄设备组300对实体人物进行拍摄，以获取相应的影像资料，配合终端设备200来进行人物数字孪生的构建，拍摄设备组300包括多个拍摄设备，而拍摄设备的具体类型不加限定，在这里不做赘述。
如图2所示，为本申请一个实施例中一种人物数字孪生构建方法的流程图，具体的，该方法包括以下步骤：
S10，从由拍摄设备组300采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片。
本实施例中，拍摄设备组300包括由多个拍摄设备，其架设于不同方位，用以采集实体人物100的人物影像，然后再从这些人物影像中提取需要用的图片，至于无表情人脸图片则是指实体人物100在没有做出任何表情下的人脸图片，有表情人物图片则是指实体人物100在做出了微笑、皱眉、耸鼻子等动作时人脸图片。
S20，获取所述拍摄设备组300中的所有拍摄设备在拍摄时的拍摄坐标。
本实施例中，为获取足够多的图片素材，拍摄设备组300中的不同拍摄设备是架设在不同方位的，而对这些拍摄设备的拍摄坐标进行确定，可以方便后续的坐标转化。
S30，根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型。
本实施例中，为便于理解，首先解释以下拍摄设备成像的本质，其就是三维空间坐标到二维图像坐标的变换，这是一个投影过程，而拍摄设备的内置矩阵就是建立这种三维到二维的投影关系，而拍摄设备外参主要是指拍摄设备的外参矩阵，其对应的是世界坐标系到相机坐标系的变换。
S40，通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定。
本实施例中，人脸识别算法是指在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法，其分为两种核心方法：几何方法和光度统计方法，其中几何方法侧重于区分特征，光度统计方法用于从图像中提取值，然后将这些值与模板进行比较以消除差异，至于具体采用何种算法，在这里不做赘述。本实施例中利用人脸识别算法的目的是得到人脸贴图，以完成和人物数字孪生基础模型的绑定。
S50，利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
本实施例中，为便于理解，在这里blandshape进行通俗解释，就是对已有一个MeshA，在A的基础上做修改得到MeshB，这时我们说B是A的一个Blendshape,通过建立一定规则，可以使A变形为B，其主要用途就是用于制作表情，而本实施例中利用Blendshape与人脸数字孪生基础模型进行绑定，使得人脸数字孪生产生的结果与实体人脸有非常一致的视觉表现，可输入人脸表情运动数据后直接产生表情运动和头部姿态的动画还原。
如图3所示，为本申请一个实施例中提取目标图片的步骤流程图，具体的，所述从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片包括：
S101，获取由拍摄设备组300采集的人物影像，识别其中的图片和视频。
本实施例中，拍摄设备组300中的多个拍摄设备在工作时不光会拍摄图片，还会拍摄视频，而视频后续是无法直接利用的，因此需要对图片和视频进行识别分类，以便后续的更一步处理。
S102，对所述拍摄设备组300所采集的视频进行逐帧处理以获取图像帧。
本实施例中，由前所述，拍摄设备组300所采集的视频是无法直接利用的，因此在这里对视频流进行逐帧处理来获取相应图片。
S103，合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，处理后得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
本实施例中，由于视频在逐帧处理时会产生大量的图片，而这些图片中必然会存在很多相似的图片，因此需要对相似图片进行删除后才能够得到有效图片，这样也可以避免后续的工作量过大。
如图4所示，为本申请一个实施例中获取拍摄坐标的步骤流程图，具体的，所述获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标包括：
S201，构建参考坐标系，所述拍摄设备组中的所有拍摄设备均共用所述参考坐标系，所述拍摄设备对应配备有光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在固定实体点上，发射元件设置有多个且与所述拍摄设备一一对应。
本实施例中，构建参考坐标系的作用在于使得所有拍摄设备相应的坐标能够实现统一，方便后续的转化处理；光学捕捉组件是目前常见的用于实现动作捕捉的一种光学元件，其能够通过光学效应实现目标物体的动作捕捉，由于位置都已经进行了标定，因此能够建立其获取的动捕图像和坐标对应关系，同时发射元件与拍摄设备对应设置，使得拍摄设备即使发生移动也不会影响坐标形成，提高了准确性，至于光学捕捉组件的具体型号则不加限定，在这里不做赘述。
S202，根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
具体的，本申请的一个实施例中，所述根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标包括：
S2021，获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度。
本实施例中，捕捉图像确定所述拍摄设备的位置和拍摄角度是在获取捕捉图像后，由于光学捕捉组件已经标定位置，因此可以利用其相较于拍摄设备的位置确定拍摄设备的位置和拍摄角度。
S2022，根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
本实施例中，在确定了所述拍摄设备的位置以及拍摄角度以后，拍摄设备在参考坐标系中的位置信息也就确定了，通过计算即可得出所述拍摄设备在所述参考坐标系中的坐标。
如图5所示，为本申请一个实施例中构建人物数字孪生基础模型的步骤流程图，所述根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型包括：
S301，根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系。
本实施例中，需要说明的是，拍摄设备的内参矩阵属于硬件的固有属性，不同型号对应的内参矩阵是不一样的，因此在选择拍摄设备时最好尽量选用相同或者相近的型号，通过拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系后就可以进行目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标。
