基于单张正面人脸照片的三维人脸自动建模方法研究

摘要

真实感三维人脸建模是计算机视觉和计算机图形学领域一个极富挑战性的研究方向。自1972年Frederic I.Parke开创计算机人脸建模以来，研究者们在该领域做了大量的研究工作，并取得了很大的进展。真实感三维人脸建模技术的应用范围非常广泛，其成果可以应用于虚拟主持人、虚拟会议、辅助教学、医疗研究、电影制作、游戏娱乐等，具有重大的理论意义和应用价值。本文研究了一种基于单张正面人脸照片的三维人脸自动建模技术，该方法只需输入一张中性表情，均匀光照的正面人脸照片，通过自动提取特征点来重构人脸的三维几何模型，最后从照片上提取纹理生成具有真实感的三维人脸。内容主要包括： (1)人眼特征检测：提出了一种人眼特征检测方法：在人脸检测的基础上，确定人眼所在的大致区域，利用该区域内的灰度和梯度特征对人眼各特征点分别进行搜索。由于预先确定了搜索范围，所提取的特征点的位置比较精确。 (2)唇部特征检测：在人脸肤色和唇色研究的基础上，对红色排除法判别式进行改进，提出嘴唇BR加权G色对比法(WBRGC)，该方法利用G、B分量和G、R分量分布差异加权来区分肤色和唇色，最优权重通过实验确定。实验表明，WBRGC的检测性能与红色排除法相比有明显的提高。 (3)三维人脸建模：利用提取的人脸关键特征点，结合真实人脸表面的几何结构特征，对一般人脸模型(CANDIDE-3)进行调整，获取个性化三维人脸几何模型。最后进行纹理映射生成具有真实感的三维人脸。 (4)使用VC++6.0，OpenGL图形开发库和OpenCV计算机视觉库实现一个真实感三维人脸自动建模系统。

目录

文摘

英文文摘

声明

1绪论

1.1选题背景及研究意义

1.2三维人脸建模的研究现状

1.3本文的研究内容及章节安排

1.3.1本文的主要内容

1.3.2本文的章节安排

2一般人脸模型及人脸特征点的选取

2.1概述

2.2一般三维人脸模型

2.3人脸特征的选取

2.3.1人脸主要器官的外型结构

2.3.2人脸特征点的定义

2.3.3人脸特征点的选取

2.4本章小结

3基于AdaBoost算法的人脸检测

3.1 AdaBoost方法概述

3.1.1 Boosting

3.1.2 AdaBoost方法概述

3.2基于AdaBoost的人脸检测

3.2.1 Harr-like特征

3.2.2积分图

3.2.3弱分类器

3.2.4变种的AdaBoost

3.2.5级联分类器

3.3检测机制

3.4AdaBoost算法的实验结果

3.5本章小结

4人脸特征提取

4.1概述

4.2人脸特征分布的先验知识

4.3眼睛特征提取

4.3.1眼睛区域的"三庭五眼"确定法

4.3.2眼珠中心特征区域灰度极小检测法

4.3.3眼睛轮廓特征均分检测法

4.3.4眼睛轮廓边缘闭合和细化方法

4.3.5实验结果与方法分析

4.4嘴唇特征提取

4.4.1嘴唇区域的确定

4.4.2几种嘴唇检测算法分析

4.4.3嘴唇BR加权G色对比法

4.4.4WBRGC嘴唇检测法中阈值的确定

4.4.5 WBRGC嘴唇检测法中权重的确定

4.4.6实验结果比较

4.4.7嘴唇特征检测实验结果

4.5鼻子特征提取

4.5.1.鼻子区域的确定

4.5.2鼻子特征提取

4.6本章小结

5三维人脸建模

5.1三维人脸几何模型重建

5.1.1全局调整

5.1.2局部调整

5.2真实感建模

5.2.1纹理映射

5.2.2与同类方法的比较

5.3本章小结

6系统实现及工作总结

6.1系统介绍

6.2工作总结及展望

致 谢

参考文献