專利名稱：三維頭部模型重建方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖形圖像處理與計算機視覺領(lǐng)域，特別涉及一種三維頭部模型重建方法。
背景技術(shù)：
三維頭部重建被廣泛的應(yīng)用于多個領(lǐng)域，包含公共安全、虛擬現(xiàn)實、數(shù)字影視和日常生活等等。與二維圖像相比而言，三維人臉數(shù)據(jù)能提供準(zhǔn)確的人臉描述。三維人臉獲取方法共有四大類(I)通過三維掃描儀獲取三維人臉形狀。三維掃描儀能精準(zhǔn)的提取三維數(shù)據(jù)，有些掃描儀的精度可以達到0. 5_。但是掃描結(jié)果中通常都有漏點和飛點，也就是被遮擋的點和掃描的噪聲點。這些點的去除需要用特定的三維數(shù)據(jù)編輯軟件。缺點整個處理過程很復(fù) 雜，專業(yè)人員需要花費幾個小時才能完成三維數(shù)據(jù)漏點的彌補和飛點的去除。除此之外，掃描儀的價格昂貴，這些都限制了利用三維掃描儀獲取普通用戶的三維頭部模型數(shù)據(jù)。(2)基于立體視覺的三維人臉形狀重建。此類方法通過目標(biāo)人的兩張或者多張圖像進行三維重建。首先對所有視圖或者通過相機的預(yù)先設(shè)定，或者通過特征點檢測進行相機的自動定標(biāo)，并進行特征點匹配。缺點不可避免的特征點匹配誤差往往使得立體重建的結(jié)果有很大的噪聲。這些噪聲只能通過后期的形狀約束或者對拍攝圖像環(huán)境的限定來解決。(3)基于統(tǒng)計模型的三維人臉形狀重建。此類方法通過對構(gòu)建的三維數(shù)據(jù)庫中的三維人臉樣本進行統(tǒng)計學(xué)習(xí)，獲得三維人臉樣本的形狀和紋理分布來對輸入圖像中的人臉進行三維重建。一般來說，此過程是一個優(yōu)化問題，沒有解析解。缺點該過程容易陷于局部極值，重建三維人臉時間較長，計算復(fù)雜度較高。(4)對標(biāo)準(zhǔn)三維人臉模型進行形變實現(xiàn)三維人臉重建。此類方法對輸入圖像進行特征點提取，通過調(diào)整標(biāo)準(zhǔn)三維人臉模型中的對應(yīng)特征點的位置，插值其他非特征點對標(biāo)準(zhǔn)三維人臉模型進行形變。缺點傳統(tǒng)的基于形變標(biāo)準(zhǔn)三維人臉模型實現(xiàn)三維人臉重建的方法只考慮面部重建，沒有對發(fā)型的建模。有些能進行發(fā)型建模也是通過利用帶有頭發(fā)形狀的標(biāo)準(zhǔn)三維頭部模型形變所得的結(jié)果，這樣做的缺點在于頭發(fā)上的特征點的分布會影響到面部的形狀，另外，基于側(cè)面圖像進行三維人臉重建時對于側(cè)面光頭輪廓的定位不準(zhǔn)確，對于側(cè)面輸入圖像中人臉的姿態(tài)適應(yīng)性較差。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是提供一種三維頭部模型重建方法，利用一張正面和一張側(cè)面人臉圖像進行該目標(biāo)人的真實感三維頭部模型重建。( 二 )技術(shù)方案本發(fā)明提供一種三維頭部模型重建方法，包括以下步驟S1 :輸入人臉的正面和側(cè)面圖像；S2 :提取圖像面部和頭發(fā)區(qū)域的特征點；S3 :根據(jù)面部特征點形變生成三維頭部模型；S4 :根據(jù)圖像生成無縫的全局頭部紋理；S5 :將所得紋理映射到形變?nèi)S頭部模型上；S6 :根據(jù)頭發(fā)區(qū)域特征點，用昆氏曲面進行頭發(fā)區(qū)域的擬合；S7 :將昆氏曲面形變，并進行紋理貼圖。更好地,所述SI包括如下步驟S11 :利用Adaboost檢測器對正面人臉圖像和側(cè)面人臉圖像進行檢測和分類；S12 :利用Graph-cut進行人臉區(qū)域和頭發(fā)區(qū)域的分割。更好地，所述S2包括如下步驟S21 :利用主動形狀模型進行正面和側(cè)面人臉的特征點定位；S22 :根據(jù)側(cè)面特征點定位結(jié)果，計算頭頂，后腦勺和發(fā)際線三個特征點的位置；
