CN107749084A - 一种基于图像三维重建技术的虚拟试戴方法和*** - Google Patents
一种基于图像三维重建技术的虚拟试戴方法和*** Download PDFInfo
- Publication number
- CN107749084A CN107749084A CN201710999585.6A CN201710999585A CN107749084A CN 107749084 A CN107749084 A CN 107749084A CN 201710999585 A CN201710999585 A CN 201710999585A CN 107749084 A CN107749084 A CN 107749084A
- Authority
- CN
- China
- Prior art keywords
- facial image
- dimensional
- characteristic point
- point
- position information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000001815 facial effect Effects 0.000 claims abstract description 118
- 238000011084 recovery Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 13
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于图像三维重建技术的虚拟试戴方法和***,所述方法包括:获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;提取所述人脸图像的特征点;对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。由于三维模型神似体验者,戴上去的效果就跟体验者本人亲自戴上一样,直观真实。
Description
技术领域
本发明涉及脸部识别技术领域,特别是涉及一种基于图像三维重建技术的虚拟试戴方法和***。
背景技术
目前大多数的脸部识别都是基于视觉深度学习,对摄像头获取的视频流中对每帧或者隔帧进行人脸实时监测。在进行脸部识别之前,通过对大量人脸数据进行采样并分类保存。在进行脸部识别时,将采集到的每帧人脸图像和预先保存的采样数据进行匹配定位。在完成定位后,在视频流对应头发位置上面直接叠加虚拟头发达到虚拟试戴效果。这种虚拟试戴的方法是在二维的视频流对应头发位置上面直接叠加虚拟头发,不够直观立体,达不到很好的试戴效果。且这种方法受光线干扰、姿势表情影响较大,会影响人脸识别的稳定性;此外,这种方法每秒需要执行的帧数多,运算量大,对机器配置要求高,发热大、普遍存在误差,识别抖动大。
发明内容
为了克服现有技术存在的在二维的视频流对应头发位置上面直接叠加虚拟头发,不够直观立体的不足,本发明提供了一种基于图像三维重建技术的虚拟试戴方法和***。
本发明解决其技术问题所采用的技术方案是:
一种基于图像三维重建技术的虚拟试戴方法,包括:获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;提取所述人脸图像的特征点;对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
优选地,根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型的步骤包括:在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。
优选地,对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息的步骤包括:对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。
优选地,获取体验者的不止一帧人脸图像的步骤之后还包括:提取所述人脸图像的头部像素数据;比较上下帧图片中匹配特征点的像素数据;将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值; 根据所述曝光正常区域的像素的RGB值进行像素还原。
优选地,获取体验者的不止一帧人脸图像的步骤包括:利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。
一种基于图像三维重建技术的虚拟试戴***,包括:人脸图像获取模块、特征点提取模块、轮廓特征点位置信息获取模块、人脸图像还原模块和试戴模块;所述人脸图像获取模块,用于获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;所述特征点提取模块,用于提取所述人脸图像的特征点;所述轮廓特征点位置信息获取模块,用于对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;所述人脸图像还原模块,用于根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;所述试戴模块,用于在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
优选地,所述人脸图像还原模块,还用于在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。
优选地,所述轮廓特征点位置信息获取模块,还用于对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。
优选地,还包括:像素还原模块;所述像素还原模块,用于提取所述人脸图像的头部像素数据;比较上下帧图片中匹配特征点的像素数据;将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值;根据所述曝光正常区域的像素的RGB值进行像素还原。
