三维人脸模型生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像处理领域，公开了一种三维人脸模型生成方法、装置、设备及存储介质，所述方法包括：获取用户的人脸图像信息，并对人脸图像信息进行特征识别，以获得用户的人脸特征信息；将人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得用户的初阶人脸模型；获取预设渲染数据，并基于预设渲染数据对初阶人脸模型进行效果渲染，以获得用户的三维人脸模型，通过基于获得的人脸特征信息在预设三维转换神经网络模型中进行模型匹配和模型调整来提高建模效率，然后基于预设渲染数据对获得的初阶人脸模型进行效果渲染，以提高获得的三维人脸模型的个性化展示效果，进一步地，也提高了用户的网络社交体验，增加了用户粘度。

【技术实现步骤摘要】
三维人脸模型生成方法、装置、设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种三维人脸模型生成方法、装置、设备及存储介质。
技术介绍
在用户选用社交APP进行社交时，会上传照片或者网络图片当作自己的头像(如，“个人中心”中的“上传头像”)，然而，自拍容易泄露用户的个人隐私，网络图片又容易和其他用户相同，而产生“撞头像”的问题，且将自拍或网络图片作为头像均无法给用户带来新颖感，缺乏趣味性，难以激发用户的自我展现意识，现有技术中，虽有部分厂商在自拍功能中加入了根据用户的实时自拍生成对应的人脸模型这一功能，但仍存在人脸模型精度低或人脸模型构造效率低、构造时间长的问题，因此，如何提高个性化三维人脸模型的生成效率和展示效果，以提高用户的网络社交体验，增加用户粘度，成为一个亟待解决的问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供了一种三维人脸模型生成方法、装置、设备及存储介质，旨在解决如何提高个性化三维人脸模型的生成效率和展示效果，以提高用户的网络社交体验，增加用户粘度的技术问题。为实现上述目的，本专利技术提供了一种三维人脸模型生成方法，所述方法包括以下步骤：获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息；将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型；获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型。可选地，所述获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息的步骤，具体包括：获取用户的人脸图像信息，并对所述人脸图像信息进行图像识别，获得人脸图像关键点；将所述人脸图像关键点转换到预设人脸坐标系中，以获得所述人脸图像关键点与所述预设人脸坐标系中对应的预设图像关键点的关键点坐标差值；基于所述关键点坐标差值生成所述用户的人脸特征信息。可选地，所述将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型的步骤，具体包括：将所述人脸特征信息与预设三维转换神经网络模型中各预设人脸模型的模型特征信息进行模型匹配，获得所述人脸特征信息和所述模型特征信息之间的模型匹配度；对所述模型匹配度进行排序，以获得匹配度排序结果，并基于所述匹配度排序结果确定目标人脸模型；基于所述人脸特征信息对所述目标人脸模型进行自适应调整，以获得所述用户的初阶人脸模型。可选地，所述对所述模型匹配度进行排序，以获得匹配度排序结果，并基于所述匹配度排序结果确定目标人脸模型的步骤，具体包括：将所述模型匹配度按照从大到小进行排序，以获得匹配度排序结果；判断所述匹配度排序结果中排序顺位第一的预设人脸模型对应的模型匹配度是否大于预设匹配度；在大于等于所述预设匹配度时，将所述排序顺位第一的预设人脸模型作为目标人脸模型；在小于所述预设匹配度时，将预设标准模型作为所述目标人脸模型。可选地，所述基于所述人脸特征信息对所述目标人脸模型进行自适应调整，以获得所述用户的初阶人脸模型的步骤，具体包括：获取所述人脸特征信息对应在各人脸区域的人脸特征值，以及所述目标人脸模型对应在各预设分区的人脸目标值；将所述人脸特征值与所述人脸目标值进行比对，获得特征比对结果；基于所述特征比对结果对所述目标人脸模型的各人脸区域进行自适应调整，以获得所述用户的初阶人脸模型。可选地，所述预设渲染数据包括预设纹理数据和预设风格数据；相应地，所述获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型的步骤，具体包括：获取各人脸区域对应的所述预设纹理数据和所述预设风格数据，以及各人脸区域对应的边缘点信息和法向量信息；基于各人脸区域对应的所述预设纹理数据、所述边缘点信息以及所述法向量信息对所述初阶人脸模型进行贴图，获得人脸纹理模型；基于各人脸区域对应的所述预设风格数据、所述边缘点信息以及所述法向量信息对所述人脸纹理模型进行渲染，获得所述用户的三维人脸模型。可选地，所述获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型的步骤，具体包括：获取用户输入的调整偏好信息中的一类偏好信息，并基于所述一类偏好信息对所述初阶人脸模型进行调整，以获得用户微调模型；获取预设渲染数据和所述调整偏好信息中的二类偏好信息，并基于所述渲染数据和所述二类偏好信息对所述用户微调模型进行效果渲染，以获得所述用户的三维人脸模型。此外，为实现上述目的，本专利技术还提出一种三维人脸模型生成装置，所述三维人脸模型生成装置包括：特征识别模块，用于获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息；三维转换模块，用于将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型；效果渲染模块，用于获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型。此外，为实现上述目的，本专利技术还提出一种三维人脸模型生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的三维人脸模型生成程序，所述三维人脸模型生成程序配置为实现如上文所述的三维人脸模型生成方法的步骤。此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有三维人脸模型生成程序，所述三维人脸模型生成程序被处理器执行时实现如上文所述的三维人脸模型生成方法的步骤。本专利技术中，获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息；将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型；获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型，相较于现有技术直接根据用户的人脸图像信息进行建模，本专利技术通过基于用户的人脸图像信息获得的人脸特征信息在预设三维转换神经网络模型中进行人脸模型匹配，然后对匹配到的人脸模型进行模型调整来提高建模效率，然后基于预设渲染数据对获得的初阶人脸模型进行效果渲染，以提高基于初阶人脸模型获得的三维人脸模型的展示效果，实现了三维人脸模型的个性化设置，也提高了用户的网络社交体验，增加了用户粘度。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的三维人脸模型生成设备的结构示意图；图2为本专利技术三维人脸模型生成方法第一实施例的流程示意图；图3为本专利技术三维人脸模型生成方法第二实施例的流程示意图；图4为本专利技术三维人脸模型生成装置第一实施例的结构框图。...

