人臉檢測與基于視頻的人臉三維模型重建.pdf

1、創(chuàng)建逼真的三維人臉模型是計算機圖形學領域一個極富有挑戰(zhàn)性的課題，這一研究領域越來越受到人們的關注。本文主要研究由一段普通攝像頭拍攝的視頻文件，如何重建出細致的三維人臉模型(該視頻文件在非光照受控條件下拍攝，除了要求第一幀接近正面以外，人臉運動不受限制)。為了能讓人面模型重建過程自動進行，首先研究如何自動從視頻文件快速準確的檢測出人臉。文中對已有的boosting層結構做出了改進，提出了一種叫做boosting鏈的一般分類架構。在這個框架

2、中，首先引入鏈式結構使得在隨后的學習過程中能夠利用以往的歷史信息；接著，為了解決boosting學習過程中的冗余問題及層耦合中的門限調(diào)整問題，提出了一個線性優(yōu)化方案。接著研究如何從檢測出的人臉區(qū)域進行面部特征自動定標，提出了一種基于樣本學習的面部特征自動標定算法。給定一個手工標注了特征點的樣本集合，對任何一幅新的圖像，在樣本集合中確定最優(yōu)的表示該圖像灰度的圖像組合,以及組合的系數(shù)，就可根據(jù)這個圖像組合以及組合系數(shù)將新圖像的特征點標定。最

3、后在模型重建階段，研究了人臉生理結構特點的基礎上定義了人臉的特征點，并研究如何使用特征點數(shù)據(jù)進行三維人臉重建。 1.人臉特征點定義。主要研究內(nèi)容是確定真實人臉的特征點選取。這些特征點要求既能反映人臉的整體幾何結構，又能表示五官的局部特征和在人臉上位置分布。在研究了人臉的顱骨、肌肉組織特點的基礎上，給出了人臉特征點的定義及選取規(guī)則。 2.三維人臉重建。主要研究從特征點數(shù)據(jù)重建出特定人臉的三維模型。本文首先根據(jù)統(tǒng)計數(shù)據(jù)建立一

4、個一般人臉模型；接著采用模型變形的方法，對一般人臉進行修改變形，使其向特定人臉逼近；最后，通過人頭三維姿態(tài)估計和三維模型參數(shù)估計的迭代，利用二維特征點與三維特征點的映射對應關系，最終得到一個紋理豐富的細致人臉模型。 實驗中用VisualC實現(xiàn)模型重建系統(tǒng)。該系統(tǒng)具有人臉自動檢測、特征點自動標定、人頭三維姿態(tài)估計以及三維人臉模型重建功能。實驗結果表明，采用boosting鏈結構的人臉檢測算法,以及基于樣本學習的人臉特征標定算法,均