论文部分内容阅读
随着近年来视频通信、数字娱乐等产业快速发展,三维人脸重建成为了计算机视觉以及计算机图形学领域的研究热点。目前,基于物理装置、视频、和多幅图像等的三维人脸重建方法不仅成本昂贵,而且有时也无法采集到更多的脸部信息。 本文改进了一种基于单张正面人脸照片的三维人脸自动建模技术,该方法只需要一张均匀光照、中性表情的正面人脸照片,就能自动重建出真实感的三维人脸。研究内容主要包括: 第一,根据CVL人脸库中的大量正侧面照片构建了三维人脸特征点数据库,利用人脸生理结构合理选择正侧面特征点,计算出特征点的测量值; 第二,使用了新的特征点深度估计算法,即利用正侧面特征点的测量值对径向基神经网络进行训练。训练完成之后,得到正侧面的对应关系,从而通过网络权值获得特定正面人脸的深度值。 第三,根据提取的特征点的三维坐标,采用改进的径向基函数插值的方法调整一般人脸模型(CANDIDE-3),获取到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。 实验结果表明,本文的基于单幅正面照片的三维人脸重建算法的重建结果在一定程度上符合了给定的人脸照片,具有一定的真实感,并且在速度和精度上相对以往算法均得到了明显提高。