基于單幅圖像的人臉三維重建

1基于單幅圖像的人臉三維重建其特有的普遍性和易用性成為眾多先進三維建模算法的實驗平臺。但是由于人臉的復(fù)雜性、易變性，建立逼真的三維人臉模型本文將數(shù)字圖像處理學(xué)、模式識別的原理和方法應(yīng)用到三維人臉模型重建和識本文提出了一套適用于正、側(cè)面兩幅二維人臉圖像的三維人臉重建和識別算法，并建立了系統(tǒng)原型。對于三維人臉重建算法，本文提出了基于灰度、邊緣檢測和膚色的正面人臉特征提取算法，結(jié)合手工提取的側(cè)面人臉特征獲取人臉三維信息。其主要思想是：對正人臉圖像進行光照補償、濾波和銳化等預(yù)處把人臉分為幾個區(qū)域；對各個區(qū)域分別利用方差積分投影、邊緣檢測、膚色檢矢量，通過三維特征矢量相似度來鑒別最后的結(jié)果。實驗結(jié)果表明，在CVL人臉圖像庫中利用本文所采用的算法，獲23 ABSTRACT 第二章三維人臉重建與識別系統(tǒng)基礎(chǔ) 4三維建模是計算機視覺和計算機圖形學(xué)領(lǐng)域中一個基本的問題，人臉因其特有的普遍性和易用性成為眾多先進三維建模算法的實驗平臺。由于每個人的人臉都是不同的，可以說世界上根本不存在兩張完全相同的人臉，即使看起來然存在，這就為我們建立特定人臉的三維模型提供了可能。但是由于人臉的復(fù)三維建模雖然如此困難，但是許多研究者還是始終在堅持不懈地進行著這人臉模型已經(jīng)初步應(yīng)用到視頻電話、視頻會議、影視制作、電腦游戲、入臉識三維人臉建模過程通常由人臉三維數(shù)據(jù)的獲取、標準三維人臉建模和特定準人臉模型的建立是圖形學(xué)、人體測量學(xué)和統(tǒng)計學(xué)等相結(jié)合的產(chǎn)物，可以描述人類共有的結(jié)構(gòu)特征和行為特征。特定人臉建?？梢愿鶕?jù)三維數(shù)據(jù)直接建立可研究者們盡量使處理過程自動化，但至今完全自動化的建模方法還少有報道。第二章三維人臉重建與識別系統(tǒng)基礎(chǔ)5頻電話、視頻會議、影視制作、電腦游戲和人臉識別。尤其是對于人臉識別而言，當現(xiàn)有的一些問題用二維方法解決不了或者說不能很好解決的時候，采用三維方法也許就能迎刃而解。比如二維人臉識別中人臉旋轉(zhuǎn)或者表情變化都會影響最終識別結(jié)果的準確性。利用三維人臉模型進行人臉識別，在理論上會提系統(tǒng)軟件為vC++6．0編寫的windows應(yīng)用程序，主要灰度圖像，然后進行中值濾波，銳化和灰度歸6隨著三維圖形的應(yīng)用愈來愈廣泛，計算機圖形學(xué)的發(fā)展也越來越迅速。那要途徑之一。OpenGL作為一種硬件圖形的軟件接口，其優(yōu)點是作為一個獨立的工作平臺，獨立于硬件設(shè)備、窗口系統(tǒng)和操作系統(tǒng)，用它編寫的軟件可以在不符合當前流行的軟件設(shè)計思想。因此我們需要借助DefinitionParameters)．局和局部的動作單元(ActionUnits)來控制。CANDIDE--3中的人臉運動參數(shù)包數(shù)(AnimationUnits)。外形參數(shù)是描述人臉形狀的參數(shù)，對于一個確定的人外7CANDIDE--3---維人臉模型在計算機中{{；／／{8’人臉時指向下個人臉的指針通過映射等方法，利用上一章中確定的人臉特征點去調(diào)整三維人臉模型，使其匹配某個特定的人臉。模型的匹配主要分為：全局匹配、局部匹配和深度信息9個五官區(qū)域運用積分投影、邊緣檢測等方法進行精確的正面人臉特征我們采用的三維人臉模型是由OpenGL繪制的三維多邊形網(wǎng)格模型，利用1849示組成三角形的三個頂點號、法向量坐標和紋理坐標。在最初的建模過程{；／／{；／／；／／；／／1{；／／MicrosoftVisualStudioNC98／Lib目錄中；然后在編譯程序的時候選擇本系統(tǒng)采用基于對話框的工程。至于用單文檔方式和多文檔方式其編程原intCOpenGLMySetPixel{sizeof(PIXELFORMATDESCRIPTOR)pfd結(jié)構(gòu)的大小1。版本號PFDDRAWTOWINDOWI支持在窗口中繪圖PFDTYPERGBA。RGBA顏色模式2424位顏色深度0，0，0，0，0，0，//忽略顏色位0.//沒有o忽略移位位0，0，0，0忽略累計位3232位深度緩存PFDMAINPLANE主層{)//設(shè)置最匹配的像素格式為當前的像素格式(){//創(chuàng)建繪圖描述表}{OLfloatmat．specular[4]={1．0，GLfloatlight_positionO[4]={0，5glMaterialfv(GL_FRONT；GL_SHININEglLightfv(GL_LIGHT0，GL-POSITION，lGLfloatmat_diffuseI[4]={0．5，0．5#Lightfv(GL-LIGHTl，GL_DIFFUSE，mglLightfv(GL-LIGHTI，OL_SPglLightModeli(GL-LIGHT_MODE行定義。為下一步的繪圖工作打下基礎(chǔ)。那m__pDisplay->Create//定義窗口風(fēng)格WS_CHILDIWS_CLIPSIBLINGSIWS_CLIPCHILDREN[WS_-vISI{gICIear(GL_COLOR_BUFFER_BITglRotateffstep，0．0，1．0，0．o)；go//縮放物體//繞Y軸旋轉(zhuǎn)物體//繞x軸旋轉(zhuǎn)物體//繪制球體//使用雙緩存技術(shù)實現(xiàn)交){wglMakcCurrent(NULL，NULLwglDeleteContext(hglr//刪除繪圖描述表//釋放設(shè)備描述表本文把數(shù)字圖像處理學(xué)和模式識別方法原理應(yīng)用到三維人臉模型重建和識別領(lǐng)域，主要對人臉特征點提取、三維人臉重建和識別的算法進行了研究，并建立了一個基于二維人臉圖像的三維人臉重建和識別系統(tǒng)?；谌S人臉的識別算法只是借助三維的某些特征進行識別，還有待進一步討論。本文在研究三維人臉重建和識別算法的過程中將其分為兩理部分主要考慮了光線、照相機等產(chǎn)生的噪聲，分別對圖像進行光照補償、中征點獲取人臉的三維信息，利用這些三維信息重構(gòu)出人臉的三維結(jié)構(gòu)，再利用[1]BrunoSantosPimentel,JoaoHilariodeAvilaValgasFilho,RodrigoLacerdaCampos,AntonioOtavioFernandes,ClaudionorJoseNunesElectrocardiographicSignalCompressionDevice[J].IEEE,2001,0-7695-1333-6NationaleSupérieuredesTélécommunicationsratioreductionanderrorcorrection[J].ElectronicsLetters,19