[发明专利]人像浮雕数据集构建方法

说明书

本发明公开了人像浮雕数据集构建方法，属于人像浮雕模型技术领域，要解决的技术问题为如何构具有完整头部特征的高质量人像浮雕数据样本。包括如下步骤：基于3D人像雕塑获取人像法图、遮罩图和线条图，构建并训练网络模型；对于参考图像，提取特征精确定位的线条图，提取头发丝线条图，并通过MODNet网络提取遮罩图，合并头发丝线条图及特征精确定位的线条图得到最终线条图，将遮罩图和最终线条图输入训练后的网络模型，输出整体人像法图；对于参考图像，通过ResUnet网络得到具有精细几何细节的人脸法图，并将整体人像法图和人脸法图融合；将纹理法向迁移至融合后整体人像法图；进行浮雕深度重建，得到人像浮雕模型。

技术领域

本发明涉及人像浮雕模型技术领域，具体地说是人像浮雕数据集构建方法。

背景技术

人像浮雕是一种风格化的雕塑艺术形式，在印章、纪念币、建筑、工艺品等方面应用广泛。传统手工雕刻和软件建模人像浮雕需要专业技能，且费时费力。随着人工智能技术的发展，从单张图片实现人像浮雕的端到端建模已经成为可能，但实现深度神经网络的有监督训练，数据集的构建至关重要。目前，学术界和工业界尚未出现足够样本数量的人像浮雕数据集。

基于上述分析，如何构建具有完整头部特征的高质量人像浮雕数据样本，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供人像浮雕数据集构建方法，来解决如何构建具有完整头部特征的高质量人像浮雕数据样本的问题。

本发明的人像浮雕数据集构建方法，包括如下步骤：

基于3D人像雕塑获取人像法图、遮罩图和线条图，以所述遮罩图和线条图为输入、并以所述人像法图为输出，构建并训练网络模型，所述网络模型为编码-解码结构的网络模型；

获取人像图像为参考图像；

对于参考图像，进行滤波处理、提取特征精确定位的线条图，进行双边滤波及滤波提取边缘、提取头发丝线条图，并通过MODNet网络提取遮罩图，合并所述头发丝线条图及特征精确定位的线条图得到最终线条图，将所述遮罩图和最终线条图输入所述训练后的网络模型，输出整体人像法图；

对于参考图像，通过ResUnet网络进行人像图像到人脸法图的映射，得到具有精细几何细节的人脸法图，并将整体人像法图和人脸法图融合，得到融合后整体人像法图；

对于参考图像，获取每个像素的纹理法向，并通过向量旋转法将纹理法向迁移至所述融合后整体人像法图，得到最终人像法图；

对所述最终人像法图进行浮雕深度重建，得到人像浮雕模型。

作为优选，基于3D人像雕塑获取人像法图、遮罩图和线条图，包括如下步骤：

获取多个不同身份、发型和表情的3D人像雕塑；

对于每个3D人像雕塑，进行多角度采样；

对于每个采样角度生成人像法图、遮罩图和线条图，所述线条图为 ApparentRidges线条图。

作为优选，以所述遮罩图和线条图为输入、并以所述人像法图为输出，训练网络模型时，基于所述遮罩图、线条图和人像法图构建训练样本，以训练样本顶点法向和网络预测顶点法向的平均夹角定义损失函数，所述损失函数表示为：

其中，N_i表示训练样本顶点法向，N_i'表示网络预测顶点法向，M表示法向顶点的数量。

作为优选，对于参考图像，通过ETF流的滤波框架进行滤波处理、提取特征精确定位的线条图，包括如下步骤：

对单张的参考图像进行RGB图像去噪，得到去噪后参考图像；