【技术保护点】
1.一种三维人脸模型生成方法，其特征在于，所述三维人脸模型生成方法包括以下步骤：/n获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息；/n将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型；/n获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型。/n

【技术特征摘要】
1.一种三维人脸模型生成方法，其特征在于，所述三维人脸模型生成方法包括以下步骤：
获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息；
将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型；
获取预设渲染数据，并基于所述预设渲染数据对所述初阶人脸模型进行效果渲染，以获得所述用户的三维人脸模型。


2.如权利要求1所述的三维人脸模型生成方法，其特征在于，所述获取用户的人脸图像信息，并对所述人脸图像信息进行特征识别，以获得所述用户的人脸特征信息的步骤，具体包括：
获取用户的人脸图像信息，并对所述人脸图像信息进行图像识别，获得人脸图像关键点；
将所述人脸图像关键点转换到预设人脸坐标系中，以获得所述人脸图像关键点与所述预设人脸坐标系中对应的预设图像关键点的关键点坐标差值；
基于所述关键点坐标差值生成所述用户的人脸特征信息。


3.如权利要求1所述的三维人脸模型生成方法，其特征在于，所述将所述人脸特征信息输入至预设三维转换神经网络模型中进行三维转换处理，以获得所述用户的初阶人脸模型的步骤，具体包括：
将所述人脸特征信息与预设三维转换神经网络模型中各预设人脸模型的模型特征信息进行模型匹配，获得所述人脸特征信息和所述模型特征信息之间的模型匹配度；
对所述模型匹配度进行排序，以获得匹配度排序结果，并基于所述匹配度排序结果确定目标人脸模型；
基于所述人脸特征信息对所述目标人脸模型进行自适应调整，以获得所述用户的初阶人脸模型。


4.如权利要求3所述的三维人脸模型生成方法，其特征在于，所述对所述模型匹配度进行排序，以获得匹配度排序结果，并基于所述匹配度排序结果确定目标人脸模型的步骤，具体包括：
将所述模型匹配度按照从大到小进行排序，以获得匹配度排序结果；
判断所述匹配度排序结果中排序顺位第一的预设人脸模型对应的模型匹配度是否大于预设匹配度；
在大于等于所述预设匹配度时，将所述排序顺位第一的预设人脸模型作为目标人脸模型；
在小于所述预设匹配度时，将预设标准模型作为所述目标人脸模型。


5.如权利要求3所述的三维人脸模型生成方法，其特征在于，所述基于所述人脸特征信息对所述目标人脸模型进行自适应调整，以获得所述用户的初阶人脸模型的步骤，具体包括：
获取所述人脸特征信息对应在各人脸区域的人脸特征值，以及所述目标人脸模型对应在各预设分区的人脸目标值；
将所...

【专利技术属性】
技术研发人员：王纪章，戎荣，
申请(专利权)人：上海星阑信息科技有限公司，
类型：发明
国别省市：上海;31