隨著科技的進步,三維人臉重建研究作為計算機圖形學、計算機視覺以及虛擬現(xiàn)實技術的重要研究內容,在游戲、影視及醫(yī)療等領域得到了廣泛的應用。傳統(tǒng)的三維人臉重建方法大多依賴三維掃描儀、多幅照片和雙目視覺設備獲取面部特征信息,再通過逼近優(yōu)化算法來完成人臉模型重建、修改和優(yōu)化,其成本昂貴、且重建過程復雜�；趩螐埗S圖像重建三維人臉是近幾年新的研究方向。本文針對基于二維圖像重建三維人臉中存在二維特征點提取不準確、三維特征點提取速度慢且三維模型形變真實感低等問題,主要研究工作如下:（1）針對當前二維特征點標定不準確及三維特征點標定速度慢的問題,本文對基于深度學習的二維特征點提取方法以及基于關鍵點由粗到精的三維特征點提取方法進行了改進。首先,以單張人臉圖像作為驅動,通過Adaboost算法進行人臉部位的檢測,降低了訓練工作量。其次,通過卷積神經網絡訓練模型提取二維人臉特征點。最后,通過結合深度圖和監(jiān)督學習方法將三維人臉特征點進行粗定位,結合多個局部描述子對人臉面部的特征點進行篩選,提高特征點提取的準確度,完成三維人臉特征點的選取。實驗結果表明,該方法提取的二維特征點準確度高,且提高了三維特征點提取效率... 

【文章頁數(shù)】：79 頁

【學位級別】：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
        1.1.1 課題來源
        1.1.2 課題研究背景
        1.1.3 課題研究意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文主要研究內容及章節(jié)安排
第二章 三維人臉重建的相關技術
    2.1 三維人臉重建技術
        2.1.1 參數(shù)化人臉重建技術
        2.1.2 基于生理肌肉特征的重建
        2.1.3 基于圖像的三維人臉重建技術
        2.1.4 基于模型的三維人臉重建技術
        2.1.5 基于深度學習的三維人臉重建
    2.2 人臉特征點提取技術
        2.2.1 基于模型的ASM和 AAM
        2.2.2 基于級聯(lián)回歸特征點定位
        2.2.3 基于深度學習的特征點提取
    2.3 三維人臉數(shù)據(jù)庫的介紹
    2.4 三維人臉數(shù)據(jù)庫的獲取
    2.5 本章小結
第三章 人臉特征點提取
    3.1 改進的基于深度學習的二維人臉特征點提取
        3.1.1 人臉檢測
        3.1.2 基于卷積神經網絡的模型構建
    3.2 改進的基于關鍵點由粗到精的三維特征點提取
        3.2.1 特征點粗定位
        3.2.2 特征點區(qū)域篩選
        3.2.3 特征點標記
    3.3 實驗結果分析
        3.3.1 二維特征點檢測結果分析
        3.3.2 三維特征點檢測結果分析
    3.4 本章小結
第四章 基于改進薄板樣條函數(shù)的三維人臉重建
    4.1 二維薄板樣條函數(shù)(TPS)
    4.2 改進的基于薄板樣條的三維人臉形狀重建
        4.2.1 三維稀疏人臉模型
        4.2.2 三維通用人臉模型的獲取
        4.2.3 改進的基于薄板樣條函數(shù)的三維人臉形變
    4.3 三維人臉的紋理映射
    4.4 實驗結果分析
        4.4.1 三維人臉重建時間對比分析
        4.4.2 三維人臉重建性能比較
        4.4.3 三維人臉重建真實感
    4.5 本章小結
第五章 三維人臉重建系統(tǒng)的設計與實現(xiàn)
    5.1 系統(tǒng)概述
    5.2 系統(tǒng)設計
        5.2.1 系統(tǒng)功能設計
    5.3 系統(tǒng)實現(xiàn)
        5.3.1 開發(fā)工具及編程環(huán)境
        5.3.2 三維人臉重建系統(tǒng)實現(xiàn)
    5.4 本章小結
第六章 總結與展望
    6.1 工作總結
    6.2 未來展望
參考文獻
攻讀碩士學位期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于多視角的高精度三維人臉重建[J]. 蔡麟,郭玉東,張舉勇.  計算機輔助設計與圖形學學報. 2020(02)
[2]基于二維紋理重建三維人臉深度圖像后的人臉識別[J]. 李睿,李科,孫家煒.  現(xiàn)代計算機(專業(yè)版). 2019(10)
[3]對人臉表情遷移與分析方法的探討[J]. 胡詩琦.  科技與創(chuàng)新. 2019(05)
[4]基于單幅正面照和統(tǒng)計模型的三維人臉重建方法研究[J]. 蘇越陽,萬靜,易軍凱.  北京化工大學學報(自然科學版). 2019(01)
[5]基于計算機視覺的牛臉輪廓提取算法及實現(xiàn)[J]. 蔡騁,宋肖肖,何進榮.  農業(yè)工程學報. 2017(11)
[6]改進的統(tǒng)計模型三維人臉特征點標定算法框架[J]. 陸焱,惠巧娟.  計算機工程與應用. 2016(24)
[7]基于改進Candide-3模型的眼部動畫建模[J]. 雷騰,侯進,王獻.  哈爾濱工程大學學報. 2015(04)
[8]基于關鍵特征點的人臉紋理映射[J]. 鄭青碧,毛自民.  計算機與數(shù)字工程. 2013(01)
[9]BJUT-3D三維人臉數(shù)據(jù)庫及其處理技術[J]. 尹寶才,孫艷豐,王成章,蓋赟.  計算機研究與發(fā)展. 2009(06)
[10]基于一般模型的單幅人臉照片三維重建[J]. 署光,姚莉秀,陳魯,楊杰.  上海交通大學學報. 2009(03)

博士論文
[1]基于形變模型的三維人臉建模方法研究[D]. 蓋赟.北京工業(yè)大學 2012

碩士論文
[1]基于局部特征的三維人臉特征點定位技術研究[D]. 成翔昊.東南大學 2018
[2]人臉特征點定位算法研究[D]. 賈項南.江南大學 2018
[3]基于卷積神經網絡的單視圖三維人臉重建技術研究[D]. 陳珂.武漢理工大學 2018
[4]基于雙目立體視覺的人臉三維建模方法研究[D]. 高潔.吉林大學 2017
[5]基于單張正面圖象的三維人臉建模研究[D]. 李想.蘇州大學 2016
[6]基于單張照片的三維人臉重建的研究[D]. 吳僑.電子科技大學 2016
[7]基于RGB-D數(shù)據(jù)的三維人臉建模及標準化[D]. 傅澤華.西南交通大學 2015
[8]基于單張照片的三維人臉建模及應用研究[D]. 林雪健.燕山大學 2014
[9]表情不變的三維人臉重構[D]. 胡陽明.南京航空航天大學 2013



本文編號：3706943