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．     

真彩色人脸的三维建模

结合距离相机获取人脸空间信息的精确性和数码相机获取人脸颜色信息的方便性，提出了一种彩色人脸的三维建模方法．首先，通过人脸的空间坐标信息和人脸颜色信息进行匹配，得到相应空间采样点的颜色信息；然后，进行采样点之间的插值，重建三维人脸的平滑表面．试验表明，这种方法是可行的，彩色人脸的三维模型的结果令人满意．     

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．     

特定人的三维人脸模型生成与应用

计算机三维人脸对象的应用范围包括虚拟现实，辅助教学，远程会议，人机交互，游戏娱乐，电影制作等诸多方面，提出利用区域差值法的算法实现基于两幅人脸图像生成具有特定人特征的三维人脸模型，并在生成特定人三维人脸模型的基础上实现了基于MPEG－4的特定人的人脸动画功能，实验取得了良好的效果。     

基于特征提取的实时交互式三维人脸表情动画研究

动漫产业的发展带来了三维动画制作技术的发展，而人脸表情动画制作是决定动画质量的关键因素。文章在分析当前三维人脸表情动画设计存在问题和发展趋势的基础上，提出基于特征提取的实时交互式三维人脸表情动画设计方法，对三维动画中的人脸表情动画进行了有益的探索。     

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。     

基于曲率和纹理信息的三维人脸特征提取

针对目前三维人脸特征提取方法对表情很敏感的缺陷,通过借鉴曲面曲率生动描述人脸形状的特点和人脸特征区域纹理不受表情影响的特点,提出了一种基于曲率和纹理信息的三维人脸特征提取方法。实验分析说明该方法有效利用了三维人脸的深度信息和人脸纹理对表情和姿态不敏感,具有较好的准确性和鲁棒性。     

基于非刚性ICP的三维人脸数据配准算法

三维人脸扫描数据的配准是三维人脸统计学习的基础和前提。为了解决离散点群数据的精确配准问题,该文提出一种融合弹性形变的非刚性最近点迭代(ICP)三维人脸数据配准算法。该算法利用稀疏的特征点逐步形变一个高分辨率的三维模板网格(模板三维人脸)以逼近三维人脸扫描数据(目标三维人脸)。此形变过程可以建模为一个关于模板人脸上每个顶点的仿射变换的优化问题。此外,该算法通过引入弹性形变在不损失配准精度的前提下加速了配准过程。在此基础上,该文提出一种融合弹性形变和三维配准的三维人脸的头部缺失数据补齐算法,使得三维人脸模型更具有真实感和完整性。实验表明,该算法比一种目前较为广泛应用的人脸头部补齐算法更具鲁棒性。     

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.     

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.     

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。     

美国开发出三维面部识别软件

三维面部识别是生物特征鉴别技术的前沿研究热点，由于人脸三维数据获取困难、数据海量存储和计算困难等，三维面部识别研究一直突破不大。最近人脸识别技术取得新进展。美国休斯敦大学的卡拉法蒂斯教授和他的研究团队开发出三维URxD面部识别软件。该软件使用面部的三维快照获得人脸某个独一无二的标识符，考虑了人脸部的轮廓、结构、红外线成像特点，也考虑了时间因素。研究人员使用一套包含电脑、光学扫描器和网络摄像头的识别系统，     

基于一般模型的单幅人脸照片三维重建

针对由单幅照片进行三维人脸自动重建的问题,提出了基于一般模型变形的快速三维重建方法.先通过稀疏形变模型获取照片人脸特征点的深度信息,再将一般人脸模型变形到特定人脸,并使用基于肤色模型的插值合成皮肤纹理.实验证明,三维人脸重建方法快速简便,且只需单幅人脸照片,真实感强,并且可生成多种姿态、光照和表情的人脸图像,有较好的应用价值.     

基于光照子空间的人脸识别研究

利用球面谐波模型建立的9D光照子空间进行人脸识别.用SFS方法获得人脸表面特征点深度,以特征点深度为基础,用NURBS方法重构三维人脸,并用该三维人脸的法向量计算球面谐波基图像,进行人脸识别.结果表明,以所求的球面谐波基图像为基础进行人脸识别,不仅提高了人脸表面法向量的精度,减少了运算量,而且使得人脸的识别率明显提高....     

基于贝赛尔曲面的三维人脸特征点定位方法

三维人脸识别技术中,人脸特征点的精确定位和匹配对后期的人脸识别起了极为关键的作用,为此提出了一种新的三维人脸特征点定位方法,利用矩阵特征分解求解每个特征点的基准平面,进而可用贝塞尔曲面来表达特征点附近的局部三维表面结构,对不同复杂结构的表面可用不同的精度描述,采用局部搜索和全局形状模型的约束相结合得到三维人脸特征点的精确定位.对三维人脸的特征点进行定位的实验结果证明,该方法比其他基于曲率分析的方法具有更精确的定位精度.     

基于弱监督学习的细节三维人脸重建

人脸细节特征(如皱纹、沟壑等)在表达情感信息和提高模型真实感上起着重要作用，然而目前大多数细节重建算法忽略了人脸细节的复杂特性，以单一方法提取细节，无法兼顾细节重建质量和鲁棒性。为此，本文提出了一个基于弱监督学习的重建算法，使用基于三维人脸形变模型的粗略模型和UV空间的位移贴图来表示细节人脸。为提升网络的细节提取能力，在细节生成部分将人脸细节分为表情相关细节和表情无关细节，并根据两种细节的不同特性分别设计细节生成网络。为进一步提升重建细节的质量，设计了一组针对细节重建的多层级损失函数。最后在大量无标签的二维图像中以弱监督方式学习，实现基于单张图像的细节三维人脸重建。大量实验结果表明，本文算法在鲁棒性和细节重建质量上均有较好的表现。     

基于CASIA 3D的三维人脸数据预处理方法

针对三维人脸数据中可能存在的尖点、孔洞以及姿态变化等因素会造成人脸样本类内差异增加从而影响人脸识别系统精度的问题,提出一种三维人脸数据预处理方法.实验表明,通过切割、数据规整、平滑和姿态矫正使原来散乱的三维人脸点云数据变为规整的人脸点云数据,并可弱化噪声和冗余信息的干扰降低人脸样本的类内差异.     

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。