本发明属于计算机技术领域，尤其涉及一种仿真人脸制造方法。
背景技术：
针对现在日益发达的人脸识别系统，如何实现人脸识别系统的破解在国家安全防护、反恐、反间谍以及安全系统测试领域有重要军事和社会意义。也就是说，需要利用仿真人脸对人脸识别系统进行破解，以达到对人脸识别系统测试的目的，从而找出人脸识别系统的漏洞，并基于测试结果对人脸识别系统进行改进，最终搭建出安全可靠的人脸识别系统。因此，需要设计一种可以易于实现的仿真人脸的制造方法。
技术实现要素：
本发明的技术解决问题是：克服现有技术的不足之处，提出了一种仿真人脸制造方法，其可以基于人脸图像实现对于仿真人脸的制造。
本发明的技术解决方案是：本发明提供了一种仿真人脸制造方法，包括：
采用深度学习网络对人脸图像进行处理，构建出三维人脸模型；
基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件；
基于所述人脸面部区域的三维打印件，制作仿真人脸。
优选的是，所述的仿真人脸制造方法中，所述深度学习网络包括第一深度学习子网络、第二深度学习子网络以及第三深度学习子网络；
所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型，包括：
依次采用所述第一深度学习子网络和所述第二深度学习子网络对所述人脸图像进行处理，构建面部轮廓；
采用所述第三深度学习子网络对所述人脸图像以及所述面部轮廓进行处理，在所述面部轮廓上构建面部细节，得到所述三维人脸模型。
优选的是，所述的仿真人脸制造方法中，所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型之后，所述方法还包括：
对所述三维人脸模型的局部区域进行修复和重构；
对修复和重构后的三维人脸模型进行光顺化处理。
优选的是，所述的仿真人脸制造方法中，所述基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件，包括：
基于所述三维人脸模型，采用光固化三维打印机进行三维打印，得到人脸面部区域的三维打印件。
优选的是，所述的仿真人脸制造方法中，所述光固化三维打印机的激光功率为20～50w，采用光敏树脂作为原材料。
优选的是，所述的仿真人脸制造方法中，所述基于所述人脸面部区域的三维打印件，制作仿真人脸，包括：
对所述人脸面部区域的三维打印件进行局部上色；
在经过局部上色的所述人脸面部区域的三维打印件上粘贴头部毛发，制作出仿真人脸。
本发明相对于现有技术的有益效果：本发明实施例提供了一种仿真人脸制造方法，首先采用深度学习网络对人脸图像进行处理，构建出三维人脸模型，然后基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件，最后基于所述人脸面部区域的三维打印件，制作仿真人脸。基于该方法，可以基于人脸图像实现对于仿真人脸的制造，并且该方法制造周期短，所制造的仿真人脸具有较高的精细度。
附图说明
图1为本发明实施例所提供的仿真人脸制造方法的流程图；
图2为本发明实施例所提供的人脸图像的示意图；
图3为本发明实施例所提供的三维人脸模型的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面对结合附图对本发明的具体实施方式做详细的说明。
图1示出了本发明实施例提供的仿真人脸制造方法。如图1所示，该方法包括：
步骤110，采用深度学习网络对人脸图像进行处理，构建出三维人脸模型。
基于深度学习网络的人脸识别过程可以实时捕捉拍摄到的人脸图像，输入神经网络后可以获得人脸比对结果，其比对过程同时考虑了人脸外形轮廓、光线三维反射、人脸与环境中的明亮度协调以及人脸面部细节等因素，因此可以轻松地实现活体检测。其中，深度学习网络可以由现有的神经网络实现。
在一些实施例中，所述深度学习网络包括第一深度学习子网络、第二深度学习子网络以及第三深度学习子网络；所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型，包括：依次采用所述第一深度学习子网络和所述第二深度学习子网络对所述人脸图像进行处理，构建面部轮廓；采用所述第三深度学习子网络对所述人脸图像以及所述面部轮廓进行处理，在所述面部轮廓上构建面部细节，得到所述三维人脸模型。即，基于深度学习网络的三个子网络，可以实现对于三维人脸模型的面部轮廓建模、精细建模以及面部细节建模。