S23:將側(cè)面圖像進行仿射變換，提取發(fā)型輪廓特征點。更好地，所述S3包括如下步驟S31 :在標(biāo)準(zhǔn)三維頭部模型上預(yù)先定義三維特征點 集；S32 :對正面圖像所得特征點進行基于部件的插值獲得相應(yīng)的正面人臉特征輪廓，按照標(biāo)準(zhǔn)三維頭部模型定義的特征點的分布對插值結(jié)果進行重采樣，完成三維頭部模型特征點與正面圖像特征點的匹配；S33 :利用徑向基函數(shù)基于所得的正面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型Ml ；S34 :利用S33中的徑向基函數(shù)基于所得的側(cè)面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型M2 ；S35 :從S33中的Ml中提取x值，從S34中的M2中提取z值，將Ml和M2中對應(yīng)點的y值求平均獲得最終的三維頭部模型。更好地，所述S4包括如下步驟S41 :在標(biāo)準(zhǔn)三維頭部模型上規(guī)定一系列圖像融合邊界點；S42 :通過形狀重建過程，獲得所述圖像融合邊界點在正面和側(cè)面圖像中的投影位置；S43 :對側(cè)面圖像進行分段仿射變換，使得形變后的側(cè)面圖像融合邊界點投影位置與正面圖像中對應(yīng)的圖像融合邊界點的投影位置重合；S44 :給定圖像融合邊界，利用多分辨率融合技術(shù)進行輸入圖像的無縫紋理融合，另一側(cè)的面部圖像由輸入側(cè)面圖像的水平鏡像圖像獲得。更好地，利用所得的投影位置和紋理融合圖像，對三維頭部模型利用OpenGL進行紋理貼圖。更好地，所述S6包括如下步驟S61 :按照頭發(fā)區(qū)域的特征點將兩幅輸入圖像中的發(fā)型輪廓進行分段，并用3階Bezier曲線進行擬合；S62 :對兩幅輸入圖像中相應(yīng)的3階Bezier曲線發(fā)型輪廓進行匹配，獲得頭發(fā)區(qū)域的三維發(fā)型輪廓；S63 :按照昆氏曲面公式，利用上述所得三維輪廓進行昆氏曲面重建。更好地，所述S7包括如下步驟S71 :為昆氏曲面的邊界點在分割所得的發(fā)型輪廓上尋找對應(yīng)點；S72 :按照所述對應(yīng)點的分布，基于徑向基函數(shù)將昆氏曲面進行形變，使所得發(fā)型形狀更具有真實感；73 :將紋理圖貼圖到所得發(fā)型形狀模型上。更好地，在S21中所述的特征點定位時間需要200ms，正面圖像中自動定位88個特征點，側(cè)面圖像中自動定位39個特征點。更好地，所述的側(cè)面圖像特征點的自動定位還包括頭頂，后腦勺和發(fā)際線3個點。(三)有益效果通過一張正面和一張側(cè)面人臉圖像面部和頭發(fā)區(qū)域的特征點的自動提取，對采用的標(biāo)準(zhǔn)三維頭部模型進行形變，并利用重建好的三維頭部模型進行側(cè)面圖像的形變，采用多分辨率樣條技術(shù)對正面和形變后的側(cè)面圖像進行無縫紋理融合并進行貼圖以獲得目標(biāo)人的三維頭部模型。在此基礎(chǔ)上進行了發(fā)型區(qū)域的建模，使得重建三維頭部模型具有更強的真實感。本方法簡便易行，計算復(fù)雜度低，在保證精度的前提下能很真實的重建三維頭部模型。


