三维人脸图像生成方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供一种三维人脸图像生成方法、装置及电子设备，所述方法包括：对图像中的人脸进行识别，获取第一人脸特征点信息，所述人像特征点用于唯一标识所述人脸；根据所述第一人脸特征点信息和预先训练的卷积神经网络模型，得到第一三维人脸模型参数信息；根据所述第一三维人脸模型参数信息对三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像。通过上述方法及装置，无需采集多角度多张图像，仅需单张图像即可生成三维人脸图像；采用卷积神经网络图像，可自动生成更准确和更逼真的人脸表情和姿态，且无需硬件的支持，多方面降低成本。

Three-dimensional Face Image Generation Method, Device and Electronic Equipment

The embodiment of the present invention provides a method, device and electronic device for generating a three-dimensional face image. The method includes: recognizing the face in the image, obtaining the information of the first face feature point, which is used to uniquely identify the face, and obtaining the first three-dimensional face model based on the information of the first face feature point and the pre-trained convolutional neural network model. According to the first three-dimensional face model parameter information, the three-dimensional average face model is processed and the corresponding three-dimensional face image is obtained. By using the above methods and devices, three-dimensional face images can be generated without multi-angle and multi-image acquisition, and convolutional neural network images can automatically generate more accurate and realistic facial expressions and gestures without hardware support and reduce costs in many ways.

