生成个性化三维人脸模型的方法及装置与流程

1.本技术实施例涉及计算机技术领域，特别是三维虚拟数字人领域，具体涉及三维人脸模型技术，尤其涉及一种生成个性化三维人脸模型的方法、装置、计算机可读介质及电子设备。


背景技术：

2.近年来，三维虚拟数字人的应用越来越广泛。在电商领域，目前已经有数字人智能代播、智能导购、数字人客服等产品，其在各个场景中发挥着重要的价值，越来越多的业务方也希望引入数字人功能。个性化人物模型主要集中在人物脸部模型，通常预先设计好一个可供捏脸编辑的三维人脸模型，在模型中添加能够改变外形的参数，用户需要付出极大的精力调节这些参数，实现对人脸外形的编辑。


技术实现要素：

3.本技术实施例提出了一种生成个性化三维人脸模型的方法、装置、计算机可读介质及电子设备。
4.第一方面，本技术实施例提供了一种生成个性化三维人脸模型的方法，包括：确定二维图像中的人脸对象的人脸关键点；根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
5.在一些示例中，上述根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息，包括：根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息；根据初始姿态信息，调整三维人脸模型，得到转换后三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定姿态信息。
6.在一些示例中，上述根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息，包括：将三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点；对第一转换后顶点进行正交投影，得到第一投影图像；根据内部关键点和第一投影图像中的第一目标投影后顶点之间的距离，确定初始姿态信息，其中，第一目标投影后顶点为第一投影图像中与内部关键点具有初始对应关系的投影后顶点。
7.在一些示例中，上述确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系，包括：根据转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量；从边缘顶点中，确定出处于转换后三维人脸模型中法向
量相反的相邻三角面的共用边上的目标边缘顶点；确定出第一投影图像中，目标边缘顶点对应的目标投影后顶点；根据目标投影后顶点和人脸关键点之间的距离，确定待补充对应关系。
8.在一些示例中，上述从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点，包括：从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点；生成从相机原点至初始目标边缘顶点的射线；从初始目标边缘顶点中，确定出不与转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。
9.在一些示例中，上述结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定姿态信息，包括：将三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换后顶点；对第二转换后顶点进行正交投影，得到第二投影图像；结合初始对应关系和待补充对应关系，得到完整的对应关系；根据人脸关键点和第二投影图像中的第二目标投影后顶点之间的距离，确定姿态信息，其中，第二目标投影后顶点为第二投影图像中与人脸关键点具有对应关系的投影后顶点。
10.在一些示例中，上述根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵，包括：采用蒙皮算法，基于待确定的骨骼变换矩阵，确定三维人脸模型中的三维顶点对应的变换后顶点；根据姿态信息，对变换后顶点进行投影，得到变换投影后顶点；根据具有对应关系的人脸关键点和变换投影后顶点，确定骨骼变换矩阵。
11.在一些示例中，上述方法还包括：迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为个性化三维人脸模型：根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型，其中，第一次确定操作采用的姿态信息为初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定当前确定操作对应的姿态信息；根据初始对应关系、待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。
12.在一些示例中，上述方法还包括：根据接收到的调整操作，调整个性化三维人脸模型。
13.第二方面，本技术实施例提供了一种生成个性化三维人脸模型的装置，包括：第一确定单元，被配置成确定二维图像中的人脸对象的人脸关键点；第二确定单元，被配置成根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；第三确定单元，被配置成根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；生成单元，被配置成通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
14.在一些示例中，上述第二确定单元，进一步被配置成：根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息；根据初始姿态信息，调整三维人脸模型，得
到转换后三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定姿态信息。
15.在一些示例中，上述第二确定单元，进一步被配置成：将三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点；对第一转换后顶点进行正交投影，得到第一投影图像；根据内部关键点和第一投影图像中的第一目标投影后顶点之间的距离，确定初始姿态信息，其中，第一目标投影后顶点为第一投影图像中与内部关键点具有初始对应关系的投影后顶点。