优选地,所述人脸图像获取模块,还用于利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。
本发明的有益效果是:本发明通过提取所述人脸图像的特征点,对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型,最后在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。由于三维模型神似体验者,戴上去的效果就跟体验者本人亲自戴上一样,直观真实。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为一实施例的基于图像三维重建技术的虚拟试戴方法的示意性流程图。
图2为一实施例的像素还原的示意性流程图。
图3为一实施例的基于图像三维重建技术的虚拟试戴***的示意性结构图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
实施例1
参见图1-2,一种基于图像三维重建技术的虚拟试戴方法,包括:
S11,获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;
在本实施例,利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。具体地,让体验者先正视摄像头,以正视角度下的人脸图像的特征点为基准,为其他角度的人脸图像的特征点数据做参考匹配。引导体验者缓慢左右摆头,得到其他角度的人脸图像。
S12,提取所述人脸图像的特征点;以正视角度下的人脸图像的特征点为基准,提取所有角度拍摄的二维人脸图像。
S13,对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;
具体地,步骤S13包括:
对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。其中,Sift特征匹配算法可以处理两帧图像之间发生平移、旋转、仿射变换情况下的匹配问题。先构建尺度空间,检测极值点,获得尺度不变性;然后对特征点过滤并进行精确定位;接着为特征点分配方向值;最后生成特征描述子。当帧间两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取某个关键点,通过遍历找到另一帧图像的距离最近的两个关键点。在这两个关键点中,如果次近距离除以最近距离小于某个阙值,则判定为一对匹配点。找出两帧图片间的所有匹配的特征点,对不匹配的特征点进行轮廓提取,记录轮廓点的位置信息。运算中根据帧间匹配点的偏移量计算轮廓的位移偏量,计算出人脸某个角度的轮廓信息,即得到轮廓特征点位置信息。
S14,根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;在将将二维的人脸图像还原成三维的人脸图像模型还原之前,需要对所述轮廓特征点位置信息进行滤波去噪和在不影响曲面重构和保持一定精度的情况下进行精简,一般采用平均精简(每n个点的数据中保留1个)或者按距离精简(删除一些数据点后使保留的数据点集中点与点间的距离均大于某值)。这样能够节省内存空间,提高性能。其中,所述轮廓特征点位置信息是在Sift特征匹配运算中根据帧间匹配点的偏移量计算轮廓的位移偏量,为坐标数据。
具体地,步骤S14包括:在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。所述三维人脸模型为一个五官接近用户的三维头型。
S15,在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
步骤S14之后还包括:
S21,提取所述人脸图像的头部像素数据;
S22,比较上下帧图片中匹配特征点的像素数据;
S23,将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值;在提取曝光正常区域的像素的RGB值之前,需要对曝光正常区域的像素进行中值滤波平滑处理,然后提取曝光正常区域的像素的RGB值,这些RGB值即为优质数据的RGB值。比如说1、2帧我得到了鼻子的比较好的,就把鼻子的这个保存起来,2、3帧得到的是脸蛋的,就把脸蛋的保存起来,数据够多的情况下,就把脸的各个部分都获取到了,还原的时候把这些最好的给模型。对于曝光严重区域(即不正常的颜色太白的区域)进行排除。
S24, 根据所述曝光正常区域的像素的RGB值进行像素还原。
具体地,将所述曝光正常区域的优质的像素的RGB值赋值到特征点配对成功的对应位置,达到还原肤色的目的。比如,上下两帧人脸图像的鼻子的特征点对上了,找到了鼻子了,也找到了鼻子的像素点。先将这个优质的像素点的RGB值保留起来,等还原模型的时候把这个优质的像素点的RGB值放到鼻子上。
本方案的虚拟重构试戴可供多个行业使用,如理发行业,眼镜行业,化妆行业,不需到现场即可先观看消费后的最终效果,根据效果决定是否消费,减少退货成本。叠加在三维的人脸图像模型的对象可以为珠宝、头发、眼镜。在本实施例,所述试戴对象为头发。三维重构加以开拓也可适用于多个方面,如古物仿真,对贵重的文物扫描即可数字化为模型,加以编辑修改即可快速在软件中还原古物原有的原始面貌,减少建模成本及时间。
通过提取所述人脸图像的特征点,对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型,最后在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。由于三维模型神似体验者,戴上去的效果就跟体验者本人亲自戴上一样,直观真实。同时,通过像素还原,五官肤色与真人类似,相貌接近视频中的人脸。此外,在将将二维的人脸图像还原成三维的人脸图像模型还原之前,还对所述轮廓特征点位置信息进行滤波去噪和在不影响曲面重构和保持一定精度的情况下进行精简,节省内存空间,提高性能。
实施例2
