CN116958398A - 图像处理方法、装置、可读介质及电子设备 - Google Patents
图像处理方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN116958398A CN116958398A CN202210383988.9A CN202210383988A CN116958398A CN 116958398 A CN116958398 A CN 116958398A CN 202210383988 A CN202210383988 A CN 202210383988A CN 116958398 A CN116958398 A CN 116958398A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- dimensional
- target image
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000000513 principal component analysis Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 210000001508 eye Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 210000000214 mouth Anatomy 0.000 description 4
- 210000001331 nose Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- 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
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开涉及一种图像处理方法、装置、可读介质及电子设备。该方法包括:获取目标人脸对应的多个目标图像;该目标图像为二维图像;针对每个目标图像,根据该目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标图像和目标部位,获取目标图像对应的待定形状参数;该待定形状参数用于表征目标图像中目标人脸的轮廓;根据多个目标图像对应的待定形状参数,获取目标图像对应的三维图像。
Description
技术领域
本公开涉及人工智能技术领域,具体地,涉及一种图像处理方法、装置、可读介质及电子设备。
背景技术
随着人工智能技术的发展,有人脸画面显示需求的人脸动画、人脸识别和增强现实(Augmented Reality,AR)等应用中,对于人脸图像的要求越来越高,从而产生了三维人脸重建技术。三维人脸重建,是根据二维人脸图像重建出三维人脸图像的技术。通常三维人脸重建技术是基于人脸的眼睛、鼻子、嘴巴等关键部位之间的三维拓扑关系,由二维人脸图像中这些关键部位的相对位置进行映射来构建三维人脸模型。但在一些场景中,会存在重建得到的人脸形象质量较差的问题。
发明内容
提供该内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供了一种图像处理方法,所述方法包括:
获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
第二方面,本公开提供了一种图像处理装置,所述装置包括:
二维图像获取模块,用于获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
参数获取模块,用于针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
三维图像获取模块,用于根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现本公开第一方面所述方法的步骤。
采用上述技术方案,获取目标人脸对应的多个目标图像;该目标图像为二维图像;针对每个目标图像,根据该目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标图像和目标部位,获取目标图像对应的待定形状参数;该待定形状参数用于表征目标图像中目标人脸的轮廓;根据多个目标图像对应的待定形状参数,获取目标图像对应的三维图像。这样,通过确定未被遮挡的一个或多个目标部位,并根据该目标部位,获取目标图像对应的待定形状参数,既可以提高模型运算的效率,也可以提高形状参数的准确度;进一步根据多个目标图像对应的待定形状参数,获取三维图像,从而提高了三维重建后的人脸质量。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种图像处理方法的流程图。
图2是根据图1所示实施例示出的步骤102中获取目标图像对应的待定形状参数的方法的流程图。
图3是根据一示例性实施例示出的一种预设深度测试模型中的三维坐标的示意图。
