融合深度卷積網(wǎng)絡(luò)和運動恢復結(jié)構(gòu)方法的三維人臉建模研究.pdf

1、隨著目前人工智能領(lǐng)域的迅速發(fā)展，三維人臉建模也逐漸成為當前計算機視覺和人機交互的研究和應用熱點。近些年，三維人臉重建的新方法也不斷出現(xiàn)，眾多三維人臉建模方法在采集人臉信息時，都需要人臉以固定的姿勢拍攝，因而限制了其應用的廣泛性和便利性。剛性運動恢復結(jié)構(gòu)算法(Rigid Structure from Motion RSFM)能夠從不同角度拍攝的物體視頻中恢復出物體的三維信息，該算法運用在三維人臉重建時，在不需要利用先驗的三維人臉信息的條件

2、下就可以重建出稀疏的三維人臉結(jié)構(gòu)，但是由于人臉是非剛性物體，采集到的人臉特征點的個數(shù)和精確度會很大程度上影響最終重建的三維人臉模型的魯棒性和真實感，而基于二維人臉圖片序列重建三維人臉模型的領(lǐng)域中，輸入的人臉圖片中人臉往往又存在著遮擋，光照和姿態(tài)變化等狀況，導致運動恢復結(jié)構(gòu)算法所運用到的特征點失真，所以與形變模型重建方法相比，完全基于人臉特征點的剛性運動恢復結(jié)構(gòu)的重建方法則對人臉特征點的精確性提出了更高的要求:第一，運動恢復結(jié)構(gòu)的研究對象

3、是序列特征點，所以基于剛性SFM算法的三維人臉重建效果對于特征點的準確度十分敏感、第二，剛性運動恢復結(jié)構(gòu)算法對于人臉稀疏結(jié)構(gòu)的求解為近似解、第三，稀疏結(jié)構(gòu)轉(zhuǎn)化為稠密結(jié)構(gòu)過程中特征點又會成為控制點，特征點依舊敏感，所以這三個問題特征點在整個過程中的精度會很大程度影響最終重建結(jié)果的真實感。近年來基于運動恢復結(jié)構(gòu)的算法也被不斷改進，本文在運動恢復結(jié)構(gòu)的算法基礎(chǔ)上，融合深度卷積網(wǎng)絡(luò)提取人臉特征點的算法，克服了該方法在三維人臉重建上的不足之處，具

4、體改進部分主要有以下幾個方面:
　　(1)融合深度卷積網(wǎng)絡(luò)提取人臉特征點的方法，本文采用任務限制性深度卷卷網(wǎng)絡(luò)提取包括遮擋，光照和姿態(tài)變化等復雜場景下的人臉特征點，較傳統(tǒng)算法特征點精度提高。
　　(2)在求解稀疏結(jié)構(gòu)時，針對圖像數(shù)越多，傳統(tǒng)因子分解法中利用方程組求得的修正矩陣，越難將旋轉(zhuǎn)矩陣完全修正為正交性矩陣的問題，本文提出利用旋轉(zhuǎn)矩陣的性質(zhì)求得修正矩陣，避免了方程組的求解問題。
　　(3)針對基于特征點重建方法過程