16.在一些示例中，上述第二确定单元，进一步被配置成：根据转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量；从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点；确定出第一投影图像中，目标边缘顶点对应的目标投影后顶点；根据目标投影后顶点和人脸关键点之间的距离，确定待补充对应关系。
17.在一些示例中，上述第二确定单元，进一步被配置成：从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点；生成从相机原点至初始目标边缘顶点的射线；从初始目标边缘顶点中，确定出不与转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。
18.在一些示例中，上述第二确定单元，进一步被配置成：将三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换后顶点；对第二转换后顶点进行正交投影，得到第二投影图像；结合初始对应关系和待补充对应关系，得到完整的对应关系；根据人脸关键点和第二投影图像中的第二目标投影后顶点之间的距离，确定姿态信息，其中，第二目标投影后顶点为第二投影图像中与人脸关键点具有对应关系的投影后顶点。
19.在一些示例中，上述第三确定单元，进一步被配置成：采用蒙皮算法，基于待确定的骨骼变换矩阵，确定三维人脸模型中的三维顶点对应的变换后顶点；根据姿态信息，对变换后顶点进行投影，得到变换投影后顶点；根据具有对应关系的人脸关键点和变换投影后顶点，确定骨骼变换矩阵。
20.在一些示例中，上述装置还包括：迭代更新单元，被配置成迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为个性化三维人脸模型：根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型，其中，第一次确定操作采用的姿态信息为初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定当前确定操作对应的姿态信息；根据初始对应关系、待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。
21.在一些示例中，上述装置还包括：调整单元，被配置成根据接收到的调整操作，调整个性化三维人脸模型。
22.第三方面，本技术实施例提供了一种计算机可读介质，其上存储有计算机程序，其
中，程序被处理器执行时实现如第一方面任一实现方式描述的方法。
23.第四方面，本技术实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一实现方式描述的方法。
24.本技术实施例提供的生成个性化三维人脸模型的方法及装置，通过确定二维图像中的人脸对象的人脸关键点；根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型，从而提供了一种生成与二维图像中的人脸对象相似的个性化三维人脸模型的方法，在降低用户操作难度的同时，提高了个性化三维人脸模型的生成效率。
附图说明
25.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
26.图1是本技术的一个实施例可以应用于其中的示例性系统架构图；
27.图2是根据本技术的生成个性化三维人脸模型的方法的一个实施例的流程图；
28.图3是根据本实施例的调整三维人脸模型生成个性化三维人脸模型的示意图。
29.图4是根据本实施例的生成个性化三维人脸模型的方法的应用场景的示意图；
30.图5是根据本技术的生成个性化三维人脸模型的方法的又一个实施例的流程图；
31.图6是根据本技术的生成个性化三维人脸模型的方法的又一个实施例的流程图；
32.图7是根据本技术的生成个性化三维人脸模型的装置的一个实施例的结构图；
33.图8是适于用来实现本技术实施例的计算机系统的结构示意图。
具体实施方式
34.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
35.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
36.需要说明的是，本公开的技术方案中，所涉及的用户个人信息的采集、收集、更新、分析、处理、使用、传输、存储等方面，均符合相关法律法规的规定，被用于合法的用途，且不违背公序良俗。对用户个人信息采取必要措施，防止对用户个人信息数据的非法访问，维护用户个人信息安全、网络安全和国家安全。
37.图1示出了可以应用本技术的生成个性化三维人脸模型的方法及装置的示例性架构100。
38.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
39.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
40.服务器105可以是提供各种服务的服务器，例如，接收终端设备101、102、103发送的二维图像，基于三维人脸模型，生成与二维图像中的人脸对象相似的个性化三维人脸模型的后台处理服务器。作为示例，服务器105可以是云端服务器。
41.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
42.还需要说明的是，本技术的实施例所提供的生成个性化三维人脸模型的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，生成个性化三维人脸模型的装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
43.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当生成个性化三维人脸模型的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括生成个性化三维人脸模型的方法运行于其上的电子设备(例如服务器或终端设备)。
