人脸图像生成方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种人脸图像生成方法、装置、设备以及存储介质，属于计算机技术领域。方法包括：获取第一人脸的人脸图像、获取第二人脸的人脸图像和获取不同人脸形状、不同表情的多个人脸的人脸顶点数据；以第一人脸为拟合目标，对多个人脸的人脸顶点数据进行拟合，以确定第一人脸的目标人脸形状特征和目标表情特征；以第二人脸为拟合目标，对多个人脸的人脸顶点数据进行拟合，以确定第二人脸的目标人脸形状特征和目标表情特征；基于第一人脸的目标表情特征、第二人脸的目标人脸形状特征和第二人脸的目标人脸纹理特征，生成第二人脸的目标人脸图像。该方法降低了时间成本和人力成本。该方法降低了时间成本和人力成本。该方法降低了时间成本和人力成本。

【技术实现步骤摘要】
【国外来华专利技术】人脸图像生成方法、装置、设备以及存储介质


[0001]本申请涉及计算机
，特别涉及一种人脸图像生成方法、装置、设备以及存储介质。

技术介绍

[0002]随着计算机技术的不断发展，虚拟对象驱动在多个领域中被广泛应用，具有很大的市场价值。例如，在电影制作时，在电影中添加虚拟对象，驱动该虚拟对象完成相应的剧情。
[0003]目前，驱动虚拟对象需要构建虚拟对象的三维模型，并由专业动作演员穿戴动作捕捉设备，做出相应的动作，由动作捕捉设备记录每个动作的动作数据，将该动作数据映射到虚拟对象的三维模型中以驱动该虚拟对象。
[0004]由于虚拟对象的脸部驱动在精细度上要求较高，因此，需要获取精细的脸部动作数据以及构建精细的虚拟对象脸部模型，然而，获取精细的脸部动作数据需要昂贵的动作捕捉设备，构建精细的虚拟对象脸部模型需要花费较长的时间成本和较大的人力成本，无法满足当前低成本、快速迭代的需求。

