人脸图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种人脸图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取第一用户的第一人脸图像；基于所述第一人脸图像的人脸特征生成对应的三维投影图像；获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。采用本方法能够有效提高人脸识别的验证效率。

【技术实现步骤摘要】
人脸图像处理方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种人脸图像处理方法、装置、计算机设备和存储介质。
技术介绍
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着计算机技术的迅速发展，越来越多的应用场景中通过采用人脸识别技术进行身份验证。为了验证人脸识别系统的识别效果，可以通过真实的试验用户或者3D面具模型进行人脸识别。目前的这些验证方式，通常需要招募大量的志愿者用户，或需要定制大量的3D硅胶面具，需要耗费大量的资源成本，成本较高且验证效率较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高人脸识别的验证效率的人脸图像处理方法、装置、计算机设备和存储介质。一种人脸图像处理方法，所述方法包括：获取第一用户的第一人脸图像；基于所述第一人脸图像的人脸特征生成对应的三维投影图像；获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。一种人脸图像处理装置，所述装置包括：图像获取模块，用于获取第一用户的第一人脸图像；图像转换模块，用于基于所述第一人脸图像的人脸特征生成对应的三维投影图像；表情提取模块，用于获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；表情重构模块，用于将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；视频投影模块，用于将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取第一用户的第一人脸图像；基于所述第一人脸图像的人脸特征生成对应的三维投影图像；获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取第一用户的第一人脸图像；基于所述第一人脸图像的人脸特征生成对应的三维投影图像；获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。上述人脸图像处理方法、装置、计算机设备和存储介质，获取第一用户的第一人脸图像后，基于第一人脸图像的人脸特征生成对应的三维投影图像，由此能够有效地生成用于投影至三维实体模型并展现实体人脸效果的人脸图像。通过获取第二用户的第二人脸视频，基于第二人脸视频中的各第二人脸图像提取人脸表情特征后，将提取获得的各人脸表情特征分别融合至三维投影图像中进行表情重构，由此能够准确有效地对三维投影图像中的表情特征进行表情重构，有效地生成包含表情响应的、真实性较高的合成人脸视频。将合成人脸视频投影至三维实体模型进行播放，经过投影的三维实体模型用于人脸识别。通过对基于第一用户的人脸和第二用户的表情融合的合成人脸视频在三维实体模型的投影进行人脸识别，能够有效地对人脸识别系统的效果进行验证。通过生成准确性和真实性较高的合成人脸视频，并投影至可重复使用的三维实体模型上进行人脸识别，能够有效节省验证的成本，并且有效提高了对人脸识别系统的效率。附图说明图1为一个实施例中人脸图像处理方法的应用环境图；图2为一个实施例中人脸图像处理方法的流程示意图；图3为一个实施例中人进行表情重构的流程示意图；图4为一个实施例中将合成人脸视频投影至三维实体模型的示意图；图5为另一个实施例中人脸图像处理方法的流程示意图；图6为又一个实施例中人脸图像处理方法的流程示意图；图7为再一个实施例中人脸图像处理方法的流程示意图；图8为一个具体的实施例中人脸图像处理方法的流程示意图；图9为一个实施例中人脸图像处理装置的结构框图；图10为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请实施例提供的方案涉及基于人工智能的生物特征识别、计算机视觉和图像处理等技术。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、技术及应用系统。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。计算机视觉技术(ComputerVision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。本申请提供的人脸图像处理方法，可以应用于终端或者服务器，可以理解的是，也可以应用于包括终端和服务器的系统上，并通过终端和服务器的交互实现。参照图1，通过终端和服务器的交互实现使，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。第一人脸图像并发送至服务器104，服务器104获取第一用户的第一人脸图像，基于第一人脸图像的人脸特征生成对应的三维投影图像；服务器104获取通过终端102采集的第二用户的第二人脸视频，基于第二人脸视频中的各第二人脸图像提取人脸表情特征；将提取获得的各人脸表情特征分别融合至三维投影图像中进行表情重构，获得合成人脸视频并发送至终端102。终端102将合成人脸视频投影至三维实体模型进行播放，经过投影的三维实体模型用于人脸识别。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服本文档来自技高网...

【技术保护点】
1.一种人脸图像处理方法，其特征在于，所述方法包括：/n获取第一用户的第一人脸图像；/n基于所述第一人脸图像的人脸特征生成对应的三维投影图像；/n获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；/n将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；/n将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。/n

【技术特征摘要】
1.一种人脸图像处理方法，其特征在于，所述方法包括：
获取第一用户的第一人脸图像；
基于所述第一人脸图像的人脸特征生成对应的三维投影图像；
获取第二用户的第二人脸视频，基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征；
将提取获得的各所述人脸表情特征分别融合至所述三维投影图像中进行表情重构，获得合成人脸视频；
将所述合成人脸视频投影至三维实体模型进行播放，经过投影的所述三维实体模型用于人脸识别。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
识别所述第一人脸图像中的遮挡特征点；
根据所述人脸特征中的特征点计算偏侧角度；
基于所述偏侧角度对所述遮挡特征点进行矫正，得到所述第一人脸图像的人脸特征。


3.根据权利要求1所述的方法，其特征在于，所述基于所述第一人脸图像的人脸特征生成三维投影图像包括：
获取所述人脸特征中特征点对应的二维坐标信息；
基于所述二维坐标信息确定所述第一人脸图像的三维人脸特征；
对所述三维人脸特征进行三维映射处理，生成所述第一人脸图像对应的三维投影图像。


4.根据权利要求3所述的方法，其特征在于，所述根据所述二维坐标信息确定所述第一人脸图像的三维人脸特征包括：
根据所述特征点估计人脸姿态；
获取预设三维人脸基底映射在二维平面上的映射坐标信息；
根据所述二维坐标信息和所述映射坐标信息确定所述特征点对应的三维映射参数；
根据所述人脸姿态和所述二维坐标信息更新所述特征点和对应的三维映射参数；
基于更新后的特征点和三维映射参数生成所述三维人脸特征。


5.根据权利要求3所述的方法，其特征在于，所述基于所述三维人脸特征进行三维映射处理，生成所述第一人脸图像对应的三维投影图像包括：
根据所述三维人脸特征构建三维人脸映射矩阵；
对所述人脸特征的人脸轮廓进行定位；
基于所述人脸特征中的人脸轮廓特征，对所述三维人脸映射矩阵的边界进行调整，得到所述第一人脸图像对应的三维投影图像。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
提取所述第一人脸图像对应的光照参数和面部参数；
基于所述光照参数和所述面部参数对所述三维人脸映射矩阵进行人脸细节填充。


7.根据权利要求1所述的方法，其特征在于，所述基于所述第二人脸视频中的各第二人脸图像提取人脸表情特征包括：
提取所述第二人脸视频中的关键帧的第二人脸图像；
提取各帧第二人脸图像中的人脸参数；
根据所述各帧第二人脸图像中的人脸参数估计正态表情分布，基于所述正态表情分布得到所述第二用户的人脸表情特征。


8.根据权利要求1所述的方法，其特征在于，所述将提取...

【专利技术属性】
技术研发人员：王骞，周满，赵艺，李琦，李丰廷，沈超，毕明伟，丁守鸿，黄飞跃，
申请(专利权)人：武汉大学，清华大学，腾讯科技深圳有限公司，
类型：发明
国别省市：湖北;42