图4是根据一示例性实施例示出的一种图像处理装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
首先,对本公开的应用场景进行说明。本公开可以应用于图像处理场景,特别是三维人脸重建场景。三维人脸重建技术可以基于人脸的眼睛、鼻子、嘴巴等关键部位之间的三维拓扑关系,由二维人脸图像中这些关键部位的相对位置进行映射来构建三维人脸模型。但在一些场景中,由于拍摄得到的二维人脸图像中部分人脸关键部位由于被遮挡而不完整,在相关技术中,此情况下会存在重建的人脸形象质量较差的问题。
为了解决上述问题,本公开提供了一种图像处理的方法、装置、可读介质及电子设备,根据多个目标图像中的每个目标图像,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标部位,获取目标图像对应的待定形状参数,这样可以提高模型运算的效率,也可以提高形状参数的准确度;进一步根据多个目标图像对应的待定形状参数,获取三维图像,从而提高了三维重建后的人脸质量。
以下结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种图像处理方法,在这里,获取和使用个人信息的方式以及本技术方案所涉及的数据的要求可参见本公开具体实施方式的起始部分的说明。如图1所示,该方法包括:
步骤101、获取目标人脸对应的多个目标图像。
其中,该目标图像为二维图像。
在本步骤中,可以在拍摄装置拍摄的多张二维图像中获取包括目标人脸的多张待定图像作为目标图像;也可以从一段视频中提取包括该目标人脸的多张待定图像,将每张待定图像作为目标图像。
需要说明的是,为了提高三维人脸重建的准确性,该目标图像中可以只包括同一个人的人脸图像(也就是目标人脸)。
进一步地,还可以对目标图像进行预处理,将预处理后的目标图像作为新的目标图像。例如,可以将目标图像中除了目标人脸之外的图像部分均进行虚化处理;或者,在目标图像中包括多个人的人脸图像的情况下,将非目标人脸的人脸图像进行删除处理或虚化处理。
步骤102、针对每个目标图像,根据该目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标图像和目标部位,获取目标图像对应的待定形状参数。
步骤103、根据多个目标图像对应的待定形状参数,获取目标图像对应的三维图像。
其中,上述待定形状参数可以用于表征目标图像中目标人脸的轮廓。
需要说明的是,在相关技术中,可以直接获取目标图像的待定形状参数,但未考虑部分预设人脸部位被遮挡的情况。在一些场景中(例如侧脸或存在障碍物),目标图像中部分预设人脸部位由于被遮挡而不完整,若根据这些被遮挡的预设人脸部位进行迭代运算,一方面会导致得到形状参数与实际人脸形状出现差异,另一方面也会降低迭代运算的效率。而在本实施例中,可以首先从预设人脸部位中确定未被遮挡的一个或多个目标部位(也就是提出了呗遮挡的预设人脸部位,只保留了未被遮挡的预设人脸部位);然后根据目标部位对目标图像进行迭代运算,可以避免上述问题。
进一步地,上述多个目标图像中被遮挡的预设人脸部位可以不相同,这样,针对单个目标图像,为了避免被遮挡的预设人脸部位导致重建的人脸模型错误,只确定未被遮挡的目标部位,然后根据目标部位确定待定形状参数;然后根据多个目标图像对应的待定形状参数,获取目标图像对应的三维图像,从而可以提高了三维重建后的人脸质量。
采用上述方法,获取目标人脸对应的多个目标图像;该目标图像为二维图像;针对每个目标图像,根据该目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标图像和目标部位,获取目标图像对应的待定形状参数;该待定形状参数用于表征目标图像中目标人脸的轮廓;根据多个目标图像对应的待定形状参数,获取目标图像对应的三维图像。这样,通过确定未被遮挡的一个或多个目标部位,并根据该目标部位获取目标图像对应的待定形状参数,既可以提高模型运算的效率,也可以提高形状参数的准确度;进一步根据多个目标图像对应的待定形状参数,获取三维图像,从而提高了三维重建后的人脸质量。
在本公开的另一实施例中,上述步骤101可以包括以下步骤:
首先,获取目标视频。
其次,获取目标视频中包括目标人脸的多个视频帧。
最后,将上述视频帧作为目标图像。
示例地,该目标视频可以是网络上的任意视频,或者用户指定的任意视频;上述目标人脸也可以是用户指定的任一人脸,通过人脸检测模型,可以获取目标视频中包括目标人脸的多个视频帧;最后,可以将每个视频帧均作为一个目标图像。
这样,可以根据用户指定视频,获取包括目标人脸的多个目标图像,并对目标人脸进行三维重建后得到三维图像。
在本公开的另一实施例中,上述步骤102可以通过以下方式获取目标图像对应的待定形状参数:
针对每个目标图像,根据该目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据该目标图像、预设三维形变模型和目标部位,获取目标图像对应的待定形状参数。
