[发明专利]虚拟形象模型生成方法、装置及存储介质有效

专利信息
申请号: 201811047752.8 申请日: 2018-09-07
公开(公告)号: CN109308727B 公开(公告)日: 2020-11-10
发明(设计)人: 赵艳丹;曹玮剑;汪铖杰;李季檩;黄渊;程盼;黄飞跃;吴永坚 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T11/00 分类号: G06T11/00;G06K9/00
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 祝亚男
地址: 518057 广东省深圳*** 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: 虚拟 形象 模型 生成 方法 装置 存储 介质
【说明书】:

发明实施例公开了一种虚拟形象模型生成方法、装置及存储介质,属于计算机技术领域。该方法包括:获取多组人脸图像及其特征点矩阵,根据特征点矩阵、自然人脸图像的特征点矩阵和非自然人脸图像的特征点矩阵,得到平均矩阵、身份偏移矩阵和表情偏移矩阵,通过降维处理得到人脸身份基和人脸表情基,根据目标人脸图像、人脸身份基、人脸表情基和虚拟形象模型基,生成表情与目标人脸图像中的人脸表情匹配的虚拟形象模型。由于仅采用五官特征点进行计算,耗时较短,避免了长时间占用处理资源,提高了操作性能,通过降维处理可以减小人脸身份基和人脸表情基的数据量。并可根据人脸身份基和人脸表情基生成表情匹配的虚拟形象模型,提高了通用性。

技术领域

本发明实施例涉及计算机技术领域,特别涉及一种虚拟形象模型生成方法、装置及存储介质。

背景技术

随着多媒体技术的快速发展和用户娱乐性需求的不断提升,一种生成虚拟形象模型的功能应运而生,通过该功能可以识别人脸图像中的人脸表情,并生成表情与人脸表情匹配的虚拟形象模型,从而能够通过虚拟形象模型来展示自己的表情。该方式新颖独特,趣味性强,受到了广大用户的欢迎。

相关技术中,可以在目标用户摆出多种表情的情况下进行拍摄,获取多张人脸图像,对每张人脸图像进行特征点提取,得到每张人脸图像的特征点矩阵,根据该多张人脸图像的特征点矩阵,获取与目标用户的五官匹配的人脸表情基,该人脸表情基用于描述该目标用户在每种人脸表情下的表情特征。

那么,当获取到目标人脸图像,且该目标人脸图像中该目标用户具有某种人脸表情时,对该目标人脸图像进行特征点提取,得到目标人脸图像的特征点矩阵,根据该特征点矩阵和人脸表情基计算目标人脸图像的表情参数,根据该表情参数和虚拟形象模型基,即可生成表情与目标人脸图像中的人脸表情匹配的虚拟形象模型。

获取人脸表情基时采用了大量特征点的坐标,导致人脸表情基的数据量较大,且获取过程耗时较长,需要长时间占用处理资源,降低了操作性能。并且人脸表情基仅适用于目标用户,而不适用于其他用户,不具有通用性。

发明内容

本发明实施例提供了一种虚拟形象模型生成方法、装置及存储介质,可以解决相关技术存在的问题。所述技术方案如下:

一方面,提供了一种虚拟形象模型生成方法,所述方法包括:

获取多组人脸图像,每组人脸图像包括同一用户摆出预设的多种人脸表情时拍摄的多张人脸图像,所述每组人脸图像中包括自然人脸图像和非自然人脸图像,所述自然人脸图像为具有自然表情的人脸图像,所述非自然人脸图像为具有除所述自然表情以外的其他表情的人脸图像;

获取每张人脸图像的特征点矩阵,所述特征点矩阵包括所述人脸图像中多个五官特征点的坐标;

根据所述多组人脸图像中多张自然人脸图像的特征点矩阵,进行均值计算,得到平均矩阵,所述平均矩阵用于表示一般人脸在所述自然表情下的多个五官特征点的坐标;

计算每张自然人脸图像的特征点矩阵与所述平均矩阵之间的偏移矩阵,将所述多张自然人脸图像的偏移矩阵组成身份偏移矩阵,对所述身份偏移矩阵进行降维处理,得到人脸身份基,所述身份偏移矩阵用于描述所述多张自然人脸图像所包含用户的五官特征;

所述每组人脸图像中,计算所述非自然人脸图像的特征点矩阵与所述自然人脸图像的特征点矩阵之间的偏移矩阵,将所述多组人脸图像的偏移矩阵组成表情偏移矩阵,对所述表情偏移矩阵进行降维处理,得到人脸表情基,所述表情偏移矩阵用于描述多种人脸表情的表情特征;

当获取到目标人脸图像时,根据所述目标人脸图像、所述人脸身份基、所述人脸表情基和虚拟形象模型基,生成表情与所述目标人脸图像中的人脸表情匹配的虚拟形象模型,所述虚拟形象模型基用于描述虚拟形象模型在多种表情下的表情特征。

另一方面,提供了一种虚拟形象模型生成装置,所述装置包括:

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/201811047752.8/2.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