“人脸形”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果67054个，建议您升级VIP下载更多相关专利

[发明专利]人脸几何模型提取、3D人脸重建方法、设备及存储介质-CN202110520122.3有效
发明人：陈达勤;王淳;浣军;宋博宁;娄明;李曈 -专利权人：北京深尚科技有限公司
申请日： 2021-05-12 - 公布日： 2023-10-24 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种人脸几何模型提取、3D人脸重建方法、设备及存储介质，该方法包括以下步骤：获取至少一个人脸图像的初始人脸几何模型并将所述至少一个人脸图像转换为第一剪影图像；获取所述人脸几何模型的投影图像，并将所述投影图像转化为第二剪影图像；调整人脸几何模型的相关参数及人脸几何模型相应优化区域的顶点坐标，使第二剪影图像和第一剪影图像的差异小于一阈值，获取此时第二剪影图像对应的人脸几何模型作为最终的人脸几何模型该方法通过对人脸几何模型的相关参数的优化，提高人脸形态估计准确度，提高3D人脸模型的构建真实度，减小渲染出的图像和实际图像感官差异。
几何模型提取重建方法设备存储介质

[发明专利]一种基于神经网络的端到端的三维人脸重建方法-CN201910881246.7有效
发明人：高天寒;安慧 -专利权人：东北大学
申请日： 2019-09-18 - 公布日： 2023-04-18 - 主分类号： G06T15/20 文献下载
摘要：本发明公开一种基于神经网络的端到端的三维人脸重建方法，属于三维人脸重建技术领域。该方法将多任务损失函数和融合神经网络应用到卷积神经网络中，提升人脸表情的重建效果，同时考虑了整个重建过程的语义信息，不只是单纯的回归人脸参数，同时也考虑到了相机姿态以及重建模型对整个重建误差的影响，使整个神经网络的准确率提升本发明公开的三维人脸重建方法不仅能从图片中重建出三维人脸形状，还能在变化的光照情况下或者带有极端表情的人脸照片都可以进行三维恢复。
一种基于神经网络端到端三维重建方法

[发明专利]基于RGB图片的人脸三维重建方法及系统-CN202211025481.2在审
发明人：史廷春;杨鹏 -专利权人：杭州电子科技大学
申请日： 2022-08-25 - 公布日： 2022-11-25 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于RGB图片的人脸三维重建方法及系统，本发明方法包括如下步骤：步骤一：获取人脸RGB图像；步骤二：对人脸图像进行定位，并算出人脸的数个关键点，裁切图片；步骤三：引入巴塞尔参数化人脸模型；步骤四：将三维的人脸投影至二维平面；步骤五：进行投影归一化特征编码；步骤六：引入神经网络选择的损失函数；步骤七：图像通过反向传递更新网络参数，得到输出的人脸参数图像；步骤八：通过UV纹理图转换，根据巴塞尔人脸参数模型的纹理向量映射到二维空间；步骤九：将UV纹理图映射到三维人脸形状获得人脸的三维模型。通过本发明人脸三维重建技术处理的人脸UV图明显减少了细节缺失。
基于 rgb 图片三维重建方法系统

[发明专利]基于平均脸和衰老比例图的人脸图像年龄变换方法-CN200610042989.8有效
发明人：游屈波;刘剑毅;郑南宁;刘跃虎;袁泽剑;杜少毅 -专利权人：西安交通大学
申请日： 2006-06-15 - 公布日： 2006-11-29 - 主分类号： G06T3/00 文献下载
摘要：本发明公开一种基于平均脸和衰老比例图的人脸图像年龄变换方法。采用稠密特征表达，将人脸图像分解为形状矢量和纹理矢量，借助于人脸漫画合成技术，通过计算特定人脸图像和平均脸之间的差异，进而减少这种差异程度，来完成特定人脸的年轻变换；将人脸图像矢量化建模与人脸图像衰老变换相结合，实现了符合生理特征的人脸图像衰老化模拟。根据衰老引起的人脸形状特征的变化，对人脸图像的特征线进行一定的修改，实现形状的衰老模拟；对于纹理特征的改变，我们采用比例图方式，制作衰老比例图，根据纹理映射，实现人脸图像的纹理特征衰老模拟。该方法充分考虑到人脸年龄变换时形状与纹理的统一变化，合成图像的真实感大大增强。
基于平均衰老比例图像年龄变换方法