圖I是本發(fā)明三維頭部模型重建方法的流程圖；圖2是本發(fā)明三維頭部模型重建方法的特征點檢測所得結(jié)果示例；圖3是本發(fā)明三維頭部模型重建方法的標(biāo)準(zhǔn)頭部模型形變所得結(jié)果示例； 圖4是本發(fā)明三維頭部模型重建方法的標(biāo)準(zhǔn)頭部模型圓柱展開并劃分紋理映射區(qū)域的結(jié)果示例；圖5是本發(fā)明三維頭部模型重建方法的紋理重建所得結(jié)果示例；圖6是本發(fā)明三維頭部模型重建方法的三維頭部模型紋理貼圖所得結(jié)果示例；圖7是本發(fā)明三維頭部模型重建方法的三維頭部發(fā)型昆氏曲面所得結(jié)果示例；圖8是本發(fā)明三維頭部模型重建方法的三維頭部發(fā)型形變所得結(jié)果示例；圖9是本發(fā)明三維頭部模型重建方法的真實感三維頭部模型重建所得最終結(jié)果示例。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。圖I是本發(fā)明三維頭部模型重建方法的流程圖，如圖I所示，本發(fā)明包括以下步驟SI :輸入人臉的正面和側(cè)面圖像；Sll :利用Adaboost檢測器對正面人臉圖像和側(cè)面人臉圖像進行檢測和分類人臉檢測的目的是自動檢測輸入圖像中的人臉位置，本發(fā)明利用Adaboost對正面人臉圖像和側(cè)面人臉圖像分別訓(xùn)練人臉檢測器，自動檢測正面和側(cè)面人臉區(qū)域。Adaboost是一種較為常用的人臉檢測器。它為每個訓(xùn)練樣本設(shè)置一個權(quán)值，通過迭代過程不斷的修改樣本權(quán)值，以此來達到正確分類樣本的權(quán)重適當(dāng)降低,而被錯分的樣本的權(quán)重適當(dāng)增加，從而使得較為難分的樣本能更為正確的分類。S12 :利用Graph-cut進行人臉區(qū)域和頭發(fā)區(qū)域的分割在人臉檢測區(qū)域的基礎(chǔ)上向外擴充一定范圍，在所得兩個子圖像中利用Graph-cut進行人臉區(qū)域和頭發(fā)區(qū)域的分割。Graph-cut是一種能量函數(shù)最小化的優(yōu)化算法，目前被廣泛應(yīng)用于圖像分割領(lǐng)域。S2 :提取面部和頭發(fā)區(qū)域的特征點；S21 :利用主動形狀模型自動進行正面和側(cè)面人臉的特征點定位。主動形狀模型是一種較為成熟的人臉特征點定位算法，具有準(zhǔn)確、快速的特點。對于640*480的人臉圖像進行特征點定位所需時間大概為200ms。本發(fā)明在正面圖像中自動定位88個特征點,側(cè)面圖像中自動定位39個特征點。此夕卜，在側(cè)面圖像中還需自動定位頭頂，后腦勺和發(fā)際線3點。S22:根據(jù)側(cè)面特征點定位結(jié)果，基于對訓(xùn)練庫的主成分分析計算側(cè)面圖像中頭頂，后腦勺和發(fā)際線三個特征點的位置。此三點可以從大體上描述所重建的三維頭部模型的光頭形狀。提取過程如下(I)在訓(xùn)練數(shù)據(jù)庫上標(biāo)注此三點的位置。首先，在標(biāo)準(zhǔn)三維頭部模型上定義這三個特征點。其次，根據(jù)側(cè)面39個特征點重建三維頭(詳見步驟34)，之后將其投影到訓(xùn)練圖像上。最后，對于投影后的上述三個特征點進行交互式的位置調(diào)整。基于此，完成此三點的標(biāo)注。(2)在訓(xùn)練數(shù)據(jù)庫上建立關(guān)于此42個特征點的主成分分析模型，獲得平均形狀模型和特征向量。 (3)對于輸入的側(cè)面圖像，首先將檢測到的39個特征點利用剛性變換匹配到相應(yīng)的39點平均形狀模型的上，之后確定各特征分量所需權(quán)值，基于此加權(quán)全部42點特征向量，進行與此前相反的剛性變換，即可以獲得該圖像中頭頂，后腦勺和后發(fā)際線點的位置。該過程中步驟(I)和步驟(2)是離線完成的，針對不同的輸入圖像僅需要進行一次。S23 :將側(cè)面圖像進行仿射變換，提取發(fā)型輪廓特點；在此步驟中，將在正面圖像和側(cè)面圖像中各自定義6個頭發(fā)區(qū)域的特征點，規(guī)則如下Pof和Ptjs是分別是正面圖像和側(cè)面圖像中的最高點，將圖像進行適當(dāng)?shù)钠揭谱儞Q使得二者具有相同的y值。Pif是正面圖像內(nèi)測發(fā)型輪廓的最高值，Pis是側(cè)面圖像上與Pif具有相同y值的發(fā)型輪廓特征點。Pitjs是側(cè)面圖像中人臉輪廓跟發(fā)型輪廓的交點。與之具有相同y值的正面圖像中兩個發(fā)型輪廓點分別記為=Pls跟pf3。側(cè)面圖像中與Ptjs具有相同X值的輪廓特征點記為Ptjps與Ptjps具有相同y值的兩個正面發(fā)型輪廓特征點記為Pls跟Pf4P5s是側(cè)面圖像中最低點，P6s是頭發(fā)后側(cè)拐角點。所得面部與發(fā)型特征點定位結(jié)果如圖2所示。其中，兩組發(fā)型輪廓點將發(fā)型區(qū)域共分成前后左右四個子區(qū)域。每個子區(qū)域都會在第6步中利用昆氏曲面進行擬合。S3 :根據(jù)面部特征點形變生成三維頭部模型；S31 :在標(biāo)準(zhǔn)三維頭部模型上預(yù)先定義一個三維特征點集；S32:對正面圖像所得特征點進行基于部件的插值獲得相應(yīng)的正面人臉特征輪廓，按照標(biāo)準(zhǔn)三維頭部模型定義的特征點的分布對插值結(jié)果進行重采樣，完成三維頭部模型特征點與正面圖像特征點的匹配；S33 :利用徑向基函數(shù)基于所得的正面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型Ml ；S34 :利用徑向基函數(shù)基于所得的側(cè)面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型M2 ；下面以側(cè)面圖像進行標(biāo)準(zhǔn)頭形變?yōu)槔榻B形變方法。假設(shè)標(biāo)準(zhǔn)三維頭部模型上特征點集為Ivf^i G [l，n]}，N為特征點的個數(shù)，標(biāo)準(zhǔn)三維頭部模型上頂點&進行頭部形變之后的位置中)由下式給出Nvp] =- vM + as+ bsx + J G [!,M](I)
i=l其中M 為標(biāo)準(zhǔn)頭的頂點個數(shù),x = Pj(3) ,y = Pj (2)。(r) = exp (~k| |r | |)為徑向基函數(shù)，其中k與輸入圖像的大小有關(guān)。ayiG [l，N]，as，bs，cs是形變及仿射參數(shù)。利用標(biāo)準(zhǔn)頭上的三維特征點及其圖像匹配點的分布，可以獲得形變和仿射參數(shù)，進而可利用(I)式獲得該目標(biāo)人的三維頭部形狀模型。S35 :從S33中的Ml中提取x值，從S34中的M2中提取z值，將Ml和M2中對應(yīng)點的I值求平均獲得最終的三維頭部模型，所得結(jié)果見圖3。 S4 :根據(jù)圖像生成無縫的全局頭部紋理；S41 :在標(biāo)準(zhǔn)三維頭部模型上規(guī)定一系列的圖像融合邊界點。