【技术实现步骤摘要】
三维人脸图像生成方法、装置及电子设备
本专利技术涉及三维人脸图像生成
，尤其涉及一种三维人脸图像生成方法、装置及电子设备。
技术介绍
三维人脸重建在医疗、教育、娱乐等领域目前已经得到了非常广泛的应用。专利技术人在实现本专利技术的过程中发现，在三维人脸重建的过程中，利用多张图像多个角度来拼合成三维模型，但由于需要大量的图像，所以重建过程繁琐复杂，需要在多张大范围面部姿态图像中建立像素之间的密集对应，而导致同一个个体的3D模拟差异较大，同时导致重建的时间长，成本高。此外，手机等便携电子设备出于娱乐的目的越来越多使用三维人脸重建技术，获取二维人脸图像主要通过电子设备的摄像头，而后期三维人脸图像的重建效果部分取决于前期摄像装置获取图像的质量，而获取图像质量又部分的取决于拍摄时对抖动的处理效果，目前的手机主要通过软件进行防抖处理，硬件并未有针对性的改进。
技术实现思路
本专利技术实施例提供的三维人脸图像生成方法、装置及电子设备，用以至少解决相关技术中的上述问题。本专利技术实施例一方面提供了一种三维人脸图像生成方法，包括：对获取图像中的人脸进行识别，获取第一人脸特征点信息，所述人像特征点用于唯一标识所述人脸；根据所述第一人脸特征点信息和预先训练的卷积神经网络模型，得到第一三维人脸模型参数信息；根据所述第一三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像。进一步地，所述卷积神经网络模型的训练方法包括：搭建由两层沙漏型卷积神经网络组成的卷积神经网络模型；获取用于训练所述卷积神经网络模型的数据集，所述数据集中包括若干二维人脸图像和所述二维人脸图像对应的三维人像扫描数据；对所述二维人脸图像进行预处理得到第二人脸特征点信息；将所述第二人脸特征点信息输入至所述卷积神经网络模型得到第二三维人脸模型参数信息；利用交叉熵损失函数对所述卷积神经网络的参数进行优化，直至所述第二三维人脸模型参数信息与所述三维人像扫描数据的损失函数收敛到预设阈值。进一步地，所述第一三维人脸模型参数信息包括：人脸形状信息、人脸表情信息和人脸姿态信息。进一步地，所述根据所述三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像，包括：根据所述人脸形状信息和所述人脸表情信息对所述三维平均人脸模型进行处理，得到初始三维人脸模型；根据所述人脸姿态信息对所述初始三维人脸图像进行调整，得到所述人脸对应的三维人脸图像。进一步地，所述对图像中的人脸进行识别，获取第一人脸特征点信息，包括：使用特征点识别算法得到第一预设数量的特征点，确定所述特征点信息的二维坐标位置；根据所述二维坐标位置得到代表所述特征点周围第二预设数量像素的第一人脸特征点信息。进一步地，通过图像获取设备获取所述图像，所述图像获取设备包括镜头、自动聚焦音圈马达、机械防抖器以及图像传感器，所述镜头固装在所述自动聚焦音圈马达上，所述镜头用于获取图像，所述图像传感器将所述镜头获取的图像传输至所述识别模块，所述自动聚焦音圈马达安装在所述机械防抖器上，所述处理模块根据镜头内的陀螺仪检测到的镜头抖动的反馈驱动所述机械防抖器的动作，实现镜头的抖动补偿。进一步地，所述机械防抖器包括活动板、基板以及补偿机构，所述活动板和所述基板的中部均设有所述镜头穿过的通孔，所述自动聚焦音圈马达安装在所述活动板上，所述活动板安装在所述基板上，且所述基板的尺寸大于所述活动板，所述补偿机构在所述处理模块的驱动下带动所述活动板和活动板上的镜头动作，以实现镜头的抖动补偿；所述补偿机构包括安装在所述基板四周的第一补偿组件、第二补偿组件、第三补偿组件以及第四补偿组件，其中所述第一补偿组件和所述第三补偿组件相对设置，所述第二补偿组件与所述第四补偿组件相对设置，所述第一补偿组件与第三补偿组件之间的连线与所述第一补偿组件与第三补偿组件之间的连线相互垂直；所述第一补偿组件、第二补偿组件、第三补偿组件以及第四补偿组件均包括驱动件、转轴、单向轴承以及转动齿圈；所述驱动件受控于所述处理模块，所述驱动件与所述转轴传动连接，以带动所述转轴转动；所述转轴与所述单向轴承的内圈相连接，以带动所述单向轴承的内圈转动；所述转动齿圈套设在所述单向轴承上并与所述单向轴承的外圈相连接，所述转动齿圈的外表面沿其周向设有一圈外齿，所述活动板的底面设有多排均匀间隔布设的条形槽，所述条形槽与所述外齿相啮合，且所述外齿可沿所述条形槽的长度方向滑动；其中，所述第一补偿组件的单向轴承的可转动方向与所述第三补偿组件的单向轴承的可转动方向相反，所述第二补偿组件的单向轴承的可转动方向与所述第四补偿组件的单向轴承的可转动方向相反。进一步地，所述固定板的四周开设有四个贯穿的安装孔，所述安装孔上安装有所述单向轴承和所述转动齿圈。进一步地，所述驱动件为微型电机，所述微型电机与所述处理模块电连接，所述微型电机的转动输出端与所述转轴相连接；或，所述驱动件包括记忆合金丝和曲柄连杆，所述记忆合金丝一端固定于所述固定板上，并与所述处理模块通过电路相连接，所述记忆合金丝另一端通过所述曲柄连杆与所述转轴相连接，以带动所述转轴转动。进一步地，所述图像获取设备设置于手机上，手机包括支架，所述支架包括手机安装座和可伸缩的支撑杆；所述手机安装座包括可伸缩的连接板和安装于连接板相对两端的折叠板组，所述支撑杆的一端与所述连接板中部通过阻尼铰链相连接；所述折叠板组包括第一板体、第二板体及第三板体，其中，所述第一板体的相对两端中的一端与所述连接板相铰接，所述第一板体的相对两端中的另一端与所述第二板体的相对两端中的一端相铰接；所述第二板体相对两端的另一端与所述第三板体相对两端中的一端相铰接；所述第二板体设有供手机边角插入的开口；所述手机安装座用于安装手机时，所述第一板体、第二板体和第三板体折叠呈直角三角形状态，所述第二板体为直角三角形的斜边，所述第一板体和所述第三板体为直角三角形的直角边，其中，所述第三板体的一个侧面与所述连接板的一个侧面并排贴合，所述第三板体相对两端中的另一端与所述第一板体相对两端中的一端相抵。进一步地，所述第三板体的一个侧面设有第一连接部，所述连接板与所述第三板体相贴合的侧面设有与所述第一连接部相配合的第一配合部，所述支架手机安装座用于安装手机时，所述第一连接部和所述第一配合部卡合连接。进一步地，所述第一板体相对两端中的一端设有第二连接部，所述第三板体相对两端中的另一端设有与所述第二连接部相配合的第二配合部，所述支架手机安装座用于安装手机时，所述第二连接部和所述第二配合部卡合连接。进一步地，所述支撑杆的另一端可拆卸连接有底座。本专利技术实施例的另一方面提供了一种三维人脸图像生成装置，包括：识别模块，用于获取人脸图像并对图像中的人脸进行识别，获取第一人脸特征点信息，所述人像特征点用于唯一标识所述人脸；输出模块，用于根据所述第一人脸特征点信息和预先训练的卷积神经网络模型，得到第一三维人脸模型参数信息；处理模块，用于根据所述第一三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像。进一步地，所述装置还包括训练模块，所述训练模块包括：搭建单元，用于搭建由两层沙漏型卷积神经网络组成的卷积神经网络模型；获取单元，用于获取用于训练所述卷积神本文档来自技高网...