S302，根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标。
S303，根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
本实施例中，人物数字孪生基础模型可以理解为一个基础模板，其需要进行内容的填充，而后续的人脸贴图和blandshape则作为基础模板的填充物，从而最终完成任务人物数字孪生的构建。
综上所述，可以理解的，本申请实施例中所提供的人物数字孪生构建方法，可以实现人物数字孪生的快速构建，且构建准确性高。
如图1所示，本申请的一个实施例中，一种人物数字孪生构建系统，该系统包括终端设备200和拍摄设备组300。
如图6所示，为本申请一个实施例中终端设备的结构图，具体的，所述终端设备200包括：
提取模块，用于从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
拍摄坐标获取模块，用于获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
构建模块，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
一级绑定模块，用于通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
二级绑定模块，用于利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
本申请的一个实施例中，所述提取模块包括：
获取单元，用于获取由拍摄设备组采集的人物影像，识别其中的图片和视频；
视频处理单元，用于对所述拍摄设备组所采集的视频进行逐帧处理以获取图像帧；
合并单元，用于合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
本申请的一个实施例中，所述人物数字孪生构建系统还包括光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在拍摄坐标获取模块构成的参考坐标系的原点上，发射元件设置有多个且与所述拍摄设备一一对应。
本实施例中，在实际运行过程中，光学捕捉组件的具体型号是不加限定的，在这里不做赘述。
本申请的一个实施例中，所述拍摄坐标获取模块包括：
参考坐标系构成单元，用于构建参考坐标系并设定原点；
拍摄坐标确定单元，用于根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
本申请的一个实施例中，所述拍摄坐标确定单元在确定拍摄坐标时包括以下步骤：
获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度；
根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
本申请的一个实施例中，所述构建模块包括：
转化关系建立单元，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系；
转化单元，用于根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标；
构建单元，用于根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
如图7所示，为本申请一个实施例中一种计算机设备的结构图，具体的，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行：
S10，从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
S20，获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
S30，根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
S40，通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
S50，利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
本申请的一个实施例中，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得处理器执行：
S10，从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
S20，获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
S30，根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
S40，通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
S50，利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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非易失性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，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种人物数字孪生构建方法，其特征在于，包括以下步骤：
从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
2.根据权利要求1所述的人物数字孪生构建方法，其特征在于，所述从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片包括：
获取由拍摄设备组采集的人物影像，识别其中的图片和视频；
对所述拍摄设备组所采集的视频进行逐帧处理以获取图像帧；
合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
3.根据权利要求2所述的人物数字孪生构建方法，其特征在于，所述获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标包括：
构建参考坐标系，所述拍摄设备组中的所有拍摄设备均共用所述参考坐标系，所述拍摄设备对应配备有光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在固定实体点上，发射元件设置有多个且与所述拍摄设备一一对应；