[发明专利]基于平均脸和衰老比例图的人脸图像年龄变换方法-CN200910022560.6无效
发明人：董宝达;李红 -专利权人：陕西盛世辉煌智能科技有限公司
申请日： 2009-05-15 - 公布日： 2009-10-14 - 主分类号： G06T15/70 文献下载
摘要：本发明公开一种基于平均脸和衰老比例图的人脸图像年龄变换方法。采用稠密特征表达，将人脸图像分解为形状矢量和纹理矢量，借助于人脸漫画合成技术，通过计算特定人脸图像和平均脸之间的差异，进而减少这种差异程度，来完成特定人脸的年轻变换；将人脸图像矢量化建模与人脸图像衰老变换相结合，实现了符合生理特征的人脸图像衰老化模拟。根据衰老引起的人脸形状特征的变化，对人脸图像的特征线进行一定的修改，实现形状的衰老模拟；对于纹理特征的改变，我们采用比例图方式，制作衰老比例图，根据纹理映射，实现人脸图像的纹理特征衰老模拟。该方法充分考虑到人脸年龄变换时形状与纹理的统一变化，合成图像的真实感大大增强。
基于平均衰老比例图像年龄变换方法

[发明专利]一种建立人脸模型的装置-CN201610715557.2在审
发明人：谢清钟;周勇 -专利权人：广州御银科技股份有限公司
申请日： 2016-08-25 - 公布日： 2017-02-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种建立人脸模型的装置，包括二维图像获取单元，人脸定位单元，二维矢量采集单元，三维人脸数据库，形变单元，形变约束单元和三维矢量生成单元。其优点在于，可以从二维照片中直接分辨出人脸，并将人脸信息由像素信息中只提取出坐标信息，减少了信息的运算量。坐标信息相应的矢量转为矩阵运算更加适合系统平台和软件运行的语言环境。三维形变基于三维人脸数据库的常规类型分类，整个形变的运算过程都被形变约束单元监控和约束。保证了后续依据形变后的三维矩阵得到的人脸模型，不会出现偏离正常人脸形状的异常形状。
一种建立模型装置

[发明专利]基于深度学习的人脸检测与识别方法及装置-CN202210923747.9在审
发明人：聂志勇;张延生;隋立林;王亚军;王晓燕 -专利权人：国能网信科技（北京）有限公司
申请日： 2022-08-02 - 公布日： 2022-11-18 - 主分类号： G06V40/16 文献下载
摘要：本发明提供了一种基于深度学习的人脸检测与识别方法及装置，涉及图像识别技术领域，方法包括：获取待识别图像；以待识别图像为输入，经人脸识别模型识别待识别图像中的人脸目标；人脸识别模型经预构建的人脸图像数据集对预构建的深度神经网络模型训练后得到本发明通过增加金字塔网络的层级，并在金字塔网络应用上下文模块来增加金字塔网络的建模能力，并通过构建包括不同人脸形态、不同光照明暗度、角度及噪声点的人脸图像数据集对深度神经网络模型训练得到人脸识别模型，能够有效增强模型的鲁棒性
基于深度学习检测识别方法装置

[发明专利]基于深度学习和水平集的人脸分割方法-CN201710252894.7有效
发明人：赵骥;师云秋 -专利权人：辽宁科技大学
申请日： 2017-04-18 - 公布日： 2020-08-14 - 主分类号： G06T7/10 文献下载
摘要：一种基于深度学习和水平集的人脸分割方法，解决现有技术存在的针对背景过于复杂或者灰度不均匀的人脸图像，人脸分割算法执行效果不理想的问题。基于人脸形状的多样性和复杂性、人脸图像轮廓边界模糊以及背景复杂等特点，在图像分割模型中引入深度学习的方法，使用玻尔兹曼机来学习人脸样本的形状信息，然后将形状信息引入到采用变分水平集和高斯分布拟合表达的能量模型中，实现人脸的快速、准确分割。所建立的人脸分割方法，具有效率高、准确度高和鲁棒性强的特点；能够减少过分割和欠分割现象，匹配速度快，可进行实时高效分割。
基于深度学习水平分割方法

