[发明专利]人脸关键点的插值方法、装置、计算机设备和存储介质

权利要求书

1.一种人脸关键点的插值方法，其特征在于，包括：

获取二维的第一人脸数据，所述第一人脸数据中具有二维的第一人脸关键点；

根据所述第一人脸关键点拟合三维的第二人脸数据，所述第二人脸数据具有三维的第二人脸关键点；

选定所述第二人脸数据中局部的区域，作为目标区域；

对所述目标区域进行线性变形，使得将所述目标区域中的所述第二人脸关键点透视投影至二维的第三人脸关键点时，所述第一人脸关键点与所述第三人脸关键点重叠。

2.根据权利要求1所述的方法，其特征在于，所述第二人脸数据以网格的形式表示，所述网格中具有多个三维的顶点，部分所述顶点为所述第二人脸关键点；

所述对所述目标区域进行线性变形，使得将所述目标区域中的所述第二人脸关键点透视投影至二维的第三人脸关键点时，所述第一人脸关键点与所述第三人脸关键点重叠，包括：

设定对所述目标区域进行形变、将所述顶点映射至三维的目标点；

计算第一向量与第二向量之间的差异，作为向量差异，所述第一向量为所述顶点转换的向量，所述第二向量为所述目标点转换的向量；

计算所述第一人脸关键点与第三人脸关键点之间的差异，作为重投影差异，所述第三人脸关键点为将所述目标点所透视投影的二维的人脸关键点；

计算所述目标点在Z轴方向上移动的距离；

将所述向量差异、所述重投影差异与所述距离线性融合，作为目标函数；

以最小化所述目标函数作为目标，求解所述目标点。

3.根据权利要求2所述的方法，其特征在于，所述计算第一向量与第二向量之间的差异，作为向量差异，包括：

对所述顶点进行拉普拉斯变形，得到第一向量；

对所述目标点进行拉普拉斯变形，得到第二向量；

将所述第一向量减去所述第二向量，获得向量差异。

4.根据权利要求2所述的方法，其特征在于，所述计算所述第一人脸关键点与第三人脸关键点之间的差异，作为重投影差异，包括：

计算第一参考矩阵，所述第一参考矩阵为包含所述第一人脸关键点的单位矩阵与摄像头的参数之间的乘积，所述摄像头用于采集所述第一人脸数据；

计算第二参考矩阵，所述第二参考矩阵为所述第一参考矩阵与对所述目标点线性变换后的Z轴的分量之间的比值；

计算第一目标矩阵、第二目标矩阵，所述第一目标矩阵为所述第二参考矩阵与旋转矩阵之间的乘积，所述第二目标矩阵为所述第二参考矩阵与平移向量之间乘积的反向，所述旋转矩阵与所述平移向量均用于线性变换；

将所述第一目标矩阵与所述目标点之间的乘积，减去所述第二目标矩阵，获得重投影差异。

5.根据权利要求2所述的方法，其特征在于，所述计算所述目标点在Z轴方向上移动的距离，包括：

计算旋转矩阵的Z轴的分量与所述目标点之间的乘积，作为第一中间值；

计算所述第二人脸关键点线性变换后之后的Z轴的分量减去平移向量的Z轴的分量之间的差值，作为第二中间值；

计算所述乘积与所述差值之间的差值，作为所述目标点在Z轴方向上移动的距离。

6.根据权利要求2所述的方法，其特征在于，所述将所述向量差异、所述重投影差异与所述距离线性融合，作为目标函数，包括：

对所述重投影差异配置第一权重；

对所述距离配置第二权重；

计算所述向量差异、配置所述第一权重的所述重投影差异与配置所述第二权重的所述距离之间的和值，作为目标函数。