其中,该预设三维形变模型可以包括3DMM(3D Morphable Model,三维形变模型),3DMM可以在三维人脸数据库的基础上,以人脸形状和人脸纹理统计为约束,同时考虑到了人脸的姿态和光照因素的影响,生成三维人脸模型。上述预设人脸部位也可以称为人脸关键点,可以用于表征人脸的关键部位在三维图像中位置的像素点,例如,人脸的五官(眉、眼、耳、鼻、口)位置的像素点、人脸区域边缘位置的像素点等。
需要说明的是,通过上述预设三维形变模型也可以直接获取目标图像的待定形状参数,但是,在相关技术中,未考虑部分预设人脸部位被遮挡的情况。在一些场景中(例如侧脸或存在障碍物),目标图像中部分预设人脸部位由于被遮挡而不完整,若将这些被遮挡的预设人脸部位加入预设三维形变模型的输入参数中进行迭代运算,一方面会导致得到错误的形状参数,另一方面也会降低模型运算的效率。而在本实施例中,可以首先从预设人脸部位中确定未被遮挡的一个或多个目标部位;然后将目标部位作为预设三维形变模型的输入参数之一,对目标图像进行迭代运算,可以避免上述问题。
图2是根据图1所示实施例示出的步骤102中获取目标图像对应的待定形状参数的方法的流程图。如图2所示,该方法可以包括:
步骤1021、根据目标图像和多个预设人脸部位,通过预设三维形变模型获取目标图像的第一形状参数和第一表情参数。
在本步骤中,可以将目标图像和多个预设人脸部位输入上述预设三维形变模型中,得到所述目标图像对应的第一形状参数和第一表情参数。
示例地,该预设三维形变模型可以包括预先构建的3D人脸PCA(PrincipalComponents Analysis,主分量分析)模型。示例地,可以通过大量多人扫描数据构建3D人脸PCA模型,该3D人脸PCA模型可以通过线性变换的方式,把多个原始参数转化为少数几个综合参数。其中,该综合参数可以包括:3D人脸姿态均值形状基向量si和表情基向量ei。另外,该3D人脸PCA模型中可以包括多个预设人脸部位。该预设人脸部位也可以称为人脸关键点,可以用于表征人脸的关键部位在三维图像中位置的像素点,例如,人脸的五官(眉、眼、耳、鼻、口)位置的像素点、人脸区域边缘位置的像素点等。
这样,可以将目标图像输入预设三维形变模型中,检测确定目标图像中的人脸关键点(X),以及每个人脸关键点(X)对应的3D人脸PCA模型中的预设人脸部位(Xprojection);再根据人脸关键点(X)、人脸关键点对应的3D人脸PCA模型中的预设人脸部位(Xprojection)、相机参数(Porth)和3D人脸PCA模型的综合参数通过第一轮迭代运算(例如根据最小二乘法进行最优值求解),得到运算后的第一形状参数(α)和第一表情参数(β)。进一步地,通过该第一轮迭代运算也可以得到第一姿态参数,该第一姿态参数可以包括缩放系数(s)、旋转矩阵(R)和位移(t2d)。
其中,形状参数可以用于表征目标图像中目标人脸的轮廓,表情参数可以用于表征目标人脸在目标图像中的表情特征,缩放系数可以用于表征目标图像与预设三维形变模型的缩放倍数关系,旋转矩阵可以用于表征拍摄目标图像时相对于预设三维形变模型中的目标人脸的正脸的角度,位移可以用于表征目标人脸在三维空间中的位置。
步骤1022、根据预设深度测试模型、第一形状参数和第一表情参数,确定多个预设人脸部位中未被遮挡的一个或多个目标部位。
在本步骤中,可以通过以下子步骤确定目标部位:
首先,根据第一形状参数和第一表情参数,计算得到目标图像的三维网格参数。
示例地,可以根据第一形状参数和第一表情参数,结合3DMM的预设矩阵(PCA基函数),计算得到目标图像中目标人脸的三维网格参数(MESH)。
例如,可以通过以下公式计算得到三维网格参数:
ST=α*P+β*P;
其中,ST表征目标图像的三维网格参数,α表示上述第一形状参数;β表示上述第一表情参数,P表示3DMM的预设矩阵。
然后,根据所述三维网格参数和预设深度测试模型,确定未被遮挡的一个或多个目标部位。
示例地,可以将三维网格参数映射到目标图像的二维坐标中,得到目标图像的二维网格参数;并将二维网格参数和三维网格参数,输入预设深度测试模型,得到未被遮挡的一个或多个目标部位。
该预设深度测试模型可以包括Z-Buffer算法模型(Z缓冲区算法模型)。该Z-Buffer算法模型可以得到每个预设人脸部位对应的深度(z轴坐标)。
图3是根据一示例性实施例示出的一种预设深度测试模型中的三维坐标的示意图,如图1所示,任意一个像素点或者预设人脸部位的三维坐标可以通过x轴、y轴、z轴确定,其中,x轴和y轴形成的二维平面可以是投影面,也就是目标图像(二维图像)的平面;z轴可以作为观察方向,也就是拍摄目标图像的方向,每个像素点或预设人脸部位对应的z轴坐标可以作为该像素点或预设人脸部位的深度。例如,图3中三维模型中的P1和P2两个像素点,P2的深度大于P1,则投影到二维平面上的(x,y)显示的是P1像素点的形状和颜色等特征。同样地,在P1和P2表征不同的预设人脸部位的情况下,深度大的P2被遮挡,深度小的P1未被遮挡。这样,可以将P1作为未被遮挡的目标部位。
步骤1023、根据目标图像、预设三维形变模型和目标部位,获取该目标图像对应的待定形状参数。
在本步骤中,可以将目标图像和目标部位输入预设三维形变模型,得到目标图像对应的待定形状参数。
