【摘要】：針對(duì)現(xiàn)有三維人臉采集技術(shù)對(duì)采集場(chǎng)景存在諸多限制,提出了自由場(chǎng)景下基于多張圖像的三維人臉建模技術(shù),并對(duì)其進(jìn)行了有效性驗(yàn)證。首先,提出一個(gè)姿態(tài)及深度值迭代計(jì)算模型,實(shí)現(xiàn)了特征點(diǎn)深度值的準(zhǔn)確估計(jì);然后,進(jìn)行了基于多張圖像的深度值融合及整體形狀建模;最后,將深度迭代優(yōu)化算法(IPDO)與目前最優(yōu)的非線性最小二乘法(NLS1_SR)在Bosphorus Database數(shù)據(jù)集上進(jìn)行了對(duì)比,建模精度提高了9%,所重建的三維人臉模型投影圖像與二維圖像具有較高的相似度。實(shí)驗(yàn)結(jié)果表明,在大姿態(tài)變化條件下,該識(shí)別算法借助三維信息相較于未借助的情況下,其識(shí)別率可以提高50%以上。
【圖文】：

題，是本文的研究?jī)?nèi)容。圖12D/3D跨模態(tài)及基于三維重建的2D/2D人臉識(shí)別方案對(duì)比Fig．1Cross-modality2D-3Dfacerecognitionvs．3Dassisted2D/2DfacerecognitionBlanz等［5］提出的三維形變模型(3DMorphableModel，3DMM)在三維人臉建模技術(shù)發(fā)展歷上具有里程碑意義。對(duì)3DMM的優(yōu)化、改進(jìn)也成為了該領(lǐng)域的一個(gè)熱點(diǎn)問(wèn)題:學(xué)者們分別從提高建模效率［6］、融入表情因素［7］、建立完整頭部模型［8］等角度對(duì)3DMM進(jìn)一步完善和發(fā)展。為了簡(jiǎn)化優(yōu)化過(guò)程，龔勛等［9］提出了基于特征點(diǎn)的算法，實(shí)現(xiàn)了采用單張圖像、快速的人臉建模。近年，Kemelmacher-Shlizerman等［10］基于人臉近似朗伯(Lambertain)凸表面的假設(shè)，利用球面諧波和一個(gè)三維人臉參考模型實(shí)現(xiàn)了單張人臉圖像的建模，并進(jìn)一步用互聯(lián)網(wǎng)圖片［11］和視頻［12］作為訓(xùn)練集恢復(fù)人臉形狀，但參考模型的選擇對(duì)建模結(jié)果有一定影響。從運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(StructureFromMotion，SFM)是三維重建的主流方法，近年在人臉建模方面取得了持續(xù)性的研究進(jìn)展。Lin等［13］利用5張相差近45°的圖像，實(shí)現(xiàn)了大范圍變化下高精度的人臉建模，但需要建模對(duì)象的配合;Gonzalez-Mora等［14］在SFM算法中引入線性人臉模型作為先驗(yàn)知識(shí)，以提高在噪聲、丟失信息情況下系統(tǒng)的魯棒性。還有一些專家通過(guò)多張圖像匹配點(diǎn)的對(duì)應(yīng)關(guān)系建立方程組，并用非線性最小二乘法求解關(guān)鍵點(diǎn)的深度值。本文在基于特征點(diǎn)的形變統(tǒng)計(jì)模型［15］的基礎(chǔ)上，在SFM框架下實(shí)現(xiàn)多張圖像的三維人臉建模，旨在進(jìn)一步提高特征點(diǎn)的深度值估計(jì)精度。1基于圖像的三維人臉形狀建模本文人臉建模思路采用兩步人臉建模(Two-StepFaceModeling，TSFM)方案［16］實(shí)現(xiàn)從粗到精的形狀建模。第1步計(jì)算特征點(diǎn)的