在標(biāo)準(zhǔn)頭的圓柱投影的展開圖中，連接特征形變點形成特征形變線，他們將頭部劃分成左，中，右三個區(qū)域。記錄每個三維頂點所在區(qū)域。對于劃分到左側(cè)和右側(cè)區(qū)域的三維點，采用側(cè)面紋理信息進行貼圖。對應(yīng)中間部分的三維點采用正面紋理信息進行貼圖。標(biāo)準(zhǔn)三維頭部模型的展開圖以及區(qū)域劃分結(jié)果如圖4所示。S42 :通過上述形狀重建過程，獲得這些圖像融合邊界點在正面和側(cè)面圖像中的投
影位置。S43 :對側(cè)面圖像進行分段仿射變換，使得形變后的側(cè)面圖像融合邊界點投影位置與正面圖像中對應(yīng)的圖像融合邊界點的投影位置重合。以此同時，可以根據(jù)側(cè)面圖像的分段仿射變換，重新定位三維頭在形變后側(cè)面上的投影位置。S44:給定圖像融合邊界，利用多分辨率融合技術(shù)進行輸入圖像的無縫紋理融合，另一側(cè)的面部圖像由輸入側(cè)面圖像的水平鏡像圖像獲得，所得結(jié)果見圖5。在此基礎(chǔ)上，更新三維頭上所有頂點在合成紋理圖上的紋理坐標(biāo)。S5 :將所得的紋理映射到形變后的三維頭部模型上。利用上一步所得的投影位置和生成的紋理融合圖像，對三維頭利用OpenGL對進行紋理貼圖，所得結(jié)果見圖6。OpenGL是一個開放的三維圖形軟件包，它獨立于窗口系統(tǒng)和操作系統(tǒng)，以它為基礎(chǔ)開發(fā)的應(yīng)用程序可以十分方便地在各種平臺間移植。S6 :根據(jù)頭發(fā)區(qū)域的特征點，用昆氏曲面進行頭發(fā)區(qū)域的擬合；S61 :按照頭發(fā)區(qū)域的特征點將兩幅輸入圖像中的發(fā)型輪廓進行分段，并用3階Bezier曲線進行擬合，也就是說，利用分段后相鄰的兩個間隔點作為3階Bezier曲線最外側(cè)的兩個控制點，之后利用最小二乘法(最小二乘法是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小)確定該曲線另外兩個控制點的位置。Bezier曲線(貝塞爾曲線)是電腦圖形學(xué)中相當(dāng)重要的參數(shù)曲線。3階貝塞爾曲線的四個控制點匕、Pi、P2、P3在平面或在三維空間中定義了 3階貝塞爾曲線。曲線起始于Ptl走向P1，并從P2的方向來到P3。一般不會經(jīng)過P1或P2 ;這兩個點只是在那里提供方向資訊。P。和P1之間的間距，決定了曲線在轉(zhuǎn)而趨進P3之前，走向P2方向的“長度有多長”。S62 :對兩幅輸入圖像中的相應(yīng)的3階Bezier曲線發(fā)型輪廓進行匹配(前期工作已經(jīng)保證了兩幅圖像中相同物理點I值相同，因此可以利用I值進行相應(yīng)發(fā)型輪廓線的匹配)，獲得頭發(fā)區(qū)域的三維發(fā)型輪廓。
S63:按照昆氏曲面公式，利用上述所得三維輪廓進行昆氏曲面重建。具體地說，三維輪廓線將發(fā)型區(qū)域共分成前后左右四個子區(qū)域，每個發(fā)型子區(qū)域都利用一個昆氏曲面進行重建。昆氏曲面以上述步驟獲得的首尾相接的四條輪廓線為邊界，以相鄰輪廓線的交點為頂點，即可利用其表達式獲得該曲面。此曲面是一個參數(shù)曲面，可以通過對其邊界點個數(shù)的控制，在該曲面上采樣出不同密度的三維點集。將全部四個子區(qū)域的三維點組合后，利用德勞內(nèi)三角剖分建立該點集內(nèi)部點與點之間的連接關(guān)系，獲得一個三維三角網(wǎng)格，以此表示最初的三維發(fā)型模型。此步驟所得結(jié)果見圖7。S7 :將昆氏曲面形變，并進行紋理貼圖。一般來說，昆氏曲面都較為光滑，對于發(fā)型的表達能力有限，本發(fā)明在此基礎(chǔ)上對此曲面進行形變，使得其與輸入圖像中的發(fā)型盡量一致。、
