一种三维重建方法、人脸三维重建方法及其相关装置制造方法及图纸

本申请公开了一种三维重建方法、人脸三维重建方法及其相关装置，包括：获取到包括目标对象的图像；基于图像获取到目标对象的特征参数；利用神经网络对特征参数进行卷积计算，得到目标对象的三维重建参数；其中，神经网络是通过固化特征参数与三维重建参数的关联关系后得到的；基于三维重建参数对目标对象进行三维重建。通过上述方法，减小了三维重建技术中算法带来的功耗和内存消耗。算法带来的功耗和内存消耗。算法带来的功耗和内存消耗。

【技术实现步骤摘要】
一种三维重建方法、人脸三维重建方法及其相关装置


[0001]本专利技术涉及图像处理应用领域，特别是涉及一种三维重建方法、人脸三维重建方法及其相关装置。

技术介绍

[0002]基于单张图片的深度学习三维人脸重建技术，是应用于数字，人脸表情驱动，AI三维动效，avater的基础技术。以上应用的场景都是基于三维人脸重建技术。三维人脸重建分为参数化重建方法和非参数化重建方法，参数化重建方法更是三维人脸重建的重要方法之一。
[0003]深度学习领域已经应用到很多领域了，随着深度学习的业务扩展覆盖面更广，而且对移动端的边缘计算资源利用要求也越来越高，例如很多算法应用到手机端时，均需对其算法进行简化。
[0004]现在，很多移动端算子的第三方优化也做的越来越好，功耗越来越低，计算速度也越来越快，比如常用的一些卷积层，池化层运算优化。一般情况下，深度学习模型训练好后，需要将训练好的模型转换到移动端优化的平台上，比如将caffe模型或者是tensorflow模型或者是pytorch模型转换到tflite，onnx，tensorRT模型下，才能使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维重建方法，其特征在于，所述三维重建方法包括：获取到包括目标对象的图像；基于所述图像获取到所述目标对象的特征参数；利用神经网络对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数；其中，所述神经网络是通过固化所述特征参数与所述三维重建参数的关联关系后得到的；基于所述三维重建参数对所述目标对象进行三维重建。2.根据权利要求1所述的三维重建方法，其特征在于，所述利用神经网络对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数的步骤，包括：基于预设数据构建参数模型；获取所述参数模型的固定参数；基于所述固定参数对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数。3.根据权利要求2所述的三维重建方法，其特征在于，所述基于所述固定参数对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数的步骤，包括：获取所述固定参数的第一类参数与所述特征参数的第一类参数的乘积、所述固定参数的第二类参数与所述特征参数的第二类参数的乘积以及所述固定参数的第三类参数；将所述第一类参数的乘积与所述第二类参数的乘积以及所述第三类参数的和确定为所述目标对象的三维重建参数。4.根据权利要求2所述的三维重建方法，其特征在于，所述获取所述参数模型的固定参数的步骤，包括：根据三维重建参数从所述参数模型的初始参数中选取所述固定参数。5.根据权利要求1所述的三维重建方法，其特征在于，所述神经网络包括相互级联的特征提取网络以及三维重建网络；所述基于所述图像获取到所述目标对象的特征参数的步骤包括：利用所述特征提取网络获取到所述目标对象的特征参数；所述利用神经网络对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数的步骤，包括：利用所述三维重建网络对所述特征参数进行卷积计算，得到所述目标对象的三维重建参数。6.一种人脸三维重建方法，其特征在于，包括：获取到包括人脸的图像；基于所述图像获取到所述人脸的形状参数和表情参数；利用神经网络对所述形状参数和所述表情参数进行卷积计算，得到所述人脸的三维重建参数；其中，所述神经网络是通过固化所述特征参数与所述三维重建参数的关联关系后...

【专利技术属性】
技术研发人员：芦爱余，
申请(专利权)人：广州虎牙科技有限公司，
类型：发明
国别省市：