表2在BS數(shù)據(jù)集上不同姿態(tài)角下深度值估計(jì)精度的對(duì)比Tab．2ComparisonofaccuracyofdepthvalueestimationusingdifferentprofileimagesinBSdatabase算法PＲ_DPＲ_SDPＲ_SUPＲ_UYＲ_Ｒ10μ±stdGA0．19620．27870．55680．72830．51280．4546±0．2408NLS1_SＲ0．89160．86550．84540．85730．90160．8723±0．0236TSE0．96850．96730．96560．96750．96740．9671±0．0011IPDO0．96860．96740．96570．96770．96740．9672±0．0011為驗(yàn)證1．3節(jié)所提出的基于多張圖像的深度值融合策略的效果，在BS數(shù)據(jù)集上進(jìn)行了測(cè)試，結(jié)果如圖2所示，可以看到不同算法采用多張圖像均能夠有效提高估計(jì)效果，同樣地，IPDO能夠獲得最優(yōu)的結(jié)果，本文提出的兩個(gè)估計(jì)算法均優(yōu)于NLS算法。算法運(yùn)行時(shí)間對(duì)比如表3(表3中，NLS2為兩步優(yōu)化的非線性最小二乘(two-stepoptimizationofNonlinearLeast-Squares))，可以看到在沒(méi)有進(jìn)行代碼優(yōu)化的情況下，TSE和IPDO能夠具有較高的運(yùn)行效率。如1．2節(jié)所述，圖像旋轉(zhuǎn)角度估計(jì)會(huì)影響到深度值估計(jì)，進(jìn)一步測(cè)試了TSE和IPDO在X、Y、Z三個(gè)方向上旋轉(zhuǎn)角的估計(jì)誤差，，結(jié)果如圖3所示，可以看到由于IPDO進(jìn)行了迭代，角度估計(jì)的平均誤差和方差均小于TSE算法，從而也驗(yàn)證了迭代的有效性。圖2不同算法采用多張圖像的深度估計(jì)誤差Fig．2Comparisonofdepthestimationerrorofdifferentmethodsbyusingmultipleimages表3算法運(yùn)行時(shí)間(CPU2．7GHz，MEM4GB)Tab．3Timecostsofdifferentmethods(CPU2．7GHz，MEM4GB)M算法時(shí)間/sM算法時(shí)間/sGA50．09SLMO0．03NLS1_SＲ0．10TSE0．53NLS23．00IPDO1．72圖3角度估計(jì)平均誤差及方差Fig．3Angleestimationmeanerrorandvariance3．3三維人臉重建及三維信息在多姿態(tài)人臉匹配中的作用3．3．1三維人
【作者單位】： 四川大學(xué)錦城學(xué)院計(jì)算機(jī)科學(xué)與軟件工程系;西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61202191) 四川省教育廳自然科學(xué)重點(diǎn)課題(16ZA0422)~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳通理;鄭建德;;三維人臉識(shí)別及其關(guān)鍵技術(shù)[J];福建電腦;2007年02期

2 楊臻;管業(yè)鵬;朱秋煜;;一種自動(dòng)魯棒的三維人臉重建方法[J];微計(jì)算機(jī)信息;2007年31期

3 李健;師永剛;;基于標(biāo)準(zhǔn)模型的三維人臉建模與控制[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

4 羅恒希;陳雷霆;何明耘;;利用對(duì)稱性實(shí)現(xiàn)三維人臉姿態(tài)的自動(dòng)估計(jì)[J];計(jì)算機(jī)應(yīng)用研究;2008年07期

5 王躍明;潘綱;吳朝暉;;三維人臉識(shí)別研究綜述[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2008年07期

6 胡異丁;朱斌;甘俊英;;基于三維人臉建模的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年07期

7 鄧秋平;趙宇明;;基于單幅正面照片的三維人臉重建方法[J];計(jì)算機(jī)工程;2010年20期

8 李曄;王映輝;劉晶;;基于脊谷特征提取的三維人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2011年12期

9 劉篤晉;孫淑霞;李思明;;一種新的單張照片三維人臉重建方法[J];計(jì)算機(jī)仿真;2011年09期

10 陸濤;譚曉陽(yáng);;改進(jìn)的三維人臉稠密對(duì)齊方法[J];電子科技;2012年07期

相關(guān)會(huì)議論文 前7條

1 劉媛媛;孔德慧;尹寶才;;一種真實(shí)感三維人臉編輯算法[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

2 林增剛;張艷寧;郭哲;;一種有效的三維人臉識(shí)別方法[A];第十二屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2008年

3 潘仁林;達(dá)飛鵬;鄒紅艷;王朝陽(yáng);;基于面部曲線彈性匹配的三維人臉識(shí)別方法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

4 剛強(qiáng);劉萬(wàn)春;朱玉文;;三維人臉真實(shí)感表情的生成[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

5 王元春;劉躍虎;李W毘

本文編號(hào)：2537091