[发明专利]一种基于单视角的人脸三维轮廓特征重建装置及重建方法

说明书

本发明属于人脸三维重建和计算机视觉技术领域，具体地说，涉及一种基于单视角的人脸三维轮廓特征重建装置及重建方法，该装置包括：参数获取模块，用于获取汇集后的平面图像和深度数据；人脸特征数据库，用于存储待人脸三维重建的特定类型特征向量、待核函数矩阵和对应类型的待标准矩阵；数据筛选模块，用于筛选待人脸三维重建所需要的待核函数矩阵和对应的待标准矩阵；人脸轮廓特征点提取模块，用于将汇集后的平面图像和深度数据，输入至预先建立的深度神经网络模型，提取待人脸三维重建的轮廓关键特征点；人脸轮廓重建模块，用于通过路径积分方法融合，获得人脸轮廓数据；再根据人脸轮廓数据与标准矩阵，建立刚体深度信息与物理轮廓匹配模型。

技术领域

本发明属于人脸三维重建和计算机视觉技术领域，具体地说，涉及一种基于单视角的人脸三维轮廓特征重建装置及重建方法。

背景技术

人脸三维重建是计算机视觉和图形学里的一项核心技术，在人脸识别、安防、智能支付、电影动画、机器人技术等领域有广泛需求。人脸三维重建技术可分为基于单视角人脸重建技术和基于多视角人脸重建技术，重建方式上可分为稠密点云重建和稀疏点云重建。

现有的人脸三维重建方法通常采用稀疏点云重建方式的多视角人脸重建方法，对算力和设备要求极高，无法在手机等移动端实现；

此外，现有的方法中还采用深度摄像头的单视角人脸重建方法，其基本原理是：传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来；但是，现有的单视角人脸三维重建方法只能通过深度摄像头生成深度数据，无法将其与二维图像数据合成包含真实物理数据的三维数据；同时现有的神经网络在三维人脸重建中的应用，会出现尺度丢失的问题，使得神经网络算法学习到的重构图像只能保留视觉信息，而尺度信息无法被神经网络保留，以致无法准确的描述出人脸三维轮廓特征；同时，人脸轮廓数据是敏感数据，在使用过程无法确保数据库的保密性，造成人脸轮廓数据中的关键数据被窃取。

发明内容

为解决现有技术存在的上述缺陷，本发明提出了一种基于单视角的人脸三维轮廓特征重建装置，该装置包括：参数获取模块、人脸特征数据库、数据筛选模块、人脸轮廓特征点提取模块和人脸轮廓重建模块；

所述参数获取模块，用于根据实时获取的获取待人脸三维重建所需要的深度图像数据和平面图像数据，获取汇集后的平面图像和深度数据；

所述人脸特征数据库，用于存储待人脸三维重建的特定类型特征向量、待核函数矩阵和对应类型的待标准矩阵；

所述数据筛选模块，用于根据人脸特征数据库，筛选待人脸三维重建所需要的待核函数矩阵和对应的待标准矩阵；

所述人脸轮廓特征点提取模块，用于将汇集后的平面图像和深度数据，输入至预先建立的深度神经网络模型，提取待人脸三维重建的轮廓关键特征点；

所述人脸轮廓重建模块，用于将待人脸三维重建的轮廓关键特征点与数据筛选模块输出的待核函数矩阵通过路径积分方法融合，获得人脸轮廓数据；再根据人脸轮廓数据与标准矩阵，计算实值矩阵；再根据实值矩阵与待标准矩阵取均值，作为新标准矩阵，替换待标准矩阵，得到新标准矩阵，并存储至人脸特征数据库，建立刚体深度信息与物理轮廓匹配模型，完成人脸三维轮廓特征重建。

作为上述技术方案的改进之一，所述装置还包括：加密模块，用于采用信息熵加密算法，对实值矩阵进行加密，得到加密后的实值矩阵，作为用户可以获取得到的实际人脸轮廓数据。

作为上述技术方案的改进之一，所述参数获取模块进一步包括：深度图像摄像头、平面图像摄像头、处理器和存储器；

深度图像摄像头通信连接至处理器，平面图像摄像头通信连接至处理器，储存器通信连接至处理器；