-
公开(公告)号：CN109086707A
公开(公告)日：2018-12-25
申请号：CN201810823018.X
申请日：2018-07-25
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于DCNNs-LSTM模型的表情追踪方法。本发明考虑到卷积神经网络在图像特征提取上的有效性及长短期记忆网络在处理存在时间序列信息上的优势，提出一种结合DCNN和LSTM的深度神经网络模型用于处理面部68个特征点及眼神、头部特征信息的提取。数据集囊括了老年、青年、少年及中外等不同的人脸图像及对应的标签文件，训练好的模型可同时实现对面部、眼神及头部三维特征信息的提取。本发明将提取出的三维特征信息做三角网格重建并计算网格各顶点的欧氏距离，由数据转换模型将欧氏距离转变为动画人物可识别的形变系数，实现一种表情、头部迁移效果。
-
公开(公告)号：CN108717732A
公开(公告)日：2018-10-30
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN108717732B
公开(公告)日：2022-05-17
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
-
Search Results
3
records
(took 0.021 seconds)
