基于AAM和因子化算法的人臉三維建模.pdf

1、從圖像序列中進(jìn)行物體三維信息的恢復(fù)是計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)領(lǐng)域的一個(gè)熱點(diǎn)研究課題。自從20世紀(jì)90年代以來(lái)，計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)技術(shù)的迅猛發(fā)展為三維人臉建模提供了技術(shù)支持，許多學(xué)者開(kāi)始嘗試建立逼真的三維人臉模型，并取得了顯著的成績(jī)。如今，三維人臉模型有著極為廣泛的應(yīng)用，如視頻電話、視頻會(huì)議、影視制作、電腦游戲、人臉識(shí)別等多個(gè)領(lǐng)域，而且隨著各方面技術(shù)的發(fā)展，三維人臉模型將會(huì)在各方面得到更深更廣的應(yīng)用。 三維人臉建模過(guò)程通常由

2、人臉三維數(shù)據(jù)的獲取、標(biāo)準(zhǔn)三維人臉建模和特定人臉建模三部分組成。三維數(shù)據(jù)的獲取屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，近年來(lái)隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，研究者們發(fā)展了一些適用于三維建模的數(shù)據(jù)獲取方法。通常提到人臉三維數(shù)據(jù)獲取的方法，就是指采用激光掃描儀的方法。激光掃描儀可以提供高精度的三維數(shù)據(jù)，但是該設(shè)備價(jià)格昂貴不適合推廣使用。 本文主要內(nèi)容就是研究如何在最經(jīng)濟(jì)的情況下獲得物體三維重構(gòu)的準(zhǔn)確數(shù)據(jù)。并進(jìn)行物體三維信息的恢復(fù)。 本文出發(fā)點(diǎn)：假設(shè)一個(gè)

3、剛性物體在圖像中的坐標(biāo)是該物體在被拍攝圖片時(shí)通過(guò)攝像頭到底片的一個(gè)二維映射。那么，當(dāng)給定同一個(gè)物體不同角度的二維映射坐標(biāo)之后，應(yīng)該有辦法從這些二維的信息中提取出深度信息，從而恢復(fù)出該物體的三維信息。如果這個(gè)方法成立，那么在三維數(shù)據(jù)的提取中，我們將不需要依賴于昂貴的掃描儀器來(lái)獲得數(shù)據(jù)。而是采用因子化方法把二維信息中的隱含三維信息提取出來(lái)。 AAM特征點(diǎn)定位：為了獲得圖像序列中準(zhǔn)確的特征點(diǎn)定位，手動(dòng)定位算法可能是最可靠的辦法，因?yàn)槿?/p>

4、腦的分析能力畢竟是任何機(jī)器也無(wú)法比擬的。但是考慮到在二維圖像上精確的特征點(diǎn)定位對(duì)于本文所用的方法的重要性，我們還是希望能有一種可靠的自動(dòng)提取算法，從而可以對(duì)整個(gè)圖像庫(kù)進(jìn)行定位處理。在嘗試了幾種特征提取算法后，我們采用了AAM方法用于特征點(diǎn)定位。 增強(qiáng)AAM算法的魯棒性：AAM算法依賴于圖像灰度的變化，因此在光照等外界因素的影響下，AAM魯棒性下降明顯。為了去除光照對(duì)圖像的干擾從而增強(qiáng)AAM算法魯棒性，本文研究了采用反射系數(shù)和LB

5、P等去除光照的替代紋理用于AAM算法的訓(xùn)練和定位識(shí)別。彈性物體和多目標(biāo)：如果被分析的目標(biāo)本身是彈性物體，或者目標(biāo)可以看作由幾個(gè)剛體組成，這時(shí)即可由擴(kuò)展因子化方法來(lái)恢復(fù)彈性物體或者剛體的深度信息。重構(gòu)的算法也由于形狀的非確定性和形狀基是否是退化基而使問(wèn)題變得更加復(fù)雜。本文最后一章分析了這一點(diǎn)。 最后，本文討論了利用因子化方法做細(xì)節(jié)深度信息提取，接近于提取紋理的三維信息，以達(dá)到更精細(xì)的三維重構(gòu)。 本文工作的主要?jiǎng)?chuàng)新思想和特色

6、有： 1、在剛體和非退化基的假設(shè)下，采用AAM定位算法實(shí)現(xiàn)了自動(dòng)定位圖像特征點(diǎn)，從而分析處理圖像序列，重構(gòu)目標(biāo)物體的三維仿射輪廓。通過(guò)實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地恢復(fù)目標(biāo)的三維信息。 2、采用了去光照的替代紋理方法進(jìn)行AAM建模，提高了特征點(diǎn)定位的魯棒性。通過(guò)在計(jì)算所光照庫(kù)上的實(shí)驗(yàn)表明定位的結(jié)果有了大幅提升，算法的魯棒性也提高了。 3、本文獨(dú)立推導(dǎo)了因子化在限定形狀和非退化基下的求解方法，并將因子化方法擴(kuò)展到更