需要说明的是,本次将目标部位输入预设三维形变模型,可以约束其无需将被遮挡的预设人脸部位加入运算中,重新进行第二轮迭代运算,得到待定形状参数,既可以避免由于部分预设人脸部位被遮挡而重建错误,又可以减少迭代运算的运算量,提高效率。
进一步地,本步骤中,还可以将上述第一形状参数、第一表情参数和第一姿态参数,作为该预设三维形变模型中的3D人脸PCA模型用到的综合参数,这样可以无需在基于综合参数的初始值(3D人脸姿态均值,形状基向量si和表情基向量ei)的基础上进行第二轮迭代运算,求解最优解,因此可以进一步提高三维重建的效率。
需要说明的是,在本步骤中,除了可以通过预设三维形变模型得到待定形状参数外,还可以得到该目标图像对应的待定表情参数和待定姿态参数。关于该预设三维形变模型输出待定形状参数、待定表情参数和待定姿态参数的具体实现方式可以参考上述步骤1021中的具体描述,本公开对此不再赘述。
这样,通过预设三维形变模型进行两轮迭代运算,在第一轮迭代运算中,确定第一形状参数和第一表情参数,并根据预设深度测试模型、第一形状参数和第一表情参数,确定多个预设人脸部位中未被遮挡的一个或多个目标部位;在第二轮迭代运算中,根据目标部位(也就是剔除了被遮挡住的预设人脸部位),对第一轮迭代运算得到的参数进行修正,从而获取更为准确的待定形状参数,以便提高三维重建后的三维图像的真实性。
在本公开的另一实施例中,上述步骤103可以包括以下步骤:
首先,根据多个待定形状参数,计算得到目标形状参数。
在本步骤中,可以将多个待定形状参数的平均值或中值作为目标形状参数;也可以将多个待定形状参数中的异常值去掉后再取平均,得到目标形状参数。上述异常值可以根据所有待定形状参数的分布确定,例如,可以将距离平均值或中值最远的预设数目个待定形状参数作为上述异常值。该预设数目可以是1个或2个。
这样,需要说明的是,由于根据形状参数表征的目标人脸的轮廓是基本不变的,因此,通过多张图像的待定形状参数,目标形状参数可以更为准确的确定目标人脸的轮廓。
然后,根据所述目标形状参数,获取所述目标图像对应的三维图像。
在本步骤中,可以根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数;并根据所述目标形状参数、所述目标表情参数和所述目标姿态参数,对所述目标图像进行三维重建,获取所述目标图像对应的三维图像。
示例地,可以固定目标形状参数不变,将目标图像输入预设三维形变模型中,得到目标图像对应的目标表情参数和目标姿态参数。例如,使用上述预设三维形变模型进行第三轮迭代运算,在第三轮迭代运算中,固定目标形状参数不变,求解得到目标表情参数和目标姿态参数。
需要说明的是,根据目标形状参数、目标表情参数和目标姿态参数,对目标图像进行三维重建也可以通过预设三维形变模型实现,具体实现方式可以参考相关技术中的方式,本公开不再赘述。
这样,能够根据目标形状参数求解得到更加准确的目标表情参数和目标姿态参数,并根据目标形状参数、目标表情参数和目标姿态参数,对目标图像进行三维重建,获取与更高质量的三维图像。
图4是根据一示例性实施例示出的一种图像处理装置的框图,在这里,获取和使用个人信息的方式以及本技术方案所涉及的数据的要求可参见本公开具体实施方式的起始部分的说明。如图4所示,该图像处理装置包括:
二维图像获取模块401,用于获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
参数获取模块402,用于针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
三维图像获取模块403,用于根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
可选地,所述参数获取模块402,用于针对每个所述目标图像,根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数。
可选地,所述参数获取模块402,用于根据所述目标图像和多个预设人脸部位,通过预设三维形变模型获取所述目标图像的第一形状参数和第一表情参数;根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位;将所述目标图像和所述目标部位输入所述预设三维形变模型,得到所述目标图像对应的待定形状参数。
可选地,所述参数获取模块402,用于根据所述第一形状参数和所述第一表情参数,计算得到所述目标图像的三维网格参数;根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位。
可选地,所述参数获取模块402,用于将所述三维网格参数映射到所述目标图像的二维坐标中,得到所述目标图像的二维网格参数;将所述目标图像和所述二维网格参数,输入预设深度测试模型,得到未被遮挡的一个或多个目标部位。
可选地,所述三维图像获取模块403,用于根据多个所述待定形状参数,计算得到目标形状参数;根据所述目标形状参数,获取所述目标图像对应的三维图像。
