System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能化面部整形修复,尤其涉及一种基于人工智能重建技术的面部整形修复辅助系统及方法。
技术介绍
1、面部整形修复是一种通过手术或非手术方法改善面部外观和功能的医疗过程。人们通常是出于美容或医疗的原因而进行面部整形修复。例如修复先天性缺陷、创伤后的畸形或癌症的后遗症。但是面部整形修复的效果往往受到患者的个体差异、医生的技术水平和术后恢复情况等多种因素的影响。因此,面部整形修复的预测和评估是一个重要而困难的问题。
2、目前,常用的面部整形修复预测和评估方法主要是基于二维图像,即通过对患者的面部照片进行处理和修改来模拟整形修复后的效果。然而这种方法并不能真实地反映患者的面部结构和全方位形态。
3、因此,期待一种优化的方案。
技术实现思路
1、本申请为了克服上述缺陷,提供一种基于人工智能重建技术的面部整形修复辅助系统及方法。
2、本申请还提供了一种基于人工智能重建技术的面部整形修复辅助方法,其包括:
3、通过摄像头从多个角度捕捉患者的面部图像以得到多个患者面部图像;
4、通过三维重建模块对所述多个患者面部图像进行处理以得到患者面部三维模型;
5、对所述患者面部三维模型进行虚拟整形修复操作以得到修复患者面部三维模型;
6、其中,通过三维重建模块对所述多个患者面部图像进行处理以得到患者面部三维模型,包括:
7、提取所述多个患者面部图像的面部特征以得到多个患者面部特征图;
8、对所
9、基于所述多个上下文空间维度显化患者面部特征图来生成所述患者面部三维模型;
10、其中,对所述多个患者面部特征图进行空间感知强化和上下文关联特征分析以得到多个上下文空间维度显化患者面部特征图,包括:
11、对所述多个患者面部特征图进行特征显化处理以得到多个空间维度显化患者面部特征图;
12、将所述多个空间维度显化患者面部特征图通过基于转换器模块的上下文编码器以得到所述多个上下文空间维度显化患者面部特征图;
13、其中,对所述多个患者面部特征图进行特征显化处理以得到多个空间维度显化患者面部特征图,包括:
14、使用空间感知特征融合模块分别对所述多个患者面部特征图进行空间维度强化以得到所述多个空间维度显化患者面部特征图;
15、其中,使用空间感知特征融合模块分别对所述多个患者面部特征图进行空间维度强化以得到所述多个空间维度显化患者面部特征图,包括:
16、以如下空间感知公式对所述患者面部特征图进行处理以得到空间注意力矩阵;其中,所述空间感知公式为:
17、;
18、其中,为所述患者面部特征图,为所述空间注意力矩阵,表示池化处理,、和表示卷积处理,表示基于函数的非线性激活处理;
19、计算所述空间注意力矩阵与所述患者面部特征图中按通道维度的各个患者面部特征矩阵的按位置点乘以得到所述空间维度显化患者面部特征图。
20、在上述基于人工智能重建技术的面部整形修复辅助方法中,提取所述多个患者面部图像的面部特征以得到多个患者面部特征图,包括:将所述多个患者面部图像分别通过基于卷积神经网络模型的面部特征提取器以得到所述多个患者面部特征图。
21、在上述基于人工智能重建技术的面部整形修复辅助方法中,所述基于卷积神经网络模型的面部特征提取器,包括:输入层、卷积层、池化层、激活层和输出层。
22、在上述基于人工智能重建技术的面部整形修复辅助方法中,将所述多个空间维度显化患者面部特征图通过所述基于转换器模块的上下文编码器以得到所述多个上下文空间维度显化患者面部特征图,包括:将所述空间维度显化患者面部特征图展开为一维输入向量以得到一维输入向量的序列;将所述一维输入向量的序列通过所述基于转换器模块的上下文编码器以得到上下文关联空间维度显化患者面部特征向量的序列;对所述上下文关联空间维度显化患者面部特征向量的序列进行特征向量重构以得到所述上下文空间维度显化患者面部特征图。
23、在上述基于人工智能重建技术的面部整形修复辅助方法中,将所述一维输入向量的序列通过所述基于转换器模块的上下文编码器以得到上下文关联空间维度显化患者面部特征向量的序列,包括:将所述一维输入向量的序列进行一维排列以得到全局一维向量;计算所述全局一维向量与所述一维输入向量的序列中各个一维输入向量的转置向量之间的乘积以得到多个自注意力关联矩阵;分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵;将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过softmax分类函数以得到多个概率值;以及,分别以所述多个概率值中各个概率值作为权重对所述一维输入向量的序列中各个一维输入向量进行加权以得到所述上下文关联空间维度显化患者面部特征向量的序列。