参见图3,一种基于图像三维重建技术的虚拟试戴***,包括:人脸图像获取模块11、特征点提取模块12、轮廓特征点位置信息获取模块13、人脸图像还原模块14和试戴模块15;所述人脸图像获取模块11,用于获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;所述特征点提取模块12,用于提取所述人脸图像的特征点;所述轮廓特征点位置信息获取模块13,用于对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;所述人脸图像还原模块14,用于根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;所述试戴模块15,用于在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
在本实施例,所述人脸图像还原模块14,还用于在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;
在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。
在本实施例,所述轮廓特征点位置信息获取模块13,还用于对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。
在本实施例,还包括:像素还原模块;所述像素还原模块,用于提取所述人脸图像的头部像素数据;比较上下帧图片中匹配特征点的像素数据;将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值;根据所述曝光正常区域的像素的RGB值进行像素还原。
在本实施例,所述人脸图像获取模块11,还用于利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。
上述的基于图像三维重建技术的虚拟试戴方法适用所述***,在此不再一一赘述。
特征点提取模块通过提取所述人脸图像的特征点,轮廓特征点位置信息获取模块对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;人脸图像还原模块根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型,最后试戴模块在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。由于三维模型神似体验者,戴上去的效果就跟体验者本人亲自戴上一样,直观真实。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种基于图像三维重建技术的虚拟试戴方法,其特征在于,包括:
获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;
提取所述人脸图像的特征点;
对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;
根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;
在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
2.根据权利要求1所述的基于图像三维重建技术的虚拟试戴方法,其特征在于,根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型的步骤包括:
在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;
在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。
3.根据权利要求1所述的基于图像三维重建技术的虚拟试戴方法,其特征在于,对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息的步骤包括:
对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;
对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。
4.根据权利要求3所述的基于图像三维重建技术的虚拟试戴方法,其特征在于,获取体验者的不止一帧人脸图像的步骤之后还包括:
提取所述人脸图像的头部像素数据;
比较上下帧图片中匹配特征点的像素数据;
将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值;
根据所述曝光正常区域的像素的RGB值进行像素还原。
5.根据权利要求1所述的基于图像三维重建技术的虚拟试戴方法,其特征在于,获取体验者的不止一帧人脸图像的步骤包括:
利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。
6.一种基于图像三维重建技术的虚拟试戴***,其特征在于,包括:人脸图像获取模块、特征点提取模块、轮廓特征点位置信息获取模块、人脸图像还原模块和试戴模块;
所述人脸图像获取模块,用于获取体验者的不止一帧人脸图像,所述人脸图像是二维人脸图像;
所述特征点提取模块,用于提取所述人脸图像的特征点;
所述轮廓特征点位置信息获取模块,用于对比配对上下两帧人脸图像之间的特征点之间的差异,根据所述差异得到轮廓特征点位置信息;
所述人脸图像还原模块,用于根据所述轮廓特征点位置信息将二维的人脸图像还原成三维的人脸图像模型;
所述试戴模块,用于在所述三维的人脸图像模型上的对应位置叠加试戴对象,完成虚拟试戴。
7.根据权利要求6所述的基于图像三维重建技术的虚拟试戴***,其特征在于,所述人脸图像还原模块,还用于在虚拟环境中将所述轮廓特征点位置信息映射到三维环境坐标系中,得到三维轮廓的三维点坐标集;
在所述三维点坐标集上生成三角面,将所述三角面进行拼接,得到三维人脸模型。
8.根据权利要求6所述的基于图像三维重建技术的虚拟试戴***,其特征在于,所述轮廓特征点位置信息获取模块,还用于对比配对上下两帧人脸图像之间的特征点之间的差异,利用Sift特征匹配算法找出两帧图片的不匹配特征点和匹配特征点;