S71 :為昆氏曲面的邊界點在分割所得的發(fā)型輪廓上找對應(yīng)點。選取對應(yīng)點有兩個準(zhǔn)則保持原有拓撲結(jié)構(gòu)和盡量貼近真實發(fā)型。S72:按照對應(yīng)點的分布，與三維頭部形變模型相似，基于徑向基函數(shù)將昆氏曲面進行形變，使得所得發(fā)型形狀更具有真實感。將所有獲得的對應(yīng)點都作為形變函數(shù)的特征點對，在此基礎(chǔ)上按照(I)式對昆氏曲面其他非特征點位置進行插值，以獲得更為逼真的頭發(fā)區(qū)域形狀模型，所得結(jié)果見圖8。S73 :將紋理圖貼圖到所得發(fā)型形狀模型上。最終的三維頭重建結(jié)果如圖9所示。本發(fā)明的三維頭部模型重建方法的特點為1、對發(fā)型和光頭模型的獨立建模，2、對側(cè)面圖像中光頭輪廓特征點的魯邦定位，3、以重建所得的三維頭部模型為橋梁融合正面和側(cè)面輸入圖像，以獲得全頭無縫紋理融合結(jié)果。在發(fā)型建模中利用四個相接的昆式曲面做初步建模，之后利用頭發(fā)輪廓進行形狀的再次調(diào)整，使得重建的發(fā)型更真實。將發(fā)型和光頭模型相匹配即可獲得最終的三維頭部模型。側(cè)面光頭輪廓特征點的定位采用了基于數(shù)據(jù)庫的主成分分析算法，使得定位結(jié)果對輸入圖像中的姿態(tài)具有更強的適應(yīng)性。三維頭部模型的紋理重建以重建所得的三維頭部模型為橋梁，匹配正面和形變后的側(cè)面輸入圖像，之后進行全頭無縫紋理融合。以上實施方式僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1.一種三維頭部模型重建方法，其特征在于，包括以下步驟 Si:輸入人臉的正面和側(cè)面圖像； 52:提取圖像面部和頭發(fā)區(qū)域的特征點； 53:根據(jù)面部特征點形變生成三維頭部模型； 54:根據(jù)圖像生成無縫的全局頭部紋理； 55:將所得紋理映射到形變?nèi)S頭部模型上； 56:根據(jù)頭發(fā)區(qū)域特征點，用昆氏曲面進行頭發(fā)區(qū)域的擬合； 57:將昆氏曲面形變，并進行紋理貼圖。
2.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述SI包括如下步驟 511:利用Adaboost檢測器對正面人臉圖像和側(cè)面人臉圖像進行檢測和分類； 512:利用Graph-cut進行人臉區(qū)域和頭發(fā)區(qū)域的分割。
3.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述S2包括如下步驟 521:利用主動形狀模型進行正面和側(cè)面人臉的特征點定位； 522:根據(jù)側(cè)面特征點定位結(jié)果，計算頭頂，后腦勺和發(fā)際線三個特征點的位置； 523:將側(cè)面圖像進行仿射變換，提取發(fā)型輪廓特征點。
