【技术实现步骤摘要】
本专利技术实施例涉及计算机视觉，尤其涉及一种人脸模型生成方法、装置、设备及存储介质。
技术介绍
1、三维可形变人脸模型(3d morphable face model,3dmm)是一种强大的工具，它在人脸相关的计算机视觉和图形学领域中扮演着重要角色。3dmm通过数学模型的形式捕捉了人脸的形状和外观变化，使得研究人员能够生成、编辑和重建人脸，这对于虚拟现实、游戏开发、面部识别、医学模拟等多个领域都有着重要的意义。
2、但是现有的可形变人脸模型生成方法，存在模型生成平滑性差、效率和精确度低的问题。
技术实现思路
1、本专利技术提供了一种人脸模型生成方法、装置、设备及存储介质，以解决现有的可形变人脸模型生成方法，存在模型生成平滑性差、效率和精确度低的问题。
2、根据本专利技术的一方面，提供了一种人脸模型生成方法，包括：
3、获取具有相同拓扑结构的多个三维人脸模型，其中，所述拓扑结构用于表征所述三维人脸模型中多个顶点之间的连线；
4、基于所述多个三维人脸模型，确定初始分区模型，其中，所述初始分区模型与所述多个三维人脸模型具有相同拓扑结构，所述初始分区模型中包括多个初始分区，任意两个所述初始分区中包含的顶点所关联的顶点类别不同；
5、基于所述初始分区模型，确定目标分区模型，其中，所述目标分区模型包括多个目标分区，任意相邻两个所述目标分区中包含至少一个相同的顶点；
6、利用预设权重赋值算法和预设归一化算法，确定所述目标分区
7、根据所述目标分区模型中各目标分区和各目标分区中各顶点的目标权重，生成目标可形变人脸模型。
8、根据本专利技术的另一方面，提供了一种人脸模型生成装置，包括：
9、模型获取模块，用于获取具有相同拓扑结构的多个三维人脸模型，其中，所述拓扑结构用于表征所述三维人脸模型中多个顶点之间的连线；
10、初始分区确定模块，用于基于所述多个三维人脸模型，确定初始分区模型，其中，所述初始分区模型与所述多个三维人脸模型具有相同拓扑结构，所述初始分区模型中包括多个初始分区，任意两个所述初始分区中包含的顶点所关联的顶点类别不同；
11、目标分区确定模块，用于基于所述初始分区模型，确定目标分区模型，其中，所述目标分区模型包括多个目标分区，任意相邻两个所述目标分区中包含至少一个相同的顶点；
12、权重计算模块，用于利用预设权重赋值算法和预设归一化算法，确定所述目标分区模型的各目标分区中各顶点的目标权重；
13、可形变模型确定模块，用于根据所述目标分区模型中各目标分区和各目标分区中各顶点的目标权重，生成目标可形变人脸模型。
14、根据本专利技术的另一方面，提供了一种人脸模型生成设备，所述人脸模型生成设备包括：
15、至少一个处理器；以及
16、与所述至少一个处理器通信连接的存储器；其中，
17、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的人脸模型生成方法。
18、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的人脸模型生成方法。
19、本专利技术实施例提供的技术方案，获取具有相同拓扑结构的多个三维人脸模型，其中，所述拓扑结构用于表征所述三维人脸模型中多个顶点之间的连线；基于所述多个三维人脸模型，确定初始分区模型，其中，所述初始分区模型与所述多个三维人脸模型具有相同拓扑结构，所述初始分区模型中包括多个初始分区，任意两个所述初始分区中包含的顶点所关联的顶点类别不同；基于所述初始分区模型，确定目标分区模型，其中，所述目标分区模型包括多个目标分区，任意相邻两个所述目标分区中包含至少一个相同的顶点；利用预设权重赋值算法和预设归一化算法，确定所述目标分区模型的各目标分区中各顶点的目标权重；根据所述目标分区模型中各目标分区和各目标分区中各顶点的目标权重，生成目标可形变人脸模型。通过上述技术方案，基于确定的初始分区模型确定目标分区模型，其中，任意相邻两个目标分区中包含至少一个相同的顶点，实现了初始分区的重叠，进而利用预设权重赋值算法和预设归一化算法，确定目标分区模型的各目标分区中各顶点的目标权重，实现了各顶点权重的自动赋值和重叠区域的光滑过渡，进而生成目标可形变人脸模型，有效的提升了生成模型的精确度和平滑性，整个过程减少了人工参与，从而有效的提升了人脸模型的生成效率。
20、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种人脸模型生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述初始分区模型，确定目标分区模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述预设权重赋值算法包括最小化二阶拉普拉斯算法；
4.根据权利要求1所述的方法，其特征在于，基于所述多个三维人脸模型，确定初始分区模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于多个三维人脸模型，确定空间矩阵和模型结构矩阵，包括：
6.根据权利要求4所述的方法，其特征在于，所述聚类分析法包括谱聚类；
7.根据权利要求1所述的方法，其特征在于，根据所述目标分区模型中各目标分区和各目标分区中各顶点的目标权重，生成目标可形变人脸模型，包括：
8.一种人脸模型生成装置，其特征在于，包括：
9.一种人脸模型生成设备，其特征在于，所述人脸模型生成设备包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的人脸模型生成方法。
【技术特征摘要】
1.一种人脸模型生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述初始分区模型，确定目标分区模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述预设权重赋值算法包括最小化二阶拉普拉斯算法；
4.根据权利要求1所述的方法，其特征在于，基于所述多个三维人脸模型，确定初始分区模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于多个三维人脸模型，确定空间矩阵和模型结构矩阵，包括：
6.根据权...
【专利技术属性】
技术研发人员：林逸竹，王刚，
申请(专利权)人：优三缔科技上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。