[发明专利]一种图像识别方法、存储介质及终端设备

说明书

本发明公开了一种图像识别方法、存储介质及终端设备，所述方法采用图像识别模型获取待处理人脸图像的人脸参数以及三维人脸特征点集，所述图像识别模型为基于训练样本训练的，所述训练样本集中的每一训练样本组均包括人脸图像以及该人脸图像对应的真实人脸参数以及三维人脸特征点集，所述真实人脸参数包括对齐参数以及预设人脸三维模型的模型参数，这样通过所述图像识别模型可以同步用于生成三维人脸图像的人脸参数以及三维人脸特征点集，在获取过程中用于生成三维人脸图像的人脸参数与三维人脸特征点集可以相互验证，提高了三维人脸图像以及三维人脸特征点集的准确性。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像识别方法、存储介质及终端设备。

背景技术

3D人脸重建是计算机视觉中非常重要的任务，它在解决大姿态人脸识别和关键点定位等问题提供了可行的解决方案。目前普遍使用的3D人脸重建方法是基于3DMM(3DMorphable Model)模型，通过靠重建特殊点(如，人脸关键点及局部特征等)与3D均值几何结构之间关系，然后利用非线性优化函数来回归3DMM系数，然而上述方法均需要依赖于人脸关键点等特色点的检测，进而影响了3D人脸重建的效果。

然而随着深度学习的发展，许多研究开始利用CNN估计3DMM系数来重建单张人脸对应的3D信息。目前普遍使用的利用CNN估计3DMM系数来重建单张人脸对应的3D信息的方法普遍为基于回归的级联卷积神经网络和位置映射回归网络。上述方法虽然可以获取到三维人脸图像，然而，上述两种方法仅能获取到三维人脸图像，但是在需要获取三维人脸特征点集时，还需要对三维人脸图像进行识别来得到三维人脸特征点，而三维人脸图像在重建过程中会丢失部分图像细节特征，这使得在对三维人脸图像进行三维人脸特征点进行识别时，无法基于待人脸图像的全部图像特征，从而会降低三维人脸特征点的精度。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种图像识别方法、存储介质及终端设备。

本发明所采用的技术方案如下：

一种图像识别方法，述图像识别方法：

获取待处理人脸图像，并将所述待处理人脸图像输入至图像识别模型，其中，所述待处理人脸图像为二维图像,所述图像识别模型为基于训练样本训练的，所述训练样本集中的每一训练样本组均包括人脸图像、真实人脸参数以及真实三维人脸特征点集；

通过所述图像识别模型确定所述待处理人脸图像对应的人脸参数以及三维人脸特征点集。

所述的图像识别方法，其中，所述方法还包括：

根据所述人脸参数以及所述预设人脸三维模型生成所述待处理人脸图像对应的三维人脸图像；

将所述三维人脸特征点集中各人脸特征点标记于所述三维人脸图像上。

所述的图像识别方法，其中，所述待处理人脸图像对应的人脸参数包括所述待处理人脸图像中人脸对应的对齐参数以及预设人脸三维模型的模型参数；所述根据所述人脸参数以及所述预设人脸三维模型生成所述待处理人脸图像对应的三维人脸图像具体包括：

根据所述模型参数以及所述预设人脸三维模型生成候选三维人脸图像；

根据所述对齐参数对所述候选三维人脸图像进行调整，以得到所述三维人脸图像。

所述的图像识别方法，其中，所述对齐参数包括旋转系数以及平移系数，所述模型参数包括人脸脸型系数以及人脸表情系数。

所述的图像识别方法，其中，所述图像识别模型的训练过程具体包括：

预设网络模型根据训练样本集中的人脸图像，生成所述人脸图像对应的预测人脸参数以及预测三维人脸特征点集；