【技术实现步骤摘要】
三维面部模型的处理方法及装置
[0001]本申请涉及人工智能
，尤其涉及一种三维面部模型的处理方法、装置、设备、介质及程序产品。
技术介绍
[0002]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0003]在相关技术中，所构建的三维面部模型的质量依赖于三维可形变模型的表达能力，但表达能力的提升往往伴随着三维可形变模型的维度增加，导致处理资源显著增加。而低表达能力的三维可形变模型无法有效表达出二维面部图像的细节信息，导致所构建的三维面部模型无法准确还原二维面部图像的细节信息，使得所构建的三维面部模型对二维面部图像的还原不准确，且细节不丰富。>[0004]对于如本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种三维面部模型的处理方法，其特征在于，所述方法包括：基于对象的二维面部图像，构建所述对象的第一三维面部模型；基于所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一确定形状约束条件；基于所述形状约束条件确定形状梯度信息，并基于所述形状梯度信息对所述第一三维面部模型进行形状调整处理，得到第二三维面部模型；基于所述第二三维面部模型的颜色信息和所述第二三维面部模型的投影点至少之一确定细节约束条件，并基于所述细节约束条件确定细节梯度信息；基于所述细节梯度信息对所述第二三维面部模型进行细节调整处理，得到目标三维面部模型。2.根据权利要求1所述的方法，其特征在于，所述形状约束条件包括形状损失函数；所述基于所述形状约束条件确定形状梯度信息，包括：迭代i执行以下处理：将所述第一三维面部模型的投影点确定为第1轮三维面部模型的投影点；基于所述二维面部图像的关键点和第i轮三维面部模型的投影点至少之一，调用至少一个梯度变换形状损失函数进行第i+1次形状梯度处理，得到第i+1形状梯度信息；其中，i的取值逐步递增且取值满足1≤i≤N
‑
1，N表征所述迭代i的轮次，所述梯度变换形状损失函数是对所述形状损失函数进行梯度变换处理得到的。3.根据权利要求2所述的方法，其特征在于，所述基于所述形状梯度信息对所述第一三维面部模型进行形状调整处理，得到第二三维面部模型，包括：迭代所述i执行以下处理：基于所述第i+1形状梯度信息进行形状调整处理，得到第i+1调整处理结果；将所述第i+1调整处理结果和所述第i轮三维面部模型进行融合处理，得到第i+1轮三维面部模型；将迭代至i＝N
‑
1时得到第N轮三维面部模型确定为所述第二三维面部模型。4.根据权利要求2所述的方法，其特征在于，所述形状损失函数的类型包括关键点损失函数、平滑损失函数和穿模损失函数；所述基于所述二维面部图像的关键点和第i轮三维面部模型的投影点至少之一，调用至少一个梯度变换形状损失函数进行第i+1次形状梯度处理，得到第i+1形状梯度信息，包括：基于所述二维面部图像的关键点和所述第i轮三维面部模型的投影点至少之一，分别调用至少一个类型的梯度变换形状损失函数进行第i+1次形状梯度处理，对应得到与每个类型的所述梯度变换形状损失函数对应的第i+1形状梯度子信息；当调用多个类型的所述梯度变换形状损失函数时，将每个类型的所述梯度变换形状损失函数对应的所述第i+1形状梯度子信息进行加权求和处理，得到第i+1形状梯度信息；当调用一个类型的所述梯度变换形状损失函数时，将所述梯度变换形状损失函数对应的所述第i+1形状梯度子信息直接作为第i+1形状梯度信息。5.根据权利要求1所述的方法，其特征在于，
所述形状约束条件包括关键点损失函数；所述基于所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一确定形状约束条件，包括：以所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一为参数，创建所述关键点损失函数，其中，所述关键件损失函数通过以下方式确定第i+1轮的关键点损失值：针对所述二维面部图像的任意一个所述关键点执行以下处理：基于所述关键点，从第i轮三维面部模型的投影点中，确定与所述关键点对应的目标投影点，并确定所述关键点与所述目标投影点之间的差值；将每个所述关键点的所述差值的平方进行加和处理，得到所述第i+1轮的关键点损失值。6.根据权利要求1所述的方法，其特征在于，所述形状约束条件包括平滑损失函数；所述基于所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一确定形状约束条件，包括：以所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一为参数，创建所述平滑损失函数，其中，所述平滑损失函数通过以下方式确定第i+1轮的平滑损失值：基于第1轮三维面部模型的投影点，确定所述第1轮三维面部模型的第1片面集合，其中，所述第1片面集合中的每个平面的每个顶点均为所述第1轮三维面部模型的投影点；基于第i轮三维面部模型的投影点，确定所述第i轮三维面部模型的第i片面集合，其中，所述第i片面集合中的每个平面的每个顶点均为所述第i轮三维面部模型的投影点；基于所述第1轮三维面部模型的投影点和所述第1片面集合，确定所述第1轮三维面部模型的第1拉普拉斯矩阵；基于所述第i轮三维面部模型的投影点和所述第i片面集合，确定所述第i轮三维面部模型的第i拉普拉斯矩阵；将所述第1拉普拉斯矩阵和所述第i拉普拉斯矩阵的绝对差值，确定为第i+1轮的平滑损失值。7.根据权利要求1所述的方法，其特征在于，所述形状约束条件包括穿模损失函数；所述基于所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一确定形状约束条件，包括：以所述二维面部图像的关键点和所述第一三维面部模型的投影点至少之一为参数，创建所述穿模损失函数，其中，所述穿模损失函数通过以下方式确定第i+1轮的穿模损失值：从第1轮三维面部模型的上下嘴唇衔接区域的投影点中，确定所述第1轮三维面部模型的第一嘴型投影点；从所述第i轮三维面部模型的上下嘴唇衔接区域的投影点中，确定所述第i轮三维面部模型的第二嘴型投影点；基于所述第一嘴型投影点，确定所述第1轮三维面部模型的第一嘴型片面集合，其中，所述第一嘴型片面集合中的每个平面的每个顶点均为所述第1轮三维面部模型的嘴型投影
点；基于所述第二嘴型投影点，确定所述第i轮三维面部模型的第二嘴型片面集合，其中，所述第二嘴型片面集合中的每个平面的每个顶点均为所述第i轮三维面部模型的嘴型投影点；基于所述第一嘴型投影点和所述第一嘴型面片集合，确定所述第1轮三维面部模型的第1嘴型拉普拉斯矩阵；基于所述第二嘴型投影点和所述第二嘴型面片集合，确定所述第i轮三维面部模型的第i嘴型拉普拉斯矩阵；将所述第1嘴型拉普拉斯矩阵和所述第i嘴型拉普拉斯矩阵的绝对差值，确定为所述第i+1轮的穿模损失值。8.根据权利要求1所述的方法，其特征在于，所述细节约束条件包括细节损失函数；所述基于所述细节约束条件确定细节梯度信息，包括：迭代j执行以下处理：将所述第二三维面部模型的颜色信息确定为第1轮第二三维面部模型的颜色信息，并将所述第二三维面部模型的投影点确定为第1轮第二三维面部模型的投影点；基于第j轮第二三维面部模型...
【专利技术属性】
技术研发人员：张浩贤，
申请(专利权)人：腾讯科技深圳有限公司，
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。