[发明专利]一种捏脸处理方法

权利要求书

1.一种捏脸处理方法，其特征在于，包括以下步骤：

获取用户的真实人脸图像；

设置虚拟角色的风格化参数，并随机初始化一组虚拟人脸骨骼参数；

基于虚拟人脸骨骼参数生成虚拟人脸图像；

根据真实人脸图像和虚拟人脸图像提取真实人脸特征图和虚拟人脸特征图；

根据风格化参数、真实人脸特征图和虚拟人脸特征图迭代收敛所述虚拟人脸骨骼参数；

基于完成收敛的虚拟人脸骨骼参数生成虚拟角色。

2.根据权利要求1所述的捏脸处理方法，其特征在于，所述捏脸方法通过图形用户界面上传真实人脸图像，并对所述真实人脸图像进行质量控制，获取符合规范的真实人脸图像。

3.根据权利要求2所述的捏脸处理方法，其特征在于，所述用户图形用户界面包括风格化参数调整组件，用户通过所述风格化参数调整组件设置虚拟角色的风格化参数。

4.根据权利要求1所述的捏脸处理方法，其特征在于，所述捏脸方法通过虚拟人脸生成网络生成虚拟人脸图像；其中，所述虚拟人脸生成网络根据输入的虚拟人脸骨骼参数生成对应的虚拟人脸图像。

5.根据权利要求4所述的捏脸处理方法，其特征在于，所述虚拟人脸生成网络基于虚拟人脸数据集进行模型训练，包括以下步骤：

随机采集虚拟人脸骨骼参数；

基于虚拟人脸骨骼参数生成虚拟角色，获取对应的虚拟人脸图像；其中，所述虚拟人脸骨骼参数和所述虚拟人脸图像构成虚拟人脸数据集；

构建卷积神经网络；

根据虚拟人脸骨骼参数和虚拟人脸图像训练卷积神经网络，获取虚拟人脸生成网络。

6.根据权利要求5所述的捏脸处理方法，其特征在于，所述捏脸处理方法采用微调人脸识别神经网络提取真实人脸特征图和虚拟人脸特征图；其中，所述微调人脸识别神经网络采用多个由浅到深的卷积层提取不同人脸特征的真实人脸特征图和虚拟人脸特征图。

7.根据权利要求6所述的捏脸处理方法，其特征在于，所述微调人脸识别神经网络基于真实人脸数据集进行模型训练，包括以下步骤：

采集真实人脸数据集；

根据真实人脸数据集获取捏脸参数，生成对应的虚拟人脸图像；

基于真实人脸图像、对应的虚拟人脸图像和无关的虚拟人脸图像构建三元数据组；

根据三元数据组训练预训练人脸识别神经网络，获取微调人脸识别神经网络。

8.根据权利要求7所述的捏脸处理方法，其特征在于，所述三元数据组通过人脸识别损失函数收敛所述预训练人脸识别神经网络，计算公式如下：

；

其中，α表示阈值，x^A表示真实人脸图像，x^P表示对应的虚拟人脸图像，x^N表示无关的虚拟人脸图像。

9.根据权利要求6所述的捏脸处理方法，其特征在于，所述人脸特征分为人脸细节特征和人脸抽象特征，所述风格化参数根据不同的人脸特征分为多种风格化参数等级；其中，所述真实人脸特征图和虚拟人脸特征图根据不同的人脸特征采用对应的风格化参数收敛虚拟人脸骨骼参数。

10.根据权利要求1-9任一项所述的捏脸处理方法，其特征在于，所述真实人脸特征图和虚拟人脸特征图的通过人脸特征图距离损失函数迭代收敛虚拟人脸骨骼参数，计算公式如下：

；

其中，l表示第l层卷积，N表示所用的卷积层总数，

H_l表示第l层卷积对应的特征图的高，

W_l表示第l层卷积对应的特征图的宽，

w_l表示风格化参数，

Feat_virtual表示虚拟人脸特征，

Feat_real表示真实人脸特征。