纹理与法线库构建方法、纹理与法线图生成方法及装置制造方法及图纸

本申请公开了一种基于人工智能技术实现的纹理与法线库构建方法，该包括：获取第一原始人脸纹理图集合；根据第一原始人脸纹理图集合生成第一采样人脸纹理图集合；针对于目标人脸区域，根据第一采样人脸纹理图集合确定第一主成分分析参数；针对于目标人脸区域，若满足人脸纹理与法线库构建条件，则将第一主成分分析参数作为人脸纹理与法线库中目标人脸区域所对应的纹理法线基，人脸纹理与法线库中还包括(K‑1)个人脸区域所对应的纹理法线基。本申请实施例还提供了一种纹理与法线图生成方法及装置，可构建出一个新的人脸纹理与法线库，使用该人脸纹理与法线库能够将清晰度较低的人脸纹理图还原为超高清的人脸纹理图，增强人脸纹理图的表达。

【技术实现步骤摘要】
纹理与法线库构建方法、纹理与法线图生成方法及装置
本申请涉及计算机视觉领域，尤其涉及纹理与法线库构建方法、纹理与法线图生成方法及装置。
技术介绍
随着深度学习的发展，三维人脸在很多领域起到了越来越重要的作用。生成三维人脸模型是计算机视觉(computervision，CV)中的一个强大工具，这些三维人脸模型通过对三维人脸空间和成像过程进行建模，实现姿态和光照的不变性。现有的开源人脸纹理库包括动态3D面部动作编码系统数据集(Dynamic3DFacialActionCodingSystemDataset，D3DFACS)在构建D3DFACS时，通过高精度扫描设备或是低精度扫描设备，扫描得到一系列人脸及其对应的纹理信息。然而，人脸纹理库中的纹理图通常具有较小的尺寸，比如，D3DFACS中提供的人脸纹理图尺寸为1024×1280，而较小的纹理图就意味着在纹理表达上存在缺陷，难以完成拟合超高清人脸图像的任务。
技术实现思路
本申请实施例提供了一种纹理与法线库构建方法、纹理与法线图生成方法及装置，可构建出一个新的人脸纹本文档来自技高网...

【技术保护点】
1.一种纹理与法线库构建方法，其特征在于，包括：/n获取第一原始人脸纹理图集合，其中，所述第一原始人脸纹理图集合包括N个第一原始人脸纹理图，每个第一原始人脸纹理图具有K个人脸区域，所述N为大于1的整数，所述K为大于1的整数；/n根据所述第一原始人脸纹理图集合生成第一采样人脸纹理图集合，其中，所述第一采样人脸纹理图集合包括N个第一采样人脸纹理图，每个第一采样人脸纹理图为对第一原始人脸纹理图进行降采样后得到的，且所述每个第一采样人脸纹理图具有K个人脸区域；/n针对于目标人脸区域，根据所述第一采样人脸纹理图集合确定第一主成分分析参数，其中，所述目标人脸区域属于所述K个人脸区域中的任意一个人脸区域；/...

【技术特征摘要】
1.一种纹理与法线库构建方法，其特征在于，包括：
获取第一原始人脸纹理图集合，其中，所述第一原始人脸纹理图集合包括N个第一原始人脸纹理图，每个第一原始人脸纹理图具有K个人脸区域，所述N为大于1的整数，所述K为大于1的整数；
根据所述第一原始人脸纹理图集合生成第一采样人脸纹理图集合，其中，所述第一采样人脸纹理图集合包括N个第一采样人脸纹理图，每个第一采样人脸纹理图为对第一原始人脸纹理图进行降采样后得到的，且所述每个第一采样人脸纹理图具有K个人脸区域；
针对于目标人脸区域，根据所述第一采样人脸纹理图集合确定第一主成分分析参数，其中，所述目标人脸区域属于所述K个人脸区域中的任意一个人脸区域；
针对于所述目标人脸区域，若满足人脸纹理与法线库构建条件，则将所述第一主成分分析参数作为人脸纹理与法线库中所述目标人脸区域所对应的纹理法线基，其中，所述人脸纹理与法线库中还包括(K-1)个人脸区域所对应的纹理法线基。


2.根据权利要求1所述的纹理与法线库构建方法，其特征在于，所述获取第一原始人脸纹理图集合，包括：
获取第二原始人脸纹理图集合，其中，所述第二原始人脸纹理图集合包括M个第二原始人脸纹理图，每个第二原始人脸纹理图具有K个人脸区域，所述M为大于1的整数；
针对于所述第二原始人脸纹理图集合中的任意一个第二原始人脸纹理图，对所述第二原始人脸纹理图进行扰动处理，得到所述第一原始人脸纹理图集合中所包括的至少一个第一原始人脸纹理图，其中，所述扰动处理包括旋转、平移以及尺度缩放中的至少一种。