【技术保护点】
1.一种三维人脸图像生成方法，其特征在于，包括：对获取图像中的人脸进行识别，获取第一人脸特征点信息，所述人像特征点用于唯一标识所述人脸；根据所述第一人脸特征点信息和预先训练的卷积神经网络模型，得到第一三维人脸模型参数信息；根据所述第一三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像。

【技术特征摘要】
2018.08.24 CN PCT/CN2018/1023291.一种三维人脸图像生成方法，其特征在于，包括：对获取图像中的人脸进行识别，获取第一人脸特征点信息，所述人像特征点用于唯一标识所述人脸；根据所述第一人脸特征点信息和预先训练的卷积神经网络模型，得到第一三维人脸模型参数信息；根据所述第一三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练过程包括如下步骤：搭建由两层沙漏型卷积神经网络组成的卷积神经网络模型；获取用于训练所述卷积神经网络模型的数据集，所述数据集中包括若干二维人脸图像和所述二维人脸图像对应的三维人像扫描数据；对所述二维人脸图像进行预处理得到第二人脸特征点信息；将所述第二人脸特征点信息输入至所述卷积神经网络模型得到第二三维人脸模型参数信息；利用交叉熵损失函数对所述卷积神经网络的参数进行优化，直至所述第二三维人脸模型参数信息与所述三维人像扫描数据的损失函数收敛到预设阈值。3.根据权利要求1或2所述的方法，其特征在于，所述第一三维人脸模型参数信息包括：人脸形状信息、人脸表情信息和人脸姿态信息。4.根据权利要求3所述的方法，其特征在于，所述根据所述三维人脸模型参数信息对预先获得的三维平均人脸模型进行处理，得到所述人脸对应的三维人脸图像，包括：根据所述人脸形状信息和所述人脸表情信息对所述三维平均人脸模型进行处理，得到初始三维人脸模型；根据所述人脸姿态信息对所述初始三维人脸图像进行调整，得到所述人脸对应的三维人脸图像。5.根据权利要求1或2所述的方法，其特征在于，所述对图像中的人脸进行识别，获取第一人脸特征点信息，包括：识别第一预设数量的特征点，确定所述特征点信息的二维坐标位置；根据所述二维坐标位置获得代表所述特征点周围第二预设数量像素...

【专利技术属性】
技术研发人员：李建亿，朱利明，
申请(专利权)人：太平洋未来科技深圳有限公司，
类型：发明
国别省市：广东,44