[发明专利]基于单帧图像的三维人脸重建方法、装置、设备及介质有效

专利信息
申请号: 201910550324.5 申请日: 2019-06-24
公开(公告)号: CN110428491B 公开(公告)日: 2021-05-04
发明(设计)人: 施柏鑫;李思;朱勇杰 申请(专利权)人: 北京大学
主分类号: G06T17/00 分类号: G06T17/00;G06T15/20;G06T15/50;G06T15/83;G06K9/00
代理公司: 北京辰权知识产权代理有限公司 11619 代理人: 刘广达
地址: 100871*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 三维 重建 方法 装置 设备 介质
【权利要求书】:

1.一种基于单帧图像的三维人脸重建方法,其特征在于,包括:

获取二维人脸图像;

将所述二维人脸图像输入预设三维人脸模型中进行正映射,得到与所述二维人脸图像对应的人脸法向量映射图和人脸纹理映射图;

将所述人脸法向量映射图和所述人脸纹理映射图输入至人脸表观属性分解网络中,得到与所述二维人脸图像对应的人脸表观属性分解结果;

将所述人脸表观属性分解结果输入所述预设三维人脸模型中进行反映射,得到反映射结果;

根据所述反映射结果重建三维人脸图像;

所述人脸表观属性分解网络包括:反照率估计子网络、光照估计子网络以及法向量优化子网络;

所述人脸表观属性分解结果包括:完整反照率映射图、优化后法向量映射图、中低频光照系数以及高频光照系数;

将所述人脸法向量映射图和所述人脸纹理映射图输入至人脸表观属性分解网络中,得到与所述二维人脸图像对应的人脸表观属性分解结果,包括:

将所述人脸法向量映射图输入训练好的法向量优化子网络进行优化,得到优化后法向量映射图;

将所述人脸法向量映射图和所述人脸纹理映射图输入训练好的光照估计子网络,得到其输出的中低频光照系数以及高频光照系数;

将所述人脸纹理映射图输入至训练好的反照率估计子网络,得到其输出的完整反照率映射图;

其中,完整反照率映射图和优化后法向量映射图均为三维点到二维点的平面映射,所述法向量优化子网络和所述反照率估计子网络均使用三维空间到二维空间的关系映射来对人脸遮挡部分进行建模,并通过训练生成对抗网络来对人脸缺失部分进行恢复。

2.根据权利要求1所述的方法,其特征在于,所述预设三维人脸模型采用三维可形变模型3DMM。

3.根据权利要求1所述的方法,其特征在于,所述将所述人脸表观属性分解结果输入所述预设三维人脸模型中进行反映射,得到反映射结果,包括:

将所述中低频光照系数以及高频光照系数输入预设渲染模型中进行渲染,得到漫反射渲染以及镜面反射渲染;

将所述完整反照率映射图、优化后法向量映射图、漫反射渲染以及镜面反射渲染输入所述预设三维人脸模型中进行反映射,得到所述二维人脸图像对应的反照率、漫反射、高光以及法向量。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述人脸表观属性分解网络的各子网络对应的训练样本;

根据所述反照率估计子网络对应的训练样本,采用生成对抗网络和反照率参照库对反照率估计子网络进行训练,得到所述反照率估计子网络的参数,所述反照率参照库中包括反照率参照样本;

根据所述光照估计子网络对应的训练样本,对光照估计子网络进行训练,得到所述光照估计子网络的参数;

根据所述法向量优化子网络对应的训练样本,采用法向量参照库对法向量优化子网络进行训练,得到所述法向量优化子网络的参数,所述法向量参照库中包括法向量参照样本。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学,未经北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910550324.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top