【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于深度学习的虚拟表情图像生成方法、装置及介质。
技术介绍
1、从真实人脸中获取其表情信息和头部姿态信息,驱动目标三维虚拟模型生成相似表情的技术是当前虚拟表情生成领域中重要的研究课题之一，在虚拟现实、数字娱乐等领域具有极高的应用价值。
2、目前，相关技术中虚拟表情生成方法，或需要高昂的面部表情捕捉设备、或需要高性能的计算机、或需要复杂的前后期的人工处理，或者牺牲一定的人脸表情信息获取的精度。
3、综上，如何通过普通单目摄像头获取视频图像，全程无人工干预地驱动目标三维表情模型快速生成高精度的虚拟表情的问题亟待解决。
技术实现思路
1、有鉴于此，本专利技术提供一种基于深度学习的虚拟表情图像生成方法、装置及介质。
2、本专利技术一方面提供了一种基于深度学习的虚拟表情图像生成方法，包括：
3、通过单目视频相机获取含有人脸的视频；
4、对所述含有人脸的视频逐帧进行人脸检测，获得视频中所有不同人脸的人脸图像...
【技术保护点】
1.一种基于深度学习的虚拟表情图像生成方法，其特征在于，包括：
2.根据权利要求1所述的人脸图像质量筛选方法，其特征在于，包括：
3.根据权利要求2所述的人脸分类模型，其特征在于，包括：
4.一种使用基于深度可分离的卷积神经网络结构的人脸关键点定位模型，其特征在于，包括：采用MobileNetV3网络的基本模块构建一个端到端的类VGG的网络模型。网络模型输入设置为224*224*1，对人脸的68个关键点进行定位，输出68个关键点的二维坐标。
5.根据权力5所述的网络结构采用改进的倒残差模块，其特征在于，包括：
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。