[发明专利]基于点云深度学习的三维人脸扫描特征点检测方法和装置

说明书

本发明提出一种基于点云深度学习的三维人脸扫描特征点检测方法和装置，其中，方法包括：将人脸扫描渲染成多视角的图像；在每张图像上计算每个像素的人脸解析特征；对多视角图像的信息进行融合，确定人脸扫描上每个顶点的人脸解析特征；利用点云深度学习网络获取每个特征点对应的热度图；根据热度图计算每个特征点的位置。由此，利用点云深度学习网络强大的特征提取能力，结合人脸扫描的纹理信息，得到高精度的特征点检测结果。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于点云深度学习的三维人脸扫描特征点检测方法和装置。

背景技术

人脸特征点检测在人脸识别，人脸配准，人脸动画生成等领域具有十分重要的作用，现有的三维人脸扫描特征点检测方法主要分为两类，一类方法利用人工设计的特征描述子提取人脸扫描上每个顶点的局部几何特征，并根据这个局部几何特征找到鼻尖、眼角等特征点，这类方法只能在少数几个几何特征较为明显的特征点上表现稳定；第二类方法通常基于统计形状模型，他们事先在一个包含大量三维人脸扫描的数据集上训练一个线性或者多线性模型，测试时，他们用训练好的模型拟合新的人脸扫描，求解模型参数，得到检测结果，这类方法比较依赖初始解，并且对于表情复杂的人脸难以取得较高的精度。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于点云深度学习的三维人脸扫描特征点检测方法，以解决现有方法检测精度较低的问题。

本发明的第二个目的在于提出一种基于点云深度学习的三维人脸扫描特征点检测装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种基于点云深度学习的三维人脸扫描特征点检测方法，包括：将人脸扫描渲染成多视角的图像；在每张图像上计算每个像素的人脸解析特征；对所述多视角图像的信息进行融合，确定每个顶点的人脸解析特征；利用点云深度学习网络获取所述每个特征点对应的热度图；根据所述热度图计算所述每个特征点的位置。

为达上述目的，本发明第二方面实施例提出了一种基于点云深度学习的三维人脸扫描特征点检测装置，包括：渲染模块，用于将人脸扫描渲染成多视角的图像；第一计算模块，用于在每张图像上计算每个像素的人脸解析特征；确定模块，用于对所述多视角图像的信息进行融合，确定每个顶点的人脸解析特征；获取模块，用于利用点云深度学习网络获取所述每个特征点对应的热度图；第二计算模块，用于根据所述热度图计算所述每个特征点的位置。

为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述第一方面实施例所述的基于点云深度学习的三维人脸扫描特征点检测方法。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面实施例所述的基于点云深度学习的三维人脸扫描特征点检测方法。为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上述第一方面实施例所述的基于点云深度学习的三维人脸扫描特征点检测方法。

本发明的实施例，至少具有如下的技术效果：

利用点云深度学习网络强大的特征提取能力，结合人脸扫描的纹理信息，得到高精度的特征点检测结果。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明