44.继续参考图2，示出了生成个性化三维人脸模型的方法的一个实施例的流程200，包括以下步骤：
45.步骤201，确定二维图像中的人脸对象的人脸关键点。
46.本实施例中，生成个性化三维人脸模型的方法的执行主体(例如图1中的终端设备或服务器)可以通过有线网络连接方式或者无线网络连接方式从远程，或从本地获取二维图像，并确定二维图像中的人脸对象的人脸关键点。
47.其中，二维图像为包括人脸对象的图像。由于人脸的外观不仅受到形状因素的影响，还受到表情变换因素的影响。本实施例中，为了只集中于形状的计算，减少表情的干扰，假定二维图像中为自然表情(平静表情)的人脸对象。
48.人脸关键点是指对于给定的二维人脸图像，定位出人脸面部的眉毛、眼睛、鼻子、嘴巴、脸部轮廓等关键区域位置。本实施例中，上述执行主体可以通过图像分类算法确定所获取的二维图像中是否包括人脸对象；响应于确定二维图像中包括人脸对象，通过人脸关键点检测算法确定人脸对象的关键点。图像分类算法例如是基于svm(support vector machine，支持向量机)和bp(back propagation，反向传播)神经网络的图像分类算法、基于深度学习网络的图像分类算法。人脸关键点检测算法例如是基于asm(active shape model，活动形状模型)和aam(active appearnce model，主动外观模型)的传统方法、基于级联形状回归的方法、基于深度学习的方法。
49.步骤202，根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息。
50.本实施例中，上述执行主体可以根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息。
51.三维人脸模型作为基础模型，用于通过后续步骤进行调整以适配人脸图像中的人脸对象。在模型上添加若干个骨骼，通过调整骨骼，即可改变三维人脸模型的外观。三维人脸模型的基本组成元素是三维顶点，通常一个三维人脸模型有上万个顶点，每个三维顶点有一个三维坐标，每个三维顶点受多根骨骼控制，通过改变骨骼的变换矩阵，就可以改变顶点坐标。
52.人脸关键点的类型和数量是固定的，上述执行主体可以预先确定固定的多个人脸关键点与三维人脸模型中的三维顶点之间的对应关系。进而，根据对应关系，确定三维人脸模型转换至人脸对象的位姿的变换矩阵，从而将变换矩阵作为人脸对象的姿态信息。
53.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤202：
54.第一，根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息。
55.在三维人脸模型上预定义好二维图像中的人脸关键点对应的三维顶点，由于人脸轮廓边缘处的三维顶点投影至二维平面时可能存在遮挡，因此，人脸轮廓边缘处的二维点(人脸关键点)-三维顶点对无法准确地预定义，所以在进行初始姿态估计时，只选用非轮廓边缘的内部关键点。
56.根据内部关键点和三维顶点之间的初始对应关系，上述执行主体可以确定三维人脸模型转换至人脸对象的位姿的初始变换矩阵，从而将初始变换矩阵作为人脸对象的初始姿态信息。
57.第二，根据初始姿态信息，调整三维人脸模型，得到转换后三维人脸模型。
58.本实现方式中，将初始位姿信息作用于三维人脸模型，使得转换后三维人脸模型处于初始姿态信息所表征的初始位姿。
59.第三，确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系。
60.在初始姿态信息的确定过程中，只采用了非人脸轮廓边缘处的二维点(人脸关键点)-三维顶点对，由于缺少了对于人脸轮廓边缘处的二维点-三维顶点对的数据的利用，所确定的初始姿态信息并不完善。
61.本实现方式中，上述执行主体可以将处于人脸轮廓边缘的边缘顶点和处于人脸轮廓边缘的人脸关键点向量化，进而确定距离最近的二维点-三维顶点对，将所确定的处于人脸轮廓边缘的二维点-三维顶点对作为待补充对应关系。
62.第四，结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定姿态信息。
63.作为示例，上述执行主体可以结合初始对应关系和待补充对应关系，得到完整的对应关系；进而，上述执行主体可以根据完整的对应关系，确定三维人脸模型转换至人脸对象的位姿的变换矩阵，从而将变换矩阵作为人脸对象的姿态信息。
64.本实现方式中，采用先根据非人脸轮廓边缘处的二维点-三维顶点对确定初始姿态信息，而后根据处于初始姿态下的三维人脸模型的人脸轮廓边缘处的二维点-三维顶点对，结合非人脸轮廓边缘处的二维点-三维顶点对，最终确定人脸对象的姿态信息的方式，提高了所确定的姿态信息的准确度和确定过程的可行性。
65.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第一步骤：
66.(1)将三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点。
67.作为示例，上述执行主体可以通过如下公式实现坐标系转换：
[0068][0069]
其中，vc＝[xc，yc，zc]
t
表示第一转换后顶点在相机坐标系下的坐标；表示旋转矩阵；t＝[t
x
，ty，tz]
t
，表示平移向量。
[0070]
(2)对第一转换后顶点进行正交投影，得到第一投影图像。
[0071]
作为示例，上述执行主体可以通过如下公式进行正交投影：
[0072][0073]
其中，v
image
表示第一投影图像。全部相机参数ρ＝[s，r，t
x
，ty]，根据上述公式，tz在正交投影中可省略。
[0074]
将上述两个计算公式表征的两次计算合并表示为如下公式：
[0075][0076]
假设检测到的人脸关键点为{li}，对应的三维人脸模型的中的三维顶点为{li}，为了方便后续矩阵计算过程中采用齐次坐标，在原本的坐标上添加一个“1”，即li＝(xi，yi，zi，1)
t
，所以三维顶点的坐标多了一个分量。
[0077]
投影过程可合并表示为li＝ali，根据上述公式可知：
[0078][0079]
