人脸是人体中人们用来识别个体最重要的部位。人脸在信息交流和情感表达中扮演着重要角色,这促使众多研究者对人脸的刻画和描述产生极大的兴趣。随着计算机视觉和计算机图形学技术的发展,人类视觉系统对人脸及表情的识别察觉能力促使研究者思考如何使计算机视觉系统拥有同样的能力。为此,越来越多的研究者开始对人脸进行分析研究,三维人脸建模技术作为人脸研究中最重要的技术成为了研究的热点。随着研究的不断深入,三维人脸建模技术逐渐在信息对抗、人脸识别、人机交互、影视动画等诸多应用领域发挥越来越重要的作用,其应用前景越来越广泛,实际应用价值越来越大。在三维人脸建模中,基于形变模型的三维人脸建模是目前最重要且建模效果最好的三维人脸建模方法之一。形变模型可应用于人脸建模、人脸识别、人脸图像分析、表情克隆、人脸动画等诸多领域。然而形变模型的创建过程非常复杂,这对形变模型的广泛应用造成了很大的影响。论文针对阻碍形变模型广泛应用的困难问题,围绕如何在三维人脸样本数据中找到属于人脸区域的数据和如何实现三维人脸之间稠密对应展开研究。论文的主要工作和创新包括以下几个方面。(1)基于多角能量的三维人脸鼻尖点检测方法论文提出了一种基于多角能量的三维人脸鼻尖点检测方法。该方法不依赖曲率信息,不需要训练,能够应对三维人脸的大幅度旋转、遮挡、表情变化和人脸尺度大小的变化。该方法的核心是作者提出的多角能量的概念。利用多角能量,该方法计算尺度空间中每一个三维人脸数据点的多角能量值,然后以多角能量值从大到小的顺序对三维人脸数据点进行排序,并对排序表中最开始的m个点进行分层聚类。在获得的点簇中挑选出最大的h个点簇,利用球体拟合的思想,在这h个点簇中通过一个级联筛选过程找到多角能量值最大的点,该点被视为鼻尖候选点。尺度空间中每个尺度都拥有一个这样的鼻尖候选点。对这些鼻尖候选点再次进行分层聚类,计算最大点簇的平均多角能量值,多角能量值最接近该平均值的候选点即为鼻尖点。(2)基于眼角点检测和基于椭圆拟合的三维人脸定位方法为了在人脸样本数据中找到属于人脸区域的数据,论文提出了基于眼角点检测的三维人脸定位方法和基于椭圆拟合的三维人脸定位方法。在第一个方法中,利用修改的多角能量对三维人脸内眼角点进行检测,计算眼角点和鼻尖点之间的距离,以该距离为依据构建一个球心在鼻尖点且半径随三维人脸大小自适应变化的球体,利用该球体实现三维人脸定位。第二个方法将三维人脸定位转换到二维空间来实现。为了实现三维人脸定位的自动化,该方法定义了一种改进的合成力,结合三维人脸中间线及与之平行和垂直的等形线实现椭圆边界点的定位,然后利用椭圆边界点在二维空间上进行椭圆拟合,最后用拟合的椭圆截取二维人脸区域并将之转换回三维空间,由此实现三维人脸定位。(3)基于三级拟合的三维人脸配准方法论文提出了一种基于三级拟合的三维人脸配准方法。该方法首先根据人脸配准的特点引入了共形映射、正则、对应点和稀疏点四个约束能量项,利用这四个能量项构建最优化代价函数。接着将三维人脸配准过程分为粗粒度非线性拟合、细粒度线性拟合和最终精细化拟合三个级别。在粗粒度非线性拟合中将最优化代价函数表示为一个非线性最小二乘问题,利用变形图模型对该问题进行求解,得到粗粒度三维人脸配准结果。在此基础上进入细粒度线性拟合阶段,将最优化代价函数线性化,通过求解一个线性最小二乘问题得到细粒度三维人脸配准结果。最后,将正则能量项去除,在细粒度线性拟合的基础上进行最终精细化拟合,利用加权普鲁克分析得到最终的三维人脸配准结果。为了使三维人脸配准收敛时间大大减少,并使三维人脸配准结果更接近稠密对应的状态,论文还提出了一种基于莫比乌斯变换的三维人脸稀疏对应方法。该方法将欧式空间中三维人脸之间的稀疏对应问题转换为在莫比乌斯变换空间中为两个等距或近似等距的类0表面寻找对应关系的问题,通过莫比乌斯表决法为三维人脸建立稀疏对应关系。(4)基于人脸标志点的三维人脸稠密对应方法论文首先提出了一种不需要离线学习或训练的基于三维形状信息的三维人脸标志点定位方法。该方法不依赖三维人脸纹理信息,只需要分析三维人脸几何形状信息,利用三维人脸几何形状的全局约束和局部约束实现三维人脸标志点的定位。接着将经过人脸配准的三维人脸作为样本,利用三维人脸标志点之间天然存在的一一对应关系,构建约束能量项并将它加入到三级拟合的三维人脸配准过程中,利用三维参考人脸对经过人脸配准后的三维人脸重新进行配准,在人脸标志点一一对应的约束下实现三维人脸稠密对应。