CN115497147A - 一种眼部图像生成系统及方法 - Google Patents
一种眼部图像生成系统及方法 Download PDFInfo
- Publication number
- CN115497147A CN115497147A CN202211272435.2A CN202211272435A CN115497147A CN 115497147 A CN115497147 A CN 115497147A CN 202211272435 A CN202211272435 A CN 202211272435A CN 115497147 A CN115497147 A CN 115497147A
- Authority
- CN
- China
- Prior art keywords
- eye
- image
- region
- eyeball
- transformation
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本发明属于换脸和数字人生成技术领域,具体为一种眼部图像生成系统及方法,包括:图像预处理模块;眼部特征点检测模块;眼部区域提取模块;眼部区域变换模块;眼球检测模块;眼球生成模块;眼部融合模块;眼部区域生成模块。本发明提出一种眼部图像生成的系统及方法,通过眼部生理特征,对眼部区域进行精细划分,将眼部区域分为不同子区域进行生成,提高眼部区域生成的真实性和自然程度,使其能够适用于换脸和数字人生成等应用领域。可以实现真实人眼任意视线方向的眼球图像生成,无需大量的数据和计算即可实现眼球区域的生成;对眼部不同区域,分区域处理,并对眼部重要的眼球特征特别做了处理,能够使眼部整体效果真实。
Description
技术领域
本发明涉及换脸和数字人生成技术领域,具体为一种眼部图像生成系统及方法。
背景技术
眼部图像生成,指的是在图像/视频或者三维模型的人脸贴图中,将图像中的眼部区域用另一个人的人眼生成具有其眼部真实质感的眼部图像或贴图。眼部图像生成是人脸图像生成中一个重要的组成部分。随着计算机和网络技术的发展和人们生活水平的不断提高,大众娱乐消费领域的应用层出不穷,人脸图像生成在人脸换脸、数字人生成等领域都得到了广泛应用。眼睛是人脸的重要组成部分,眼睛区域的生成效果直接影响整个人脸区域的真实感、自然感。
现有的眼部图像生成技术,主要是基于图像区域分割和深度学习方法。基于图像区域分割的方法,是利用图像分割、目标检测、语义分割的方法识别眼部区域,提取眼部区域并贴到目标人脸图像或目标贴图中眼部区域。基于深度学习的方法,主流是将整张人脸区域进行处理,通过对抗式生成网络生成与目标人脸感官一致自然的眼部图像。
基于图像分割的方法存在眼部整体区域与人脸区域衔接不自然,眼部区域和人脸区域纹理差异较大。基于深度学习的方法,能够在一定程度上解决眼部区域不自然的情况,但是生成的眼部区域一般不够真实,与真实目标的眼睛差距较大,真实感较差。同时这两种方法都未考虑真实目标人眼区域眼球的视线问题,因此无法准确表达通过眼球视线传达的人物内在情感信息。
发明内容
本发明的目的在于提供一种眼部图像生成系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种眼部图像生成系统,包括:
图像预处理模块,用于获得第一眼部图像和第二眼部图像,并对所述第一眼部图像和所述第二眼部图像进行预处理后得到第三眼部图像和第四眼部图像;
眼部特征点检测模块,用于对所述第三眼部图像和所述第四眼部图像进行特征点检测,提取所述第三眼部图像和所述第四眼部图像的眼部特征点集;
眼部区域提取模块,用于根据所述第三眼部图像的眼部特征点集和所述第四眼部图像的眼部特征点集生成第三眼部区域图像和第四眼部区域图像;
眼部区域变换模块,用于将所述第四眼部区域图像和所述第四眼部图像的眼部特征点集变换到所述第一眼部图像坐标空间中,生成第五眼部变换图像和第五眼部变换图像的眼部特征点集;
眼球检测模块,用于提取所述第五眼部变换图像和所述第一眼部图像的眼球区域及眼球边界特征点;
眼球生成模块,用于根据所述第五眼部变换图像的眼球区域和所述眼球边界特征点生成第五眼部变换图像的眼球区域;