3.根据权利要求2所述的纹理与法线库构建方法，其特征在于，所述获取第二原始人脸纹理图集合，包括：
获取M个人脸纹理图，其中，每个人脸纹理图包括红色通道的数据、绿色通道的数据以及蓝色通道的数据；
获取M个人脸法线图，其中，每个人脸法线图包括红色通道的数据、绿色通道的数据以及蓝色通道的数据，所述人脸法线图与所述人脸纹理图具有对应关系；
将所述每个人脸纹理图与对应的所述人脸法线图进行组合，得到所述第二原始人脸纹理图集合，其中，所述每个第二原始人脸纹理图包括两个红色通道的数据、两个绿色通道的数据以及两个蓝色通道的数据。


4.根据权利要求1所述的纹理与法线库构建方法，其特征在于，所述获取第一原始人脸纹理图集合之后，所述方法还包括：
针对于所述目标人脸区域，根据所述第一原始人脸纹理图集合获取第一高均值、第一高主成分系数以及第一高主成分标准差；
所述针对于所述目标人脸区域，根据所述第一高主成分系数以及所述第一高主成分标准差，确定第一高主成分分量；
所述针对于所述目标人脸区域，根据所述第一采样人脸纹理图集合确定第一主成分分析参数，包括：
针对于所述目标人脸区域，根据所述第一采样人脸纹理图集合获取第一低均值、第一低主成分系数以及第一低主成分标准差；
针对于所述目标人脸区域，根据所述第一低主成分系数以及所述第一低主成分标准差，确定第一低主成分分量；
所述针对于所述目标人脸区域，根据所述第一高均值、所述第一低均值、所述第一高主成分分量以及所述第一低主成分分量，获取所述第一主成分分析参数。


5.根据权利要求1所述的纹理与法线库构建方法，其特征在于，所述针对于所述目标人脸区域，根据所述第一采样人脸纹理图集合确定第一主成分分析参数，包括：
针对于所述目标人脸区域，根据所述第一采样人脸纹理图集合获取第一低均值、第一低主成分系数以及第一低主成分标准差；
针对于所述目标人脸区域，根据所述第一原始人脸纹理图集合获取第一高均值；
获取第一纹理拟合系数，其中，所述第一纹理拟合系数包括N个纹理向量，所述N个纹理向量中的每个纹理向量与所述第一原始人脸纹理图具有对应关系；
针对于所述目标人脸区域，根据所述到第一低均值、所述第一低主成分系数、所述第一低主成分标准差、所述第一高均值以及所述第一纹理拟合系数，确定第一高主成分分量；
针对于所述目标人脸区域，根据所述第一高均值、所述第一低均值、所述第一高主成分分量以及所述第一低主成分分量，获取所述第一主成分分析参数。


6.根据权利要求4或5所述的纹理与法线库构建方法，其特征在于，所述针对于所述目标人脸区域，根据所述第一采样人脸纹理图集合获取第一低均值、第一低主成分系数以及第一低主成分标准差，包括：
针对于所述目标人脸区域，对所述第一采样人脸纹理图集合进行主成分分析，得到所述第一低均值以及所述待处理低主成分系数，其中，所述待处理低主成分系数包括Q个特征向量，所述Q为大于1的整数；
针对于所述目标人脸区域，根据所述待处理低主成分系数获取待处理低主成分方差，其中，所述待处理低主成分方差包括Q个特征值，且所述特征值与所述特征向量具有对应关系；
针对于所述目标人脸区域，按照从大到小的顺序，对所述待处理低主成分方差所包括的Q个特征值进行排列，得到排序后的Q个特征值；
针对于所述目标人脸区域，从所述排序后的Q个特征值中获取特征值占比大于占比阈值的T个特征值，其中，所述T为大于或等于1，且小于或等于Q的整数；
针对于所述目标人脸区域，根据所述T个特征值获取所述第一低主成分标准差；
针对于所述目标人脸区域，从所述待处理低主成分系数所包括的Q个特征向量中，确定所述T个特征值所对应的T个特征向量，并根据所述T个特征向量获取所述第一低主成分系数。


7.根据权利要求1所述的纹理与法线库构建方法，其特征在于，所述针对于目标人脸区域，根据所述第一采样人脸纹理图集合确定第一主成分分析参数之后，所述方法还包括：
获取第一纹理拟合系数，其中，所述第一纹理拟合系数包括N个纹理向量，所述N个纹理向量中的每个纹理向量与所述第一原始人脸纹理图具有对应关系；
针对于所述目标人脸区域，根据所述第一纹理拟合系数、所述第一原始人脸纹理图集合以及所述第一主成分分析参数所包括的第一高均值以及第一高主成分分量，确定N个第一损失值，其中，所述第一损失值与所述第一原始人脸纹理图具有对应关系；
针对于所述目标人脸区域，若所述N个第一损失值中的最大损失值与M个第二损失值中最大损失值之间的差值小于或等于差值阈值，则确定满足所述人脸纹理与法线库构建条件，其中，所述M...

【专利技术属性】
技术研发人员：王盛，林祥凯，暴林超，陈雅静，
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