【技术实现步骤摘要】
基于点云深度学习的三维人脸扫描特征点检测方法和装置
本专利技术涉及计算机视觉
，尤其涉及一种基于点云深度学习的三维人脸扫描特征点检测方法和装置。
技术介绍
人脸特征点检测在人脸识别，人脸配准，人脸动画生成等领域具有十分重要的作用，现有的三维人脸扫描特征点检测方法主要分为两类，一类方法利用人工设计的特征描述子提取人脸扫描上每个顶点的局部几何特征，并根据这个局部几何特征找到鼻尖、眼角等特征点，这类方法只能在少数几个几何特征较为明显的特征点上表现稳定；第二类方法通常基于统计形状模型，他们事先在一个包含大量三维人脸扫描的数据集上训练一个线性或者多线性模型，测试时，他们用训练好的模型拟合新的人脸扫描，求解模型参数，得到检测结果，这类方法比较依赖初始解，并且对于表情复杂的人脸难以取得较高的精度。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种基于点云深度学习的三维人脸扫描特征点检测方法，以解决现有方法检测精度较低的问题。本专利技...
【技术保护点】
1.一种基于点云深度学习的三维人脸扫描特征点检测方法,其特征在于，包括以下步骤：/n将人脸扫描渲染成多视角的图像；/n在每张图像上计算每个像素的人脸解析特征；/n对所述多视角图像的信息进行融合，确定每个顶点的人脸解析特征；/n利用点云深度学习网络获取所述每个特征点对应的热度图；/n根据所述热度图计算所述每个特征点的位置。/n
【技术特征摘要】
1.一种基于点云深度学习的三维人脸扫描特征点检测方法,其特征在于，包括以下步骤：
将人脸扫描渲染成多视角的图像；
在每张图像上计算每个像素的人脸解析特征；
对所述多视角图像的信息进行融合，确定每个顶点的人脸解析特征；
利用点云深度学习网络获取所述每个特征点对应的热度图；
根据所述热度图计算所述每个特征点的位置。
2.如权利要求1所述的方法，其特征在于，所述将人脸扫描渲染成多视角的图像，包括：
在人脸的多个视角渲染图像。
3.如权利要求1所述的方法，其特征在于，所述对所述多视角的图像融合，确定每个顶点的人脸解析特征，包括：
获取每个顶点在各个视角的图像中对应像素的目标人脸解析特征；
获取每个顶点在各个视角图像中正对相机的角度；
根据所述角度，确定所述对应的目标图像的权值；
对所述每个顶点在各个视角图像上获取的人脸解析特征和对应的权值加权求和，得到所述每个顶点的人脸解析特征。
4.如权利要求1所述的方法，其特征在于，所述利用点云深度学习网络获取所述每个特征点对应的热度图，包括：
将所述每个顶点的三维坐标以及人脸解析特征输入所述点云深度学习网络，获取所述每个特征点对应的热度图。
5.如权利要求...
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。