[發明專利]一種獲取3D人臉數據方法、人臉識別方法及裝置

有效

• 申請號: 202010174487.0
• 申請日: 2020-03-13
• 公開（公告）號: CN111402401B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 張彥博;李驪
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06V10/774;G06V40/16;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭化雨

1.一種獲取3D人臉數據方法，其特征在于，所述方法包括：

獲取2D人臉數據；

獲取3D人臉形變模型對應的3D關鍵點集合以及第一特征集合；

根據所述2D人臉數據中的各個關鍵點、所述3D關鍵點集合以及所述第一特征集合獲取所述第一特征集合對應的權重集合；

利用所述權重集合、所述3D人臉形變模型對應的第二特征集合以及標準向量集合獲得所述2D人臉數據對應的3D人臉數據，所述權重集合中的權重個數與所述第二特征集合中的特征個數一致；所述第二特征集合中的特征維度大于所述第一特征集合中的特征維度，所述第一特征集合是由所述第二特征集合經降維轉換后獲得的；

其中，所述第一特征集合包括第一ID特征集合和第一表情特征集合，所述權重集合包括ID權重集合和表情權重集合；所述第二特征集合包括第二ID特征集合和第二表情特征集合；所述標準向量集合表示所述3D人臉形變模型對應的標準人臉的特征向量。

2.一種人臉識別模型的生成方法，其特征在于，所述方法包括：

獲取2D人臉數據集合；所述2D人臉數據集合包括多組2D人臉數據；

根據3D人臉形變模型將所述2D人臉數據集合中各組2D人臉數據進行轉換，生成3D人臉數據集合；所述3D人臉數據集合包括多組3D人臉數據，所述3D人臉數據集合中各組3D人臉數據是根據權利要求1所述的獲取3D人臉數據方法獲取的；

利用變換矩陣將所述3D人臉數據集合中各組3D人臉數據映射至平面，獲得目標人臉數據集合；

根據所述目標人臉數據集合中的目標人臉數據以及所述目標人臉數據對應的標簽對初始深度學習模型的模型參數進行訓練，生成人臉識別模型。

3.根據權利要求2所述的方法，其特征在于，獲取一組2D人臉數據的過程，包括：

對于一張2D人臉圖像，獲取人臉各個關鍵點，構成2D人臉數據。

4.根據權利要求2或3所述的方法，其特征在于，所述利用變換矩陣將所述3D人臉數據集合中各組3D人臉數據映射至平面，獲得目標人臉數據集合，包括：

將所述3D人臉數據集合進行歸一化處理，獲得處理后的3D人臉數據集合；

利用變換矩陣將所述處理后的3D人臉數據集合中各組3D人臉數據映射至平面，獲得目標人臉數據集合。

5.根據權利要求4所述的方法，其特征在于，所述初始深度學習模型為Mobilenet模型或ShuffleNet模型。

6.一種人臉識別方法，其特征在于，所述方法包括：

獲取待識別人臉圖像，并從所述待識別人臉圖像中提取待識別2D人臉數據；

根據3D人臉形變模型將所述待識別2D人臉數據進行轉換，生成待識別3D人臉數據；

利用變換矩陣將所述待識別3D人臉數據映射至平面，獲得目標待識別人臉數據；

將所述目標待識別人臉數據輸入預先訓練生成的人臉識別模型獲得識別結果，所述人臉識別模型是根據權利要求2-5任一項所述的人臉識別模型的生成方法訓練生成的。

7.一種獲取3D人臉數據裝置，其特征在于，所述裝置包括：

第一獲取單元，用于獲取2D人臉數據；

第一生成單元，用于獲取3D人臉形變模型對應的3D關鍵點集合以及第一特征集合；根據所述2D人臉數據中的各個關鍵點、所述3D關鍵點集合以及所述第一特征集合獲取所述第一特征集合對應的權重集合；利用所述權重集合、所述3D人臉形變模型對應的第二特征集合以及標準向量集合獲得所述2D人臉數據對應的3D人臉數據，所述權重集合中的權重個數與所述第二特征集合中的特征個數一致；所述第二特征集合中的特征維度大于所述第一特征集合中的特征維度，所述第一特征集合是由所述第二特征集合經降維轉換后獲得的；

其中，所述第一特征集合包括第一ID特征集合和第一表情特征集合，所述權重集合包括ID權重集合和表情權重集合；所述第二特征集合包括第二ID特征集合和第二表情特征集合；所述標準向量集合表示所述3D人臉形變模型對應的標準人臉的特征向量。