论文部分内容阅读
真实感三维人脸模型的创建一直以来都是一个极富挑战性的研究课题,另外,三维人脸模型的实际应用范围越来越广泛,因此该研究领域受到了广大研究者的关注。创建模型时,直接利用立体视觉建立模型的效果不精确,而基于三维可变形模型的人脸建模结果则具有较高的真实感,因此本文主要关注的则是怎样准确而又快速的从视频序列中提取出人脸特征点,然后根据这些特征点,在三维可变形模型基础上创建具有较高真实感的特定三维人脸模型。为了准确的从视频序列中提取出人脸特征点,本文在总结了肤色模型和光流算法优缺点的基础上,提出了融合肤色模型和光流算法的人脸检测方法。该方法首先采用具有很高聚类性的YCgCr颜色空间模型提取肤色像素,然后采用多分辨率分层的光流算法扫描候选区域,以精确定位人脸。接着本文研究如何从检测出的人脸区域提取人脸关键特征点。在众多二维人脸特征点提取方法中,本文注意到基于人脸几何特征的提取方法实现简单,效率高。最后是三维模型重建阶段,主要研究内容如下:(1)三维人脸数据的获取和预处理。本文主要介绍了三维人脸数据的获取方式,以及经常用到的三维人脸数据库,另外由于三维人脸配准技术是建立三维可变模型的关键技术,本文详细介绍了几种配准方法,并给出了本文所采用的方法。(2)三维人脸特征点提取技术。这一部分主要介绍在三维模型上提取关键特征点。本文首先比较了传统三维人脸特征点提取方法之间的优缺点,然后给出了改进的AAM(Active Appearance Model)人脸特征点提取方法。(3)根据三维人脸原始数据建立三维可变模型,并对视频中提取出的二维人脸进行三维人脸重构。这一部分首先介绍三维可变形模型的建立方法和过程,然后给出了改进的模型匹配算法:首先利用立体视觉在建立的三维可变形模型中找到最优模型,即与待匹配的二维人脸图像误差最小的三维模型,然后利用最大后验概率求出模型误差的目标函数,最后本文采用改进的Levenberg-Marquardt算法对目标函数进行优化,求出模型匹配参数,得到最终的三维人脸模型。实验中本文用Visual Studio 2005和OpenGL实现模型重建。实验结果表明对于视频序列中的二维人脸图像的三维重建,基于三维可变形模型的方法最终得到的特定三维人脸模型纹理丰富,真实感较高。