【技术实现步骤摘要】
图像处理、AR显示与直播方法、设备及存储介质
[0001]本申请涉及图像处理
,尤其涉及一种图像处理、AR显示与直播方法、设备及存储介质。
技术介绍
[0002]基于视觉的三维人脸重建及姿态估计在增强现实(Augmented Reality,AR)实时直播的3D头像创建、人脸动画生成、AR化妆或AR试戴等应用场景中有着重要的应用价值。例如,在AR化妆场景中,需要将一些美妆特效(如,腮红、口红等)添加到重建的三维人脸模型上,然后将添加美妆特效的三维人脸模型投影到二维人脸图像进行呈现。又例如,在AR试戴场景中,需要将试戴产品(如,太阳镜、耳环等)添加到重建的三维人脸模型上,然后将添加试戴产品的三维人脸模型投影到二维人脸图像进行呈现。其中,在将三维人脸模型投影到二维人脸图像时,经常出现重建的三维人脸模型和二维人脸图像不贴合的问题,例如,在AR化妆场景中出现的妆容扭曲或悬浮等问题,使得重建三维人脸模型的应用受到限制。
技术实现思路
[0003]本申请的多个方面提供一种图像处理、AR显示与直播方法、设备及存储介质,使得3D人脸模型投影到2D图像的效果更贴合更真实,为高精度需求的应用提供更多的可能。
[0004]本申请实施例提供一种图像处理方法,包括:基于先验3D人脸模型对2D人脸图像进行三维重建,得到2D人脸图像对应的目标3D人脸模型;在三维重建过程中,结合2D人脸图像到目标3D人脸模型的位置映射关系进行人脸姿态估计,以得到2D人脸的姿态数据;根据2D人脸的姿态数据针对目标3D人脸模型执行向2D人 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:基于先验3D人脸模型对2D人脸图像进行三维重建,得到所述2D人脸图像对应的目标3D人脸模型;在三维重建过程中,结合所述2D人脸图像到所述目标3D人脸模型的位置映射关系进行人脸姿态估计,以得到2D人脸的姿态数据;根据所述2D人脸的姿态数据针对所述目标3D人脸模型执行向所述2D人脸图像的透视投影处理。2.根据权利要求1所述的方法,其特征在于,基于先验3D人脸模型对2D人脸图像进行三维重建,得到所述2D人脸图像对应的目标3D人脸模型,包括:利用第一神经网络模型对所述2D人脸图像进行特征提取,得到2D人脸全局特征图;利用第二神经网络模型对所述先验3D人脸模型进行特征提取,得到所述先验3D人脸模型上多个3D点的特征向量;根据所述2D人脸全局特征图和所述多个3D点的特征向量,生成3D人脸形变参数;根据所述3D人脸形变参数和所述先验3D人脸模型,重建所述2D人脸图像对应的目标3D人脸模型。3.根据权利要求2所述的方法,其特征在于,在利用第一神经网络模型对所述2D人脸图像进行特征提取的过程中,还包括:基于所述2D人脸全局特征图生成多个像素点的特征向量,所述多个像素点来自所述2D人脸图像的人脸区域中;相应地,利用第二神经网络模型对所述先验3D人脸模型进行特征提取,得到所述先验3D人脸模型上多个3D点的特征向量,包括:利用第二神经网络模型对所述先验3D人脸模型进行特征提取,得到3D人脸全局特征图,基于所述3D人脸全局特征图生成所述多个3D点的特征向量;相应地,在三维重建过程中,结合所述2D人脸图像到所述目标3D人脸模型的位置映射关系进行人脸姿态估计,以得到2D人脸的姿态数据,包括:将所述3D人脸全局特征和所述多个像素点的特征向量进行拼接,得到第二融合特征;利用第四神经网络模型对所述第二融合特征进行特征学习,得到2D
‑
3D映射参数;根据所述2D
‑
3D映射参数和所述目标3D人脸模型对所述2D人脸图像中的人脸进行姿态估计,以得到2D人脸的姿态数据。4.根据权利要求3所述的方法,其特征在于,利用第一神经网络模型对所述2D人脸图像进行特征提取,得到2D人脸全局特征图,包括:将所述2D人脸图像送入第一神经网络模型中的人脸分割网络层进行人脸分割,得到所述2D人脸图像的初始特征图和所述2D人脸图像中的人脸区域,所述人脸区域包括所述多个像素点,且所述初始特征图中包括所述多个像素点的特征;将所述多个像素点的特征输入第一神经网络模型中的第一特征提取网络层针对2D人脸进行特征提取,得到2D人脸全局特征图;相应地,基于所述2D人脸全局特征图生成多个像素点的特征向量,包括:将所述2D人脸全局特征图输入第一神经网络模型中的第二特征提取网络层针对每个像素点进行特征提取,得到多个像素点的特征向量。5.根据权利要求3所述的方法,其特征在于,利用第二神经网络模型对所述先验3D人脸
模型进行特征提取,得到3D人脸全局特征,包括:从所述先验3D人脸模型上选取多个3D点,将所述多个3D点的位置坐标输入第二神经网络模型中的第三特征提取网络层进行特征提取,得到3D人脸全局特征;相应地,基于所述3D人脸全局特征图生成所述多个3D点的特征向量,包括:将所述3D人脸全局特征输入第二神经网络模型中的第四特征提取网络层进行特征提取,得到所述多个3D点的特征向量。6.根据权利要求3
‑
5任一项所述的方法,其特征在于,在得到2D人脸的姿态数据之前,还包括:获取基准3D人脸模型...
【专利技术属性】
技术研发人员:考月英,吕江靖,盘博文,李晓波,
申请(专利权)人:阿里巴巴中国有限公司,
类型:发明
国别省市:
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。