(3)根据内部关键点和第一投影图像中的第一目标投影后顶点之间的距离，确定初始姿态信息。其中，第一目标投影后顶点为第一投影图像中与内部关键点具有初始对应关系的投影后顶点。
[0080]
作为示例，上述执行主体可以通过调整矩阵a，使得∑i||l
i-ali||最小，从而确定最终得到的矩阵a，并将矩阵a确定为初始姿态信息。具体的，上述执行主体可以采用最小二乘法求解使得∑i||l
i-ali||最小时的矩阵a。
[0081]
本实现方式中，提供了一种确定初始姿态信息的具体实现过程，提高了确定过程的便捷性和初始姿态信息的准确度。
[0082]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第三步骤：
[0083]
(1)根据转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量。
[0084]
本实现方式中，将转换后三维人脸模型中朝向图像外的三角面的法向量标记为正法向量；将转换后三维人脸模型中朝向图像内的三角面的法向量标记为反法向量。
[0085]
(2)从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点。
[0086]
作为示例，上述执行主体首先确定出转换后三维人脸模型中法向量相反的相邻三角面，也即，相邻三角面各自的法向量分别为一正一反；然后，从边缘顶点中确定出处于此类相邻三角面的共用边上的三维顶点，作为目标边缘顶点。
[0087]
(3)确定出第一投影图像中，目标边缘顶点对应的目标投影后顶点。
[0088]
目标投影后顶点即为目标边缘顶点进行正交投影后的顶点。作为示例，根据正交投影过程中的投影参数，可以确定投影前后的目标边缘顶点和目标投影后顶点之间的对应关系。
[0089]
(4)根据目标投影后顶点和人脸关键点之间的距离，确定待补充对应关系。
[0090]
作为示例，对于多个目标投影后顶点和多个人脸关键点，计算每两个目标投影后顶点和人脸关键点之间的距离，并将距离最近的目标投影后顶点和人脸关键点组成的顶点对，确定为具有对应关系的目标投影后顶点和人脸关键点；最终结合多个顶点对确定待补充对应关系。
[0091]
本实现方式中，提供了一种确定待补充对应关系的具体实现方式，提高了所确定的待补充对应关系的准确度。
[0092]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上步骤(2)：
[0093]
首先，从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点；然后，生成从相机原点至初始目标边缘顶点的射线；最后，从初始目标边缘顶点中，确定出不与转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。
[0094]
本实现方式中，基于相机原点至初始目标边缘顶点的射线与转换后三维人脸模型的三角面之间的相交性，可以确定出三维顶点在第一投影图像中的可见性，进而将初始目标边缘顶点中不可见的顶点删除，进一步提高了所确定的待补充对应关系的准确度。
[0095]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第四步骤所表征的姿态信息的确定过程：
[0096]
(1)将三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换后顶点。
[0097]
(2)对第二转换后顶点进行正交投影，得到第二投影图像。
[0098]
(3)结合初始对应关系和待补充对应关系，得到完整的对应关系。
[0099]
(4)根据人脸关键点和第二投影图像中的第二目标投影后顶点之间的距离，确定姿态信息，其中，第二目标投影后顶点为第二投影图像中与人脸关键点具有对应关系的投影后顶点。
[0100]
本实现方式中，步骤(1)(2)(4)可以依次参照上述确定初始姿态信息的实现方式中的步骤(1)(2)(3)执行，在此不再赘述。相比于初始姿态信息的确定过程，本实现方式中，基于初始对应关系和待补充对应关系得到的完整对应关系，进行姿态信息的更新和补充，得到了更准确的姿态信息。
[0101]
步骤203，根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵。
[0102]
本实施例中，上述执行主体可以根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵。
[0103]
作为示例，上述执行主体可以根据姿态信息调整三维人脸模型，使得调整后三维人脸模型与人脸对象的姿态相近；进而，根据具有对象关系的人脸关键点和调整后三维人脸模型中的三维顶点之间的距离，进一步调整上述调整后三维人脸模型，将在此调整过程中的调整参数作为骨骼变换矩阵。
[0104]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤203：
[0105]
第一，采用蒙皮算法，基于待确定的骨骼变换矩阵，确定三维人脸模型中的三维顶点对应的变换后顶点。
[0106]
本实现方式中，基于骨骼蒙皮对三维人脸模型进行表示，通常一个人脸模型有上万个顶点组成，每个三维顶点有一个三维坐标，用齐次坐标表示为记作li＝(xi，yi，zi，1)
t
。每个三维顶点受多根骨骼控制，通过改变骨骼的变换矩阵，就可以改变三维顶点的坐标。设骨骼j的变换矩阵为tj，对三维顶点li的影响权重为则经过蒙皮算法，三维顶点li变换为变换后顶点li′
，即：
[0107][0108]
第二，根据姿态信息，对变换后顶点进行投影，得到变换投影后顶点。
[0109]
作为示例，上述执行主体可以通过如下公式对变换后顶点进行投影，得到变换投影后顶点：
[0110][0111]
第三，根据具有对应关系的人脸关键点和变换投影后顶点，确定骨骼变换矩阵。
[0112]
本实现方式中，根据具有对应关系的人脸关键点和变换投影后顶点之间的距离，确定该骨骼变换矩阵。作为示例，通过最小二乘法求解矩阵ti，使得∑i||l
i-al
′i||最小，确定骨骼变换矩阵。在实际计算中，由于每个骨骼只影响一部分三维顶点，为了提升计算效率，可以对三维顶点进行分组计算。
[0113]