24、在上述基于人工智能重建技术的面部整形修复辅助方法中,基于所述多个上下文空间维度显化患者面部特征图来生成所述患者面部三维模型,包括:将所述多个上下文空间维度显化患者面部特征图拼接为全局患者面部特征图;对所述全局患者面部特征图进行特征分布校正以得到校正后全局患者面部特征图;将所述校正后全局患者面部特征图通过基于解码器的面部三维模型生成器以得到所述患者面部三维模型。
25、本申请还提供了一种基于人工智能重建技术的面部整形修复辅助系统,其包括:
26、面部图像获取模块,用于通过摄像头从多个角度捕捉患者的面部图像以得到多个患者面部图像;
27、三维重建处理模块,用于通过三维重建模块对所述多个患者面部图像进行处理以得到患者面部三维模型;
28、虚拟整形修复操作模块,用于对所述患者面部三维模型进行虚拟整形修复操作以得到修复患者面部三维模型;
29、其中,所述三维重建处理模块,包括:
30、面部特征提取单元,用于提取所述多个患者面部图像的面部特征以得到多个患者面部特征图;
31、空间感知强化和上下文关联特征分析单元,用于对所述多个患者面部特征图进行空间感知强化和上下文关联特征分析以得到多个上下文空间维度显化患者面部特征图;
32、患者面部三维模型生成单元,用于基于所述多个上下文空间维度显化患者面部特征图来生成所述患者面部三维模型;
33、其中,所述空间感知强化和上下文关联特征分析单元,包括:
34、对所述多个患者面部特征图进行特征显化处理以得到多个空间维度显化患者面部特征图;
35、将所述多个空间维度显化患者面部特征图通过基于转换器模块的上下文编码器以得到所述多个上下文空间维度显化患者面部特征图;
36、其中,对所述多个患者面部特征图进行特征显化处理以得到多个空间维度显化患者面部特本文档来自技高网...
【技术保护点】
1.一种基于人工智能重建技术的面部整形修复辅助方法,其特征在于,包括:
2.根据权利要求1所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,提取所述多个患者面部图像的面部特征以得到多个患者面部特征图,包括:
3.根据权利要求2所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,所述基于卷积神经网络模型的面部特征提取器,包括:输入层、卷积层、池化层、激活层和输出层。
4.根据权利要求3所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,将所述多个空间维度显化患者面部特征图通过所述基于转换器模块的上下文编码器以得到所述多个上下文空间维度显化患者面部特征图,包括:
5.根据权利要求4所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,将所述一维输入向量的序列通过所述基于转换器模块的上下文编码器以得到上下文关联空间维度显化患者面部特征向量的序列,包括:
6.根据权利要求5所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,基于所述多个上下文空间维度显化患者面部特征图来生成所述患
7.一种基于人工智能重建技术的面部整形修复辅助系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于人工智能重建技术的面部整形修复辅助方法,其特征在于,包括:
2.根据权利要求1所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,提取所述多个患者面部图像的面部特征以得到多个患者面部特征图,包括:
3.根据权利要求2所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,所述基于卷积神经网络模型的面部特征提取器,包括:输入层、卷积层、池化层、激活层和输出层。
4.根据权利要求3所述的基于人工智能重建技术的面部整形修复辅助方法,其特征在于,将所述多个空间维度显化患者面部特征图通过所述...
【专利技术属性】
技术研发人员:吴广智,柳溪林,刘彦希,祁乐,李剑南,陈晓敏,
申请(专利权)人:吉林大学,
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。