[发明专利]人脸表情提取模型生成、人脸图像生成方法及装置

说明书

本公开关于人脸表情提取模型生成、人脸图像生成方法及装置。该人脸表情提取模型生成方法包括获取三维人脸素材图像和源人脸图像；将上述三维人脸素材图像进行投影，得到上述三维人脸素材图像对应的二维人脸素材图像；将上述源人脸图像中的人脸表情迁移至上述二维人脸素材图像，得到目标素材图像；根据上述目标素材图像进行三维重建，得到目标三维人脸模型；对上述目标三维人脸模型进行解优化，得到上述目标素材图像对应的表情特征信息；根据上述目标素材图像和上述目标素材图像对应的表情特征信息构建训练样本；基于上述训练样本训练预设的神经网络，得到人脸表情提取模型。本公开提升了表情特征信息的获取速度和精度。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及人脸表情提取模型生成、人脸图像生成方法及装置。

背景技术

相关技术中，可以基于三维重建技术将真实人脸的表情迁移到三维人脸素材上，使得迁移得到的目标三维人脸素材对应的二维人脸素材图像可以跟随真实人脸做出同样的表情。为了实现表情迁移，需要提取表情特征信息，该表情特征信息可以用于描述人脸表情的动作以及表情的幅度，人脸表情特征信息提取的精准程度对迁移效果有明显的影响，而相关技术中表情特征信息的提取精准度和速度有待进一步提升。

发明内容

本公开提供人脸表情提取模型生成、人脸图像生成方法及装置，以至少解决相关技术中表情特征信息的提取精准度低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种人脸表情提取模型生成方法，包括：

获取三维人脸素材图像和源人脸图像；

将所述三维人脸素材图像进行投影，得到所述三维人脸素材图像对应的二维人脸素材图像；

将所述源人脸图像中的人脸表情迁移至所述二维人脸素材图像，得到目标素材图像；

根据所述目标素材图像进行三维重建，得到目标三维人脸模型；

对所述目标三维人脸模型进行解优化，得到所述目标素材图像对应的表情特征信息；

根据所述目标素材图像和所述目标素材图像对应的表情特征信息构建训练样本；

基于所述训练样本训练预设的神经网络，得到人脸表情提取模型。

在一示例性的实施方式中，所述预设的神经网络为表情修正网络；

所述基于所述训练样本训练预设的神经网络，得到人脸表情提取模型，包括：

将所述训练样本中的目标素材图像输入表情预测网络，得到表情预测信息；

将所述表情预测信息输入所述表情修正网络，得到修正后表情信息；

根据所述修正后表情信息与所述训练样本中的表情特征信息的差值，得到修正损失；

根据所述修正损失训练所述表情修正网络；

将所述表情预测网络与训练后的所述表情修正网络确定为所述人脸表情提取模型。

在一示例性的实施方式中，所述将所述源人脸图像中的人脸表情迁移至所述二维人脸素材图像，得到目标素材图像，包括：

在至少一个所述源人脸图像中确定基准人脸图像；所述基准人脸图像为人脸表情与无表情状态差异最小的所述源人脸图像；

将每个所述源人脸图像输入一阶运动模型中进行表情变化参数提取处理，得到所述每个所述源人脸图像对应的表情变化参数；所述表情变化参数表征所述每个所述源人脸图像的表情描述参数相对于所述基准人脸图像的表情描述参数的变化量；

将所述二维人脸素材图像输入所述一阶运动模型中进行表情参数提取处理，得到所述二维人脸素材图像的表情描述参数；