【技术实现步骤摘要】
一种基于神经网络的真实感三维人脸纹理重建方法
[0001]本专利技术涉及人脸三维重建领域，特别涉及一种基于神经网络的真实感三维人脸纹理重建方法。
技术介绍
[0002]三维人脸重建作为人脸识别、人脸动画以及医疗美容等领域的基础技术，一直以来是计算机图形与图像领域中的热点研究方向。随着市场需求的变化，高精度和真实感的三维人脸应用范围越来越大。
[0003]早期通过扫描仪等仪器扫描真实人脸获取点云数据，需进一步对顶点填充、移除、对齐等实现人脸重建，不仅流程复杂、计算难度大，而且仪器昂贵且无法移动使用，不具有普适性和移植性。因此，基于易获取的人脸图像重建三维人脸成为研究热点。其中，根据单一人脸图像重建会丢失部分信息，基于人脸图像集合重建需要解决多信息融合的问题。人脸三维重建可以分为人脸几何和人脸纹理重建两部分内容，对于人脸几何重建已有大量的方法可以重建出高精度的结果，但人脸纹理重建受到照片质量、环境光和人脸姿态等问题，是一个亟待解决的问题。
[0004]三维人脸纹理重建可以分为基于纹理统计模型重建和基于人脸图像直接...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的真实感三维人脸纹理重建方法，其特征在于，操作步骤如下：步骤1：先采用人脸姿态估计网络预测人脸姿态，并根据人脸姿态进行分组；再使用人脸检测网络裁剪人脸区域，调整图像分辨率，构成网络训练数据集；步骤2：首先将人脸图像输入人脸特征回归网络和人脸几何偏移预测网络，分别输出粗糙的三维人脸几何和人脸几何UV偏移图，将两者相加计算得精准的三维人脸几何；然后基于UV渲染器获得残缺的人脸UV纹理，最终通过人脸纹理填充网络恢复完整的人脸UV纹理；步骤3：在基于步骤1所得的三维几何人脸和步骤2输出的完整人脸纹理，通过图像渲染器输出渲染图，与输入的人脸图像计算差异作为损失函数，实现无监督学习，并进行结果评估。2.根据权利要求1所述的基于神经网络的真实感三维人脸纹理重建方法，其特征在于，所述步骤1的具体操作步骤如下：1
‑
1：对于未处理的人脸图像先根据身份信息进行分组，再通过人脸姿态估计网络预测人脸的姿态，根据人脸角度分成左脸组、正脸组和右脸组；1
‑
2：将步骤1
‑
1的分组图像通过人脸检测网络获取目标人脸区域，并往外扩展10％大小保证图像中包含整张人脸，最终调整人脸区域图像分辨率为256
×
256像素构建数据集。3.根据权利要求1所述的基于神经网络的真实感三维人脸纹理重建方法，其特征在于，所述步骤2的具体操作步骤如下：2
‑
1：将分组...
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。