【技术实现步骤摘要】
一种三维人脸模型重建方法及装置
本专利技术涉及图像处理
，尤其涉及一种三维人脸模型重建方法及装置。
技术介绍
传统的三维人脸模型重建算法是在二维图像的基础上进行设计和研究的，算法的效果容易受到人脸姿态的影响，且深度方向的精度不高。随着深度传感器技术的发展，实时获取深度成为了可能。现有方案提出了一种基于深度信息的三维人脸模型重建方法，主要流程是：首先通过深度传感器获取散斑图像，然后使用其内部算法对散斑图像中的信息进行深度计算及深度恢复，得到深度图，最后将深度图用于三维人脸模型重建。然而，现有方案无法充分利用散斑图像中的信息，原因是在计算深度的过程中会丢失散斑图像的部分信息。这些丢失的散斑图像的部分信息会对后续深度恢复的效果造成影响，尤其会对三维人脸模型重建的精度造成较大影响，又由于这些丢失的散斑图像的部分信息无法恢复，因而会导致深度恢复效果不佳以及三维人脸模型重建的精度不高。
技术实现思路
本专利技术实施例提供一种三维人脸模型重建方法及装置，用以解决现有技术中深度恢复效果不佳以及三维人...
【技术保护点】
1.一种三维人脸模型重建方法，其特征在于，包括：/n将人脸散斑图像及人脸散斑参考图像输入神经网络模型中，得到所述人脸散斑图像和所述人脸散斑参考图像之间的视差图对应的深度图；其中，所述神经网络模型是基于人脸散斑图像样本和深度图真值标签训练得到的；/n基于所述深度图进行三维人脸模型重建。/n
【技术特征摘要】
1.一种三维人脸模型重建方法，其特征在于，包括：
将人脸散斑图像及人脸散斑参考图像输入神经网络模型中，得到所述人脸散斑图像和所述人脸散斑参考图像之间的视差图对应的深度图；其中，所述神经网络模型是基于人脸散斑图像样本和深度图真值标签训练得到的；
基于所述深度图进行三维人脸模型重建。
2.根据权利要求1所述的三维人脸模型重建方法，其特征在于，所述将人脸散斑图像及人脸散斑参考图像输入神经网络模型中，得到所述人脸散斑图像和所述人脸散斑参考图像之间的视差图对应的深度图，包括：
将所述人脸散斑图像及人脸散斑参考图像输入神经网络模型的第一子网络中，得到所述人脸散斑图像和所述人脸散斑参考图像之间的视差图；
将所述视差图输入所述神经网络模型的第二子网络中，得到所述视差图对应的深度图。
3.根据权利要求2所述的三维人脸模型重建方法，其特征在于，所述将所述视差图输入所述神经网络模型的第二子网络中，得到所述视差图对应的深度图，包括：
在将所述视差图输入所述神经网络模型的第二子网络后，基于所述视差图的视差值、预先获取到的相机焦距以及预先获取到的相机基线将所述视差图的视差值转换为深度值；
基于所述深度值得到深度图。
4.根据权利要求3所述的三维人脸模型重建方法，其特征在于，所述基于所述视差图的视差值、预先获取到的相机焦距以及预先获取到的相机基线将所述视差图的视差值转换为深度值，包括：
通过如下公式将所述视差图的视差值转换为深度值：
式中，z表示深度值，d表示视差图的视差值，f表示预先获取到的相机焦距，b表示预先获取到的相机基线。
5.根据权利要求1所述的三维人脸模型重建方法，其特征在于，所述基于所述深度图进行三维人脸模型重建，包括：
基于预设分辨率对所述深度图进行裁剪，得到目标深度图；
基于所述目标深度图、预先获取到的相机焦距以及预先获取到的相机光心，得到所述目标深度图对应的三维点云数据；
对所述三维点云数据进行归一化处理；
基于预先获取到的三...
【专利技术属性】
技术研发人员：户磊，张举勇，保长存，朱海涛，王秋雨，
申请(专利权)人：北京的卢深视科技有限公司，合肥的卢深视科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。