[发明专利]虚拟形象驱动方法、装置、设备和介质

权利要求书

1.一种虚拟形象驱动方法，其特征在于，包括：

实时获取直播视频帧中的人脸图像；

基于深度学习的方式识别与所述人脸图像对应的表情基底系数；其中，所述表情基底系数是与预设的目标虚拟形象表情基组匹配的；

将所述表情基底系数使用到所述目标虚拟形象表情基组上，以驱动与所述目标虚拟形象表情基组对应的虚拟形象的表情。

2.根据权利要求1所述的方法，其特征在于，基于深度学习的方式识别与所述人脸图像对应的表情基底系数，包括：

将所述人脸图像输入至预先训练的人脸表情识别模型，得到与所述人脸图像对应的表情基底系数。

3.根据权利要求1所述的方法，其特征在于，基于深度学习的方式识别与所述人脸图像对应的表情基底系数，包括：

向预先训练的人脸表情识别模型发送表情基底系数识别请求信息；其中，所述表情基底系数识别请求信息至少包括人脸图像；

接收所述人脸表情识别模型返回的与所述人脸图像对应的表情基底系数。

4.根据权利要求2或3所述的方法，其特征在于，在基于深度学习的方式识别与所述人脸图像对应的表情基底系数之前，还包括：

获取人脸图像样本；

确定与所述人脸图像样本对应的表情基底系数期望值；

以与所述人脸图像样本对应的表情基底系数期望值作为监督，根据所述人脸图像样本训练人脸表情识别模型。

5.根据权利要求4所述的方法，其特征在于，以与所述人脸图像样本对应的表情基底系数期望值作为监督，根据所述人脸图像样本训练人脸表情识别模型，包括：

将所述人脸图像样本输入至未训练的人脸表情识别模型中，得到表情基底系数预测值；

根据所述表情基底系数预测值与所述表情基底系数期望值之间的差异，确定目标损失值；

在所述目标损失值的变化率小于预设阈值时，确定所述人脸表情识别模型完成训练。

6.根据权利要求5所述的方法，其特征在于，所述表情基底系数预测值与所述表情基底系数期望值之间的差异，包括下述至少一项：

所述表情基底系数预测值与所述表情基底系数期望值的欧氏距离；

所述表情基底系数预测值与所述表情基底系数期望值的分布差异；

根据所述表情基底系数预测值确定的三维网格模型与根据所述表情基底系数期望值确定的三维网格模型之间的差异。

7.根据权利要求5所述的方法，其特征在于，将所述人脸图像样本输入至未训练的人脸表情识别模型中，得到表情基底系数预测值，包括：

将所述人脸图像样本输入人脸表情识别模型中，按照所述人脸表情识别模型中处理层设置顺序依次通过各个处理层进行处理，得到表情基底系数预测值；

其中，所述处理层包括卷积层、反卷积层、池化层和全连接层，至少一对尺寸相等的卷积层和反卷积层建立跳跃连接。

8.一种虚拟形象驱动装置，其特征在于，包括：

人脸图像实时获取模块，用于实时获取直播视频帧中的人脸图像；

人脸表情识别模块，用于基于深度学习的方式识别与所述人脸图像对应的表情基底系数；其中，所述表情基底系数是与预设的目标虚拟形象表情基组匹配的；

虚拟形象驱动模块，用于将所述表情基底系数使用到所述目标虚拟形象表情基组上，以驱动与所述目标虚拟形象表情基组对应的虚拟形象的表情。

9.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

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中任一所述的方法。