买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113052976B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110290418.0，技术领域涉及：G06T17/20；该发明授权基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法是由钱丽萍;沈铖潇;杨超;韩会梅;吴远设计研发完成，并于2021-03-18向国家知识产权局提交的专利申请。

本基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法在说明书摘要公布了：一种基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法，使用UV位置记录生成三维点云模型，再使用基于CGAN设计的网络补全残缺的人脸，最终获得完整彩色三维人脸模型。通过设计一个编码‑解码网络，从原始RGB图像生成并记录完整的三维人脸信息的二维UV位置图，然后使用一个卷积神经网络从中重塑出三维人脸；然后考虑了人脸大姿态的自遮挡情况，通过设计了一种特殊的条件生成对抗网络补全UV纹理图的缺失。本发明提出的方法能够实现更高的重建精度和更多的纹理细节，特别是在大姿态人脸图像重建应用中，能够获得更加完整和真实的三维人脸模型，并在应对复杂的环境因素时具备更强的鲁棒性。

本发明授权基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法在权利要求书中公布了：1.一种基于UV位置图与CGAN的单图像大姿态三维彩色人脸重建方法，其特征在于，所述方法包括以下步骤： S1：采集数据 利用主动视觉法获取大量人脸的三维模型，同时拍摄以正面人脸为0°、以5°为步长、旋转范围为[-90°,90°]的照片，分类并按照设定格式命名保存； S2：生成UV位置图 三维模型使用的是X,Y,Z坐标系统，其结构是一个点云坐标作为顶点的多边形模型，UV坐标系统的工作就是把多边形的顶点与二维图像上的像素对应起来，UV坐标就定义了图片上每个点的位置信息，这些点与三维模型是相互联系的，在点与点之间的间隙进行图像光滑插值处理，从而UV纹理图就可以映射到三维模型上，通过构建UV位置图将三维点云数据记录到二维的图像中； S3：生成UV纹理图 在获得了UV位置图之后再使用双线性采用器，重新采样三维模型的顶点及其相关的UV坐标，将照片中的彩色纹理信息渲染到UV位置图中获得需要的UV纹理图；对于UV纹理图的残缺部分采用黑色进行填充； S4：构造编码-解码器网络 在编码器部分输入的256*256*3图像先通过一个核为4的卷积层，然后使用10个残差块获得其8*8*512的特征，在解码器部分采用17个反卷积预测生成256*256*3的UV位置图； S5：构造损失函数 使用一个面罩突显出重要部位，通过对不同部位设置不同的灰度值，再进行归一化后改变权重； 其中，u，v表示UV坐标系下点，Pu,v表示真实目标图中点的位置，表示网络生成的点位置，Wu,v表示对应点赋予的权重； S6：训练编码-解码器网络 将UV位置图作为目标值，各个角度的人脸照片输入到编码-解码器网络使用Adam优化器进行训练，最终得到的网络输出为UV位置图；接着使用一个结构简单的卷积神经网络从UV位置图中重建出人脸的三维形状； S7：构造条件生成对抗网络 生成器G和判别器D不断进行博弈，G作为生成器，输入为一个随机噪声，通过这个随 机噪声生成图像；D作为判别器需要判断图片是否为真实的，其输入为图片，在训练过程中G 需要尽量生成真实的图片去欺骗D，而D要辨别出G生成的图片的真假，构成了一个博弈的过 程，最终达到纳什均衡点； 其中，为随机噪声，其范围为概率分布pz，y为真实的图片，其范围为真实数据 pdatay，G表示生成器，D表示判别器； S8：构造对抗损失函数 设置多个损失函数取加权和，分别为像素层面损失函数L1、人脸特征层面损失函数Lf、对称损失函数Lsym和对抗损失函数Ld； S9：训练条件对抗生成网络 以扫描得到的完整UV纹理图作为生成目标，使用残缺的UV纹理图代替噪声输入网络进行训练，使用Adam优化器，学习率设置为0.0002，得到的训练后的条件对抗生成网络将UV纹理图中残缺部分补全； S10：将生成的人脸的三维形状与UV纹理图拟合，得到最终的完整彩色的三维人脸模型； 所述步骤S8中，像素层面的损失函数L1采用均方误差，使在像素级别上生成图像与目标图片接近，并添加面罩P提高眼睛鼻子嘴巴部位的权重，作为提高性能的关键部分会给予高于其他损失函数的权重； 其中，W和H分别为图像的宽与高，j表示宽度上的像素点位置，k表长度上的像素点位置，x和y分别为输入图片与真实图片； 引入deepface模块，获取生成图像与标签中人脸的特征并进行对比，从全局角度对人脸轮廓的眼鼻口位置进行确定，并保存每个人的不同特征，使输出结果不会是一个平均相似的UV纹理图； 其中，N表示获取的特征数量，F表示图片输入deepface模块获得的结果，x和y分布表示输入图片与真实图片； 由于人脸具有对称的特性，所以采用对称损失函数，利用可见部分的先验知识，能有效的解决大姿态导致的自遮挡问题，补全单图像中无法看到的部分； 其中，W和H分别为图像的宽与高，j表示宽度上的像素点位置，k表长度上的像素点位置，x和y分别为输入图片与真实图片； 使用对抗损失函数计算，从标签中判别生成的人脸图像的损失值，这有利于提高生成图像的真实感，降低模糊程度； 其中，G表示生成器，D表示判别器，W和H分别为图像的宽与高，j表示宽度上的像素点位置，k表示长度上的像素点位置，x为输入图片； 最终的生成损失函数为上面的各损失函数的加权和： Lg＝λ1L1+λfLf+λsymLsym+λdLd7 其中，L1为像素层面损失函数，λ1为像素层面损失函数权重，Lf为人脸特征层面损失函数，λf为人脸特征层面损失函数权重，Lsym为对称损失函数，λsym为对称损失函数权重，Ld为对抗损失函数，λd为对抗损失函数权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。