基于中性模型与真人照片的三维人脸建模

三维人脸建模一直以来都是三维建模中的热门研究课题。利用中性人脸模型CANDIDE-3和正、侧面照片,结合人脸特征点识别技术,提取照片特征点,对正交照片二维特征点进行整合补充获得一组三维人脸特征点信息,通过该组特征点校正并匹配中性模型获得特定人脸模型,再提取照片中人物面部纹理获得具有真实感的特定人脸三维模型。经验证,该方法能以较低的开销获得精确度较高的特定人脸模型。     

人脸特征建模中特征点的提取

探讨了人脸建模中特征建模方式。人脸特征建模方式中对于正侧面照片的坐标校正，对于已存在的两张照片，分别用不同方式提取特征点，对于两张照片相应位置的特征点进行重构，形成三维空间里面的点，从而对这些有代表性的点进行三维建模，得到人脸的三维框架。后续进行文理映射等方式，最终形成逼真的人脸三维模型。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

基于相位一致性的人脸特征匹配研究

为避免立体匹配算法特征点定位易受噪声影响的问题, 提出一种基于相位一致性的人脸特征点匹配算法。首先对获取的平行双目图像进行人脸的精确定位, 降低立体匹配的搜索范围; 然后采用相位一致性模型对人脸纹理特征进行检测, 检测结果不受亮度、 对比度等因素影响, 在不同光照环境下的图像可以使用固定阈值, 避免了特征检测中阈值选取的困难; 最后结合利用梯度旋转直方图算法对特征点描述, 减小视角变化对结果的影响。实验结果表明, 该算法鲁棒性较好、 正确匹配率较高, 达到80%以上。     

基于三点透视的人脸姿态估计算法

提出了基于特征点透视变换和人脸统计模型的人脸姿态估计算法.首先建立以左右眼睛点和鼻尖为几何特征点的人脸统计模型,然后推导出这三个特征点在图像平面坐标系和三维世界坐标系间的对应关系,进而得到从图像平面上的三个特征点估算人脸在三维空间姿态的理论方程,最后运用迭代方法给出了一个完整的快速人脸姿态估计算法.实验结果表明,本算法精度高,速度快,具有较好的鲁棒性.     

基于单幅正面照和统计模型的三维人脸重建方法研究

为提升单张图片三维重建的效率、提高重建的精准度,提出了一种基于单张图片和统计模型的三维人脸重建技术。首先基于智能行为理解组（intelligent behaviour understanding group,IBUG）,采用监督下降算法（SDM）进行训练来建立二维人脸特征点参数模型;再应用该参数模型对给定图片进行特征点提取;然后基于北京工业大学3D数据库（BJUT-3D）进行三维人脸统计模型的构建;最后,以三维人脸统计模型为基础,使用学习因子自适应梯度下降法对能量函数进行迭代优化,得到统计模型参数化向量,使用该向量来调整统计模型,实现与给定图片相匹配的三维人脸模型构建。实验证明,与现有的方法相比,本文方法重建出的三维人脸模型具有更高的精确度和自适应度。     

基于改进Retinex与光照补偿的人脸身份识别

为解决不均匀的光照分布影响人脸身份识别的准确率问题,提出了一种无约束光照条件下的人脸身份识别方法.该方法首先基于改进的Retinex理论对人脸灰度图像进行光照预处理;然后对处理后人脸图像中鼻子周围的遮挡阴影区域进行光照补偿;最后利用主动外观模型定位人脸特征点,并选取关键特征点计算人脸身份特征,进而实现人脸身份识别.基于扩展Yale人脸数据库和CMU-PIE数据库进行实验,结果表明所提方法能有效改善人脸图像的光照情况,提高人脸身份识别率.     

