表情网格体构建及其模型构建方法、相关设备及存储介质

技术领域

本申请属于三维人脸建模技术领域，具体涉及一种表情网格体构建及其模型构建方法、相关设备及存储介质。

背景技术

在三维人脸建模领域，对真实表情的建模一直都是一个很大的挑战。为了对特定人物进行真实的表情建模，一种表情模拟方法是使用多个相机对特定人物的人脸进行扫描，得到该特定人物的表情的点云数据，随后根据这些点云数据进行表情建模，生成该特定人物的表情网格体，但是，通过对特定人物的人脸进行扫描得到的表情网格体只有外壳，没有内部的骨骼支撑，表情的真实度较低。

发明内容

本申请提供一种表情网格体构建及其模型构建方法、相关设备及存储介质，用以解决通过对特定人物的人脸进行扫描得到的表情网格体表情真实度低的问题。

第一方面，本申请提供了一种网格体构建模型的构建方法，包括：

获取初始表情网格体中各个顶点的坐标；

获取目标人物的目标表情网格体中各个顶点的坐标；

将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得所述初始网格体构建模型输出的所述目标人物的初始预测表情网格体中各个顶点的坐标；

根据所述初始预测表情网格体中各个顶点的坐标和所述目标表情网格体中各个顶点的坐标，获得损失值；

检测所述损失值是否满足预设结束条件；

若所述损失值不满足所述预设结束条件，则根据所述损失值，调整所述初始网格体构建模型中的骨骼参数，返回执行所述将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型的步骤，直至所述损失值满足所述预设结束条件时，将所述初始网格体构建模型作为最终的网格体构建模型。

可选地，所述骨骼参数用于表征目标骨骼节点的运动情况，运动前的目标骨骼节点和所述初始表情网格体中各个顶点绑定，运动后的目标骨骼节点和所述初始预测表情网格体中各个顶点绑定；

所述将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得所述初始网格体构建模型输出的所述目标人物的初始预测表情网格体中各个顶点的坐标，包括：

