[发明专利]人脸动态化后处理方法、系统、计算机设备及其存储介质

权利要求书

1.一种人脸动态化后处理方法，其特征在于，包括：

利用预训练的人脸识别网络对初始运动视频中的每一帧图片进行人脸检测，获取每一帧图片中的人脸关键点信息和人脸的俯角信息、转角信息和偏角信息；

根据所述人脸关键点信息获取人脸框架信息，根据所述人脸框架信息对对应帧图片进行剪切，得到初始人脸图像；

根据所述人脸关键点信息计算所述初始人脸图像中的人脸旋转角度并对所述初始人脸图像进行旋转，得到目标人脸图像；

生成初始运动视频中每一帧图片对应的关键点图，并将所述关键点图与所述目标人脸图像进行拼接后输入至目标卷积网络中进行卷积，并基于人脸的俯角信息、转角信息和偏角信息对目标卷积网络中的卷积结果进行通道拼接，得到生成图像；

将所述生成图像按所述人脸旋转角度进行反向旋转并贴合至对应帧图片中，并对贴合后的每一帧图片进行边缘处理，得到最终的目标运动视频。

2.根据权利要求1所述的人脸动态化后处理方法，其特征在于，所述利用预训练的人脸识别网络对初始运动视频中的每一帧图片进行人脸检测，获取每一帧图片中的人脸关键点信息和人脸的俯角信息、转角信息和偏角信息，包括：

将所述初始运动视频中的每一帧图片依次输入至两个连续的第一卷积层中进行卷积处理，得到第一卷积结果；

将所述第一卷积结果输入至三个连续的第二卷积层中进行卷积处理，得到第二卷积结果，并将所述第二卷积结果输入至全连接层内进行卷积，得到人脸关键点信息和人脸的俯角信息、转角信息和偏角信息。

3.根据权利要求1所述的人脸动态化后处理方法，其特征在于，所述根据所述人脸关键点信息获取人脸框架信息，根据所述人脸框架信息对对应帧图片进行剪切，得到初始人脸图像，包括：

根据所述人脸关键点信息获取每个人脸关键点的坐标信息，并筛选所述人脸关键点的坐标信息中坐标值最小的最小人脸关键点和坐标值最大的最大人脸关键点；

根据所述最小人脸关键点和最大人脸关键点计算所述人脸框架的宽和高，基于最小人脸关键点的坐标信息和所述人脸框架的宽和高对对应帧图片进行剪切，得到初始人脸图像。

4.根据权利要求1所述的人脸动态化后处理方法，其特征在于，所述生成初始运动视频中每一帧图片对应的关键点图，并将所述关键点图与所述目标人脸图像进行拼接后输入至目标卷积网络中进行卷积，并基于人脸的俯角信息、转角信息和偏角信息对目标卷积网络中的卷积结果进行通道拼接，得到生成图像，包括：

生成与所述初始运动视频中每一帧图片大小相同的全0值图像，并将所述全0值图像中的关键点所对应的像素值设置为指定大小，得到关键点图；

将所述关键点图与所述目标人脸图像进行拼接，并输入至多个连续的第三卷积层中进行卷积，得到第三卷积结果，并将所述第三卷积结果输入至多个连续的第四卷积层进行卷积，得到第四卷积结果；

将所述第四卷积结果与人脸的俯角信息、转角信息和偏角信息进行通道拼接，并将拼接后的第四卷积结果输入至多个连续的上采样层进行上采样，得到生成图像。

5.根据权利要求1所述的人脸动态化后处理方法，其特征在于，所述基于人脸的俯角信息、转角信息和偏角信息对目标卷积网络中的卷积结果进行通道拼接，得到生成图像之后，包括：

将所述生成图像输入至多个卷积核为3*3*64的卷积层内进行卷积，并将卷积结果输入至多个卷积核为3*3*256的卷积层内进行卷积，并将卷积结果输入至平均池化层中进行池化，得到所述生成图像的真实值概率。

6.根据权利要求1所述的人脸动态化后处理方法，其特征在于，所述基于人脸的俯角信息、转角信息和偏角信息对目标卷积网络中的卷积结果进行通道拼接，得到生成图像，包括：

将所述生成图像与所述初始运动视频的对应帧图片输入至已训练的VGG19网络中进行卷积处理，获取所述VGG19网络的每一层输出结果，并根据VGG19网络的每一层输出结果计算L1损失函数；

利用所述L1损失函数对所述目标卷积网络进行梯度下降反向传播训练，得到优化后的目标卷积网络。