本实现方式中，提供了一种确定骨骼变换矩阵的具体实现方式，提高了骨骼变换
矩阵确定过程的信息处理效率和所确定的骨骼变换矩阵的准确度。
[0114]
步骤204，通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
[0115]
本实施例中，上述执行主体可以通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
[0116]
作为示例，对于三维人脸模型的中的每个骨骼，上述执行主体可以通过该骨骼对应的变换矩阵调整该骨骼，从而通过调整骨骼，以实现三维人脸模型中与骨骼关联的三维顶点的调整，最终得到与二维图像中的人脸对象相近的个性化三维人脸模型。
[0117]
继续参考图3，示出了调整三维人脸模型生成个性化三维人脸模型的示意图。三维人脸模型301作为基础模型，通过骨骼变换矩阵调整三维人脸模型，即可生成与人脸对象的脸型相近的个性化三维人脸模型，例如，菱形脸模型302、心形脸模型303、鹅蛋脸304、长脸305、圆脸306和方脸307。
[0118]
继续参见图4，图4是根据本实施例的生成个性化三维人脸模型的方法的应用场景的一个示意图400。在图4的应用场景中，服务器401可以向多个直播终端提供终端数字人直播服务。在直播之前，服务器401接收多个直播终端402各自发送的二维图像。二维图像中包括人脸对象。对于每个直播终端402发送的二维图像，服务器401首先确定二维图像中的人脸对象的人脸关键点；然后，根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；然后，根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；最后，通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型，并通过直播终端显示个性化三维人脸模型对应的数字人直播视频。
[0119]
本技术的上述实施例提供的方法，通过确定二维图像中的人脸对象的人脸关键点；根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型，从而提供了一种生成与二维图像中的人脸对象相似的个性化三维人脸模型的方法，在降低用户操作难度的同时，提高了个性化三维人脸模型的生成效率。
[0120]
在本实施例的一些可选的实现方式中，上述执行主体可以迭代执行上述待补充对应关系的确定过程、基于待补充对应关系的姿态信息的确定过程、骨骼变换矩阵的确定过程以及骨骼变换矩阵的模型调整过程，以提高最终确定的个性化三维人脸模型与二维图像中的人脸对象的相似度。
[0121]
具体的，上述执行主体可以通过如下方式执行上述迭代过程：
[0122]
迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为个性化三维人脸模型：
[0123]
第一，根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型。
[0124]
其中，第一次确定操作采用的姿态信息为初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为三维人脸模型。也即，在通过上述实施例确定人脸对象的初始姿态信息后，迭代执行确定操作。
[0125]
第二，确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系。
[0126]
第三，结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定当前确定操作对应的姿态信息。
[0127]
第四，根据初始对应关系、待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵。
[0128]
第五，通过骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。
[0129]
需要说明的是，上述确定操作中的各步骤可以参照上述对应的实现方式执行，在此不再赘述。例如，第二步骤可以参照上述确定待补充对应关系的具体实现方式执行，第三步骤可以参照上述确定初始姿态信息或确定姿态信息的具体实现方式执行，第四步骤可以参照上述确定骨骼变换矩阵的具体实现方式执行。
[0130]
在本实施例的一些可选的实现方式中，上述执行主体还可以执行如下操作：根据接收到的调整操作，调整个性化三维人脸模型。
[0131]
上述执行主体在确定个性化三维人脸模型后，可以向用户展示个性化三维人脸模型，并接收用户的调整操作，调整用户基于调整操作所期望调整的脸部区域。本实现方式中，用户可以进一步根据自身喜好调整个性化三维人脸模型，在基于个性化三维人脸模型降低了用户的调整难度的基础上，有助于进一步提高模型与用户之间的互动性。
[0132]
继续参考图5，示出了根据本技术的生成个性化三维人脸模型的方法的又一个实施例的示意性流程500，包括如下步骤：
[0133]
步骤501，确定二维图像中的人脸对象的人脸关键点。
[0134]
步骤502，将三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点。
[0135]
步骤503，对第一转换后顶点进行正交投影，得到第一投影图像。
[0136]
步骤504，根据内部关键点和第一投影图像中的第一目标投影后顶点之间的距离，确定初始姿态信息。
[0137]
其中，第一目标投影后顶点为第一投影图像中与内部关键点具有初始对应关系的投影后顶点。
[0138]
步骤505，根据初始姿态信息，调整三维人脸模型，得到转换后三维人脸模型。
[0139]
步骤506，根据转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量。
[0140]
步骤507，从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点。
[0141]
步骤508，生成从相机原点至初始目标边缘顶点的射线。
[0142]
步骤509，从初始目标边缘顶点中，确定出不与转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。