对所述不匹配点进行轮廓提取,记录所述不匹配点的位置信息,得到轮廓特征点位置信息。
9.根据权利要求8所述的基于图像三维重建技术的虚拟试戴***,其特征在于,还包括:像素还原模块;
所述像素还原模块,用于提取所述人脸图像的头部像素数据;
比较上下帧图片中匹配特征点的像素数据;
将所述匹配特征点的像素数据进行深度放大,提取曝光正常区域的像素的RGB值;
根据所述曝光正常区域的像素的RGB值进行像素还原。
10.根据权利要求6所述的基于图像三维重建技术的虚拟试戴***,其特征在于,所述人脸图像获取模块,还用于利用2D摄像头或者3D摄像头获取体验者的不止一帧人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710999585.6A CN107749084A (zh) | 2017-10-24 | 2017-10-24 | 一种基于图像三维重建技术的虚拟试戴方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710999585.6A CN107749084A (zh) | 2017-10-24 | 2017-10-24 | 一种基于图像三维重建技术的虚拟试戴方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107749084A true CN107749084A (zh) | 2018-03-02 |
Family
ID=61253656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710999585.6A Pending CN107749084A (zh) | 2017-10-24 | 2017-10-24 | 一种基于图像三维重建技术的虚拟试戴方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107749084A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564451A (zh) * | 2018-04-25 | 2018-09-21 | 重庆凯务电子商务有限公司 | 基于互联网的商品选购*** |
CN109886144A (zh) * | 2019-01-29 | 2019-06-14 | 深圳市云之梦科技有限公司 | 虚拟试发方法、装置、计算机设备和存储介质 |
CN110189408A (zh) * | 2019-06-04 | 2019-08-30 | 西安科技大学 | 一种根据人体照片得到人体外表数据的***及方法 |
CN110543826A (zh) * | 2019-08-06 | 2019-12-06 | 尚尚珍宝(北京)网络科技有限公司 | 用于可穿戴产品虚拟佩戴的图像处理方法及装置 |
CN111639553A (zh) * | 2020-05-14 | 2020-09-08 | 青岛联合创智科技有限公司 | 一种基于视觉三维重建的定制面膜装置的制备方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063582A1 (en) * | 2003-08-29 | 2005-03-24 | Samsung Electronics Co., Ltd. | Method and apparatus for image-based photorealistic 3D face modeling |
CN102867321A (zh) * | 2011-07-05 | 2013-01-09 | 艾迪讯科技股份有限公司 | 眼镜虚拟试戴互动服务***与方法 |
CN104077804A (zh) * | 2014-06-09 | 2014-10-01 | 广州嘉崎智能科技有限公司 | 一种基于多帧视频图像构建三维人脸模型的方法 |
CN104899845A (zh) * | 2015-05-10 | 2015-09-09 | 北京工业大学 | 一种基于lαβ空间场景迁移的多曝光图像融合方法 |
CN104966316A (zh) * | 2015-05-22 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
CN105427385A (zh) * | 2015-12-07 | 2016-03-23 | 华中科技大学 | 一种基于多层形变模型的高保真人脸三维重建方法 |
CN106327482A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的面部表情的重建方法及装置 |
-
2017
- 2017-10-24 CN CN201710999585.6A patent/CN107749084A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063582A1 (en) * | 2003-08-29 | 2005-03-24 | Samsung Electronics Co., Ltd. | Method and apparatus for image-based photorealistic 3D face modeling |
CN102867321A (zh) * | 2011-07-05 | 2013-01-09 | 艾迪讯科技股份有限公司 | 眼镜虚拟试戴互动服务***与方法 |
CN104077804A (zh) * | 2014-06-09 | 2014-10-01 | 广州嘉崎智能科技有限公司 | 一种基于多帧视频图像构建三维人脸模型的方法 |
CN104899845A (zh) * | 2015-05-10 | 2015-09-09 | 北京工业大学 | 一种基于lαβ空间场景迁移的多曝光图像融合方法 |
CN104966316A (zh) * | 2015-05-22 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
