一种构建人脸模型的方法、装置、计算机设备及存储介质与流程

本技术涉及计算机，尤其涉及一种构建人脸模型的方法、装置、计算机设备及存储介质。

背景技术：

1、随着科技的不断发展，越来越多的设备可以采集多个三维人脸高模数据，并基于多个三维人脸高模数据各自对应的三维人脸低模数据，构建出一个三维可变形人脸模型，其中，三维人脸高模数据形成的人脸的分辨率，高于三维人脸低模数据形成的人脸的分辨率。从而，设备可以通过为该三维可变形人脸模型设置不同的变形系数，达到基于不同的二维人脸重建相应的三维人脸的目的。

2、相关技术下，为了保证构建三维可变形人脸模型的准确性，设备需要准确地获得多个三维人脸高模数据各自对应的三维人脸低模数据。因此，在获取三维人脸低模数据的过程中，设备需要基于三维人脸高模数据，对预设的模板低模数据进行多轮调整，直到三维人脸高模数据形成的人脸，与多轮调整后的模板低模数据形成的人脸表征相同的人脸特征时，将多轮调整后的模板低模数据，作为三维人脸高模数据对应的三维人脸低模数据，以获得准确的三维人脸低模数据。

3、然而，由于人脸通常包含丰富的特征，因此，在对模板低模数据进行调整时，需要调整的轮次较多，使得三维人脸高模数据对应的三维人脸低模数据的获得过程效率较低，从而降低了构建三维可变形人脸模型的效率。

4、可见，相关技术下，构建三维可变形人脸模型的效率较低。

技术实现思路

1、本技术实施例提供了一种构建人脸模型的方法、装置、计算机设备及存储介质，用于解决构建人脸模型的效率较低的问题。

2、第一方面，提供一种构建人脸模型的方法，包括：

3、获取多个目标人脸高模数据；

4、基于所述多个目标人脸高模数据，调整预存的模板人脸数据，分别生成所述多个目标人脸高模数据各自对应的第一人脸低模数据；

5、基于预存的参考人脸低模数据集合，分别对所述多个第一人脸低模数据进行噪声过滤处理，获得相应的第二人脸低模数据，其中，所述参考人脸低模数据集合包含各个参考人脸的人脸特征；

6、对获得的多个第二人脸低模数据进行数据融合处理，生成目标人脸模型。

7、第二方面，提供一种构建人脸模型的装置，包括：

8、获取模块：用于获取多个目标人脸高模数据；

9、处理模块：用于基于所述多个目标人脸高模数据，调整预存的模板人脸数据，分别生成所述多个目标人脸高模数据各自对应的第一人脸低模数据；

10、所述处理模块还用于：基于预存的参考人脸低模数据集合，分别对所述多个第一人脸低模数据进行噪声过滤处理，获得相应的第二人脸低模数据，其中，所述参考人脸低模数据集合包含各个参考人脸的人脸特征；

11、所述处理模块还用于：对获得的多个第二人脸低模数据进行数据融合处理，生成目标人脸模型。

12、可选的，针对所述多个目标人脸高模数据，所述处理模块具体用于，分别执行以下操作：

13、基于一个目标人脸高模数据，确定所述一个目标人脸高模数据形成的目标人脸的人脸特征，其中，所述人脸特征包括人脸形状特征和人脸表情特征；

14、依次基于所述人脸表情特征和所述人脸形状特征，调整所述模板人脸数据，生成所述一个目标人脸高模数据对应的第一人脸低模数据，其中，所述第一人脸低模数据形成的模拟人脸的人脸表情特征和人脸形状特征，分别与所述目标人脸的人脸表情特征和人脸形状特征相适配。

15、可选的，所述处理模块具体用于：

16、基于所述多个目标人脸高模数据，确定所述多个目标人脸高模数据各自形成的目标人脸的位姿尺寸，并基于各个位姿尺寸的加权和，确定综合位姿尺寸特征；

17、依次基于所述人脸表情特征、所述人脸形状特征和所述综合位姿尺寸特征，调整所述模板人脸数据，生成所述一个目标人脸高模数据对应的第一人脸低模数据，其中，所述第一人脸低模数据形成的模拟人脸的人脸表情特征和人脸形状特征，分别与所述目标人脸的人脸表情特征和人脸形状特征相适配，且所述模拟人脸的位姿尺寸，与所述综合位姿尺寸特征相适配。