[0143]
步骤510，确定出第一投影图像中，目标边缘顶点对应的目标投影后顶点。
[0144]
步骤511，根据目标投影后顶点和人脸关键点之间的距离，确定待补充对应关系。
[0145]
步骤512，将三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换
后顶点。
[0146]
步骤513，对第二转换后顶点进行正交投影，得到第二投影图像。
[0147]
步骤514，结合初始对应关系和待补充对应关系，得到完整的对应关系。
[0148]
步骤515，根据人脸关键点和第二投影图像中的第二目标投影后顶点之间的距离，确定姿态信息。
[0149]
其中，第二目标投影后顶点为第二投影图像中与人脸关键点具有对应关系的投影后顶点。
[0150]
步骤516，采用蒙皮算法，基于待确定的骨骼变换矩阵，确定三维人脸模型中的三维顶点对应的变换后顶点。
[0151]
步骤517，根据姿态信息，对变换后顶点进行投影，得到变换投影后顶点。
[0152]
步骤518，根据具有对应关系的人脸关键点和变换投影后顶点，确定骨骼变换矩阵。
[0153]
步骤519，通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
[0154]
从本实施例中可以看出，与图2对应的实施例相比，本实施例中的生成个性化三维人脸模型的方法的流程500具体说明了姿态信息的具体确定过程和骨骼变换矩阵的具体确定过程，进一步提高了个性化三维人脸模型的生成效率和准确度。
[0155]
继续参考图6，示出了根据本技术的生成个性化三维人脸模型的方法的又一个实施例的示意性流程600，包括如下步骤：
[0156]
步骤601，确定二维图像中的人脸对象的人脸关键点。
[0157]
步骤602，根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息。
[0158]
步骤603，迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为个性化三维人脸模型：
[0159]
步骤6031，根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型。
[0160]
其中，第一次确定操作采用的姿态信息为初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为三维人脸模型。
[0161]
步骤6032，确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系。
[0162]
步骤6033，结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定当前确定操作对应的姿态信息。
[0163]
步骤6034，根据初始对应关系、待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵。
[0164]
步骤6035，通过骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。
[0165]
从本实施例中可以看出，与图2对应的实施例相比，本实施例中的生成个性化三维人脸模型的方法的流程600具体说明了以姿态信息的具体确定过程和骨骼变换矩阵的具体
确定过程为主的迭代过程，进一步提高了个性化三维人脸模型的准确度。
[0166]
继续参考图7，作为对上述各图所示方法的实现，本技术提供了一种生成个性化三维人脸模型的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0167]
如图7所示，生成个性化三维人脸模型的装置包括：第一确定单元701，被配置成确定二维图像中的人脸对象的人脸关键点；第二确定单元702，被配置成根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；第三确定单元703，被配置成根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；生成单元704，被配置成通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
[0168]
在本实施例的一些可选的实现方式中，上述第二确定单元702，进一步被配置成：根据人脸关键点中处于非人脸轮廓边缘的内部关键点和三维人脸模型中的三维顶点之间的初始对应关系，对人脸对象进行姿态估计，确定人脸对象的初始姿态信息；根据初始姿态信息，调整三维人脸模型，得到转换后三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定姿态信息。
[0169]
在本实施例的一些可选的实现方式中，上述第二确定单元702，进一步被配置成：将三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点；对第一转换后顶点进行正交投影，得到第一投影图像；根据内部关键点和第一投影图像中的第一目标投影后顶点之间的距离，确定初始姿态信息，其中，第一目标投影后顶点为第一投影图像中与内部关键点具有初始对应关系的投影后顶点。
[0170]
在本实施例的一些可选的实现方式中，上述第二确定单元702，进一步被配置成：根据转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量；从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点；确定出第一投影图像中，目标边缘顶点对应的目标投影后顶点；根据目标投影后顶点和人脸关键点之间的距离，确定待补充对应关系。
[0171]
在本实施例的一些可选的实现方式中，上述第二确定单元702，进一步被配置成：从边缘顶点中，确定出处于转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点；生成从相机原点至初始目标边缘顶点的射线；从初始目标边缘顶点中，确定出不与转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。
