基于二维影像生成三维模型的数据处理方法及组件技术

本发明专利技术公开了一种基于二维影像生成三维模型的数据处理方法及组件，所述数据处理方法包括：获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；通过人工智能算法利用所述三张二维影像获取所述头部目标的三维模型。本发明专利技术的基于二维影像生成三维模型的数据处理方法及组件能够利用三张二维影像生成3D模型，提高人脸识别的精度，且能够获取高画质的3D模型，产品支持多达90度完全侧脸时的人脸识别，在摄像头过高、在拍摄目标偏转头部时依然能快速锁定目标。

【技术实现步骤摘要】
基于二维影像生成三维模型的数据处理方法及组件
本专利技术涉及一种基于二维影像生成三维模型的数据处理方法及组件。
技术介绍
3D摄像机，利用的是3D镜头制造的摄像机，通常具有两个摄像镜头以上，间距与人眼间距相近，能够拍摄出类似人眼所见的针对同一场景的不同图像。第一台3D摄像机迄今3D革命全部围绕好莱坞重磅大片和重大体育赛事展开。随着3D摄像机的问世，这项技术距离家庭用户又近了一步。在这款摄像机推出以后，我们今后就可以用3D镜头捕捉人生每一个难忘瞬间，比如孩子迈出的第一步，大学毕业庆典等。3D摄像机通常有两个以上镜头。3D摄像机本身的功能就像人脑一样，可以将两个镜头图像融合在一起，变成一个3D图像。这些图像可以在3D电视上播放，观众佩戴所谓的主动式快门眼镜即可观看，也可通过裸眼3D显示设备直接观看。3D快门式眼镜能够以每秒60次的速度令左右眼镜的镜片快速交错开关。这意味着每只眼睛看到的是同一场景的稍显不同的画面，所以大脑会由此以为其是在欣赏以3D呈现的单张照片。现在市场上的3D摄像机过于昂贵，现有技术中可以利用多张2D影像建立3D模型，但这种方式需要的2D影像数量较多，导致所需要的计算资源很高，算力成本也昂贵。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中3D摄像机过于昂贵，利用多张2D影像建立3D模型所需要的2D影像数量较多，导致所需要的计算资源很高，算力成本也昂贵的缺陷，提供一种能够利用三张二维影像生成3D模型，提高人脸识别的精度，且能够获取高画质的3D模型，产品支持多达90度完全侧脸时的人脸识别，在摄像头过高、在拍摄目标偏转头部时依然能快速锁定目标的基于二维影像生成三维模型的数据处理方法及组件。本专利技术是通过下述技术方案来解决上述技术问题：一种基于二维影像生成三维模型的数据处理方法，其特点在于，所述数据处理方法包括：获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；通过人工智能算法利用所述三张二维影像获取所述头部目标的三维模型。较佳地，所述数据处理方法还包括：获取一三维模型数据库，所述三维模型数据库包括原始三维影像；对每一原始三维影像做标准化处理获取标准三维影像；利用全部所述标准三维模型做人工智能学习获取训练模板；通过所述训练模板利用所述三张二维影像获取所述头部目标的三维模型。较佳地，所述利用全部所述标准三维模型做人工智能学习获取训练模板，包括：对于每一标准三维模型，获取所述标准三维模型数据特征表达，并对所述数据特征表达进行统计以得到数据特征表达的平均数据还有均方差数据；利用全部所述标准三维模型的所述平均数据和所述均方差数据做人工智能学习获取训练模板，所述训练模板通过控制参数以重建出不同人脸模型。较佳地，所述通过所述训练模板利用所述三张二维影像获取所述头部目标的三维模型，包括：识别第一影像、第二影像以及第三影像的轮廓特征；通过所述训练模板利用所述轮廓特征获取所述头部目标的三维模型。较佳地，所述通过所述训练模板利用所述轮廓特征获取所述头部目标的三维模型，包括：根据所述轮廓特征获取二维影像的拍摄方向；按所述拍摄方向查找与所述轮廓特征匹配的训练模板；根据所述轮廓特征调整所述训练模板的形状以获取所述头部目标的三维模型。较佳地，所述数据处理方法包括一标准化模型，所述标准化模型为张量模型，所述对每一原始三维影像做标准化处理获取标准三维影像，包括：对于每一原始三维影像，按所述原始三维模型调节所述标准化模型以获取所述标准三维影像。较佳地，所述按所述原始三维模型调节所述标准化模型以获取所述标准三维影像，包括：识别原始三维影像的五官特征点；根据所述五官特征点调节所述标准化模型的尺寸，并将原始三维影像与标准化模型在空间中对齐；对于标准化模型上的每一影像点，获取影像点处法线与原始三维影像的交点；按预设规则调节所述标准化模型以获取所述标准三维影像，所述预设规则为将每一影像点与对应交点的之间的长度调节为相同长度。本专利技术还提供一种基于二维影像生成三维模型的数据处理组件，其特点在于，所述数据处理组件包括一获取模块以及一计算模块，所述获取模块用于获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；所述计算模块用于通过人工智能算法利用所述三张二维影像获取所述头部目标的三维模型。较佳地，所述数据处理组件还包括一数据模块、一整理模块以及一训练模块，所述数据模块用于获取一三维模型数据库，所述三维模型数据库包括原始三维影像；所述整理模块用于对每一原始三维影像做标准化处理获取标准三维影像；所述训练模块用于利用全部所述标准三维模型做人工智能学习获取训练模板；所述计算模块用于通过所述训练模板利用所述三张二维影像获取所述头部目标的三维模型。较佳地，所述数据处理组件还包括一识别模块、一处理模块以及一匹配模块，所述识别模块用于识别第一影像、第二影像以及第三影像的轮廓特征；所述处理模块用于根据所述轮廓特征获取二维影像的拍摄方向；所述匹配模块用于按所述拍摄方向查找与所述轮廓特征匹配的训练模板；所述计算模块用于根据所述轮廓特征调整所述训练模板的形状以获取所述头部目标的三维模型。在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。本专利技术的积极进步效果在于：本专利技术的基于二维影像生成三维模型的数据处理方法及组件能够利用三张二维影像生成3D模型，以能够获取高画质的3D模型。另外与现有的人脸识别系统结合，大幅度提高大角度时人脸识别的精度，，可支持多达90度完全侧脸时的人脸识别，在摄像头过高、在拍摄目标偏转头部时依然能快速锁定目标。附图说明图1为本专利技术实施例1的数据处理方法的流程图。图2为本专利技术实施例1的数据处理方法的另一流程图。图3为本专利技术实施例1的数据处理方法的又一流程图。图4为本专利技术实施例1的数据处理方法的又一流程图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。实施例1本实施例提供一种基于二维影像生成三维模型的数据处理组件。所述数据处理组件包括一获取模块以及一计算模块，所述获取模块用于获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；在本实施例中所述夹角的取值范围为[85，95]，最优拍摄方向的夹角取值为90度。所述计算模块用于通过人工本文档来自技高网...

