论文部分内容阅读
人脸三维点云模型在人脸识别、三维动画、虚拟现实等许多领域有着广泛的应用。在各种人脸三维点云重建技术中,双目立体视觉由于其实现灵活、配置要求低的特点而受到广泛的重视。立体匹配算法是双目立体视觉技术的核心,本文对这个影响重建精度的关键因素进行了深入的研究,结合现有的立体匹配算法,提出了两种实用的人脸三维点云重建算法:
1.一种基于引导点的从稀疏到稠密的两步匹配算法。算法首先以一种改进的种子点增长算法得到稀疏匹配结果;然后提出一种分段动态规划的方法,利用稀疏匹配的结果作为引导点来控制动态规划过程中视差搜索的范围。一方面加强了分段内的约束,分段的端点都是已知的稀疏匹配点,作为控制点从两端同时约束分段内的最优路径搜索过程,并加强了与邻近扫描线之间的约束;其次降低了分段之间的影响,特别在特征区域边界处,分段之间的视差变化较大,分开优化,避免了错误的传递和累积,提高了匹配的准确度。
2.一种加入了垂直约束的基于控制点的迭代扩散动态规划算法。动态规划法应用于立体匹配时,匹配结果和相邻约束网格结构的选取有很大关系。一维水平扫描线结构会出现熟知的条纹效应,为解决这个问题,首先加入了垂直方向的约束,将水平约束和垂直约束统一起来;同时还引入了控制点,从控制点开始向周围区域迭代扩散地进行优化,既可以充分地约束视差搜索的范围,又可以有效地降低计算复杂度,最重要的是有效地减轻了条纹效应,进一步提高了匹配的准确度,从而得到精度更高的重建结果。
基于上述匹配算法,实现了完整的获取人脸三维点云模型的系统,并针对实拍人脸图像对算法和系统的有效性进行了检验。实验结果表明,重建得到的人脸三维点云模型稠密且光滑逼真,准确度较高。