通过所述初始网格体构建模型，获得从世界坐标系转换到所述运动前的目标骨骼节点的坐标系的预设转换矩阵；

获得从所述运动后的目标骨骼节点的坐标系转换到所述世界坐标系的运动转换矩阵，其中，所述运动转换矩阵用所述骨骼参数表示；

通过所述初始网格体构建模型，获取输入的所述初始表情网格体中各个顶点的坐标；

将所述初始表情网格体中各个顶点的坐标和所述预设转换矩阵相乘，获得第一转换结果；

将所述第一转换结果和所述运动转换矩阵相乘，获得第二转换结果，将所述第二转换结果作为所述初始预测表情网格体中各个顶点的坐标；

通过所述初始网格体构建模型，输出所述初始预测表情网格体中各个顶点的坐标。

可选地，所述获得从所述运动后的目标骨骼节点的坐标系转换到所述世界坐标系的运动转换矩阵，包括：

获取从骨架的根节点的坐标系转换到所述世界坐标系的第一转换矩阵；

获取从所述根节点的第i级子节点的坐标系转换到所述根节点的第i级子节点的父节点的坐标系的第(i+1)转换矩阵；

获取从所述运动后的目标骨骼节点的坐标系转换到所述运动后的目标骨骼节点的父节点的坐标系的第N转换矩阵，其中，i大于或等于1，且i小于(N-1)；

将所述第一转换矩阵、所述第(i+1)转换矩阵和所述第N转换矩阵相乘，获得所述运动转换矩阵。

可选地，所述第(i+1)转换矩阵用所述第(i+1)转换矩阵对应的骨骼参数表示；

所述根节点的第i级子节点的坐标系包括第一x轴、第一y轴和第一z轴，所述根节点的第i级子节点的父节点的坐标系包括第二x轴、第二y轴和第二z轴；

所述第(i+1)转换矩阵对应的骨骼参数包括旋转分量和平移分量；

所述旋转分量包括所述第一x轴相对于所述第二x轴旋转的第一角度、所述第一y轴相对于所述第二y轴旋转的第二角度、以及所述第一z轴相对于所述第二z轴旋转的第三角度；

所述平移分量包括所述第一x轴相对于所述第二x轴平移的第一长度、所述第一y轴相对于所述第二y轴平移的第二长度、以及所述第一z轴相对于所述第二z轴平移的第三长度。

可选地，所述根据所述初始预测表情网格体中各个顶点的坐标和所述目标表情网格体中各个顶点的坐标，获得损失值，包括：

根据所述初始预测表情网格体中各个顶点的坐标和所述目标表情网格体中各个顶点的坐标，计算所述初始预测表情网格体中和所述目标表情网格体中对应顶点之间的距离；

将各个所述距离相加，获得所述损失值。

可选地，所述根据所述损失值，调整所述初始网格体构建模型中的骨骼参数，包括：

根据所述损失值计算梯度；

将所述梯度和预设步长相乘，获得所述损失值对应的梯度下降距离，其中，所述预设步长是指在梯度下降迭代的过程中，每一步沿梯度的负方向前进的长度；

将所述初始网格体构建模型中的骨骼参数减去所述梯度下降距离，获得差值，将所述差值作为调整后的骨骼参数。

根据所述梯度，通过梯度下降法调整所述初始网格体构建模型中的骨骼参数。

可选地，所述根据所述损失值，调整所述初始网格体构建模型中的骨骼参数之前，所述方法还包括：

将虚拟数字人中所述初始表情网格体对应的骨骼参数作为所述初始网格体构建模型中的骨骼参数的初始值。

可选地，所述根据所述损失值，调整所述初始网格体构建模型中的骨骼参数之前，所述方法还包括：

获取虚拟数字人中所述初始表情网格体对应的发生变动的骨骼节点；

将所述发生变动的骨骼节点作为需要调整骨骼参数的骨骼节点。

第二方面，本申请提供了一种表情网格体的构建方法，包括：

获取初始表情网格体中各个顶点的坐标；

将所述初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得所述网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标；其中，所述网格体构建模型采用第一方面所述的网格体构建模型的构建方法构建得到。

第三方面，本申请提供了一种网格体构建模型的构建装置，包括：

第一获取模块，用于获取初始表情网格体中各个顶点的坐标；

第二获取模块，用于获取目标人物的目标表情网格体中各个顶点的坐标；

第一处理模块，用于将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得所述初始网格体构建模型输出的所述目标人物的初始预测表情网格体中各个顶点的坐标；

第二处理模块，用于根据所述初始预测表情网格体中各个顶点的坐标和所述目标表情网格体中各个顶点的坐标，获得损失值；

检测模块，用于检测所述损失值是否满足预设结束条件；

第三处理模块，用于若所述损失值不满足所述预设结束条件，则根据所述损失值，调整所述初始网格体构建模型中的骨骼参数，返回执行所述将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型的步骤，直至所述损失值满足所述预设结束条件时，将所述初始网格体构建模型作为最终的网格体构建模型。

第四方面，本申请提供了一种表情网格体的构建装置，包括：

第三获取模块，用于获取初始表情网格体中各个顶点的坐标；

第四处理模块，用于将所述初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得所述网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标；其中，所述网格体构建模型采用第一方面所述的网格体构建模型的构建方法构建得到。

第五方面，本申请提供了一种电子设备，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的网格体构建模型的构建方法，或者，实现第二方面所述的表情网格体的构建方法。

第六方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的网格体构建模型的构建方法，或者，实现第二方面所述的表情网格体的构建方法。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请中，初始网格体构建模型中加入了骨骼参数，考虑到了目标人物的初始预测表情网格体内部的骨骼支撑，通过调整骨骼参数来驱动网格体顶点的运动，而且，根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，获得损失值，根据损失值，调整初始网格体构建模型中的骨骼参数，既能够使目标人物的初始预测表情网格体和目标人物的目标表情网格体之间的相似程度更高，又保证目标人物的初始预测表情网格体的顶点在骨骼参数的驱动下运动，表情的真实度较高，解决了通过对特定人物的人脸进行扫描得到的表情网格体表情真实度低的问题。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例中网格体构建模型的构建的方法流程示意图；

图2为本申请一个具体实施例中获得初始预测表情网格体中各个顶点的坐标的方法流程示意图；

图3为本申请实施例中表情网格体的构建的方法流程示意图；

图4为本申请实施例中网格体构建模型的构建装置的结构示意图；

图5为本申请实施例中表情网格体的构建装置的结构示意图；

图6为本申请实施例中电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

本申请实施例中，提供了一种网格体构建模型的构建方法，以及利用构建的网格体构建模型进行表情网格体的构建方法，该方法可以应用于服务器，当然，也可以应用于其他电子设备，例如终端(手机、平板电脑等)。本申请实施例中，以将该方法应用于服务器为例进行说明。

