论文部分内容阅读
从图像序列中进行物体三维信息的恢复是计算机视觉和计算机图形学领域的一个热点研究课题。自从20世纪90年代以来,计算机视觉和计算机图形学技术的迅猛发展为三维人脸建模提供了技术支持,许多学者开始尝试建立逼真的三维人脸模型,并取得了显著的成绩。如今,三维人脸模型有着极为广泛的应用,如视频电话、视频会议、影视制作、电脑游戏、人脸识别等多个领域,而且随着各方面技术的发展,三维人脸模型将会在各方面得到更深更广的应用。
三维人脸建模过程通常由人脸三维数据的获取、标准三维人脸建模和特定人脸建模三部分组成。三维数据的获取属于计算机视觉领域,近年来随着计算机视觉技术的发展,研究者们发展了一些适用于三维建模的数据获取方法。通常提到人脸三维数据获取的方法,就是指采用激光扫描仪的方法。激光扫描仪可以提供高精度的三维数据,但是该设备价格昂贵不适合推广使用。
本文主要内容就是研究如何在最经济的情况下获得物体三维重构的准确数据。并进行物体三维信息的恢复。
本文出发点:假设一个刚性物体在图像中的坐标是该物体在被拍摄图片时通过摄像头到底片的一个二维映射。那么,当给定同一个物体不同角度的二维映射坐标之后,应该有办法从这些二维的信息中提取出深度信息,从而恢复出该物体的三维信息。如果这个方法成立,那么在三维数据的提取中,我们将不需要依赖于昂贵的扫描仪器来获得数据。而是采用因子化方法把二维信息中的隐含三维信息提取出来。
AAM特征点定位:为了获得图像序列中准确的特征点定位,手动定位算法可能是最可靠的办法,因为人脑的分析能力毕竟是任何机器也无法比拟的。但是考虑到在二维图像上精确的特征点定位对于本文所用的方法的重要性,我们还是希望能有一种可靠的自动提取算法,从而可以对整个图像库进行定位处理。在尝试了几种特征提取算法后,我们采用了AAM方法用于特征点定位。
增强AAM算法的鲁棒性:AAM算法依赖于图像灰度的变化,因此在光照等外界因素的影响下,AAM鲁棒性下降明显。为了去除光照对图像的干扰从而增强AAM算法鲁棒性,本文研究了采用反射系数和LBP等去除光照的替代纹理用于AAM算法的训练和定位识别。弹性物体和多目标:如果被分析的目标本身是弹性物体,或者目标可以看作由几个刚体组成,这时即可由扩展因子化方法来恢复弹性物体或者刚体的深度信息。重构的算法也由于形状的非确定性和形状基是否是退化基而使问题变得更加复杂。本文最后一章分析了这一点。
最后,本文讨论了利用因子化方法做细节深度信息提取,接近于提取纹理的三维信息,以达到更精细的三维重构。
本文工作的主要创新思想和特色有:
1、在刚体和非退化基的假设下,采用AAM定位算法实现了自动定位图像特征点,从而分析处理图像序列,重构目标物体的三维仿射轮廓。通过实验结果表明,该方法能够有效地恢复目标的三维信息。
2、采用了去光照的替代纹理方法进行AAM建模,提高了特征点定位的鲁棒性。通过在计算所光照库上的实验表明定位的结果有了大幅提升,算法的鲁棒性也提高了。
3、本文独立推导了因子化在限定形状和非退化基下的求解方法,并将因子化方法扩展到更加细节的纹理级形状重构问题。但是由于后来时间比较紧,实验过程中特征点增加后定位误差带来的影响过大导致重构算法崩溃。所以只在少量特征点的情况下进行了鼻子周围纹理的恢复。