三維個性化建模技術(shù)是計算機視覺、虛擬現(xiàn)實等領(lǐng)域的一大研究熱點,京劇作為我國國粹,而對于京劇臉譜數(shù)字化的建模技術(shù)近幾年也受到了國內(nèi)外研究學(xué)者的關(guān)注,并取得了一定的研究成果。目前,關(guān)于個性化京劇臉譜的實現(xiàn)方法主要有兩個方向,一是臉譜妝容的二維投影的研究;另一個是矢量化臉譜紋樣的逐層建模。但是,以上兩種方法均基于臉譜紋樣矢量庫進行研究,存在著或真實感不足,或需要手工變形無法實時個性化等問題,因此,本文基于深度相機進行京劇臉譜的個性化研究,目的是讓個性化效果更加真實且可以實時驅(qū)動,研究內(nèi)容主要包括多幀人臉點云的配準(zhǔn)拼接、面部數(shù)據(jù)的檢測跟蹤以及個性化臉譜變形技術(shù)三個方面,具體研究內(nèi)容歸納如下:首先,設(shè)計了基于RGB圖像三維映射的點云AU(Action Unit)單元的區(qū)域劃分,并基于AU單元的快速點特征直方圖(Fast Point Feature Histograms,FPFH)進行點云粗配準(zhǔn)的方法。對于迭代最近點(Interative Closest Point,ICP)點云配準(zhǔn)方法的效率低問題,采用AU單元局部特征代替點云全局特征,提高特征提取的效率,并采用AU單元局部特征進行粗配準(zhǔn),解決I...

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及應(yīng)用
    1.3 研究目標(biāo)及主要內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 基于ICP算法的人臉重建方法
    2.1 人臉重建技術(shù)簡介
    2.2 REALSENSE D435 相關(guān)知識
        2.2.1 Realsense D435 背景知識
        2.2.2 Realsense D435 參數(shù)知識
    2.3 基于REALSENSE D435 的點云獲取
        2.3.1 單幀點云數(shù)據(jù)的獲取
        2.3.2 背景減除
    2.4 多幀點云配準(zhǔn)
        2.4.1 基于AU單元特征粗配準(zhǔn)
        2.4.2 基于ICP算法的細配準(zhǔn)
    2.5 本章小結(jié)
第三章 基于ADABOOST的實時特征點檢測方法
    3.1 算法流程
    3.2 基于深度信息的圖像預(yù)處理
    3.3 基于ADABOOST算法的人臉檢測
        3.3.1 算法概述
        3.3.2 圖像LBP的特征向量提取
        3.3.3 分類器訓(xùn)練與級聯(lián)
        3.3.4 人臉檢測結(jié)果
    3.4 人臉追蹤
    3.5 關(guān)鍵特征點提取
        3.5.1 AAM建模過程
        3.5.2 AAM匹配過程
    3.6 本章小結(jié)
第四章 基于BLENDSHAPE的個性化京劇臉譜建模方法
    4.1 基于LAPLACIAN算法的個性化京劇臉譜
        4.1.1 Laplacian算法原理
        4.1.2 Laplacian個性化京劇臉譜效果
    4.2 基于AU單元的京劇臉譜形狀基創(chuàng)建
        4.2.1 虛擬京劇臉譜的AU單元劃分
        4.2.2 基于AU單元劃分之后的臉譜形狀基
        4.2.3 BlendShape算法流程
    4.3 基于AU單元的個性化京劇臉譜形狀融合
    4.4 本章小結(jié)
第五章 個性化京劇臉譜系統(tǒng)設(shè)計與實現(xiàn)
    5.1 平臺搭建
        5.1.1 交互平臺設(shè)計目標(biāo)
        5.1.2 個性化臉譜交互平臺總體架構(gòu)
    5.2 個性化京劇臉譜系統(tǒng)實現(xiàn)
        5.2.1 系統(tǒng)流程
        5.2.2 AU單元參數(shù)映射
        5.2.3 個性化臉譜效果及分析
    5.3 本章小結(jié)
第六章 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻
在學(xué)期間的研究成果
致謝



本文編號：3758049