本申请实施例中，如图1所示，网格体构建模型的构建的方法流程主要包括：

步骤101，获取初始表情网格体中各个顶点的坐标。

其中，初始表情网格体可以是虚拟数字人(MetaHuman)中基础表情的通用网格体。例如，初始表情网格体是虚拟数字人中“眨左眼”这个表情的通用网格体，虚拟数字人中每个表情对应着一个初始表情网格体，由于在实际中每个人物面部的形状以及各个器官在面部的分布并不相同，虚拟数字人中的初始表情网格体和特定人物的同一个表情的网格体之间还存在一定的差异。虚拟数字人中预先存储着初始表情网格体中各个顶点的坐标，能够直接从虚拟数字人中获取预先存储的初始表情网格体中各个顶点的坐标。

步骤102，获取目标人物的目标表情网格体中各个顶点的坐标。

其中，获取目标人物的目标表情网格体中各个顶点的坐标，可以是通过多个相机从不同角度对目标人物的人脸进行扫描，获得多张扫描图像，根据多张扫描图像，得到目标人物的人脸的三维形状，通过三维形状得到点云数据，通过点云数据生成目标人物的目标表情网格体，进而，获得目标人物的目标表情网格体中各个顶点的坐标，实现通过多视角三维重建获得目标人物的目标表情网格体中各个顶点的坐标。

例如，目标人物的目标表情网格体，可以是人物甲的“眨左眼”这个表情的扫描得到的网格体。

步骤103，将初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得初始网格体构建模型输出的目标人物的初始预测表情网格体中各个顶点的坐标。

一个具体实施例中，骨骼参数用于表征目标骨骼节点的运动情况，运动前的目标骨骼节点和初始表情网格体中各个顶点绑定，运动后的目标骨骼节点和初始预测表情网格体中各个顶点绑定。

通过目标骨骼节点的运动，驱动网格体的顶点运动，进而，使初始表情网格体的顶点运动，生成目标人物的初始预测表情网格体。能够使虚拟数字人中的通用网格体，运动之后，得到目标人物的初始预测表情网格体，符合目标人物的面部形状。

步骤104，根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，获得损失值。

步骤105，检测损失值是否满足预设结束条件，若是，执行步骤106，否则，执行步骤107。

步骤106，将初始网格体构建模型作为最终的网格体构建模型。

步骤107，根据损失值，调整初始网格体构建模型中的骨骼参数，返回执行步骤103。

一个具体实施例中，如图2所示，将初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得初始网格体构建模型输出的目标人物的初始预测表情网格体中各个顶点的坐标，包括：

步骤201，通过初始网格体构建模型，获得从世界坐标系转换到运动前的目标骨骼节点的坐标系的预设转换矩阵。

骨骼动画就是一种借助骨骼来对网格体(mesh)进行变形的算法。一个骨架(skeleton)包含多根骨骼(bone)，具体视设计者的设计而定。骨架整体上是个树状结构，即由根部骨骼开始延伸，每次延伸出一个或多个子节点，一根骨骼就是一个节点；当然有些骨骼不再继续向下延伸，将不再延伸的节点称为叶子节点。举例而言，一个有关面部表情的骨架可以是这样的：从根节点产生出如“嘴巴”、“左眼”、“鼻子”等子节点，这些子节点可以继续延伸，如“左眼”可以延伸出“左上眼皮”、“左下眼皮”等。从节点A延伸出节点B，A一般被称为B的父节点，B一般被称为A的子节点。

一些骨骼节点(经常是叶子节点)会绑定一些网格体的顶点，也就是说，这些骨骼的运动会带动网格体的相关顶点也运动。这就是骨骼带动网格体变换的原理。

骨骼系统中，有两种坐标系，一种是世界坐标系(如最终网格体的顶点位置等都是以世界坐标系为基准)，另一种是骨骼节点的坐标系。

在骨架设定完成之后，运动前的目标骨骼节点的坐标系是固定的，在整个骨骼运动过程中都不变，因此，从世界坐标系转换到运动前的目标骨骼节点的坐标系的预设转换矩阵B

步骤202，获得从运动后的目标骨骼节点的坐标系转换到世界坐标系的运动转换矩阵。

其中，运动转换矩阵用骨骼参数表示。

在整个骨骼运动过程中，运动后的目标骨骼节点的坐标系会发生改变，因此，从运动后的目标骨骼节点的坐标系转换到世界坐标系的运动转换矩阵M会发生改变。通过运动转换矩阵M能反映骨骼的运动情况。

