[发明专利]一种融合变形系数获得方法、装置及存储介质

说明书

本申请提供一种融合变形系数获得方法、装置及存储介质，用于改善使用传统方法获得的融合变形系数计算出来的网状拓扑很难反映面部表情细节的问题。该方法包括：使用预先训练的神经网络模型的多个卷积池化块对第一人脸图像进行计算，获得卷积特征图，其中，多个卷积池化块中的每个卷积池化块包括依次连接的卷积层和池化层，多个卷积池化块中的相邻两个卷积池化块中在前的卷积池化块的池化层与在后的卷积池化块的卷积层连接；使用神经网络模型的第一全连接层对卷积特征图计算融合变形系数，获得融合变形系数，融合变形系数用于获得面部动画表情的网状拓扑，融合变形系数为影响网状拓扑的顶点位置的系数。

技术领域

本申请涉及图形图像处理的技术领域，具体而言，涉及一种融合变形系数获得方法、装置及存储介质。

背景技术

在传统方法中，计算面部动画的融合变形系数的方法，通常是将组合的融合变形人脸模型投影到图像平面，从而获得融合变形系数的。也就是说，根据最小化图像上面部特征点与实际面部特征点的欧式距离的平方和求得融合变形系数。在具体的实施过程中，使用传统方法获得的融合变形系数计算出来的网状拓扑很难反映面部表情细节。

发明内容

本申请实施例的目的在于提供一种融合变形系数获得方法、装置及存储介质，用于改善使用传统方法获得的融合变形系数计算出来的网状拓扑很难反映面部表情细节的问题。

本申请实施例提供了一种融合变形系数获得方法，包括：使用预先训练的神经网络模型的多个卷积池化块对第一人脸图像进行计算，获得卷积特征图，其中，所述多个卷积池化块中的每个卷积池化块包括依次连接的卷积层和池化层，所述多个卷积池化块中的相邻两个卷积池化块中在前的卷积池化块的池化层与在后的卷积池化块的卷积层连接；使用所述神经网络模型的第一全连接层对所述卷积特征图计算融合变形系数，获得融合变形系数，所述融合变形系数用于获得面部动画表情的网状拓扑，所述融合变形系数为影响所述网状拓扑的顶点位置的系数。在上述的实现过程中，使用预先训练的神经网络模型对第一人脸图像进行卷积、池化和全连接等计算第一人脸图像中的融合变形系数，融合变形系数是影响网状拓扑的顶点位置的系数，通过卷积、池化和全连接等计算有效地简化了网状拓扑的全部顶点的位置系数计算难度，网状拓扑的全部顶点包括面部关键点，克服了传统方法中仅使用面部关键点作为优化目标导致融合变形系数的精度不高的问题，通过上述的方式增加了融合变形系数的精度，因此根据高精度的融合变形系数计算出来的网状拓扑能够很好地反映面部表情细节。

可选地，在本申请实施例中，在所述获得融合变形系数之后，还包括：根据所述融合变形系数对多个人脸形状进行计算，获得面部动画表情的网状拓扑；或者根据所述融合变形系数对一个人脸形状和多个表情基进行计算，获得面部动画表情的网状拓扑，所述表情基表征人脸表情的区域形状。在上述的实现过程中，根据高精度的融合变形系数对一个人脸形状和多个表情基计算出来的网状拓扑能够很好地反映面部表情细节。

可选地，在本申请实施例中，在所述获得融合变形系数之后，还包括：将所述融合变形系数与应用角色的表情基进行全连接计算，获得所述应用角色的多个顶点，所述表情基表征角色面部的表情区域形状。在上述的实现过程中，将融合变形系数与应用角色的表情基进行全连接计算，计算出来的多个顶点能够很好地反映面部表情细节。