[发明专利]图片人脸分裂识别方法及其识别系统-CN202010812231.8在审
发明人：左宏 -专利权人：力引万物（深圳）科技有限公司
申请日： 2020-08-13 - 公布日： 2020-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种图片人脸分裂识别方法，包括获得图片人脸数据；在人脸数据库中查找图片人脸数据的相似人脸，对查找请求产生的相似人脸形成相应的相似人脸FaceID列表及相似度得分；滤除人脸FaceID列表中相似度得分小于第一阈值的人脸FaceID；将剩余人脸FaceID按相似度得分由高至低排序，提取前N名的人脸FaceID及相似度得分；将排序第一的人脸FaceID与剩余人脸FaceID两两组合形成匹配对，滤除两个人脸FaceID相似度得分大于第二阈值的匹配对；对每张图片产生的匹配对进行记录和累计计数；若在预设时段内匹配对累计数量大于第三阈值，则标记该图片为人脸分裂图片。本发明还公开了一种图片人脸分裂识别系统。本发明能在图片人脸识别过程中能实时、准确识别图片人脸分裂。
图片分裂识别方法及其系统

[发明专利]人脸视频压缩方法-CN201410231902.6有效
发明人：陶晓明;李扬;陆建华;葛宁 -专利权人：清华大学
申请日： 2014-05-28 - 公布日： 2017-02-15 - 主分类号： H04N19/89 文献下载
摘要：一种人脸视频压缩方法，属于多媒体通信时人脸视频数据压缩技术领域，其特征在于，在发送端利用人脸模型进行视频中人脸的定位和参数化表征，得到由光照参数向量、姿态参数向量和形状和外观联合参数向量表示的人脸模型参数向量，并进行基于给定欲保留参数的帧样本个数时的全局最小参数误差和模型参数总比特小于给定上限的约束，把最优自适应帧间压缩后的人脸模型参数向量发送给接收端再利用独立分片线性插值方法进行人脸模型参数向量的恢复，经过人脸形状计算和经过恢复的人脸外观，得到原图像，在大大提高人脸视频压缩比的同时保证了最优重建质量，在时域上最大限度除去人脸视频中的冗余，从而提高了通信资源利用率。
视频压缩方法

[发明专利]人体头部姿态估计算法及操作员工作状态识别系统-CN202011315864.4在审
发明人：殷广玉;姚斌 -专利权人：上海祐云信息技术有限公司
申请日： 2020-11-22 - 公布日： 2021-02-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人体头部姿态估计算法及系统，首先，通过视频采集器获取人体头部图像信息；然后，应用深度学习方法构建人脸特征点模型，获取图像中人脸特征点的位置；最后，计算出头部的相对角度，获取人体头部姿态特征在算法中构建深度神经网络时加深特征数量，有效的提高了特征点准确度，能够较好的对人脸形状进行捕捉。针对驾驶室内操作人员的工作状态，进行人脸特征点的构建，以实现头部姿态跟踪，通过人脸角度的估计和判断，从而提醒管理者或者操作人员，达到预防人为事故的目的。
人体头部姿态估计算法操作员工作状态识别系统

[发明专利]一种基于自对齐双重回归的单图像人脸三维重建方法-CN202110199236.2在审
发明人：王利民;阮泽宇;武港山 -专利权人：南京大学
申请日： 2021-02-22 - 公布日： 2022-08-30 - 主分类号： G06T17/00 文献下载
摘要：一种基于自对齐双重回归的单图像人脸三维重建方法，包括处理训练数据阶段，网络配置阶段，训练阶段和测试阶段。本发明方法基于注意力机制对人脸未被遮挡区域进行了增强，从而提升了对遮挡的鲁棒性；对三维人脸的姿态和形状进行解耦，单独学习与姿态无关的三维人脸形状回归，提升了人脸重建的精度，削弱了姿态变化的负面影响；将姿态信息编码在作为中间结果的粗糙人脸模型中，并通过自对齐的后处理过程结合估计出的人脸区域可见度提取出人脸姿态，相比于现有单图像人脸三维重建方法中直接回归姿态的方式，本发明对于人脸图像中存在遮挡、姿态变化的情况具有更好的鲁棒性。
一种基于对齐双重回归图像三维重建方法

