基于双目立体视觉和形变模型的人脸三维重建研究

发布日期:2018年7月20日
基于双目立体视觉和形变模型的人脸三维重建研究 基于双目立体视觉和形变模型的人脸三维重建研究

本内容试读结束

下载后可阅读完整内容,立即下载

人类通常对事物的感知是从三维的角度出发,要求计算机也能够利用二维人脸图像自动重建相应的三维形状模型。双目下基于形变模型的人脸三维重建,是通过SIFT算法进行特征点匹配、视差计算得到三维坐标,将三维坐标直接应用于人脸形变模型,克服了传统方法寻找二维与三维坐标的大致转换关系,精度低的缺点,从而重建出具有较强真实感的三维人脸模型。

人类通常对事物的感知是从三维的角度出发的,而且由于人类特殊的视觉系统,即使是二维的人脸照片,人类也能自动生成其三维形状。如果计算机可以模拟实现和人类视觉系统相同的功能,那么计算机对人脸图像的认知、检索和分辨能力都将有很大的提高。而这就要求计算机能够利用二维人脸图像自动重建相应的三维形状模型[1]。

人脸三维重建技术改变了传统的人脸图像检索和识别手段,可以根据实际需求模拟出各种情况下的人脸状态。而且三维模型比普通的二维图像更接近真实状态,能够更好地模拟实际情况,更便于理解和操作。迄今为止,在国内和国外仍然有很多研究机构都在进行三维人脸建模的研究工作,目前人脸三维模型已经广泛应用在医学手术、三维动画制作、人脸识别、视频通话等领域[2]。人脸三维模型的重建已成为计算机视觉的一个重要研究领域和挑战性课题。关于人脸三维重建的方法较多,结合双目立体视觉和形变模型的优势,本文提出了一种实现人脸三维重建的方法。

2. 系统组成 本系统由七部分组成,分别是相机标定功能、图像获取功能、图像处理功能、图像校正功能、人脸鉴别功能、人脸匹配功能和三维重建功能(图1)。相机标定使用鲁棒性和准确性较高的张正友标定方法;实验使用图像通过硬件工业相机模拟双目进行获取;利用滤波技术将图像进行初步处理,以减少噪音, 突出边界等作用,配合标定出的相机内外参数,对图像进行畸变和立体校正;人脸识别使用。

3. 识别算法与重建 3.1. 匹配算法 SIFT 算法是David Lowe 于1999 年提出的基于局部区域的特征描述子,能同时解决两幅图像之间发生的各种任意的旋转和平移,以及不同角度的仿射变换等情况下的匹配问题;另外SIFT 扩展性强,可以很方便的与其他形式的特征向量进行联合[3]。

SIFT 特征匹配分为三个工序:提取关键点,生成特征描述器,特征点匹配。SIFT 算法先求解图像每



相关标签