在一些实施例中，所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型之后，所述方法还包括：对所述三维人脸模型的局部区域进行修复和重构；对修复和重构后的三维人脸模型进行光顺化处理。基于此，可以进一步提高三维人脸模型的精度，进而提高所制造的仿真人脸的精细度，使其具有更高的仿真效果。
图2示出了本发明实施例所提供的人脸图像的示意图，图3示出了基于该人脸图像所构建的人脸三维模型。如图3所示，本发明实施例可以构建出能够具有较高精细度的人脸三维模型。因此，基于该人脸三维模型，也可以进一步制造出具有良好仿真效果的仿真人脸。
步骤120，基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件。
在一些实施例中，所述基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件，包括：基于所述三维人脸模型，采用光固化三维打印机进行三维打印，得到人脸面部区域的三维打印件。在一些示例中，所述光固化三维打印机的激光功率为20～50w，采用光敏树脂作为原材料。基于光固化三维打印方法，可以基于三维人脸模型实现人脸面部区域的三维制作。
步骤130，基于所述人脸面部区域的三维打印件，制作仿真人脸。
在一些实施例中，所述基于所述人脸面部区域的三维打印件，制作仿真人脸，包括：对所述人脸面部区域的三维打印件进行局部上色；在经过局部上色的所述人脸面部区域的三维打印件上粘贴头部毛发，制作出仿真人脸。
综上所述，本发明实施例提供了一种仿真人脸制造方法，该方法首先采用深度学习网络对人脸图像进行处理，构建出三维人脸模型，然后基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件，最后基于所述人脸面部区域的三维打印件，制作仿真人脸。基于该方法，可以基于人脸图像实现对于仿真人脸的制造，并且该方法操作流程明确，制造周期短，所制造的仿真人脸具有较高的精细度，具有与人体皮肤的颜色和光感，在对人脸识别系统的测试过程中可以很好的拟合自然环境中的光线与明亮环境，对抗活体检测能力强。
本发明虽然以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以做出可能的变动和修改，因此，本发明的保护范围应当以本发明权利要求所界定的范围为准。
1.一种仿真人脸制造方法，其特征在于，包括：
采用深度学习网络对人脸图像进行处理，构建出三维人脸模型；
基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件；
基于所述人脸面部区域的三维打印件，制作仿真人脸。
2.如权利要求1所述的仿真人脸制造方法，其特征在于，所述深度学习网络包括第一深度学习子网络、第二深度学习子网络以及第三深度学习子网络；
所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型，包括：
依次采用所述第一深度学习子网络和所述第二深度学习子网络对所述人脸图像进行处理，构建面部轮廓；
采用所述第三深度学习子网络对所述人脸图像以及所述面部轮廓进行处理，在所述面部轮廓上构建面部细节，得到所述三维人脸模型。
3.如权利要求1所述的仿真人脸制造方法，其特征在于，所述采用深度学习网络对人脸图像进行处理，构建出三维人脸模型之后，所述方法还包括：
对所述三维人脸模型的局部区域进行修复和重构；
对修复和重构后的三维人脸模型进行光顺化处理。
4.如权利要求1所述的仿真人脸制造方法，其特征在于，所述基于所述三维人脸模型进行三维打印，得到人脸面部区域的三维打印件，包括：
基于所述三维人脸模型，采用光固化三维打印机进行三维打印，得到人脸面部区域的三维打印件。
5.如权利要求4所述的仿真人脸制造方法，其特征在于，所述光固化三维打印机的激光功率为20～50w，采用光敏树脂作为原材料。
6.如权利要求1所述的仿真人脸制造方法，其特征在于，所述基于所述人脸面部区域的三维打印件，制作仿真人脸，包括：
对所述人脸面部区域的三维打印件进行局部上色；
在经过局部上色的所述人脸面部区域的三维打印件上粘贴头部毛发，制作出仿真人脸。
技术总结