[发明专利]一种人脸图像旋转方法、装置及存储介质在审

专利信息
申请号: 202111486982.6 申请日: 2021-12-06
公开(公告)号: CN114283071A 公开(公告)日: 2022-04-05
发明(设计)人: 陈旺;余辰;吕现伟 申请(专利权)人: 华中科技大学鄂州工业技术研究院;华中科技大学
主分类号: G06T3/60 分类号: G06T3/60;G06V40/16;G06N3/04;G06N3/08;G06T15/00;G06V10/82;G06V10/40
代理公司: 北京众达德权知识产权代理有限公司 11570 代理人: 田灵菲
地址: 436044 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 旋转 方法 装置 存储 介质
【权利要求书】:

1.一种人脸图像旋转方法,其特征在于,所述方法包括步骤:

获取三维人脸数据;

根据所述三维人脸数据构建三维人脸模型数据库;

使用所述三维人脸数据训练深度卷积神经网络;

根据所述深度卷积神经网络生成旋转二维人脸灰度图像;

根据所述二维人脸灰度图像使用风格迁移渲染生成旋转二维人脸色彩纹理图像。

2.根据权利要求1所述的人脸图像旋转方法,其特征在于,所述根据所述三维人脸数据构建三维人脸模型数据库包括步骤:

在所述三维人脸数据上标注人脸关键点并得到三维人脸点云数据集;

对所述三维人脸点云数据集进行球切割;

使用人脸模型处理所述三维人脸点云数据集并得到三维人脸模型数据库。

3.根据权利要求1所述的人脸图像旋转方法,其特征在于,所述使用所述三维人脸数据训练深度卷积神经网络包括步骤:

获取所述三维人脸数据中对应的正脸图像、二维人脸图像和旋转人脸图像;

为所述二维人脸图像添加旋转角度标签;

过滤掉所述旋转角度标签超过预设值的人脸图片;

计算所述正脸图像与剩余所述二维人脸图像的人脸相似度;

获取深度卷积神经网络;

使用所述旋转人脸图像和对应的所述正脸图像训练所述深度卷积神经网络。

4.根据权利要求1所述的人脸图像旋转方法,其特征在于,所述根据所述深度卷积神经网络生成旋转二维人脸灰度图像包括步骤:

将所述三维人脸数据输入深度卷积神经网络并得到三维人脸形状模型;

根据旋转要求确定二维平面;

将所述三维人脸数据投影到所述二维平面并得到初始二维人脸图像;

填补所述初始二维人脸图像的像素缺失区域的像素值;

优化所述像素缺失区域的像素值。

5.根据权利要求1所述的人脸图像旋转方法,其特征在于,所述根据所述二维人脸灰度图像使用风格迁移渲染生成旋转二维人脸色彩纹理图像包括步骤:

获取风格迁移对抗生成网络;

使用所述风格迁移对抗生成网络提取人脸风格特征;

获取所述二维人脸灰度图像;

将所述人脸风格特征渲染到所述二维人脸灰度图像上并得到旋转二维人脸色彩纹理图像。

6.根据权利要求2所述的人脸图像旋转方法,其特征在于,所述对所述三维人脸点云数据集进行球切割包括步骤:

在所述三维人脸点云数据集中定位人脸鼻尖位置;

遍历所有所述人脸关键点并得到其他所述人脸关键点与所述人脸鼻尖位置的三维空间最大欧式距离;

以所述三维空间最大欧式距离的预设倍数为球半径截取所述三维人脸点云数据集在球内的人脸部分;

去除脖子以下和后脑勺位置不必要的数据。

7.根据权利要求2所述的人脸图像旋转方法,其特征在于,所述使用人脸模型处理所述三维人脸点云数据集并得到三维人脸模型数据库包括步骤:

搭建LSFM模型构建环境;

输入所述三维人脸点云数据集;

对所述三维人脸点云数据集进行稠密对应;

对所述三维人脸点云数据集进行PCA主成分分析;

根据所述稠密对应和所述PCA主成分分析构建三维人脸模型数据库。

8.一种人脸图像旋转装置,其特征在于,所述装置包括:

三维人脸数据获取模块,用于获取三维人脸数据;

三维人脸模型数据库构建模块,用于根据所述三维人脸数据构建三维人脸模型数据库;

深度卷积神经网络训练模块,用于使用所述三维人脸数据训练深度卷积神经网络;

二维人脸灰度图像生成模块,用于根据所述深度卷积神经网络生成旋转二维人脸灰度图像;

旋转二维人脸色彩纹理图像生成模块,用于根据所述二维人脸灰度图像使用风格迁移渲染生成旋转二维人脸色彩纹理图像。

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华中科技大学鄂州工业技术研究院;华中科技大学,未经华中科技大学鄂州工业技术研究院;华中科技大学许可,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/202111486982.6/1.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