本发明专利技术公开了一种三维头部模型重建方法,包括以下步骤:S1:输入人脸的正面和侧面图像;S2:提取图像面部和头发区域的特征点;S3:根据面部特征点形变生成三维头部模型;S4:根据图像生成无缝的全局头部纹理;S5:将所得纹理映射到形变三维头部模型上;S6:根据头发区域特征点,用昆氏曲面进行头发区域的拟合;S7:将昆氏曲面形变,并进行纹理贴图。本方法简便易行,计算复杂度低,在保证精度的前提下能很真实的重建三维头部模型。
【技术实现步骤摘要】
本专利技术涉及图形图像处理与计算机视觉领域,特别涉及一种。
技术介绍
三维头部重建被广泛的应用于多个领域,包含公共安全、虚拟现实、数字影视和日常生活等等。与二维图像相比而言,三维人脸数据能提供准确的人脸描述。三维人脸获取方法共有四大类(I)通过三维扫描仪获取三维人脸形状。三维扫描仪能精准的提取三维数据,有些扫描仪的精度可以达到0. 5_。但是扫描结果中通常都有漏点和飞点,也就是被遮挡的点和扫描的噪声点。这些点的去除需要用特定的三维数据编辑软件。缺点整个处理过程很复 杂,专业人员需要花费几个小时才能完成三维数据漏点的弥补和飞点的去除。除此之外,扫描仪的价格昂贵,这些都限制了利用三维扫描仪获取普通用户的三维头部模型数据。(2)基于立体视觉的三维人脸形状重建。此类方法通过目标人的两张或者多张图像进行三维重建。首先对所有视图或者通过相机的预先设定,或者通过特征点检测进行相机的自动定标,并进行特征点匹配。缺点不可避免的特征点匹配误差往往使得立体重建的结果有很大的噪声。这些噪声只能通过后期的形状约束或者对拍摄图像环境的限定来解决。(3)基于统计模型的三维人脸形状重建。此类方法通过对构建的三维数据库中的三维人脸样本进行统计学习,获得三维人脸样本的形状和纹理分布来对输入图像中的人脸进行三维重建。一般来说,此过程是一个优化问题,没有解析解。缺点该过程容易陷于局部极值,重建三维人脸时间较长,计算复杂度较高。(4)对标准三维人脸模型进行形变实现三维人脸重建。此类方法对输入图像进行特征点提取,通过调整标准三维人脸模型中的对应特征点的位置,插值其他非特征点对标准三维人脸模型进行形变。缺点传统的基于形变标准三维人脸模型实现三维人脸重建的方法只考虑面部重建,没有对发型的建模。有些能进行发型建模也是通过利用带有头发形状的标准三维头部模型形变所得的结果,这样做的缺点在于头发上的特征点的分布会影响到面部的形状,另外,基于侧面图像进行三维人脸重建时对于侧面光头轮廓的定位不准确,对于侧面输入图像中人脸的姿态适应性较差。
技术实现思路
(一 )要解决的技术问题本专利技术要解决的技术问题是提供一种,利用一张正面和一张侧面人脸图像进行该目标人的真实感三维头部模型重建。( 二 )技术方案本专利技术提供一种,包括以下步骤S1 :输入人脸的正面和侧面图像;S2 :提取图像面部和头发区域的特征点;S3 :根据面部特征点形变生成三维头部模型;S4 :根据图像生成无缝的全局头部纹理;S5 :将所得纹理映射到形变三维头部模型上;S6 :根据头发区域特征点,用昆氏曲面进行头发区域的拟合;S7 :将昆氏曲面形变,并进行纹理贴图。更好地,所述SI包括如下步骤S11 :利用Adaboost检测器对正面人脸图像和侧面人脸图像进行检测和分类;S12 :利用Graph-cut进行人脸区域和头发区域的分割。更好地,所述S2包括如下步骤S21 :利用主动形状模型进行正面和侧面人脸的特征点定位;S22 :根据侧面特征点定位结果,计算头顶,后脑勺和发际线三个特征点的位置;S23:将侧面图像进行仿射变换,提取发型轮廓特征点。更好地,所述S3包括如下步骤S31 :在标准三维头部模型上预先定义三维特征点 集;S32 :对正面图像所得特征点进行基于部件的插值获得相应的正面人脸特征轮廓,按照标准三维头部模型定义的特征点的分布对插值结果进行重采样,完成三维头部模型特征点与正面图像特征点的匹配;S33 :利用径向基函数基于所得的正面特征点对标准三维头部模型进行形变,获得形状模型Ml ;S34 :利用S33中的径向基函数基于所得的侧面特征点对标准三维头部模型进行形变,获得形状模型M2 ;S35 :从S33中的Ml中提取x值,从S34中的M2中提取z值,将Ml和M2中对应点的y值求平均获得最终的三维头部模型。