可选地,所述三维图像获取模块403,用于根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数;根据所述目标形状参数、所述目标表情参数和所述目标姿态参数,对所述目标图像进行三维重建,获取所述目标图像对应的三维图像。
可选地,所述三维图像获取模块403,用于固定所述目标形状参数不变,将所述目标图像输入所述预设三维形变模型中,得到所述目标图像对应的目标表情参数和目标姿态参数。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)900的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置908;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置908被安装,或者从ROM902被安装。在该计算机程序被处理装置901执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标人脸对应的多个目标图像,所述目标图像为二维图像;针对每个所述目标图像,根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,二维图像获取模块还可以被描述为“获取目标人脸对应的多个目标图像的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例,示例1提供了一种图像处理方法,所述方法包括:
获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例2提供了示例1所述的方法,所述针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数,包括:
针对每个所述目标图像,根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数。
根据本公开的一个或多个实施例,示例3提供了示例2所述的方法,所述根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位包括:
根据所述目标图像和多个预设人脸部位,通过预设三维形变模型获取所述目标图像的第一形状参数和第一表情参数;
根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位;
所述根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数包括:
将所述目标图像和所述目标部位输入所述预设三维形变模型,得到所述目标图像对应的待定形状参数。
根据本公开的一个或多个实施例,示例4提供了示例3所述的方法,所述根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位包括:
根据所述第一形状参数和所述第一表情参数,计算得到所述目标图像的三维网格参数;
根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位。
根据本公开的一个或多个实施例,示例5提供了示例4所述的方法,所述根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位包括:
将所述三维网格参数映射到所述目标图像的二维坐标中,得到所述目标图像的二维网格参数;
将所述目标图像和所述二维网格参数,输入预设深度测试模型,得到未被遮挡的一个或多个目标部位。
根据本公开的一个或多个实施例,示例6提供了示例1至5中任一项所述的方法,所述根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像包括:
根据多个所述待定形状参数,计算得到目标形状参数;
根据所述目标形状参数,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例7提供了示例6所述的方法,所述根据所述目标形状参数,获取所述目标图像对应的三维图像包括:
根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数;
根据所述目标形状参数、所述目标表情参数和所述目标姿态参数,对所述目标图像进行三维重建,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例8提供了示例7所述的方法,所述根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数包括:
固定所述目标形状参数不变,将所述目标图像输入所述预设三维形变模型中,得到所述目标图像对应的目标表情参数和目标姿态参数。
根据本公开的一个或多个实施例,示例9提供了一种图像处理装置,所述装置包括:
二维图像获取模块,用于获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