[发明专利]基于深度学习的人脸眼镜移除和三维模型生成方法-CN202111620129.9在审
发明人：赵大鹏;蔡锦康;齐越 -专利权人：北京航空航天大学
申请日： 2021-12-23 - 公布日： 2022-04-26 - 主分类号： G06T17/00 文献下载
摘要：本专利提出了基于深度学习的人脸眼镜移除和三维模型生成方法。主要步骤包括：S1：将二维戴眼镜人脸图像输入端到端神经网络中，进行人脸解析，找到眼镜覆盖区域，将眼镜覆盖区域删除；S2：使用基于轻量级神经网络开发的用于人脸特征提取的深度学习模型，其中，该深度学习模型以二维戴眼镜人脸图像为输入，得到二维戴眼镜人脸图像的人脸特征点；S3：使用二维无眼镜渲染人脸图像生成器，生成二维无眼镜渲染人脸图像；S4：基于人脸形变统计模型，将二维无眼镜渲染人脸图像转化为三维无眼镜人脸模型。本方法创新性地提出在直接生成三维无眼镜人脸模型前，预先生成二维无眼镜人脸图像，提高了生成的最终人脸模型的可信度。
基于深度学习眼镜三维模型生成方法

[发明专利]一种视频人脸胖瘦编辑方法-CN202110538233.7有效
发明人：唐祥峻;孙文欣;金小刚 -专利权人：浙江大学
申请日： 2021-05-18 - 公布日： 2022-05-27 - 主分类号： G06T19/20 文献下载
摘要：本发明公开了一种视频人脸胖瘦编辑方法，包括如下步骤：基于人脸视频重建三维人脸模型，并输出三维人脸形状参数和每一视频帧的人脸表情参数及人脸姿态参数；基于三维人脸胖瘦调整算法对三维人脸模型进行调整，并将调整结果迁移至每一帧，生成每一帧的形变三维人脸模型；使用有向距离场建立二维平面上形变前后的人脸边界的稠密映射，并基于三维人脸模型的结构调整所述稠密映射；基于所述稠密映射对人脸视频帧形变，并使用能量优化减少因形变造成的视频帧的背景扭曲，得到形变后的人脸视频帧，并将其对应替换回原人脸视频。本发明实现了自动生成符合所述胖瘦尺度的人脸视频，并且在被遮挡，长发，戴眼镜等情况下依旧能得到理想的结果。
一种视频胖瘦编辑方法

[发明专利]一种利用语音信息的实时视频人脸区域时空一致合成方法-CN202110750794.3在审
发明人：曾鸣;刘鹏飞;邓文晋 -专利权人：厦门大学
申请日： 2021-07-02 - 公布日： 2021-10-01 - 主分类号： G06T17/00 文献下载
摘要：一种利用语音信息的实时视频人脸区域时空一致合成方法，涉及深度学习和三维人脸重建。利用三维人脸重建算法从视觉特征提取人脸身份信息、人脸形状信息、人脸姿态信息和人脸纹理信息，并利用深度学习技术从音频特征提取人脸表情信息，融合前者的视觉信息和后者的听觉信息，增强神经网络合成人脸表情的丰富性，快速准确地合成与当前说话内容相一致的人脸说话视频。引入参考人脸身份参数，可约束输出前后视频帧身份形象一致。引入时序上的上下文信息和平滑约束，抑制纹理抖动，使人脸生成算法能适用于视频。采用更为精简的神经网络结构，可实时生成人脸说话视频或去掉人脸遮挡物，可在安防监控、视频会议、虚拟形象、动画驱动等领域应用。
一种利用语音信息实时视频区域时空一致合成方法