18、可选的，所述处理模块具体用于：

19、确定所述参考人脸低模数据集合中，表征所述各个参考人脸的人脸特征的多个关键数据；

20、对所述多个关键数据进行数据融合处理，生成中间人脸模型；

21、针对所述多个第一人脸低模数据，分别执行以下操作：

22、基于一个第一人脸低模数据，调整所述中间人脸模型的变形系数，获得与所述一个第一人脸低模数据形成的模拟人脸之间的相似度满足相似度条件的变形人脸；

23、将所述变形人脸的人脸数据，作为所述一个第一人脸低模数据对应的第二人脸低模数据。

24、可选的，所述处理模块具体用于：

25、对所述参考人脸低模数据集合中的各个参考人脸低模数据进行降维处理，分别生成相应备选数据，以及生成的各个备选数据各自对应的关键度，其中，每个关键度表征相应备选数据对相应参考人脸的人脸特征的表征程度；

26、基于所述各个备选数据各自对应的关键度，从所述各个备选数据中，选取关键度满足关键度条件的多个备选数据，分别作为所述关键数据。

27、可选的，所述处理模块具体用于：

28、针对所述多个第一人脸低模数据，分别执行以下操作：

29、确定所述多个第一人脸低模数据中，存在已获得相应第二人脸低模数据的第一人脸低模数据时，基于所述参考人脸低模数据集合，以及已获得的第二人脸低模数据，对一个第一人脸低模数据进行噪声过滤处理，获得所述一个第一人脸低模数据对应的第二人脸低模数据；

30、确定所述多个第一人脸低模数据中，不存在已获得相应第二人脸低模数据的第一人脸低模数据时，基于所述参考人脸低模数据集合，对一个第一人脸低模数据进行噪声过滤处理，获得所述一个第一人脸低模数据对应的第二人脸低模数据。

31、可选的，所述处理模块具体用于：

32、基于预存的参考人脸低模数据集合，分别对所述多个第一人脸低模数据进行多轮噪声过滤处理，其中，在每轮噪声过滤处理之后，包括：

33、生成所述多个第一人脸低模数据各自对应的第三人脸低模数据；

34、基于获得的多个第三人脸低模数据，与相应的第一人脸低模数据之间的平均误差，确定所述平均误差不满足误差条件时，进行下一轮噪声过滤处理，直到确定所述平均误差满足误差条件时，将本轮噪声过滤处理过的多个第三人脸低模数据，分别作为所述第二人脸低模数据。

35、可选的，所述处理模块具体用于：

36、针对所述多轮过滤处理，分别执行以下操作：

37、确定存在上一轮噪声过滤处理时，基于预存的参考人脸低模数据集合，以及上一轮噪声过滤处理生成的多个第三人脸低模数据，分别对所述多个第一人脸低模数据进行本轮噪声过滤处理；

38、确定不存在上一轮噪声过滤处理时，基于预存的参考人脸低模数据集合，分别对所述多个第一人脸低模数据行本轮噪声过滤处理。

39、第三方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法。

40、第四方面，提供一种计算机设备，包括：

41、存储器，用于存储程序指令；

42、处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行如第一方面所述的方法。

43、第五方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的方法。

44、本技术实施例中，仅对模板人脸数据进行一轮调整，且并不限制调整后获得的第一人脸低模数据形成的模拟人脸，与相应的目标人脸高模数据形成的目标人脸表征相同的人脸特征，大大减少了需要调整的轮次，以及需要调整的数据量，简化了针对模板人脸数据的调整过程，提高了构建人脸模型的效率。

45、进一步的，在获得多个目标人脸高模数据各自对应的第一人脸低模数据之后，基于预存的参考人脸低模数据集合包含的各个参考人脸的人脸特征，分别对多个第一人脸低模数据进行噪声过滤处理，使得获得的各个第二人脸低模数据均是可以用于准确表征人脸特征的关键性数据。那么，各个第二人脸低模数据进行数据融合处理，生成的目标人脸模型，能够准确地表征人脸特征，从而，通过调整目标人脸模型的变形系数，可以达到准确重建不同三维人脸的目的。

46、因此，本技术实施例中，在保证构建三维可变形人脸模型的准确性的前提下，提高了构建三维可变形人脸模型的效率。