参数获取模块,用于针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
三维图像获取模块,用于根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例10提供了示例9所述的装置,参数获取模块,用于针对每个所述目标图像,根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数。
根据本公开的一个或多个实施例,示例11提供了示例10所述的装置,所述参数获取模块,用于根据所述目标图像和多个预设人脸部位,通过预设三维形变模型获取所述目标图像的第一形状参数和第一表情参数;根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位;将所述目标图像和所述目标部位输入所述预设三维形变模型,得到所述目标图像对应的待定形状参数。
根据本公开的一个或多个实施例,示例12提供了示例11所述的装置,所述参数获取模块,用于根据所述第一形状参数和所述第一表情参数,计算得到所述目标图像的三维网格参数;根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位。
根据本公开的一个或多个实施例,示例13提供了示例12所述的装置,所述参数获取模块,用于将所述三维网格参数映射到所述目标图像的二维坐标中,得到所述目标图像的二维网格参数;将所述目标图像和所述二维网格参数,输入预设深度测试模型,得到未被遮挡的一个或多个目标部位。
根据本公开的一个或多个实施例,示例14提供了示例10至13中任一项所述的装置,所述三维图像获取模块,用于根据多个所述待定形状参数,计算得到目标形状参数;根据所述目标形状参数,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例15提供了示例14所述的装置,所述三维图像获取模块,用于根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数;根据所述目标形状参数、所述目标表情参数和所述目标姿态参数,对所述目标图像进行三维重建,获取所述目标图像对应的三维图像。
根据本公开的一个或多个实施例,示例16提供了示例15所述的装置,所述三维图像获取模块,用于固定所述目标形状参数不变,将所述目标图像输入所述预设三维形变模型中,得到所述目标图像对应的目标表情参数和目标姿态参数。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (11)
1.一种图像处理方法,其特征在于,所述方法包括:
获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
2.根据权利要求1所述的方法,其特征在于,所述针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数,包括:
针对每个所述目标图像,根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标图像和预设三维形变模型,从多个预设人脸部位中确定未被遮挡的一个或多个目标部位包括:
根据所述目标图像和多个预设人脸部位,通过预设三维形变模型获取所述目标图像的第一形状参数和第一表情参数;
根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位;
所述根据所述目标图像、所述预设三维形变模型和所述目标部位,获取所述目标图像对应的待定形状参数包括:
将所述目标图像和所述目标部位输入所述预设三维形变模型,得到所述目标图像对应的待定形状参数。
4.根据权利要求3所述的方法,其特征在于,所述根据预设深度测试模型、所述第一形状参数和所述第一表情参数,确定所述多个预设人脸部位中未被遮挡的一个或多个目标部位包括:
根据所述第一形状参数和所述第一表情参数,计算得到所述目标图像的三维网格参数;
根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位。
5.根据权利要求4所述的方法,其特征在于,所述根据所述三维网格参数和所述预设深度测试模型,确定未被遮挡的一个或多个目标部位包括:
将所述三维网格参数映射到所述目标图像的二维坐标中,得到所述目标图像的二维网格参数;
将所述目标图像和所述二维网格参数,输入预设深度测试模型,得到未被遮挡的一个或多个目标部位。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像包括:
根据多个所述待定形状参数,计算得到目标形状参数;
根据所述目标形状参数,获取所述目标图像对应的三维图像。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标形状参数,获取所述目标图像对应的三维图像包括:
根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数;
