[发明专利]基于深度学习的人脸重光照方法及装置有效
| 申请号： | 201711078324.7 | 申请日： | 2017-11-06 |
| 公开（公告）号： | CN107909640B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 徐枫;王至博 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06T15/20 | 分类号： | G06T15/20;G06N3/08 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 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： | 本发明公开了一种基于深度学习的人脸重光照方法及装置，其中，方法包括：获得人脸图片对应的人脸区域图、法向图和表征光照分布图；利用相机参数矩阵、人脸三维模型与光照模型处理照片集，获得网络训练数据集；通过深度学习方法构建人脸重光照网络，其中，利用网络训练数据集进行训练，生成人脸重光照网络；利用相机参数矩阵、人脸三维模型与光照模型处理人脸图片，并利用人脸重光照网络处理输出结果，得到人脸重光照结果。该方法可以利用深度学习方法构建人脸重光照网络，并利用人脸逆重光照正则项和人脸识别网络特征正则项对人脸重光照网络进行训练，且利用人脸重光照网络对人脸进行重光照，从而可以有效提高人脸重光照的真实感和可靠性。 | ||
| 搜索关键词： | 基于 深度 学习 人脸重 光照 方法 装置 | ||
【主权项】：
一种基于深度学习的人脸重光照方法，其特征在于，包括以下步骤：利用相机参数矩阵、人脸三维模型与光照模型，并通过迭代优化方法确定所述人脸三维模型的顶点与人脸图片二维像素的位置与颜色对应关系，获得人脸图片对应的人脸区域图、法向图和表征光照分布图；利用所述相机参数矩阵、人脸三维模型与光照模型处理照片集，获得网络训练数据集；通过深度学习方法构建人脸重光照网络，其中，利用所述网络训练数据集进行训练，生成人脸重光照网络；以及利用所述相机参数矩阵、人脸三维模型与光照模型处理人脸图片，并利用所述人脸重光照网络处理输出结果，得到人脸重光照结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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清华大学，未经清华大学许可，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/patent/201711078324.7/，转载请声明来源钻瓜专利网。
