(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210954071.X (22)申请日 2022.08.10 (71)申请人 科大讯飞华 南人工智能研究院 （广 州） 有限公司 地址 511458 广东省广州市南沙区南沙街 金隆路37号1 101-1124房 申请人 科大讯飞华 南有限公司 (72)发明人 杜兰　陈彬　杜轶锋　周国华　 叶国伟　廖森平　曾文君　蒋仕坚　 (74)专利代理 机构 广州恒成智道知识产权代理 有限公司 4 4575 专利代理师 刘挺　龚洁 (51)Int.Cl. G06T 17/00(2006.01) G06T 5/50(2006.01)G06T 15/04(2011.01) (54)发明名称 一种3D人脸构建方法 (57)摘要 本发明公开了一种3D人脸构建方法， 涉及仿 生技术领域。 具体包括以下步骤： 获取人脸的多 个视角图像的特征向量并进行融合后生成融合 特征向量； 根据所述融合特征向量生成三维人脸 形状模型； 对所述三维形状模型进行纹理填充， 生成人脸模型。 旨在提高数字人人脸的构建精 度。 权利要求书2页 说明书6页 附图1页 CN 115512039 A 2022.12.23 CN 115512039 A 1.一种3D人脸构建方法， 其特 征在于， 包括以下步骤： 获取人脸的多个视角图像的特 征向量并进行融合后生成融合特 征向量； 根据所述融合特 征向量生成三维人脸形状模型； 对所述三维形状模型进行纹 理填充， 生成人脸模型。 2.如权利要求1所述的3D人脸构建方法， 其特征在于， 获取人脸的多个视角图像的特征 向量并进行融合后生成融合特 征向量包括： 获取同一人脸多个不同视角的人脸数据； 通过共享权重的深度 卷积神经网络对各个所述人脸数据进行编码， 获得各个视角的人 脸特征向量； 将多个所述人脸特征向量进行拼接后并通过多层感知器网络进行特征融合， 生成融合 特征向量。 3.如权利要求2所述的3D人脸构建方法， 其特征在于， 根据 所述融合特征向量生成三维 人脸形状模型包括： 获取所述融合特 征向量； 通过多层感知网络对所述融合特 征向量进行解码， 获得三维模型头 部姿态向量； 通过图卷积神经网络对所述融合特 征向量进行解码， 获得三维顶点向量； 以及 根据所述 三维模型头 部姿态向量和三维顶点向量 生成三维人脸形状模型。 4.如权利要求2所述的3D人脸构建方法， 其特 征在于， 头 部姿态向量包括： 人脸的俯仰角、 人脸的偏航角、 人脸的侧倾角、 以及三维空间的位移向量中的至少一 个。 5.如权利要求2所述的3D人脸构建方法， 其特征在于， 对所述三维形状模型进行纹理填 充包括： 获取所述融合特 征向量； 通过大型生成对抗网络对所述融合特征向量进行解码， 获得人脸纹理参数， 并根据获 得的人脸纹 理参数对所述 三维形状模型进行填充。 6.如权利要求1所述的3D人脸构建方法， 其特征在于， 还包括计算人脸的多个视角图像 中任意两个视角图像之间的相似度； 当任意两个视角图像之间的相似度不满足预设条件 时， 将该两个视角图像的特 征向量不进行融合。 7.如权利要求6所述的3D人脸构建方法， 其特征在于， 任意两个人脸图像之间相似度的 计算公式如下： ， 其中， l(x,y)表示样本x和样本y在亮度上的相似度； c(x,y)表示样本x和样本y在对比权　利　要　求　书 1/2 页 2 CN 115512039 A 2度上的相似度； s(x,y)表示样本x和样本y在结构上的相似度； 一般取c3＝c2/2； 其中， μxμy分别为样本x与样本y的均值， σxσy分别为样本x与样本y的方差， σxy样本x与样 本y的协方差； 常数c1和c2计算公式如下： c1＝(k1L)2 c2＝(k2L)2 其中， k1默认为0.01， k2默认为0.0 3， L为像素值的范围； 结构相似度(S SIM)公式如下： SSIM(x,y)＝f[l(x,y) ·c(x,y)·s(x,y)]。权　利　要　求　书 2/2 页 3 CN 115512039 A 3