步骤203，通过初始网格体构建模型，获取输入的初始表情网格体中各个顶点的坐标。

步骤204，将初始表情网格体中各个顶点的坐标和预设转换矩阵相乘，获得第一转换结果。

设初始表情网格体中各个顶点的坐标为V

步骤205，将第一转换结果和运动转换矩阵相乘，获得第二转换结果，将第二转换结果作为初始预测表情网格体中各个顶点的坐标。

运动转换矩阵为M，第二转换结果Q2＝M×Q1＝M×B

一种情况下，一个顶点仅被一根骨骼绑定，直接将第二转换结果作为初始预测表情网格体中各个顶点的坐标。设初始预测表情网格体中各个顶点的坐标为V

另一种情况下，一个顶点不仅被一根骨骼绑定，也就是说，这个顶点的运动与多个骨骼的运动相关。在计算这个顶点到底应该是怎么运动时，可以先计算出当该顶点仅受一个骨骼运动时的结果，再用权重对所有结果进行加权叠加，就是最终的状态。这个方法叫蒙皮(skinning)，里面讲到的权重一般由设计者通过工具软件手动调出，也可在某些条件下用算法计算。例如，设初始预测表情网格体中各个顶点的坐标为V

步骤206，通过初始网格体构建模型，输出初始预测表情网格体中各个顶点的坐标。

一个具体实施例中，获得从运动后的目标骨骼节点的坐标系转换到世界坐标系的运动转换矩阵，包括：获取从骨架的根节点的坐标系转换到世界坐标系的第一转换矩阵；获取从根节点的第i级子节点的坐标系转换到根节点的第i级子节点的父节点的坐标系的第(i+1)转换矩阵；获取从运动后的目标骨骼节点的坐标系转换到运动后的目标骨骼节点的父节点的坐标系的第N转换矩阵，其中，i大于或等于1，且i小于(N-1)；将第一转换矩阵、第(i+1)转换矩阵和第N转换矩阵相乘，获得运动转换矩阵。

从骨架的根节点的坐标系转换到世界坐标系的第一转换矩阵为T

一个具体实施例中，第(i+1)转换矩阵用第(i+1)转换矩阵对应的骨骼参数表示；根节点的第i级子节点的坐标系包括第一x轴、第一y轴和第一z轴，根节点的第i级子节点的父节点的坐标系包括第二x轴、第二y轴和第二z轴；第(i+1)转换矩阵对应的骨骼参数包括旋转分量和平移分量；旋转分量包括第一x轴相对于第二x轴旋转的第一角度、第一y轴相对于第二y轴旋转的第二角度、以及第一z轴相对于第二z轴旋转的第三角度；平移分量包括第一x轴相对于第二x轴平移的第一长度、第一y轴相对于第二y轴平移的第二长度、以及第一z轴相对于第二z轴平移的第三长度。

一个具体实施例中，根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，获得损失值，包括：根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，计算初始预测表情网格体中和目标表情网格体中对应顶点之间的距离；将各个距离相加，获得损失值。

一个具体实施例中，根据损失值，调整初始网格体构建模型中的骨骼参数，包括：根据损失值计算梯度；将梯度和预设步长相乘，获得损失值对应的梯度下降距离，其中，预设步长是指在梯度下降迭代的过程中，每一步沿梯度的负方向前进的长度；将初始网格体构建模型中的骨骼参数减去梯度下降距离，获得差值，将差值作为调整后的骨骼参数。

一个具体实施例中，预设结束条件是指损失值对应的梯度下降距离小于预设值。

一个具体实施例中，根据损失值，调整初始网格体构建模型中的骨骼参数之前，网格体构建模型的构建方法还包括：将虚拟数字人中初始表情网格体对应的骨骼参数作为初始网格体构建模型中的骨骼参数的初始值。

虚拟数字人中每个表情对应着各个骨骼参数，实际应用时，不同人的骨骼不同，骨骼参数也会改变，但是，虚拟数字人中表情对应的骨骼参数和目标人物的同一个表情对应的骨骼参数还是类似的。因此，将虚拟数字人中初始表情网格体对应的骨骼参数作为初始网格体构建模型中的骨骼参数的初始值，调整骨骼参数的次数会较少，模型训练的速度会较快。

一个具体实施例中，根据损失值，调整初始网格体构建模型中的骨骼参数之前，网格体构建模型的构建方法还包括：获取虚拟数字人中初始表情网格体对应的发生变动的骨骼节点；将发生变动的骨骼节点作为需要调整骨骼参数的骨骼节点。