眼部融合模块,用于将第一眼部图像的眼部区域和第五眼部变换图像的眼部区域进行融合,得到第六眼部融合图像;
眼部区域生成模块,用于将第六眼球融合图像和第一眼部图像进行纹理融合和边界处理,生成第七眼部生成图像。
优选的,所述眼部区域提取模块,根据所述眼部特征点集确定眼部边界候选区域,并利用图像处理方法确定眼部边界区域。
优选的,所述眼部区域提取模块,根据眼部特征点的不同物理含义,确定眼部候选边界,并根据图像的灰度特征和几何特征优化候选边界。
优选的,所述眼部区域变换模块,根据所述第三人脸图像和第四人脸图像的眼部特征点集和眼部边界区域,将第四眼部区域图像及所述第四眼部区域图像的眼部特征点变换到所述第一眼部图像。
优选的,所述眼部区域变换模块,基于特征点间的匹配关系进行变换,根据眼部区域的特征,采用整体变换或根据特征点进行分块变换。
优选的,所述眼球检测模块,将所述第五眼部变换图像和所述第一眼部图像进行眼球区域检测,根据眼部特征点集和图像处理方法确定眼球准确边界区域和边界点;
优选的,所述眼球检测模块,利用图像灰度信息、图像几何信息或深度学习方法结合确定眼球的边界点。
优选的,所述眼球生成模块,利用所述眼球边界点进行圆拟合,对所述第五眼部变换图像眼球部分缺失像素进行像素插值,生成所述第五眼部变换图像的眼球区域。
一种眼部图像生成方法,包括如下步骤:
1)获取第一眼部图像和第二眼部图像,并对所述第一眼部图像和所述第二眼部图像进行图像预处理,得到第三眼部图像和第四眼部图像;
2)分别对所述第三眼部图像和所述第四眼部图像进行眼部特征点检测,获得所述第三眼部图像和所述第四眼部图像的眼部特征点集;
3)分别提取所述第三眼部图像和所述第四眼部图像的眼部区域,形成第三眼部区域图像和第四眼部区域图像;
4)将所述第四眼部图像的眼部特征点集变换到所述第一眼部图像坐标空间,形成第五眼部特征点集;将所述第四眼部区域图像变换到所述第一眼部图像坐标空间,形成第五眼部变换图像;
5)对所述第五眼部变换图像和所述第一眼部图像进行眼球区域检测,得到所述第五眼部变换图像和所述第一眼部图像的眼球区域及其边界特征点;
6)根据所述第五眼部变换图像和所述第一眼部图像的眼球区域及其边界特征点,生成第五眼部变换图像的眼球区域;
7)将所述第五眼部变换图像生成的眼球区域和非眼球区域和第一眼部图像进行图像融合,得到第六眼部融合图像;
8)将所述第六眼部融合图像和所述第一眼部图像进行图像融合和边界处理,得到所述第七眼部生成图像。
优选的,所述图像预处理,包括图像画质增强,图像分辨率增强,人眼贴图正投影操作,所述眼部特征点包括眼部内外轮廓特征点、眼球特征点、瞳孔特征点、视线追踪点,视线追踪点是人眼视线方向的一种特征表达,利用视线追踪的特征点描述人眼的视线方向信息。
与现有技术相比,本发明的有益效果是:
本发明提出一种眼部图像生成的系统及方法,通过眼部生理特征,对眼部区域进行精细划分,将眼部区域分为不同子区域进行生成,提高眼部区域生成的真实性和自然程度,使其能够适用于换脸和数字人生成等应用领域。生成的眼部区域和视线方向真实、自然,清晰度高;可以实现真实人眼任意视线方向的眼球图像生成,无需大量的数据和计算即可实现眼球区域的生成;对眼部不同区域,分区域处理,并对眼部重要的眼球特征特别做了处理,能够使眼部整体效果真实。
附图说明
图1为本发明生成方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例:
请参阅图1,本发明提供一种技术方案:具体操作步骤包括:
获取第一眼部图像和第二眼部图像;
分别对第一眼部图像和第二眼部图像进行预处理,对第二眼部图像进行预处理,提升第二眼部图像的分辨率和清晰度获得第四眼部图像,如果第一眼部图像为三维人脸模型的眼睛贴图,将第一眼部图像预处理为正投影图像,得到第三眼部图像;
分别对第三眼部图像和第四眼部图像进行眼部特征点检测,利用轮廓检测或者深度学习的方法检测眼部关键点、视线方向关键点等信息。深度学习的方法可以基于人脸关键点检测中的结果得到眼部关键点,将视线追踪的结果作为视线方向关键点。轮廓检测的方法可以基于二值化和轮廓检测以及梯度等特征进行眼部关键点和视线方向的特征提取。综合两种方法对结果优化后效果更优,基于深度学习的人脸关键点检测得到的眼部关键点不准确,能代表人眼区域的大致位置,但是不能表示真正的眼部轮廓区域;轮廓检测的方法检测得到的候选轮廓较多,无法确定真实的人眼轮廓位置,基于深度学习的眼部关键点结果作为初始区域,在此基础上使用轮廓检测可以在减少处理区域和候选结果的同时,得到好的眼部轮廓边界。
