申请/专利权人:北京航空航天大学
申请日:2021-12-23
公开(公告)日:2024-06-21
公开(公告)号:CN114399814B
主分类号:G06V40/16
分类号:G06V40/16;G06T17/00;G06V10/774
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2022.05.13#实质审查的生效;2022.04.26#公开
摘要:本公开的实施例描述了一种基于深度学习的遮挡物移除和三维重建方法。该方法的一具体实施方式包括:对二维有遮挡人脸图进行识别处理,得到对应二维有遮挡人脸图的掩膜灰度图和掩膜轮廓图;将二维有遮挡人脸图输入至预先训练的掩膜图生成网络,以生成对应二维有遮挡人脸图的掩膜图;将掩膜灰度图、掩膜轮廓图和掩膜图输入至预先训练的轮廓生成器,以生成无掩膜完整轮廓合成图;将二维有遮挡人脸图和无掩膜完整轮廓合成图输入至预先训练的人脸渲染网络,以生成二维无遮挡人脸渲染图;对二维无遮挡人脸渲染图进行转化处理,得到三维无遮挡人脸。该实施方式实现了遮挡情况下的三维人脸的重建。
主权项:1.一种基于深度学习的遮挡物移除和三维重建方法,包括:对二维有遮挡人脸图进行识别处理,得到对应所述二维有遮挡人脸图的掩膜灰度图和掩膜轮廓图;将所述二维有遮挡人脸图输入至预先训练的掩膜图生成网络,以生成对应所述二维有遮挡人脸图的掩膜图,其中,所述掩膜图是对应所述二维有遮挡人脸图的二维的二值灰度图像,当灰度值为1时表征遮挡区域,灰度值为0时表征背景区域;将所述掩膜灰度图、所述掩膜轮廓图和所述掩膜图输入至预先训练的轮廓生成器,以生成无掩膜完整轮廓合成图;将所述二维有遮挡人脸图和所述无掩膜完整轮廓合成图输入至预先训练的人脸渲染网络,以生成二维无遮挡人脸渲染图;对所述二维无遮挡人脸渲染图进行转化处理,得到三维无遮挡人脸模型;其中,所述将所述二维有遮挡人脸图输入至预先训练的掩膜图生成网络,以生成对应所述二维有遮挡人脸图的掩膜图,包括:将所述二维有遮挡人脸图的灰度图输入至所述轮廓生成器,得到无遮挡轮廓图;将所述掩膜灰度图、所述掩膜轮廓图和所述掩膜图输入至所述轮廓生成器,得到无遮挡轮廓合成图;将所述无遮挡轮廓合成图和所述无遮挡轮廓图进行像素相加处理,得到无掩膜完整轮廓合成图:Cgoal=Ctrue⊙1-Imask+Csyn1⊙Imask,其中,Cgoal为无掩膜完整轮廓合成图,Ctrue为无遮挡轮廓图,Csyn1为无遮挡轮廓合成图,Imask为掩膜图,⊙为哈达玛积。
全文数据:
权利要求:
百度查询: 北京航空航天大学 一种基于深度学习的遮挡物移除和三维重建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。