三维人脸模型的生成方法、装置、设备及介质制造方法及图纸

本申请公开了一种三维人脸模型的生成方法、装置、设备及介质，属于人工智能的计算机视觉技术领域。所述方法包括：获取输入的目标对象的三维人脸网格，以及标准对象对应的标准人脸模型；将所述三维人脸网格和所述标准人脸模型按照对应关系划分为至少两个面部子区域；将所述标准人脸模型中的每个面部子区域分别拟合至所述三维人脸网格中对应的面部子区域；在所述至少两个面部子区域均拟合后，对相邻的面部子区域进行融合处理，得到所述目标对象对应的三维人脸模型。通过将划分后的每个面部子区域进行拟合，提高了输出的三维人脸模型的质量，避免了三维人脸模型产生失真的现象，使得基于该三维人脸模型导出的三维表情基更符合目标对象产生的表情。

Generation method, device, equipment and medium of 3D face model

【技术实现步骤摘要】
三维人脸模型的生成方法、装置、设备及介质
本申请涉及人工智能的计算机视觉
，特别涉及一种三维人脸模型的生成方法、装置、设备及介质。
技术介绍
三维（3Dimensions，3D）人脸重建是指从一张或多张二维（2Dimensions，2D）图像中重建出的人脸的3D模型。相关技术中，三维人脸重建是基于从图像中获取的目标对象的三维人脸模型与3DMM库（3DMorphableModel，三维形变模型）中的标准人脸模型进行拟合后得到的。通过形变传递（DeformationTransfer，DT）技术，利用两个模型中的点与点的对应关系（correspondence）将低模点云（标准人脸模型）上的点拉到高模点云（目标对象的三维人脸模型）对应的位置，其他点由平滑项拟合得到。基于上述情况，在3DMM库的基础上拟合的三维人脸模型不能完整地表达出与目标对象的人头相像的人头，也即拟合后的低模不像高模，从而使得导出的表情基也不符合目标对象产生的表情。
技术实现思路
本申请实施例提供了一种三维人脸模型的生成方法、装置、设备本文档来自技高网...

【技术保护点】
1.一种三维人脸模型的生成方法，其特征在于，所述方法包括：/n获取输入的目标对象的三维人脸网格，以及标准对象对应的标准人脸模型；/n将所述三维人脸网格和所述标准人脸模型按照对应关系划分为至少两个面部子区域；/n获取每个所述面部子区域的姿态参数以及与所述面部子区域对应的局部三维人脸网格，所述局部三维人脸网格是所述三维人脸网格的一部分；/n根据每个所述面部子区域的姿态参数和所述局部三维人脸网格，计算将每个所述面部子区域拟合至所述三维人脸网格对应的面部子区域时的误差损失，所述误差损失包括顶点损失；/n在所述顶点损失收敛时，将所述面部子区域拟合至所述三维人脸网格中对应的面部子区域；/n在所述至少两个面...

【技术特征摘要】
1.一种三维人脸模型的生成方法，其特征在于，所述方法包括：
获取输入的目标对象的三维人脸网格，以及标准对象对应的标准人脸模型；
将所述三维人脸网格和所述标准人脸模型按照对应关系划分为至少两个面部子区域；
获取每个所述面部子区域的姿态参数以及与所述面部子区域对应的局部三维人脸网格，所述局部三维人脸网格是所述三维人脸网格的一部分；
根据每个所述面部子区域的姿态参数和所述局部三维人脸网格，计算将每个所述面部子区域拟合至所述三维人脸网格对应的面部子区域时的误差损失，所述误差损失包括顶点损失；
在所述顶点损失收敛时，将所述面部子区域拟合至所述三维人脸网格中对应的面部子区域；
在所述至少两个面部子区域拟合后，对相邻的面部子区域进行融合处理，得到所述目标对象对应的三维人脸模型。


2.根据权利要求1所述的方法，其特征在于，所述顶点损失包括第一形状基损失和第一表情基损失；
所述根据每个所述面部子区域的姿态参数和所述局部三维人脸网格，计算将每个所述面部子区域拟合至所述三维人脸网格对应的面部子区域时的所述顶点损失，包括：
根据每个所述面部子区域的姿态参数、每个所述面部子区域对应的形状基系数和表情基系数、所述局部三维人脸网格，计算将每个所述面部子区域拟合至所述局部三维人脸网格的所述第一形状基损失和所述第一表情基损失；
根据所述第一形状基损失对所述形状基系数进行优化，计算得到每个所述面部子区域优化后的第一形状基系数；
根据所述第一表情基损失对所述表情基系数进行优化，计算得到每个所述面部子区域优化后的第一表情基系数；
重复上述三个步骤，直至所述第一形状基损失和所述第一表情基损失分别收敛。


3.根据权利要求1所述的方法，其特征在于，所述误差损失包括图像损失；
所述对于所述标准人脸模型中的每个面部子区域，计算将所述面部子区域拟合至所述三维人脸网格中对应的面部子区域时的误差损失，包括：
获取所述目标对象的n张人脸图像，所述n张人脸图像是用于生成所述三维人脸网格的图像，n为正整数；
获取所述人脸图像中的关键点信息、所述人脸图像的姿态参数和所述标准人脸模型中的关键点索引信息；
根据所述关键点信息、所述姿态参数和所述关键点索引信息，计算将每个所述面部子区域拟合至所述三维人脸网格中对应的面部子区域时的图像损失。


4.根据权利要求3所述的方法，其特征在于，所述图像损失包括第二形状基损失和第二表情基损失；
所述根据所述关键点信息、所述姿态参数和所述关键点索引信息，计算将每个所述面部子区域拟合至所述三维人脸网格中对应的面部子区域时的图像损失，包括：
根据所述关键点信息、所述姿态参数、所述关键点索引信息、每个所述面部子区域对应的形状基系数和表情基系数，计算将每个所述面部子区域拟合至所述三维人脸网格中对应的面部子区域时的所述第二形状基损失和所述第二表情基损失；
根据所述第二形状基损失对所述形状基系数进行优化，计算得到每个所述面部子区域优化后的第二形状基系数；
根据所述第二表情基损失对所述表情基系数进行优化，计算得到每个所述面部子区域优化后的第二表情基系数；
重复上述三个步骤，直至所述第二形状基损失和所述第二表情基损失分别收敛。


5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：
在所述至少两个面部子区域拟合后，获取所述相邻的面部子区域中的过渡区域，所述过渡区域是所述相邻的面部子区域之间的公共点组成的区域；
对所述过渡区域进行所述融合处理，得到所述目标对象对应的三维人脸模型。


6.根据权利要求5所述的方法，其特征在于，所述对所述过渡区域进行所述融合处理，得到所述目标对象对应的三维人脸模型，包括：
获取第一距离和第二距离，所述第一距离是所述过渡区域中的公共点与第一面部子区域之间的距离，所述第二距离是所述过渡区域中的所述公共点与第二面部子区域之间的距离；
根据所述第一距离确定所述公共点相对于所述第一面部子区域的第一权重，根据所述第二距离确定所述公共点相对于所述第二面部子区域的第二权重；
根据所述第一面部子区域对应...

【专利技术属性】
技术研发人员：林祥凯，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44