分别对第三眼部图像和第四眼部图像进行眼部区域提取,根据第三眼部图像或第四眼部图像及其眼部特征点,确定眼部边界部分的特征点,以眼部边界部分的特征点连线的多边形为眼部轮廓的边界,或者以特征点为初始候选边界区域,在附近精确找眼部边界轮廓,确定眼部区域图像。以多边形代表一个区域的边界是该领域的常规手段,同时,这里的多边形是在上一步轮廓基础上做了采样,使多边形点在眼部轮廓上分布均匀,在后面眼睛内部划分子区域三角形时,以此多边形的顶点作为外部轮廓顶点。
以第四眼部区域眼部特征点和第三眼部图像眼部特征点为变换依据,将第四眼部区域及其眼部特征点变换至第三眼部图像空间,变换基于眼部特征点的分块变换,分块方式可根据所选特征点进行选择性划分,由预处理方式相应将第三眼部图像变换结果及其眼部特征点变换至第一眼部图像空间得到第五眼部变换图像。
对第一眼部图像空间和第五眼部变换图像分别做眼球检测,得到眼球区域轮廓和边界点,眼球检测基于图像处理的方式,可以采用二值化、轮廓检测、Hough圆检测的方式,根据眼球特征确定边缘点进行眼球所在区域的边界拟合,确定眼球区域;(对于标准眼球展开贴图,采用Hough圆检测的方式,可达到兼顾效率和精度的效果;对用户拍摄的正脸贴图的眼部区域,因为眼球轮廓边界不全以及眼睛部分分辨率低、画质模糊等原因,Hough圆检测或者单独使用轮廓检测效果很差,因此使用二值化减少画质以及边界轮廓不清晰的影响,后用形态学等操作对分辨率低时眼球部分二值化效果不好的情况处理,最后使用轮廓检测确定候选眼球边界,根据眼部多边形区域大致确定候选边界中哪些点可能为眼球轮廓点,根据这些点采用最小二乘拟合方法得到拟合圆,即为眼球的轮廓边界,这样效果最好,能完整检测到眼球的边界进而确定眼球区域)
对第五眼部变换图像进行眼球生成操作,对区域内眼球像素缺失点进行像素插值,像素插值可以采用双线性插值方法,生成眼球区域;
将第一眼部图像的眼部区域与第五眼部变换图像的眼部区域进行图像纹理融合,纹理融合可以基于第一眼部图像的眼球区域与第五眼部变换图像的眼球区域对齐后整体融合,也可以分眼球和非眼球部分单独融合,得到第六眼部融合图像。(分眼球和非眼球部分单独融合效果好,眼球区域要保证与真实用户人眼眼球相似,但是非眼球部分通常第一眼部图像的眼白与眼部边界融合效果更好/标准贴图中非眼球部分的真实性更好,通常会有血丝等细节,因此分区域融合,对不同区域采用不同的融合方式进行融合可以在保证用户真实性基础上使眼睛更加有感染力)
融合公式为:
I=αAα+βAβ 0≤α≤1,0≤β≤1
A=s(RB+t)
Aα=A*M,Aβ=A*(1-M)
其中,B为第一眼部图像,(R,t)为第一眼部图像到第五眼部图像的变换关系表示,s为缩放系数,A为第一眼部图像变换后图像,M为眼球区域的掩模矩阵,眼球区域为1,其他部分为0,(*)操作符为矩阵中对应元素相乘,α,β为眼球区域和非眼球区域的融合权重参数,Aα,Aβ对应为第一眼部图像变换后的眼球区域和非眼球区域,I为最终融合后的第六眼部融合图像。
对第六眼部融合图像和第一眼部图像进行眼部区域融合,对第六眼部融合图像眼睛周围像素进行纹理融合和图像滤波操作,得到第七眼部生成图像,即根据第二眼部图像生成的在第一眼部图像上的结果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明;因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种眼部图像生成系统,其特征在于,包括:
图像预处理模块,用于获得第一眼部图像和第二眼部图像,并对所述第一眼部图像和所述第二眼部图像进行预处理后得到第三眼部图像和第四眼部图像;
眼部特征点检测模块,用于对所述第三眼部图像和所述第四眼部图像进行特征点检测,提取所述第三眼部图像和所述第四眼部图像的眼部特征点集;
眼部区域提取模块,用于根据所述第三眼部图像的眼部特征点集和所述第四眼部图像的眼部特征点集生成第三眼部区域图像和第四眼部区域图像;