更好地,所述S4包括如下步骤S41 :在标准三维头部模型上规定一系列图像融合边界点;S42 :通过形状重建过程,获得所述图像融合边界点在正面和侧面图像中的投影位置;S43 :对侧面图像进行分段仿射变换,使得形变后的侧面图像融合边界点投影位置与正面图像中对应的图像融合边界点的投影位置重合;S44 :给定图像融合边界,利用多分辨率融合技术进行输入图像的无缝纹理融合,另一侧的面部图像由输入侧面图像的水平镜像图像获得。更好地,利用所得的投影位置和纹理融合图像,对三维头部模型利用OpenGL进行纹理贴图。更好地,所述S6包括如下步骤S61 :按照头发区域的特征点将两幅输入图像中的发型轮廓进行分段,并用3阶Bezier曲线进行拟合;S62 :对两幅输入图像中相应的3阶Bezier曲线发型轮廓进行匹配,获得头发区域的三维发型轮廓;S63 :按照昆氏曲面公式,利用上述所得三维轮廓进行昆氏曲面重建。更好地,所述S7包括如下步骤S71 :为昆氏曲面的边界点在分割所得的发型轮廓上寻找对应点;S72 :按照所述对应点的分布,基于径向基函数将昆氏曲面进行形变,使所得发型形状更具有真实感;73 :将纹理图贴图到所得发型形状模型上。更好地,在S21中所述的特征点定位时间需要200ms,正面图像中自动定位88个特征点,侧面图像中自动定位39个特征点。更好地,所述的侧面图像特征点的自动定位还包括头顶,后脑勺和发际线3个点。(三)有益效果通过一张正面和一张侧面人脸图像面部和头发区域的特征点的自动提取,对采用的标准三维头部模型进行形变,并利用重建好的三维头部模型进行侧面图像的形变,采用多分辨率样条技术对正面和形变后的侧面图像进行无缝纹理融合并进行贴图以获得目标人的三维头部模型。在此基础上进行了发型区域的建模,使得重建三维头部模型具有更强的真实感。本方法简便易行,计算复杂度低,在保证精度的前提下能很真实的重建三维头部模型。附图说明图I是本专利技术的流程图;图2是本专利技术的特征点检测所得结果示例;图3是本专利技术的标准头部模型形变所得结果示例; 图4是本专利技术的标准头部模型圆柱展开并划分纹理映射区域的结果示例;图5是本专利技术的纹理重建所得结果示例;图6是本专利技术的三维头部模型纹理贴图所得结果示例;图7是本专利技术的三维头部发型昆氏曲面所得结果示例;图8是本专利技术的三维头部发型形变所得结果示例;图9是本专利技术的真实感三维头部模型重建所得最终结果示例。具体实施例方式下面结合附图和实施例,对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术,但不用来限制本专利技术的范围。图I是本专利技术的流程图,如图I所示,本专利技术包括以下步骤SI :输入人脸的正面和侧面图像;Sll :利用Adaboost检测器对正面人脸图像和侧面人脸图像进行检测和分类人脸检测的目的是自动检测输入图像中的人脸位置,本专利技术利用Adaboost对正面人脸图像和侧面人脸图像分别训练人脸检测器,自动检测正面和侧面人脸区域。Adaboost是一种较为常用的人脸检测器。它为每个训练样本设置一个权值,通过迭代过程不断的修改样本权值,以此来达到正确分类样本的权重适当降低,而被错分的样本的权重适当增加,从而使得较为难分的样本能更为正确的分类。S12 :利用Graph-cut进行人脸区域和头发区域的分割在人脸检测区域的基础上向外扩充一定范围,在所得两个子图像中利用Graph-cut进行人脸区域和头发区域的分割。Gr本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员:林源,王生进,桂良琰,丁晓青,
申请(专利权)人:清华大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。