基于真实感三维头重建的人脸替换

传统的人脸替换技术需要输入的源图像中的人脸与待替换的目标图像中的人脸姿态相似,这限制了人脸替换技术的应用。该文提出一种基于特定三维头模型重建的人脸替换技术。首先,利用替换者的2张正交图像(1张正面图像和1张侧面图像)进行三维头重建。整个三维头重建过程分为人脸图像配准、特征点匹配、标准三维头形变和纹理贴图4个部分。形变部分利用了径向基函数对标准三维头进行形变以获得最终的特定三维头模型。通过建立替换者的真实感三维头模型,渲染出与任意目标图像姿态相一致的人脸图像。为了让渲染后的人脸图像与目标图像进行无缝纹理融合,还进行了色彩传递和基于多分辨率技术的边界融合。用此方法可将故事书中的任意角色替换成用户,以此提供个性化的图书。     

基于认知机理的三维人脸建模及应用研究

人类天生具备从单张平面照片进行三维信息恢复的能力,模拟人类的这一认知过程,研究基于单张平面图像的人脸三维建模技术,是当前认知计算中的一个重要问题。以统计学为工具,在建立人脸统计模型的基础上提出一个两步人脸形状建模方案,利用人脸结构先验知识对建模过程进行约束,能够生成真实感强的三维人脸模型。将三维人脸模型应用到光照和姿态估计问题上,取得了较好的效果。     

基于认知机理的三维人脸建模及应用研究

人类天生具备从单张平面照片进行三维信息恢复的能力,模拟人类的这一认知过程,研究基于单张平面图像的人脸三维建模技术,是当前认知计算中的一个重要问题.以统计学为工具,在建立人脸统计模型的基础上提出一个两步人脸形状建模方案,利用人脸结构先验知识对建模过程进行约束,能够生成真实感强的三维人脸模型.将三维人脸模型应用到光照和姿态估计问题上,取得了较好的效果.     

二维人脸的三维真实感重建

章为解决特定人脸的三维真实感模拟提供了一个简单而行之有效的算法．首先，给出特定人脸的二维多方向照片及三维人脸中性模型，通过中性模型到特定人胜模型的变换产生特定三维人脸模型；然后，对特定三维人脸模型网格体做消隐、投影、纹理映射后合成具有高度真实感的三维特定人脸．如果提供具有特定表情的三维人脸中性网格体和多方向表情照片，该方法同样适用．     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

特定二维人脸的三维真实感重建

文章为解决特定人脸的三维真实感重建提供了一个简单而且行之有效的方法．首先，给出特定人脸的二维正面和侧面照片，及三维中性人脸模型，通过中性模型到特定人脸模型的变换产生特定三维人脸模型，然后对特定三维人脸模型进行纹理映射产生具有真实感的三维特定人脸．     

基于子图特征组合的人脸识别技术研究

提出了一种基于子图特征组合的人脸特征提取方法,并结合BP神经网络给出一种人脸识别模型.模型首先将人脸图片分割为子图,然后对每个子图进行离散余弦变换并选择最大的余弦系数表示该子图,最后将这些系数组合为向量作为整幅图像的特征.我们选择BP神经网络作为人脸识别模型中的分类器,并通过实验优化相关参数.基于ORL数据库的模拟实验表明,所提出的特征提取算法是有效的,并且模型具有较高的识别率.     

覆盖件拉延模型面的特征组装配建模技术

汽车覆盖件拉延模型面设计是一项在覆盖件产品三维模型基础上进行边界条件设计的创造性工作,本文采用特征技术进行工艺补充面、压料面、拉延筋、凹模圆角的设计,并根据设计特点和功能类型形成特征组,由于特征影响区域和特征映射现象的存在,通过将各特征组有机动态装配从而形成一个优化整体,提高了拉延模工艺型面设计的质量和效率,并很好地解决了几何模型向有限元模型的转化问题。     

一种交互式脸部网格模型调整算法

脸部网格模型的建立是基于模型人脸合成技术中的关键步骤.提出一个半交互式正面人脸模型的调整算法,首先利用区域增长法和模板匹配自动确定图像中人脸及各特征区域的大致位置,然后交互地提取人脸特征点的准确二维位置,最后自动确定脸部姿态和调整模型非特征点,即获得输入人脸模型.该算法简便实用,费时较少,具有实用价值.