基于AAM和因子化算法的人臉三維建模.pdf

1、從圖像序列中進行物體三維信息的恢復是計算機視覺和計算機圖形學領域的一個熱點研究課題。自從20世紀90年代以來，計算機視覺和計算機圖形學技術的迅猛發(fā)展為三維人臉建模提供了技術支持，許多學者開始嘗試建立逼真的三維人臉模型，并取得了顯著的成績。如今，三維人臉模型有著極為廣泛的應用，如視頻電話、視頻會議、影視制作、電腦游戲、人臉識別等多個領域，而且隨著各方面技術的發(fā)展，三維人臉模型將會在各方面得到更深更廣的應用。 三維人臉建模過程通常由

2、人臉三維數(shù)據(jù)的獲取、標準三維人臉建模和特定人臉建模三部分組成。三維數(shù)據(jù)的獲取屬于計算機視覺領域，近年來隨著計算機視覺技術的發(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)，但是該設備價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)濟的情況下獲得物體三維重構的準確數(shù)據(jù)。并進行物體三維信息的恢復。 本文出發(fā)點：假設一個

3、剛性物體在圖像中的坐標是該物體在被拍攝圖片時通過攝像頭到底片的一個二維映射。那么，當給定同一個物體不同角度的二維映射坐標之后，應該有辦法從這些二維的信息中提取出深度信息，從而恢復出該物體的三維信息。如果這個方法成立，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。 AAM特征點定位：為了獲得圖像序列中準確的特征點定位，手動定位算法可能是最可靠的辦法，因為人

4、腦的分析能力畢竟是任何機器也無法比擬的。但是考慮到在二維圖像上精確的特征點定位對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提取算法，從而可以對整個圖像庫進行定位處理。在嘗試了幾種特征提取算法后，我們采用了AAM方法用于特征點定位。 增強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。為了去除光照對圖像的干擾從而增強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算法的訓練和定位識別。彈性物體和多目標：如果被分析的目標本身是彈性物體，或者目標可以看作由幾個剛體組成，這時即可由擴展因子化方法來恢復彈性物體或者剛體的深度信息。重構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題變得更加復雜。本文最后一章分析了這一點。 最后，本文討論了利用因子化方法做細節(jié)深度信息提取，接近于提取紋理的三維信息，以達到更精細的三維重構。 本文工作的主要創(chuàng)新思想和特色

6、有： 1、在剛體和非退化基的假設下，采用AAM定位算法實現(xiàn)了自動定位圖像特征點，從而分析處理圖像序列，重構目標物體的三維仿射輪廓。通過實驗結果表明，該方法能夠有效地恢復目標的三維信息。 2、采用了去光照的替代紋理方法進行AAM建模，提高了特征點定位的魯棒性。通過在計算所光照庫上的實驗表明定位的結果有了大幅提升，算法的魯棒性也提高了。 3、本文獨立推導了因子化在限定形狀和非退化基下的求解方法，并將因子化方法擴展到更