论文部分内容阅读
三维人脸重建是计算机视觉的核心研究内容之一,它涉及的内容包括三维人脸识别、三维人脸动画、3D游戏仿真、虚拟现实等方面的应用。随着一大批人脸重建算法的涌现,近年来,三维人脸重建在许多应用领域取得了很好的成果,如医疗、刑侦、游戏、电影、动画等领域。现实应用对重建模型的精确度、算法效率、自动化程度方面的要求也不断提高,如何提高算法在这三个方面的表现是一直以来的研究目标。形变模型是当前最好的三维人脸重建算法,该模型同肌肉模型、参数模型、视觉模型等前期模型相比,具有真实感良好、自动化程度高的特点。与纯粹基于图片的重建算法相比,形变模型的优势有以下两点:(1)形变模型利用三维参考脸型建立概率分布模型,克服了“从X到形状”中出现的非人脸重建问题。(2)形变模型利用先验知识,将三维重建问题转换为一系列参数的优化问题,它能够容忍光照变化,在人脸出汗的情况下也能逼真建模。虽然形变模型有着其它算法无可比拟的优势,但是,它也存在着一些问题,主要表现在一下两个方面:(1)算法复杂度高,收敛速度慢。(2)建模的自动化程度不高,现有的建模算法主要将工作的重点集中在模型本身参数的调整上,因此,重建过程,要么依靠人的手动调整,要么需要初始时在匹配图片上面标注若干特征点。针对现有形变模型的问题,本论文的工作主要围绕两个方面展开:(1)针对原有形变模型在匹配阶段,使用随机梯度下降算法,本文分析了它的优势与不足。它的缺陷是在平坦地方收敛较慢,并且,容易陷入局部极值。通过引入一种基于共轭方向的随机梯度算法使得迭代的收敛速度更快,并且引进算法克服了原来算法的缺陷。(2)针对与现有算法自动化程度不高的问题,本文将人脸特征检测算法引入。通过对人脸、鼻子、眼睛特征的定位,给形变模型匹配过程一个初始化的外部参数。通过这个过程,原来需要人手动来完成的工作被机器替代。在某些极端的情况下,如人脸偏转在45度以上以及眼睛和鼻子的定位失败的情况下,依然可以使用手动标定。这种灵活的选择,使得确保算法精度和执行速度的同时,提高了算法自动化的程度。