根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
4.根据权利要求3所述的人物数字孪生构建方法，其特征在于，所述根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标包括：
获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度；
根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
5.根据权利要求4所述的人物数字孪生构建方法，其特征在于，所述根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型包括：
根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系；
根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标；
根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
6.一种人物数字孪生构建系统，其特征在于，所述系统包括终端设备和拍摄设备组，所述终端设备包括：
提取模块，用于从由拍摄设备组采集的人物影像中提取目标图片，所述目标图片包括无表情人脸图片和有表情人脸图片；
拍摄坐标获取模块，用于获取所述拍摄设备组中的所有拍摄设备在拍摄时的拍摄坐标；
构建模块，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参获取所述目标图片各个像素显示内容在虚拟空间中的坐标，构建人物数字孪生基础模型；
一级绑定模块，用于通过人脸识别算法对所述无表情人脸图片进行分割再重组后得到人脸贴图，将所述人脸贴图与所述人物数字孪生基础模型绑定；
二级绑定模块，用于利用有表情人脸图片生成blandshape，将所述blandshape与所述人脸数字孪生基础模型绑定，以完成人物数字孪生的建立。
7.根据权利要求6所述的人物数字孪生构建系统，其特征在于，所述提取模块包括：
获取单元，用于获取由拍摄设备组采集的人物影像，识别其中的图片和视频；
视频处理单元，用于对所述拍摄设备组所采集的视频进行逐帧处理以获取图像帧；
合并单元，用于合并由所述拍摄设备组所采集的图片以及从视频中获取的图像帧，得到图片集，将图片集中的图像分隔为无表情人脸图片和有表情人脸图片以完成目标图片提取。
8.根据权利要求7所述的人物数字孪生构建系统，其特征在于，所述人物数字孪生构建系统还包括光学捕捉组件，所述光学捕捉组件包括发射元件和接收元件，其中接收元件设置在拍摄坐标获取模块构成的参考坐标系的原点上，发射元件设置有多个且与所述拍摄设备一一对应；
所述拍摄坐标获取模块包括：
参考坐标系构成单元，用于构建参考坐标系并设定原点；
拍摄坐标确定单元，用于根据所述光学捕捉组件确定所述拍摄设备在所述参考坐标系中的坐标，即拍摄坐标。
9.根据权利要求8所述的人物数字孪生构建系统，其特征在于，所述拍摄坐标确定单元在确定拍摄坐标时包括以下步骤：
获取由光学捕捉组件捕捉所述拍摄设备所形成的捕捉图像，根据所述捕捉图像确定所述拍摄设备的位置和拍摄角度；
根据所述拍摄设备的位置和拍摄角度确定所述拍摄设备在所述参考坐标系中的坐标。
10.根据权利要求9所述的人物数字孪生构建系统，其特征在于，所述构建模块包括：
转化关系建立单元，用于根据所述拍摄坐标、拍摄设备的内置矩阵以及拍摄设备外参建立所述参考坐标系与虚拟空间坐标系之间的转化关系，其中所述虚拟坐标系用于表征人物数字孪生基础模型符合的模型坐标系；
转化单元，用于根据所述转化关系，将目标图片各个像素显示内容在参考坐标系内的坐标转化为在虚拟空间坐标系的坐标；
构建单元，用于根据目标图片各个像素显示内容在虚拟空间坐标系的坐标信息构建人物数字孪生基础模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210721446.8A CN115035580A (zh) | 2022-06-24 | 2022-06-24 | 一种人物数字孪生构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210721446.8A CN115035580A (zh) | 2022-06-24 | 2022-06-24 | 一种人物数字孪生构建方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115035580A true CN115035580A (zh) | 2022-09-09 |
Family
ID=83126208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210721446.8A Pending CN115035580A (zh) | 2022-06-24 | 2022-06-24 | 一种人物数字孪生构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115035580A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115619138A (zh) * | 2022-10-10 | 2023-01-17 | 卓思韦尔(北京)信息技术有限公司 | 基于数字孪生的楼宇管控运营的方法、装置、设备及介质 |
| CN115797569A (zh) * | 2023-01-31 | 2023-03-14 | 盾钰（上海）互联网科技有限公司 | 高精度数孪人面部表情动作细分的动态生成方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109410298A (zh) * | 2018-11-02 | 2019-03-01 | 北京恒信彩虹科技有限公司 | 一种虚拟模型的制作方法及表情变化方法 |
| CN110796719A (zh) * | 2018-07-16 | 2020-02-14 | 北京奇幻科技有限公司 | 一种实时人脸表情重建方法 |
| WO2021033478A1 (ja) * | 2019-08-16 | 2021-02-25 | ソニー株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