眼部区域变换模块,用于将所述第四眼部区域图像和所述第四眼部图像的眼部特征点集变换到所述第一眼部图像坐标空间中,生成第五眼部变换图像和第五眼部变换图像的眼部特征点集;
眼球检测模块,用于提取所述第五眼部变换图像和所述第一眼部图像的眼球区域及眼球边界特征点;
眼球生成模块,用于根据所述第五眼部变换图像的眼球区域和所述眼球边界特征点生成第五眼部变换图像的眼球区域;
眼部融合模块,用于将第一眼部图像的眼部区域和第五眼部变换图像的眼部区域进行融合,得到第六眼部融合图像;
眼部区域生成模块,用于将第六眼球融合图像和第一眼部图像进行纹理融合和边界处理,生成第七眼部生成图像。
2.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼部区域提取模块,根据所述眼部特征点集确定眼部边界候选区域,并利用图像处理方法确定眼部边界区域。
3.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼部区域提取模块,根据眼部特征点的不同物理含义,确定眼部候选边界,并根据图像的灰度特征和几何特征优化候选边界。
4.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼部区域变换模块,根据所述第三人脸图像和第四人脸图像的眼部特征点集和眼部边界区域,将第四眼部区域图像及所述第四眼部区域图像的眼部特征点变换到所述第一眼部图像。
5.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼部区域变换模块,基于特征点间的匹配关系进行变换,根据眼部区域的特征,采用整体变换或根据特征点进行分块变换。
6.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼球检测模块,将所述第五眼部变换图像和所述第一眼部图像进行眼球区域检测,根据眼部特征点集和图像处理方法确定眼球准确边界区域和边界点。
7.根据权利要求1所述的一种眼部图像生成系统,其特征在于,所述眼球检测模块,利用图像灰度信息、图像几何信息或深度学习方法结合确定眼球的边界点。
8.根据权利要求2所述的一种眼部图像生成系统,其特征在于,所述眼球生成模块,利用所述眼球边界点进行圆拟合,对所述第五眼部变换图像眼球部分缺失像素进行像素插值,生成所述第五眼部变换图像的眼球区域。
9.一种眼部图像生成方法,其特征在于,包括如下步骤:
1)获取第一眼部图像和第二眼部图像,并对所述第一眼部图像和所述第二眼部图像进行图像预处理,得到第三眼部图像和第四眼部图像;
2)分别对所述第三眼部图像和所述第四眼部图像进行眼部特征点检测,获得所述第三眼部图像和所述第四眼部图像的眼部特征点集;
3)分别提取所述第三眼部图像和所述第四眼部图像的眼部区域,形成第三眼部区域图像和第四眼部区域图像;
4)将所述第四眼部图像的眼部特征点集变换到所述第一眼部图像坐标空间,形成第五眼部特征点集;将所述第四眼部区域图像变换到所述第一眼部图像坐标空间,形成第五眼部变换图像;
5)对所述第五眼部变换图像和所述第一眼部图像进行眼球区域检测,得到所述第五眼部变换图像和所述第一眼部图像的眼球区域及其边界特征点;
6)根据所述第五眼部变换图像和所述第一眼部图像的眼球区域及其边界特征点,生成第五眼部变换图像的眼球区域;
7)将所述第五眼部变换图像生成的眼球区域和非眼球区域和第一眼部图像进行图像融合,得到第六眼部融合图像;
8)将所述第六眼部融合图像和所述第一眼部图像进行图像融合和边界处理,得到所述第七眼部生成图像。
10.根据权利要求9所述的一种眼部图像生成方法,其特征在于,所述图像预处理,包括图像画质增强,图像分辨率增强,人眼贴图正投影操作,所述眼部特征点包括眼部内外轮廓特征点、眼球特征点、瞳孔特征点、视线追踪点,视线追踪点是人眼视线方向的一种特征表达,利用视线追踪的特征点描述人眼的视线方向信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211272435.2A CN115497147A (zh) | 2022-10-18 | 2022-10-18 | 一种眼部图像生成系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211272435.2A CN115497147A (zh) | 2022-10-18 | 2022-10-18 | 一种眼部图像生成系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115497147A true CN115497147A (zh) | 2022-12-20 |