根据所述目标形状参数、所述目标表情参数和所述目标姿态参数,对所述目标图像进行三维重建,获取所述目标图像对应的三维图像。
8.根据权利要求7所述的方法,其特征在于,所述根据所述目标形状参数,获取每个所述目标图像对应的目标表情参数和目标姿态参数包括:
固定所述目标形状参数不变,将所述目标图像输入所述预设三维形变模型中,得到所述目标图像对应的目标表情参数和目标姿态参数。
9.一种图像处理装置,其特征在于,所述装置包括:
二维图像获取模块,用于获取目标人脸对应的多个目标图像,所述目标图像为二维图像;
参数获取模块,用于针对每个所述目标图像,根据所述目标图像从多个预设人脸部位中确定未被遮挡的一个或多个目标部位,并根据所述目标图像和所述目标部位,获取所述目标图像对应的待定形状参数;所述待定形状参数用于表征所述目标图像中所述目标人脸的轮廓;
三维图像获取模块,用于根据所述多个目标图像对应的所述待定形状参数,获取所述目标图像对应的三维图像。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理装置执行时实现权利要求1至8中任一项所述方法的步骤。
11.一种电子设备,其特征在于,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210383988.9A CN116958398A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210383988.9A CN116958398A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116958398A true CN116958398A (zh) | 2023-10-27 |
Family
ID=88443036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210383988.9A Pending CN116958398A (zh) | 2022-04-12 | 2022-04-12 | 图像处理方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958398A (zh) |
-
2022
- 2022-04-12 CN CN202210383988.9A patent/CN116958398A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363995B (zh) | 用于生成数据的方法和装置 | |
CN109754464B (zh) | 用于生成信息的方法和装置 | |
CN111414879A (zh) | 人脸遮挡程度识别方法、装置、电子设备及可读存储介质 | |
CN113327318B (zh) | 图像显示方法、装置、电子设备和计算机可读介质 | |
CN111105367A (zh) | 人脸畸变校正方法、装置、电子设备及存储介质 | |
CN113470112A (zh) | 图像处理方法、装置、存储介质以及终端 | |
CN114782659A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112714263B (zh) | 视频生成方法、装置、设备及存储介质 | |
CN111833459B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111583329B (zh) | 增强现实眼镜显示方法、装置、电子设备和存储介质 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
CN108256477B (zh) | 一种用于检测人脸的方法和装置 | |
CN113077396B (zh) | 直线段检测方法及装置、计算机可读介质和电子设备 | |
CN116958398A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN108446653B (zh) | 用于处理面部图像的方法和装置 | |
CN111582121A (zh) | 用于捕捉面部表情特征的方法、终端设备和计算机可读存储介质 | |
CN114049417B (zh) | 虚拟角色图像的生成方法、装置、可读介质及电子设备 | |
CN112991542B (zh) | 房屋三维重建方法、装置和电子设备 | |
CN115937010B (zh) | 一种图像处理方法、装置、设备及介质 | |
CN111353929A (zh) | 图像处理方法、装置和电子设备 | |
CN111489428B (zh) | 图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
CN116245731A (zh) | 一种扫描数据拼接方法、装置、设备及介质 |
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 |