【技术保护点】
1.一种基于二维影像生成三维模型的数据处理方法，其特征在于，所述数据处理方法包括：/n获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；/n通过人工智能算法利用所述三张二维影像获取所述头部目标的三维模型。/n

【技术特征摘要】
1.一种基于二维影像生成三维模型的数据处理方法，其特征在于，所述数据处理方法包括：
获取一头部目标的三张二维影像，分别为第一影像、第二影像以及第三影像，其中，所述第一影像、第三影像与第二影像的拍摄方向的夹角取值范围均为[75，105]；
通过人工智能算法利用所述三张二维影像获取所述头部目标的三维模型。


2.如权利要求1所述的数据处理方法，其特征在于，所述数据处理方法还包括：
获取一三维模型数据库，所述三维模型数据库包括原始三维影像；
对每一原始三维影像做标准化处理获取标准三维影像；
利用全部所述标准三维模型做人工智能学习获取训练模板；
通过所述训练模板利用所述三张二维影像获取所述头部目标的三维模型。


3.如权利要求2所述的数据处理方法，其特征在于，所述利用全部所述标准三维模型做人工智能学习获取训练模板，包括：
对于每一标准三维模型，获取所述标准三维模型数据特征表达，并对所述数据特征表达进行统计以得到数据特征表达的平均数据还有均方差数据；
利用全部所述标准三维模型的所述平均数据和所述均方差数据做人工智能学习获取训练模板，所述训练模板通过控制参数以重建出不同人脸模型。


4.如权利要求2所述的数据处理方法，其特征在于，所述通过所述训练模板利用所述三张二维影像获取所述头部目标的三维模型，包括：
识别第一影像、第二影像以及第三影像的轮廓特征；
通过所述训练模板利用所述轮廓特征获取所述头部目标的三维模型。


5.如权利要求4所述的数据处理方法，其特征在于，所述通过所述训练模板利用所述轮廓特征获取所述头部目标的三维模型，包括：
根据所述轮廓特征获取二维影像的拍摄方向；
按所述拍摄方向查找与所述轮廓特征匹配的训练模板；
根据所述轮廓特征调整所述训练模板的形状以获取所述头部目标的三维模型。


6.如权利要求2所述的数据处理方法，其特征在于，所述数据处理方法包括一标准化模型，所述标准化模型为张量模型，所述对每一原始三维影像做标准化处理获取标准三维影像，...

【专利技术属性】
技术研发人员：黄沛杰，李佳奇，孙燕生，
申请(专利权)人：盎锐深圳信息科技有限公司，
类型：发明
国别省市：广东;44