CN105427385A (zh) * | 2015-12-07 | 2016-03-23 | 华中科技大学 | 一种基于多层形变模型的高保真人脸三维重建方法 |
CN106327482A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的面部表情的重建方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564451A (zh) * | 2018-04-25 | 2018-09-21 | 重庆凯务电子商务有限公司 | 基于互联网的商品选购*** |
CN108564451B (zh) * | 2018-04-25 | 2022-02-15 | 重庆凯务电子商务有限公司 | 基于互联网的商品选购*** |
CN109886144A (zh) * | 2019-01-29 | 2019-06-14 | 深圳市云之梦科技有限公司 | 虚拟试发方法、装置、计算机设备和存储介质 |
CN109886144B (zh) * | 2019-01-29 | 2021-08-13 | 深圳市云之梦科技有限公司 | 虚拟试发方法、装置、计算机设备和存储介质 |
CN110189408A (zh) * | 2019-06-04 | 2019-08-30 | 西安科技大学 | 一种根据人体照片得到人体外表数据的***及方法 |
CN110543826A (zh) * | 2019-08-06 | 2019-12-06 | 尚尚珍宝(北京)网络科技有限公司 | 用于可穿戴产品虚拟佩戴的图像处理方法及装置 |
CN111639553A (zh) * | 2020-05-14 | 2020-09-08 | 青岛联合创智科技有限公司 | 一种基于视觉三维重建的定制面膜装置的制备方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Egger et al. | 3d morphable face models—past, present, and future | |
Zheng et al. | Im avatar: Implicit morphable head avatars from videos | |
CN107358648B (zh) | 基于单张人脸图像的实时全自动高质量三维人脸重建方法 | |
Dai et al. | A 3d morphable model of craniofacial shape and texture variation | |
CN107749084A (zh) | 一种基于图像三维重建技术的虚拟试戴方法和*** | |
Shi et al. | Automatic acquisition of high-fidelity facial performances using monocular videos | |
Schwarz et al. | Driveahead-a large-scale driver head pose dataset | |
Hsieh et al. | Unconstrained realtime facial performance capture | |
US20240242458A1 (en) | Adjusting a digital representation of a head region | |
CN103210421B (zh) | 物体检测装置及物体检测方法 | |
US20160203361A1 (en) | Method and apparatus for estimating body shape | |
CN112766160A (zh) | 基于多级属性编码器和注意力机制的人脸替换方法 | |
JP4692526B2 (ja) | 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム | |
US20140043329A1 (en) | Method of augmented makeover with 3d face modeling and landmark alignment | |
Du et al. | Edge snapping-based depth enhancement for dynamic occlusion handling in augmented reality | |
JP2017016192A (ja) | 立体物検知装置及び立体物認証装置 | |
JP4936491B2 (ja) | 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム | |
CN112257641A (zh) | 一种人脸识别活体检测方法 | |
CN113570684A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN113256789B (zh) | 一种三维实时人体姿态重建方法 | |
Ming et al. | A unified 3D face authentication framework based on robust local mesh SIFT feature | |
JP2005317000A (ja) | 最適な視点のセットで得られた2d画像からの顔の3d形状構築に最適な視点のセットを求める方法 | |
Chen et al. | Illumination processing in face recognition | |
CN115294018A (zh) | 一种基于rgb-d图像的颈部肌张力障碍识别*** | |
Costa et al. | Tessellation-based coarse registration method for 3D reconstruction of the female torso |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180302 |