4.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述S3包括如下步驟 531:在標(biāo)準(zhǔn)三維頭部模型上預(yù)先定義三維特征點集； 532:對正面圖像所得特征點進行基于部件的插值獲得相應(yīng)的正面人臉特征輪廓，按照標(biāo)準(zhǔn)三維頭部模型定義的特征點的分布對插值結(jié)果進行重采樣，完成三維頭部模型特征點與正面圖像特征點的匹配； 533:利用徑向基函數(shù)基于所得的正面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型Ml ； 534:利用S33中的徑向基函數(shù)基于所得的側(cè)面特征點對標(biāo)準(zhǔn)三維頭部模型進行形變，獲得形狀模型M2 ； 535:從S33中的Ml中提取X值，從S34中的M2中提取z值，將Ml和M2中對應(yīng)點的y值求平均獲得最終的三維頭部模型。
5.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述S4包括如下步驟 541:在標(biāo)準(zhǔn)三維頭部模型上規(guī)定一系列圖像融合邊界點； 542:通過形狀重建過程，獲得所述圖像融合邊界點在正面和側(cè)面圖像中的投影位置； 543:對側(cè)面圖像進行分段仿射變換，使得形變后的側(cè)面圖像融合邊界點投影位置與正面圖像中對應(yīng)的圖像融合邊界點的投影位置重合； S44:給定圖像融合邊界，利用多分辨率融合技術(shù)進行輸入圖像的無縫紋理融合，另一側(cè)的面部圖像由輸入側(cè)面圖像的水平鏡像圖像獲得。
6.根據(jù)權(quán)利要求5所述三維頭部模型重建方法，其特征在于，利用所得的投影位置和紋理融合圖像，對三維頭部模型利用OpenGL進行紋理貼圖。
7.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述S6包括如下步驟 561:按照頭發(fā)區(qū)域的特征點將兩幅輸入圖像中的發(fā)型輪廓進行分段，并用3階Bezier曲線進行擬合； 562:對兩幅輸入圖像中相應(yīng)的3階Bezier曲線發(fā)型輪廓進行匹配，獲得頭發(fā)區(qū)域的三維發(fā)型輪廓； S63:按照昆氏曲面公式，利用上述所得三維輪廓進行昆氏曲面重建。
8.根據(jù)權(quán)利要求I所述三維頭部模型重建方法，其特征在于，所述S7包括如下步驟 571:為昆氏曲面的邊界點在分割所得的發(fā)型輪廓上尋找對應(yīng)點； 572:按照所述對應(yīng)點的分布，基于徑向基函數(shù)將昆氏曲面進行形變，使所得發(fā)型形狀更具有真實感； 573:將紋理圖貼圖到所得發(fā)型形狀模型上。
9.根據(jù)權(quán)利要求3所述三維頭部模型重建方法，其特征在于，在S21中所述的特征點定位時間需要200ms，正面圖像中自動定位88個特征點，側(cè)面圖像中自動定位39個特征點。
10.根據(jù)權(quán)利要求9所述三維頭部模型重建方法，其特征在于，所述的側(cè)面圖像特征點的自動定位還包括頭頂，后腦勺和發(fā)際線3個點。
全文摘要
本發(fā)明公開了一種三維頭部模型重建方法，包括以下步驟S1輸入人臉的正面和側(cè)面圖像；S2提取圖像面部和頭發(fā)區(qū)域的特征點；S3根據(jù)面部特征點形變生成三維頭部模型；S4根據(jù)圖像生成無縫的全局頭部紋理；S5將所得紋理映射到形變?nèi)S頭部模型上；S6根據(jù)頭發(fā)區(qū)域特征點，用昆氏曲面進行頭發(fā)區(qū)域的擬合；S7將昆氏曲面形變，并進行紋理貼圖。本方法簡便易行，計算復(fù)雜度低，在保證精度的前提下能很真實的重建三維頭部模型。
文檔編號G06T17/00GK102663820SQ20121013314
公開日2012年9月12日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者丁曉青, 林 源, 桂良琰, 王生進 申請人:清華大學(xué)