人的头发重建是计算机图形学领域长期研究内容之一,是虚拟现实、虚拟试衣、游戏角色造型等应用的关键技术。然而,头发几何复杂,发型多样,使得快速重建高精度头发模型仍充满着挑战。利用三维编辑软件进行头发建模不但要求专业的建模经验,而且枯燥耗时,难以在普通用户中普及。因为获取图片方便快捷,基于图片的头发重建技术具有广阔的应用前景,逐渐成为研究热点。其中基于三维头发体向量场表示的头发重建方法取得了较好的效果。体向量场既隐含了头发的空间分布信息也存储着局部的发丝方向,同时这样的体结构更容易与卷积操作相结合,充分发挥卷积神经网络的作用。然而生成高分辨的体向量场耗时长且占用大量内存。同时观察发型的形状特点,向量场内的头颅内部、上肩部分等许多位置都是空区域,不包含任何发丝。因此本文提出使用自适应八叉树结构对体向量场进行压缩,并设计了名为HAO-CNN的体向量场生成网络,实现自动化地从图片恢复头发三维结构。具体地,给定单幅图像输入,本文首先分割出头发区域,并进一步提取头发的发丝纹理信息,以及身体躯干图作为HAO-CNN的输入。然后HAO-CNN负责将头发特征映射到三维发型空间,并输出以自适应八叉树为表示的目标发型的体向量场。随后发丝生长算法将从三维体向量场恢复发丝得到最后发型结果。实验结果表明,本文所提出方法能够以单张图片为输入,得到符合原图发型外观并具有真实感的头发模型。相比其他基于三维向量场的神经网络方法,本方法花费更少的运行时间和内存空间。