Family
ID=84474224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211272435.2A Pending CN115497147A (zh) | 2022-10-18 | 2022-10-18 | 一种眼部图像生成系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497147A (zh) |
-
2022
- 2022-10-18 CN CN202211272435.2A patent/CN115497147A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765363B (zh) | 一种基于人工智能的冠脉cta自动后处理系统 | |
WO2019228473A1 (zh) | 人脸图像的美化方法和装置 | |
CN106339998B (zh) | 基于对比度金字塔变换的多聚焦图像融合方法 | |
CN110459301B (zh) | 基于热力图和面部关键点的脑部神经外科导航配准方法 | |
CN101561710B (zh) | 一种基于人脸姿态估计的人机交互方法 | |
CN108985172A (zh) | 一种基于结构光的视线追踪方法、装置、设备及存储介质 | |
CN113822977A (zh) | 图像渲染方法、装置、设备以及存储介质 | |
JP7015152B2 (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
CN104978548A (zh) | 一种基于三维主动形状模型的视线估计方法与装置 | |
CN112329699A (zh) | 一种像素级精度的人眼注视点定位方法 | |
CN111260765B (zh) | 一种显微手术术野的动态三维重建方法 | |
CN111507184B (zh) | 基于并联空洞卷积和身体结构约束的人体姿态检测方法 | |
CN108573192B (zh) | 匹配人脸的眼镜试戴方法和装置 | |
CN117095128A (zh) | 一种无先验多视角人体服饰编辑方法 | |
CN116051631A (zh) | 光斑标注方法及系统 | |
Feng | Mask RCNN-based single shot multibox detector for gesture recognition in physical education | |
Chen et al. | Eyes localization algorithm based on prior MTCNN face detection | |
CN109934798A (zh) | 体内目标物信息标注方法及装置、电子设备、存储介质 | |
CN114283152A (zh) | 图像处理、图像处理模型的训练方法、装置、设备及介质 | |
CN111178271B (zh) | 一种人脸图像特征增强方法、人脸识别方法及电子设备 | |
CN115546361A (zh) | 三维卡通形象处理方法、装置、计算机设备和存储介质 | |
CN109872353B (zh) | 基于改进迭代最近点算法的白光数据与ct数据配准方法 | |
CN116681579A (zh) | 一种实时视频人脸替换方法、介质及系统 | |
CN115497147A (zh) | 一种眼部图像生成系统及方法 | |
CN115424319A (zh) | 一种基于深度学习的斜视识别系统 |
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 |