[0172]
在本实施例的一些可选的实现方式中，上述第二确定单元702，进一步被配置成：将三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换后顶点；对第二转换后顶点进行正交投影，得到第二投影图像；结合初始对应关系和待补充对应关系，得到完整的对应关系；根据人脸关键点和第二投影图像中的第二目标投影后顶点之间的距离，确定姿态信息，其中，第二目标投影后顶点为第二投影图像中与人脸关键点具有对应关系的投影后顶点。
[0173]
在本实施例的一些可选的实现方式中，上述第三确定单元703，进一步被配置成：采用蒙皮算法，基于待确定的骨骼变换矩阵，确定三维人脸模型中的三维顶点对应的变换后顶点；根据姿态信息，对变换后顶点进行投影，得到变换投影后顶点；根据具有对应关系
的人脸关键点和变换投影后顶点，确定骨骼变换矩阵。
[0174]
在本实施例的一些可选的实现方式中，上述装置还包括：迭代更新单元(图中未示出)，被配置成迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为个性化三维人脸模型：根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型，其中，第一次确定操作采用的姿态信息为初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为三维人脸模型；确定转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与人脸关键点之间的待补充对应关系；结合初始对应关系和待补充对应关系再次对人脸对象进行姿态估计，确定当前确定操作对应的姿态信息；根据初始对应关系、待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。
[0175]
在本实施例的一些可选的实现方式中，上述装置还包括：调整单元(图中未示出)，被配置成根据接收到的调整操作，调整个性化三维人脸模型。
[0176]
本实施例中，生成个性化三维人脸模型的装置中的第一确定单元确定二维图像中的人脸对象的人脸关键点；第二确定单元根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；第三确定单元根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；生成单元通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型，从而提供了一种生成与二维图像中的人脸对象相似的个性化三维人脸模型的装置，在降低用户操作难度的同时，提高了个性化三维人脸模型的生成效率。
[0177]
下面参考图8，其示出了适于用来实现本技术实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统800的结构示意图。图8示出的设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0178]
如图8所示，计算机系统800包括处理器(例如cpu，中央处理器)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有系统800操作所需的各种程序和数据。处理器801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0179]
以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0180]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质
811被安装。在该计算机程序被处理器801执行时，执行本技术的方法中限定的上述功能。
[0181]
需要说明的是，本技术的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0182]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到客户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0183]
附图中的流程图和框图，图示了按照本技术各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0184]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括第一确定单元、第二确定单元、第三确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第二确定单元还可以被描述为“根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息的单元”。
[0185]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是
上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该计算机设备：确定二维图像中的人脸对象的人脸关键点；根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。
[0186]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

技术特征：
