[发明专利]一种虚拟人物面部表情处理方法及装置有效
申请号: | 202211404724.3 | 申请日: | 2022-11-10 |
公开(公告)号: | CN115908655B | 公开(公告)日: | 2023-07-14 |
发明(设计)人: | 杨飞;王维 | 申请(专利权)人: | 北京鲜衣怒马文化传媒有限公司 |
主分类号: | G06T13/40 | 分类号: | G06T13/40 |
代理公司: | 北京惟盛达知识产权代理事务所(普通合伙) 11855 | 代理人: | 陈钊 |
地址: | 100020 北京市朝阳区工人*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 虚拟 人物 面部 表情 处理 方法 装置 | ||
1.一种虚拟人物面部表情处理方法,其特征在于,包括:
获取待处理人物头模的头模数据和表情信息;
基于所述头模数据从标准混合形状单元库中获取目标标准混合形状单元,所述目标标准混合形状单元与所述待处理人物头模在形状上相互匹配;
基于所述表情信息调用目标预设表情参数,所述目标预设表情参数与所述目标标准混合形状单元相互匹配;
利用所述目标预设表情参数对所述目标标准混合形状单元进行处理,使所述目标标准混合形状单元呈现出所述表情信息对应的面部表情;
将处理后的所述目标标准混合形状单元与所述待处理人物头模进行融合,形成虚拟人物头像;
在所述获取待处理人物头模的头模数据和表情信息之前,所述方法还包括:
收集人脸照片,形成人脸照片集,所述人脸照片集中包含至少一个虚拟人物的无表情人脸照片和不同面部表情人脸照片;
基于每张人脸照片中的人脸图像制作相应的具有相同拓扑结构的训练头模;
标记每张人脸照片的特征点;
对每张人脸照片进行主成分分析;
根据主成分分析结果计算每个虚拟人物的每种面部表情的特征点偏移量;
计算每个虚拟人物的每种面部表情的特征点偏移量平均值,以获取每个虚拟人物的每种面部表情的主变形区及相应变形幅度;
依据每个虚拟人物的每种面部表情的所述主变形区及相应变形幅度制作相应面部表情的标准混合形状单元,形成所述标准混合形状单元库。
2.根据权利要求1所述的虚拟人物面部表情处理方法,其特征在于,在所述获取待处理人物头模的头模数据和表情信息之前,所述方法还包括:
由每个人物的每种面部表情的所述标准混合形状单元制作出相应面部表情;
将制作出的每个虚拟人物的每种面部表情的向量数据作为预设表情参数进行存储。
3.根据权利要求2所述的虚拟人物面部表情处理方法,其特征在于,使用rgbd相机收集人脸照片。
4.一种虚拟人物面部表情处理装置,其特征在于,包括:
头模获取模块,用于获取待处理人物头模的头模数据和表情信息;
目标标准混合单元形状获取模块,用于基于所述头模数据从标准混合形状单元库中获取目标标准混合形状单元,所述目标标准混合形状单元与所述待处理人物头模在形状上相互匹配;
目标预设表情参数获取模块,用于基于所述表情信息调用目标预设表情参数,所述目标预设表情参数与所述目标标准混合形状单元相互匹配;
处理模块,用于利用所述目标预设表情参数对所述目标标准混合形状单元进行处理,使所述目标标准混合形状单元呈现出所述表情信息对应的面部表情;
参数融合模块,用于将处理后的所述目标标准混合形状单元与所述待处理人物头模进行融合,形成虚拟人物头像;
照片收集模块,用于收集人脸照片,形成人脸照片集,所述人脸照片集中包含至少一个虚拟人物的无表情人脸照片和不同面部表情人脸照片;
训练头模制作模块,用于基于每张照片中的人脸图像制作相应的具有相同拓扑结构的训练头模;
特征点标记模块,用于标记每张人脸照片的特征点;
主成分分析模块,用于对每张人脸照片进行主成分分析;
偏移量计算模块,用于根据主成分分析结果计算每个虚拟人物的每种面部表情的特征点偏移量;
平均偏移量计算模块,用于计算每个虚拟人物的每种面部表情的特征点偏移量平均值,以获取每个虚拟人物的每种面部表情的主变形区及相应变形幅度;
标准混合形状单元制作模块,用于依据每个虚拟人物的每种面部表情的所述主变形区及相应变形幅度制作相应面部表情的标准混合形状单元,形成所述标准混合形状单元库。
5.根据权利要求4所述的虚拟人物面部表情处理装置,其特征在于,还包括:
面部表情制作模块,用于由每个人物的每种面部表情的所述标准混合形状单元制作出相应面部表情;
表情数据存储模块,用于将制作出的每个虚拟人物的每种面部表情的向量数据作为预设表情参数进行存储。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京鲜衣怒马文化传媒有限公司,未经北京鲜衣怒马文化传媒有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211404724.3/1.html,转载请声明来源钻瓜专利网。