一种基于深度学习算法生成人脸3D图像的方法技术

本发明专利技术属于人脸建模技术领域，涉及一种基于深度学习算法生成人脸3D图像的方法，步骤包括：采用变分自编码器和卷积神经网络，构建人脸3D图像生成模型：变分自编码器的编码器将输入数据压缩为低维度的特征向量表示，解码器将提取的特征向量作用到FLAME基准人脸模型上，从而生成目标3D人脸模型；构建训练模型，并基于人脸2D图像数据集，对人脸3D图像生成模型进行训练；用户上传人脸2D图像，通过训练后的人脸3D图像生成模型对用户图像进行重构，最终得到细致的用户人脸3D图像。本发明专利技术可以通过单张人脸2D图像，自动生成一个真实的立体图像，使用更加方便，而且更加贴近真实，能用很好的应用在虚拟空间领域。

【技术实现步骤摘要】

本专利技术属于人脸建模，尤其涉及一种基于深度学习算法生成人脸3d图像的方法。

技术介绍

1、虚拟空间（virtual space）是一种由计算器技术和软件创建的模拟环境，通常用来模仿现实世界或创建完全虚构的世界，并让用户以虚拟的方式进行互动和体验。虚拟空间可以是三维的，也可以是二维的，能够以不同的方式实现，包括虚拟现实（vr）、增强现实（ar）、在网络上的虚拟世界、或者是计算器模拟的环境。

2、在虚拟空间中，使用者的虚拟形象（如头像）扮演着重要的角色，因此对于使用者图片的人脸3d算法研究也越来越受到关注。现有技术中，一些研究主要关注于如何实现使用者图片的生成或增强，而另一些研究则更加注重使用者对于人脸3d算法效果的感知和认知。

3、目前，现有的人脸3d算法技术大部分需要先拍摄实物的多张照片，通过特殊的算法将它们拼接成一个立体图像，这种方法的缺点在于需要特殊设备和多次拍摄，非常不便利。而一些基于深度学习的人脸3d算法技术越来越受到人们的关注和研究，相关的主流数据库和算法及其存在的局限性为：facewarehouse，提供了一个大规模的本文档来自技高网...

【技术保护点】

1.一种基于深度学习算法生成人脸3D图像的方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种基于深度学习算法生成人脸3D图像的方法，其特征在于：所述的S1中，编码器的输入数据经过卷积神经网络结构的卷积层、池化层和全连接层，最终输出为低维度的特征向量表示。

3.根据权利要求1所述的一种基于深度学习算法生成人脸3D图像的方法，其特征在于：所述的S2中，将用于训练的人脸2D图像数据集分为训练集、验证集和测试集。

4.根据权利要求3所述的一种基于深度学习算法生成人脸3D图像的方法，其特征在于：所述的S21中，对数据集中的数据进行预处理，将每一张2D图...

【技术特征摘要】

1.一种基于深度学习算法生成人脸3d图像的方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：所述的s1中，编码器的输入数据经过卷积神经网络结构的卷积层、池化层和全连接层，最终输出为低维度的特征向量表示。

3.根据权利要求1所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：所述的s2中，将用于训练的人脸2d图像数据集分为训练集、验证集和测试集。

4.根据权利要求3所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：所述的s21中，对数据集中的数据进行预处理，将每一张2d图像转换为对应的3d空间表征，即为3d空间的向量。

5.根据权利要求4所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：所述的s1-s3中，对其中涉及到的人脸2d图像均进行数据预处理，包括：

6.根据权利要求4所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：所述的s22中，利用预处理后的人脸2d图像数据集来预训练s1中的编码器和解码器，得到初步的表情参数，表情参数包括形状参数、纹理参数、表情参数、姿态参数、相机参数、细节参数和光照参数。

7.根据权利要求5所述的一种基于深度学习算法生成人脸3d图像的方法，其特征在于：...

【专利技术属性】
技术研发人员：王建宏，黃佩喧，王家豐，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：