| CN113744374A (zh) * | 2021-09-03 | 2021-12-03 | 浙江大学 | 一种基于表情驱动的3d虚拟形象生成方法 |
| US20220036636A1 (en) * | 2019-11-15 | 2022-02-03 | Tencent Technology (Shenzhen) Company Limited | Three-dimensional expression base generation method and apparatus, speech interaction method and apparatus, and medium |
| CN114596395A (zh) * | 2022-02-22 | 2022-06-07 | 上海艾融软件股份有限公司 | 基于数字孪生技术的数字化人物模型的调整方法 |
-
2022
- 2022-06-24 CN CN202210721446.8A patent/CN115035580A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796719A (zh) * | 2018-07-16 | 2020-02-14 | 北京奇幻科技有限公司 | 一种实时人脸表情重建方法 |
| CN109410298A (zh) * | 2018-11-02 | 2019-03-01 | 北京恒信彩虹科技有限公司 | 一种虚拟模型的制作方法及表情变化方法 |
| WO2021033478A1 (ja) * | 2019-08-16 | 2021-02-25 | ソニー株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
| US20220036636A1 (en) * | 2019-11-15 | 2022-02-03 | Tencent Technology (Shenzhen) Company Limited | Three-dimensional expression base generation method and apparatus, speech interaction method and apparatus, and medium |
| CN113744374A (zh) * | 2021-09-03 | 2021-12-03 | 浙江大学 | 一种基于表情驱动的3d虚拟形象生成方法 |
| CN114596395A (zh) * | 2022-02-22 | 2022-06-07 | 上海艾融软件股份有限公司 | 基于数字孪生技术的数字化人物模型的调整方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115619138A (zh) * | 2022-10-10 | 2023-01-17 | 卓思韦尔(北京)信息技术有限公司 | 基于数字孪生的楼宇管控运营的方法、装置、设备及介质 |
| CN115619138B (zh) * | 2022-10-10 | 2023-04-28 | 卓思韦尔(北京)信息技术有限公司 | 基于数字孪生的楼宇管控运营的方法、装置、设备及介质 |
| CN115797569A (zh) * | 2023-01-31 | 2023-03-14 | 盾钰（上海）互联网科技有限公司 | 高精度数孪人面部表情动作细分的动态生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503703B (zh) | 用于生成图像的方法和装置 | |
| US20210342990A1 (en) | Image coordinate system transformation method and apparatus, device, and storage medium | |
| CN108805047B (zh) | 一种活体检测方法、装置、电子设备和计算机可读介质 | |
| CN115035580A (zh) | 一种人物数字孪生构建方法及系统 | |
| WO2019161814A2 (zh) | 一种全景成像系统及方法 | |
| US8903139B2 (en) | Method of reconstructing three-dimensional facial shape | |
| CN111753782B (zh) | 一种基于双流网络的假脸检测方法、装置及电子设备 | |
| JP7064257B2 (ja) | 画像深度確定方法及び生き物認識方法、回路、装置、記憶媒体 | |
| CN111931594A (zh) | 人脸识别活体检测方法、装置、计算机设备和存储介质 | |
| CN111080776B (zh) | 人体动作三维数据采集和复现的处理方法及系统 | |
| CN111161202A (zh) | 车辆行为信息获取方法、装置、计算机设备和存储介质 | |
| CN109002776B (zh) | 人脸识别方法、系统、计算机设备和计算机可读存储介质 | |
| CN110909691B (zh) | 动作检测方法、装置、计算机可读存储介质和计算机设备 | |
| CN111353965A (zh) | 图像修复方法、装置、终端及存储介质 | |
| CN117391544B (zh) | 一种基于bim的装修工程管理方法及系统 | |
| CN113298707B (zh) | 图像帧拼接方法、视频巡检方法、装置、设备及存储介质 | |
| CN112836682A (zh) | 视频中对象的识别方法、装置、计算机设备和存储介质 | |
| CN108876713B (zh) | 二维模板图像的映射方法、装置、终端设备和存储介质 | |
| US10282633B2 (en) | Cross-asset media analysis and processing | |
| CN112613457B (zh) | 图像采集方式检测方法、装置、计算机设备和存储介质 | |
| CN115482285A (zh) | 图像对齐方法、装置、设备及存储介质 | |
| CN107451540B (zh) | 一种可压缩的3d识别方法 | |
| CN114710713B (zh) | 基于深度学习的自动化视频摘要生成方法 | |
| CN115018698B (zh) | 一种用于人机交互的图像处理方法及系统 | |
| CN111161328B (zh) | 一种基于二维码的屏幕图像采集方法 |
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 |