[发明专利]人脸表情的重建方法、装置、设备和存储介质在审

专利信息
申请号: 202111503555.4 申请日: 2021-12-09
公开(公告)号: CN114202615A 公开(公告)日: 2022-03-18
发明(设计)人: 姚粤汉;张雄;彭国柱 申请(专利权)人: 广州方硅信息技术有限公司
主分类号: G06T17/00 分类号: G06T17/00;G06T19/20;G06T7/80;G06V40/16;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 贾小慧
地址: 511442 广东省广州*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 表情 重建 方法 装置 设备 存储 介质
【说明书】:

本申请提供了一种人脸表情的重建方法、装置、设备和存储介质,获取人脸图像;将人脸图像输入至预先训练好的深度神经网络模型,以输出人脸图像的表情系数和拍摄参数;其中表情系数表示各基本表情模板的权重,权重的取值大于等于零,且至少有一个权重的取值大于零,因此根据表情系数就可以从预设的基本表情模板库中选择出至少一个基本表情模板;根据表情系数、至少一个基本表情模板和拍摄参数进行人脸表情重建。该方法基于深度学习的方式对单张人脸图像进行人脸表情捕捉,一方面得到的表情系数和拍摄参数非常准确,以使后续对人脸表情重建时得到的结果更加精确,另一方面避免了不需要对像传统模型一样需要大量优化,大大减少了计算量。

技术领域

本申请涉及网络直播技术领域,具体涉及一种人脸表情的重建方法、装置、设备和存储介质。

背景技术

随着计算机视觉技术的发展,人脸表情重建在包括游戏、直播、AR等领域已经有了广泛的应用。目前的人脸表情重建根据输入数据的不同,大致可以分为两类:基于深度图像的人脸表情捕捉方法和基于单张图片的人脸表情捕捉方法。其中,基于深度图像的人脸表情捕捉方法往往需要昂贵的深度摄像头设备,而基于单张图片的人脸表情重建方法虽然设备简单,但需要额外的关键点检测和复杂的优化计算过程,操作非常复杂且效率低。

发明内容

有鉴于此,本申请实施例中提供了一种人脸表情的重建方法、装置、设备和存储介质。

第一方面,本申请实施例提供了一种人脸表情的重建方法,该方法包括:

获取人脸图像;

将所述人脸图像输入至预先训练好的深度神经网络模型,以输出人脸图像的表情系数和拍摄参数;

根据所述表情系数从预设的基本表情模板库中选择出至少一个基本表情模板;

根据所述表情系数、至少一个所述基本表情模板和所述拍摄参数进行人脸表情重建。

第二方面,本申请实施例提供了一种人脸表情的重建装置,该装置包括:

人脸图像获取模块,用于获取人脸图像;

系数及参数输出模块,用于将所述人脸图像输入至预先训练好的深度神经网络模型,以输出人脸图像的表情系数和拍摄参数;

模板选择模块,用于根据所述表情系数从预设的基本表情模板库中选择出至少一个基本表情模板;

人脸表情重建模块,用于根据所述表情系数、至少一个所述基本表情模板和所述拍摄参数进行人脸表情重建。

第三方面,本申请实施例提供了一种终端设备,包括:存储器;一个或多个处理器,与所述存储器耦接;一个或多个应用程序,其中,一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于执行上述第一方面提供的人脸表情的重建方法。

第四方面,本申请实施例提供了一种计算机可读取存储介质,计算机可读取存储介质中存储有程序代码,程序代码可被处理器调用执行上述第一方面提供的人脸表情的重建方法。

本申请实施例提供的人脸表情的重建方法、装置、设备和存储介质,首先获取人脸图像;然后将人脸图像输入至预先训练好的深度神经网络模型,以输出人脸图像的表情系数和拍摄参数;其中表情系数表示各基本表情模板的权重,权重的取值大于等于零,且至少有一个权重的取值大于零,因此根据表情系数就可以从预设的基本表情模板库中选择出至少一个基本表情模板;最后根据表情系数、至少一个基本表情模板和拍摄参数进行人脸表情重建。

该人脸表情的重建方法基于深度学习的方式对单张人脸图像进行人脸表情捕捉,一方面得到的表情系数和拍摄参数非常准确,以使后续对人脸表情重建时得到的结果更加精确,另一方面避免了不需要对像传统模型一样需要大量优化,大大减少了计算量。

附图说明

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广州方硅信息技术有限公司,未经广州方硅信息技术有限公司许可,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/202111503555.4/2.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