[发明专利]一种高效自动化的头发匹配头型生成方法及其生成装置

说明书

本发明提供了一种高效自动化的头发匹配头型生成方法，所述方法为：步骤S1、定义基础头模型、变形头模型、基础头发模型和变形头发模型的顶点数据集结构，步骤S2、加载基础头模型和基础头发模型，遍历基础头发模型中的所有顶点，以基础头发模型中的所有顶点位置为起点，向基础头模型中心点作射线检测来获得基础头发模型的顶点UV2数据集；步骤S3、生成变形头模型的空间位置图Dmap；步骤S4、加载设置好基础头发模型的顶点UV2数据集，加载空间位置图Dmap，逐像素采样获取基础头发模型的顶点偏移数据集，最后得到变形后的头发模型；本发明提高了技术人员的开发效率。

技术领域

本发明涉及人脸识别技术领域，特别是一种高效自动化的头发匹配头型生成方法及其生成装置。

背景技术

随着大数据人脸建模的发展，人脸的数字化建模已然成为常态。通过相关AI算法(人工智能算法)，可以将一张标准脸型变成年轻的，年老的，胖脸，瘦脸，甚至是男女不同性别。但人脸的变化，对应得到3D模型发型也需要进行变化。由于发型模型较于人脸模型面数更多，模型随意性更强，因此发型数字建模比人脸数字建模具有更高的难度。在有限个脸库的情况下，传统方法都是3D美术建模人员手工去修改发型，已达到发型适配各种脸型的目的。但在数字人脸建模时代，人脸个数是无限多个的，这种方法显然不可取。本专利就通过一套算法机制，将导入的头发模型自动化适配到各种脸型上，并导出适配文件。其他应用程序即根据适配文件，还原出对应的头发变化，大大减少了美术人员的开发成本。

发明内容

为克服上述问题，本发明的目的是提供一种高效自动化的头发匹配头型生成方法，能进行自动化的头发匹配头型，提高了技术人员的开发效率。

本发明采用以下方案实现：一种高效自动化的头发匹配头型生成方法，所述方法包括如下步骤：

步骤S1、定义基础头模型和变形头模型的顶点数据集结构，基础头模型和变形头模型的顶点数据集结构包括：顶点位置、顶点法线、顶点UV、顶点颜色；定义基础头发模型和变形头发模型的顶点数据集结构，基础头发模型和变形头发模型的顶点数据集结构包括：顶点位置、顶点法线、顶点UV、顶点UV2、顶点颜色；

步骤S2、加载基础头模型和基础头发模型，遍历基础头发模型中的所有顶点，以基础头发模型中的所有顶点位置为起点，向基础头模型中心点作射线检测来获得基础头发模型的顶点UV2数据集；

步骤S3、生成变形头模型的空间位置图Dmap；

步骤S4、加载设置好基础头发模型的顶点UV2数据集，加载空间位置图Dmap，逐像素采样获取基础头发模型的顶点偏移数据集，最后得到变形后的头发模型。

进一步的，所述步骤S2进一步具体为：向基础头模型中心点作射线检测，设置检测射线长度为L，射线检测过程中记录射线所有能命中基础头模，并能取得基础头模上有效UV值的顶点，设置基础头发模型的顶点UV2值为命中基础头模的有效UV值，未能命中或无法取得基础头模的有效UV值的顶点，将基础头发模型的顶点UV2设置为(0，0)，最终得到基础头发模型的顶点UV2数据集。

进一步的，所述步骤S3进一步具体包括：步骤S31：加载基础头模型和相关的变形头模型；

步骤S32：将基础头模型和变形头模型的顶点位置，按其UV坐标投影至y，z坐标轴上，并将基础头模型和变形头模型的颜色设置为其顶点位置；具体公式如下：

其中，基础头模型和变形头模型的顶点位置P：为(P_x，P_y，P_z)的三维向量，记录顶点在空间中的位置；基础头模型和变形头模型的顶点UV，为(u，v)的二维向量，用于表示该顶点在一张二维图像上的坐标位置，该坐标位置上的像素值就是这个顶点的颜色，也称顶点的纹理寻址值；