[发明专利]一种虚拟人脸图像重建方法及相关装置

权利要求书

1.一种虚拟人脸图像重建方法，其特征在于，包括：

获取目标二维人脸图像和对应的初始化三维人脸参数；

将所述初始化三维人脸参数输入至预设人脸模拟引擎中进行渲染，得到虚拟人脸图像；

基于预设人脸识别模型根据所述目标二维人脸图像和所述虚拟人脸图像进行身份校验，得到第一损失值；

基于预设人脸语义分割模型根据所述目标二维人脸图像和所述虚拟人脸图像进行人脸特征校验，得到第二损失值；

根据所述第一损失值和所述第二损失值对所述初始化三维人脸参数进行优化，得到更新三维人脸参数，并返回所述将所述初始化三维人脸参数输入至预设人脸模拟引擎中进行渲染的步骤，直至迭代收敛，得到优化虚拟人脸图像。

2.根据权利要求1所述的虚拟人脸图像重建方法，其特征在于，所述将所述初始化三维人脸参数输入至预设人脸模拟引擎中进行渲染，得到虚拟人脸图像，之前还包括：

获取单目人脸图像对应的随机三维参数；

将所述随机三维参数输入初始模拟引擎中进行渲染，得到初始虚拟人脸图像；

将所述初始虚拟人脸图像与预设真实人脸图像进行预设像素级损失计算，得到优化损失值，所述预设真实人脸图像通过通用引擎根据所述随机三维参数渲染得到；

通过所述优化损失值优化所述初始模拟引擎的网络参数，得到预设人脸模拟引擎。

3.根据权利要求1所述的虚拟人脸图像重建方法，其特征在于，所述预设人脸识别模型的身份验证损失函数为：

L₁＝1-cos(F_R(G(α)),F_R(I))

其中，cos为计算两个目标之间的余弦距离，F_R(·)表示人脸识别网络的卷积计算函数，I为所述目标二维人脸图像，G(α)为所述虚拟人脸图像。

4.根据权利要求3所述的虚拟人脸图像重建方法，其特征在于，所述预设人脸语义分割模型的人脸特征验证损失函数为：

L₂＝||ω(G(α))F_S(G(α))-ω(I)F_S(I)||₁

其中，ω(·)为所述预设人脸语义分割模型中的权值计算，F_S(·)表示所述预设人脸语义分割模型的卷积计算函数。

5.一种虚拟人脸图像重建装置，其特征在于，包括：

目标获取模块，用于获取目标二维人脸图像和对应的初始化三维人脸参数；

图像渲染模块，用于将所述初始化三维人脸参数输入至预设人脸模拟引擎中进行渲染，得到虚拟人脸图像；

第一校验模块，用于基于预设人脸识别模型根据所述目标二维人脸图像和所述虚拟人脸图像进行身份校验，得到第一损失值；

第二校验模块，用于基于预设人脸语义分割模型根据所述目标二维人脸图像和所述虚拟人脸图像进行人脸特征校验，得到第二损失值；

优化迭代模块，用于根据所述第一损失值和所述第二损失值对所述初始化三维人脸参数进行优化，得到更新三维人脸参数，并返回所述将所述初始化三维人脸参数输入至预设人脸模拟引擎中进行渲染的步骤，直至迭代收敛，得到优化虚拟人脸图像。

6.根据权利要求5所述的虚拟人脸图像重建装置，其特征在于，还包括：

参数获取模块，用于获取单目人脸图像对应的随机三维参数；

训练渲染模块，用于将所述随机三维参数输入初始模拟引擎中进行渲染，得到初始虚拟人脸图像；

损失计算模块，用于将所述初始虚拟人脸图像与预设真实人脸图像进行预设像素级损失计算，得到优化损失值，所述预设真实人脸图像通过通用引擎根据所述随机三维参数渲染得到；

引擎优化模块，用于通过所述优化损失值优化所述初始模拟引擎的网络参数，得到预设人脸模拟引擎。