[发明专利]图像处理方法、装置、网络设备及存储介质

说明书

本发明实施方式涉及通信技术领域，公开了一种图像处理方法，包括：获取目标2D人脸图像的2D人脸关键点；构建3D人脸模型和3D人脸模型在2D平面的投影模型；根据2D人脸关键点的位置信息与3D人脸模型在投影模型的投影位置信息确定目标3D人脸模型，目标3D人脸模型为与目标2D人脸图像重合程度最高的投影模型对应的3D人脸模型；根据目标3D人脸模型获取目标2D人脸图像的3D人脸关键点。本发明实施方式还公开了一种图像处理装置、网络设备及存储介质。本发明实施方式提供的图像处理方法、装置、网络设备及存储介质，可以降低获取3D人脸关键点的技术难度，有效地应用在对深度信息精度要求不高的应用场景中。

技术领域

本发明涉及通信技术领域，特别涉及一种图像处理方法、装置、网络设备及存储介质。

背景技术

3D人脸关键点，即包含深度信息的人脸关键点，可应用在智能手机上的一些AR需求场景中，例如3D人脸贴纸、面部光照等。3D人脸关键点是通过人脸三维形状的重建来获得的，目前，进行人脸三维形状的重建的方案主要从硬件和软件两个方向解决：硬件方面主要基于带深度检测的摄像头或传感器来实现，例如双摄、红外结构光、飞行时间(TOF)等；软件方面主要是指使用算法来实现，主要是基于CNN的端到端(end-to-end)方法，例如基于3DMM(3D Morphable Model)、基于RPN(Position Regression Network)的端到端学习等。

然而，发明人发现现有技术至少存在以下问题：一方面，虽然现有的硬件方法或软件方法都能达到比较高的深度信息精度，但是在达到高精度的同时，硬件方法较为依赖硬件设备，软件方法则需要专业的3D设备采集训练样本，训练样本的获取难度和成本较高，导致现有的硬件方法或软件方法实现的难度较大；另一方面，在一些应用场景中，例如AR(增强现实)应用场景中，其对深度信息精度的要求不高，现有的硬件方法或软件方法会造成资源的浪费，无法有效地应用在对深度信息精度要求不高的应用场景中。

发明内容

本发明实施方式的目的在于提供一种图像处理方法、装置、网络设备及存储介质，可以降低获取3D人脸关键点的技术难度，有效地应用在对深度信息精度要求不高的应用场景中。

为解决上述技术问题，本发明的实施方式提供了一种图像处理方法，包括：获取目标2D人脸图像的2D人脸关键点；构建3D人脸模型和3D人脸模型在2D平面的投影模型；根据2D人脸关键点的位置信息与3D人脸模型在投影模型的投影位置信息确定目标3D人脸模型，目标3D人脸模型为与目标2D人脸图像重合程度最高的投影模型对应的3D人脸模型；根据目标3D人脸模型获取目标2D人脸图像的3D人脸关键点。

本发明的实施方式还提供了一种图像处理装置，包括：第一获取模块，用于获取目标2D人脸图像的2D人脸关键点；构建模块，用于构建3D人脸模型和3D人脸模型在2D平面的投影模型；确定模块，用于根据2D人脸关键点的位置信息与3D人脸模型在投影模型的投影位置信息确定目标3D人脸模型，目标3D人脸模型为与目标2D人脸图像重合程度最高的投影模型对应的3D人脸模型；第二获取模块，用于根据目标3D人脸模型获取目标2D人脸图像的3D人脸关键点。

本发明的实施方式还提供了一种网络设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的图像处理方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的图像处理方法。