在人脸做表情时并不是所有的骨骼节点的骨骼参数都需要调整，比如，如果目标表情网格体是闭眼的表情，那么跟后脑勺相关的骨骼节点的骨骼参数就不需要参与调整。获取虚拟数字人中初始表情网格体对应的发生变动的骨骼节点，将发生变动的骨骼节点作为需要调整骨骼参数的骨骼节点，能够节约调整骨骼参数的时间，骨骼参数调整地也更加准确。

综上，本申请中，初始网格体构建模型中加入了骨骼参数，考虑到了目标人物的初始预测表情网格体内部的骨骼支撑，通过调整骨骼参数来驱动网格体顶点的运动，而且，根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，获得损失值，根据损失值，调整初始网格体构建模型中的骨骼参数，既能够使目标人物的初始预测表情网格体和目标人物的目标表情网格体之间的相似程度更高，又保证目标人物的初始预测表情网格体的顶点在骨骼参数的驱动下运动，表情的真实度较高，解决了通过对特定人物的人脸进行扫描得到的表情网格体表情真实度低的问题。

本申请实施例中，如图3所示，表情网格体的构建的方法流程主要包括：

步骤301，获取初始表情网格体中各个顶点的坐标。

步骤302，将初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标。

其中，网格体构建模型采用本申请中提供的网格体构建模型的构建方法构建得到。

将初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标，能够使目标人物的最终预测表情网格体和目标人物的目标表情网格体之间的相似程度更高，又保证目标人物的最终预测表情网格体的顶点在骨骼参数的驱动下运动，表情的真实度较高，解决了通过对特定人物的人脸进行扫描得到的表情网格体表情真实度低的问题。

基于同一构思，本申请实施例中提供了一种网格体构建模型的构建装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图4所示，该装置主要包括：

第一获取模块401，用于获取初始表情网格体中各个顶点的坐标；

第二获取模块402，用于获取目标人物的目标表情网格体中各个顶点的坐标；

第一处理模块403，用于将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得所述初始网格体构建模型输出的所述目标人物的初始预测表情网格体中各个顶点的坐标；

第二处理模块404，用于根据所述初始预测表情网格体中各个顶点的坐标和所述目标表情网格体中各个顶点的坐标，获得损失值；

检测模块405，用于检测所述损失值是否满足预设结束条件；

第三处理模块406，用于若所述损失值不满足所述预设结束条件，则根据所述损失值，调整所述初始网格体构建模型中的骨骼参数，返回执行所述将所述初始表情网格体中各个顶点的坐标输入至初始网格体构建模型的步骤，直至所述损失值满足所述预设结束条件时，将所述初始网格体构建模型作为最终的网格体构建模型。

基于同一构思，本申请实施例中提供了一种表情网格体的构建装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：

第三获取模块501，用于获取初始表情网格体中各个顶点的坐标；

第四处理模块502，用于将所述初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得所述网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标；其中，所述网格体构建模型采用本申请中提供的网格体构建模型的构建方法构建得到。

基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、存储器602和通信总线603，其中，处理器601和存储器602通过通信总线603完成相互间的通信。其中，存储器602中存储有可被处理器601执行的程序，处理器601执行存储器602中存储的程序，实现如下步骤：

获取初始表情网格体中各个顶点的坐标；获取目标人物的目标表情网格体中各个顶点的坐标；将初始表情网格体中各个顶点的坐标输入至初始网格体构建模型，获得初始网格体构建模型输出的目标人物的初始预测表情网格体中各个顶点的坐标；根据初始预测表情网格体中各个顶点的坐标和目标表情网格体中各个顶点的坐标，获得损失值；检测损失值是否满足预设结束条件；若损失值不满足预设结束条件，则根据损失值，调整初始网格体构建模型中的骨骼参数，返回执行将初始表情网格体中各个顶点的坐标输入至初始网格体构建模型的步骤，直至损失值满足预设结束条件时，将初始网格体构建模型作为最终的网格体构建模型；

或者，

获取初始表情网格体中各个顶点的坐标；将初始表情网格体中各个顶点的坐标输入至网格体构建模型，获得网格体构建模型输出的目标人物的最终预测表情网格体中各个顶点的坐标；其中，网格体构建模型采用本申请中提供的网格体构建模型的构建方法构建得到。

上述电子设备中提到的通信总线603可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器602可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volati le memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。

上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的网格体构建模型的构建方法，或者，表情网格体的构建方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。