1.一种生成个性化三维人脸模型的方法，包括：确定二维图像中的人脸对象的人脸关键点；根据所述人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定所述人脸对象的姿态信息；根据所述对应关系和所述姿态信息，确定所述三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过所述骨骼变换矩阵调整所述三维人脸模型，生成对应于所述人脸对象的个性化三维人脸模型。2.根据权利要求1所述的方法，其中，所述根据所述人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定所述人脸对象的姿态信息，包括：根据所述人脸关键点中处于非人脸轮廓边缘的内部关键点和所述三维人脸模型中的三维顶点之间的初始对应关系，对所述人脸对象进行姿态估计，确定所述人脸对象的初始姿态信息；根据所述初始姿态信息，调整所述三维人脸模型，得到转换后三维人脸模型；确定所述转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与所述人脸关键点之间的待补充对应关系；结合所述初始对应关系和所述待补充对应关系再次对所述人脸对象进行姿态估计，确定所述姿态信息。3.根据权利要求2所述的方法，其中，所述根据所述人脸关键点中处于非人脸轮廓边缘的内部关键点和所述三维人脸模型中的三维顶点之间的初始对应关系，对所述人脸对象进行姿态估计，确定所述人脸对象的初始姿态信息，包括：将所述三维人脸模型中的三维顶点的坐标转换至相机坐标系下，得到第一转换后顶点；对所述第一转换后顶点进行正交投影，得到第一投影图像；根据所述内部关键点和所述第一投影图像中的第一目标投影后顶点之间的距离，确定所述初始姿态信息，其中，所述第一目标投影后顶点为所述第一投影图像中与所述内部关键点具有所述初始对应关系的投影后顶点。4.根据权利要求3所述的方法，其中，所述确定所述转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与所述人脸关键点之间的待补充对应关系，包括：根据所述转换后三维人脸模型中的三角面的法向量的朝向，区分正法向量和反法向量；从所述边缘顶点中，确定出处于所述转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点；确定出所述第一投影图像中，所述目标边缘顶点对应的目标投影后顶点；根据所述目标投影后顶点和所述人脸关键点之间的距离，确定所述待补充对应关系。5.根据权利要求4所述的方法，其中，所述从所述边缘顶点中，确定出处于所述转换后三维人脸模型中法向量相反的相邻三角面的共用边上的目标边缘顶点，包括：从所述边缘顶点中，确定出处于所述转换后三维人脸模型中法向量相反的相邻三角面的共用边上的初始目标边缘顶点；
生成从相机原点至所述初始目标边缘顶点的射线；从所述初始目标边缘顶点中，确定出不与所述转换后三维人脸模型的三角面相交的射线所对应的目标边缘顶点。6.根据权利要求2所述的方法，其中，所述结合所述初始对应关系和所述待补充对应关系再次对所述人脸对象进行姿态估计，确定所述姿态信息，包括：将所述三维人脸模型的三维顶点的坐标转换至相机坐标系下，得到第二转换后顶点；对所述第二转换后顶点进行正交投影，得到第二投影图像；结合所述初始对应关系和所述待补充对应关系，得到完整的所述对应关系；根据所述人脸关键点和所述第二投影图像中的第二目标投影后顶点之间的距离，确定所述姿态信息，其中，所述第二目标投影后顶点为所述第二投影图像中与所述人脸关键点具有所述对应关系的投影后顶点。7.根据权利要求1所述的方法，其中，所述根据所述对应关系和所述姿态信息，确定所述三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵，包括：采用蒙皮算法，基于待确定的骨骼变换矩阵，确定所述三维人脸模型中的三维顶点对应的变换后顶点；根据所述姿态信息，对所述变换后顶点进行投影，得到变换投影后顶点；根据具有所述对应关系的所述人脸关键点和所述变换投影后顶点，确定所述骨骼变换矩阵。8.根据权利要求2-7中任一项所述的方法，其中，还包括：迭代执行如下确定操作，直至达到预设结束条件，将所得到的更新后三维人脸模型作为所述个性化三维人脸模型：根据上一次确定操作所确定的姿态信息，调整上一次确定操作所得到的更新后三维人脸模型，得到转换后三维人脸模型，其中，第一次确定操作采用的姿态信息为所述初始姿态信息，第一次确定操作所调整的更新后三维人脸模型为所述三维人脸模型；确定所述转换后三维人脸模型中处于人脸轮廓边缘的边缘顶点与所述人脸关键点之间的待补充对应关系；结合所述初始对应关系和所述待补充对应关系再次对所述人脸对象进行姿态估计，确定当前确定操作对应的姿态信息；根据所述初始对应关系、所述待补充对应关系和当前确定操作对应的姿态信息，确定上一次确定操作所得到的更新后三维人脸模型中的骨骼的骨骼变换矩阵；通过所述骨骼变换矩阵调整上一次确定操作所得到的更新后三维人脸模型，生成当前确定操作对应的更新后三维人脸模型。9.根据权利要求1所述的方法，其中，还包括：根据接收到的调整操作，调整所述个性化三维人脸模型。10.一种生成个性化三维人脸模型的装置，包括：第一确定单元，被配置成确定二维图像中的人脸对象的人脸关键点；第二确定单元，被配置成根据所述人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定所述人脸对象的姿态信息；第三确定单元，被配置成根据所述对应关系和所述姿态信息，确定所述三维人脸模型
中用于控制三维顶点的骨骼的骨骼变换矩阵；生成单元，被配置成通过所述骨骼变换矩阵调整所述三维人脸模型，生成对应于所述人脸对象的个性化三维人脸模型。11.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。12.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

技术总结
本申请公开了一种生成个性化三维人脸模型的方法及装置。本申请涉及三维虚拟数字人领域。方法的一具体实施方式包括：确定二维图像中的人脸对象的人脸关键点；根据人脸关键点和三维人脸模型中的三维顶点之间的对应关系，确定人脸对象的姿态信息；根据对应关系和姿态信息，确定三维人脸模型中用于控制三维顶点的骨骼的骨骼变换矩阵；通过骨骼变换矩阵调整三维人脸模型，生成对应于人脸对象的个性化三维人脸模型。本申请在降低用户操作难度的同时，提高了个性化三维人脸模型的生成效率。高了个性化三维人脸模型的生成效率。高了个性化三维人脸模型的生成效率。


技术研发人员：杜峰 杨超 王海新
受保护的技术使用者：北京京东世纪贸易有限公司
技术研发日：2023.05.08
技术公布日：2023/8/6