技术实现思路

[0005]本申请实施例提供了一种人脸图像生成方法、装置、设备以及存储介质，极大地降低了时间成本和人力成本。所述技术方案如下：
[0006]一个方面，提供了一种人脸图像生成方法，所述方法包括：
[0007]获取第一人脸的人脸图像、获取第二人脸的人脸图像和获取人脸顶点数据，所述人脸顶点数据包括不同人脸形状、不同表情的多个人脸的人脸顶点数据；
[0008]将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征；
[0009]将第二人脸形状特征和第二表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第二人脸为拟合目标，迭代更新所述第二人脸形状特征和所述第二表情特征，以使拟合结果趋近于所述第二人脸，将最后一次更新得到的第二人脸形状特征和第二表情特征分别确定为所述第二人脸的目标人脸形状特征和目标表情特征；
[0010]基于所述第一人脸的目标表情特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像。
[0011]在一种可能的实现方式中，所述将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，包括：
[0012]基于所述第一人脸的人脸图像，获取所述第一人脸的人脸顶点数据；
[0013]将预设的第一人脸形状特征和预设的第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合；
[0014]基于拟合结果与所述第一人脸的人脸顶点数据，确定拟合误差；
[0015]对所述预设的第一人脸形状特征和所述预设的第一表情特征进行迭代更新，以使所述拟合误差减小。
[0016]在一种可能的实现方式中，所述第一人脸的人脸顶点数据为二维数据，所述多个人脸的人脸顶点数据为三维数据；所述基于拟合结果与所述第一人脸的人脸顶点数据，确定拟合误差，包括：
[0017]将所述拟合结果中三维的人脸顶点数据投影到二维坐标系中，得到二维的人脸顶点数据；
[0018]将得到的二维人脸顶点数据和所述第一人脸的人脸顶点数据之间的差值确定为所述拟合误差。
[0019]在一种可能的实现方式中，所述第一人脸的人脸顶点数据为所述第一人脸的人脸关键点数据；所述将预设的第一人脸形状特征和预设的第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，包括：
[0020]基于所述第一人脸的人脸关键点数据，确定与所述第一人脸的人脸关键点数据匹配的所述多个人脸的人脸关键点数据；
[0021]将所述预设的第一人脸形状特征和所述预设的第一表情特征作为加权系数，对所述多个人脸的人脸关键点数据进行拟合。
[0022]在一种可能的实现方式中，所述将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征，包括：
[0023]将所述第一人脸形状特征、所述第一表情特征和第一人脸刚性变换矩阵作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征、所述第一表情特征和所述第一人脸刚性变换矩阵，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征，所述人脸刚性变换矩阵用于对人脸进行平移和旋转；
[0024]从最后一次更新得到的人脸刚性变换矩阵中分解出所述第一人脸的目标姿态角特征；
[0025]所述基于所述第一人脸的目标表情特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像，包括：
[0026]基于所述第一人脸的目标表情特征、所述第一人脸的目标姿态角特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像。
[0027]在一种可能的实现方式中，所述将所述第一人脸形状特征、所述第一表情特征和第一人脸刚性变换矩阵作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述
第一人脸为拟合目标，迭代更新所述第一人脸形状特征、所述第一表情特征和所述第一人脸刚性变换矩阵，以使拟合结果趋近于所述第一人脸，包括：
[0028]基于预设的第一人脸形状特征和预设的第一表情特征，对所述多个人脸的人脸顶点数据进行拟合，得到第一拟合结果；
[0029]基于所述第一拟合结果和所述第一人脸的人脸顶点数据，确定第一人脸刚性变换矩阵；
[0030]基于所述第一人脸刚性变换矩阵、所述第一拟合结果和所述第一人脸的人脸顶点数据，对所述预设的第一人脸形状特征和所述预设的第一表情特征进行更新，得到更新后的第一人脸形状特征和更新后的第一表情特征；
[0031]基于所述更新后的第一人脸形状特征和所述更新后的第一表情特征，对所述多个人脸的人脸顶点数据进行拟合，得到第二拟合结果；
[0032]基于所述第二拟合结果和所述第一人脸的人脸顶点数据，更新所述第一人脸刚性变换矩阵；
[0033]交替执行对第一人脸刚性变换矩阵和第一人脸形状特征与第一表情特征的更新，直至达到迭代终止条件。
[0034]在一种可能的实现方式中，所述获取人脸顶点数据，包括：
[0035]获取第一数量组人脸顶点数据，一组人脸顶点数据对应一个人脸，所述第一数量组人脸顶点数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种人脸图像生成方法，其特征在于，所述方法包括：获取第一人脸的人脸图像、获取第二人脸的人脸图像和获取人脸顶点数据，所述人脸顶点数据包括不同人脸形状、不同表情的多个人脸的人脸顶点数据；将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征；将第二人脸形状特征和第二表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第二人脸为拟合目标，迭代更新所述第二人脸形状特征和所述第二表情特征，以使拟合结果趋近于所述第二人脸，将最后一次更新得到的第二人脸形状特征和第二表情特征分别确定为所述第二人脸的目标人脸形状特征和目标表情特征；基于所述第一人脸的目标表情特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像。2.根据权利要求1所述的方法，其特征在于，所述将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，包括：基于所述第一人脸的人脸图像，获取所述第一人脸的人脸顶点数据；将预设的第一人脸形状特征和预设的第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合；基于拟合结果与所述第一人脸的人脸顶点数据，确定拟合误差；对所述预设的第一人脸形状特征和所述预设的第一表情特征进行迭代更新，以使所述拟合误差减小。3.根据权利要求2所述的方法，其特征在于，所述第一人脸的人脸顶点数据为二维数据，所述多个人脸的人脸顶点数据为三维数据；所述基于拟合结果与所述第一人脸的人脸顶点数据，确定拟合误差，包括：将所述拟合结果中三维的人脸顶点数据投影到二维坐标系中，得到二维的人脸顶点数据；将得到的二维人脸顶点数据和所述第一人脸的人脸顶点数据之间的差值确定为所述拟合误差。4.根据权利要求2所述的方法，其特征在于，所述第一人脸的人脸顶点数据为所述第一人脸的人脸关键点数据；所述将预设的第一人脸形状特征和预设的第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，包括：基于所述第一人脸的人脸关键点数据，确定与所述第一人脸的人脸关键点数据匹配的所述多个人脸的人脸关键点数据；将所述预设的第一人脸形状特征和所述预设的第一表情特征作为加权系数，对所述多个人脸的人脸关键点数据进行拟合。5.根据权利要求1所述的方法，其特征在于，所述将第一人脸形状特征和第一表情特征作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭
代更新所述第一人脸形状特征和所述第一表情特征，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征，包括：将所述第一人脸形状特征、所述第一表情特征和第一人脸刚性变换矩阵作为加权系数，对所述多个人脸的人脸顶点数据进行拟合，以所述第一人脸为拟合目标，迭代更新所述第一人脸形状特征、所述第一表情特征和所述第一人脸刚性变换矩阵，以使拟合结果趋近于所述第一人脸，将最后一次更新得到的第一人脸形状特征和第一表情特征分别确定为所述第一人脸的目标人脸形状特征和目标表情特征，所述人脸刚性变换矩阵用于对人脸进行平移和旋转；从最后一次更新得到的人脸刚性变换矩阵中分解出所述第一人脸的目标姿态角特征；所述基于所述第一人脸的目标表情特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像，包括：基于所述第一人脸的目标表情特征、所述第一人脸的目标姿态角特征、所述第二人脸的目标人脸形状特征和所述第二人脸的目标人脸纹理特征，生成所述第二人脸的目标人脸图像...

【专利技术属性】
技术研发人员：章腾飞，张树业，蔡海军，
申请(专利权)人：广州酷狗计算机科技有限公司，
类型：发明
国别省市：