一種三維人臉變化模擬方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像模擬領(lǐng)域，特別涉及一種三維人臉變化模擬方法。
【背景技術(shù)】
[0002] 老化是一個不可避免的過程，隨著年齡增長以及體重的變化，人臉面貌會產(chǎn)生很 大的變化。人臉老化過程的模擬是計算機(jī)圖形學(xué)、圖像處理和計算機(jī)視覺等學(xué)科領(lǐng)域中的 研究熱點之一，在人臉識別、人機(jī)交互、刑偵、娛樂、特技和醫(yī)學(xué)等行業(yè)都有著廣泛的需求與 應(yīng)用。但由于老化機(jī)理復(fù)雜、老化受多種因素影響、難以獲得純度高的老化數(shù)據(jù)、老化過程 存在多樣性和不確定性等，人臉老化的研究面臨諸多挑戰(zhàn)。
[0003] 近30年來，國內(nèi)外學(xué)者針對人臉老化過程模擬進(jìn)行了大量的研究并提出許多算 法。根據(jù)人臉數(shù)據(jù)維度的不同，可以分為二維人臉老化模擬和三維人臉老化模擬。目前大 部分工作主要集中在二維老化模擬方面。
[0004] 二維人臉老化模擬主要有兩類方法：基于原型的人臉老化算法以及基于函數(shù)的 人臉老化算法。基于原型的方法是根據(jù)年齡段對人臉進(jìn)行分類，并建立每一個年齡段的平 均人臉，即人臉原型，然后以原型之間的差異作為年齡變化。如Burt等人通過漫畫技術(shù)將 不同原型間形狀和紋理的差別融合到源圖像中，以實現(xiàn)年齡變換。Gandhi等人采用SVM (SupportVectorMachine，支持向量機(jī)）來對人臉圖像進(jìn)行自動年齡估計，并結(jié)合原型和 IBSDT(Image-basedSurfaceDetailTransfer，基于圖像的表面細(xì)節(jié)變換)技術(shù)實現(xiàn)人臉 的年齡變換?；诤瘮?shù)的方法通常采用一個函數(shù)描述人臉圖像或人臉參數(shù)(特征向量)與年 齡之間的關(guān)系。例如采用二次函數(shù)、支持向量回歸、核平滑、隱式函數(shù)、映射函數(shù)等。基于函 數(shù)的方法，其模擬精度直接由函數(shù)決定，而準(zhǔn)確度高的函數(shù)依賴于有時間序列的大樣本的 采集。國外的學(xué)者己建立了較大容量的人臉?biāo)ダ蠑?shù)據(jù)庫，但它只適合于西方人，并不適應(yīng)于 中國人。
[0005] 二維老化數(shù)據(jù)較易采集，相比之下，三維老化數(shù)據(jù)卻很難獲得，因為很難跟蹤同一 個人并采集此人隨年齡變化的三維人臉模型，目前國內(nèi)外都沒有公開的三維人臉老化數(shù)據(jù) 庫。因此，雖然三維人臉相比于二維人臉包含更多的信息，更適合獲取人臉老化模式，但三 維人臉老化研究相對較少。目前三維人臉老化主要采用兩種方法。第一種方法基于不同人 的三維人臉掃描數(shù)據(jù)，一般先對三維人臉模型進(jìn)行主成分分析（PCA)，然后建立年齡估計函 數(shù)，即建立年齡與PCA系數(shù)的函數(shù)關(guān)系，然后根據(jù)此函數(shù)的梯度獲得人臉老化軌跡，即獲得 當(dāng)年齡變化時引起的最小的人臉形狀的變化。但這種方法沒有剔除不同樣本的影響，因此 不能保證這最小的形狀變化完全由年齡變化引起。第二種方法是基于物理的方法。該方法 通常從人的生理解剖結(jié)構(gòu)出發(fā)，建立人臉物理模型，然后對老化進(jìn)行模擬。如Wu等人建立 了具有肌肉層、脂肪層和表皮層結(jié)構(gòu)的人臉物理模型，通過一系列參數(shù)的調(diào)整實現(xiàn)人臉皺 紋的生成以及衰老的效果。雖然理論上基于物理的方法能得到更符合生理學(xué)和解剖學(xué)知識 的結(jié)果，但它需要對人臉解剖學(xué)知識進(jìn)行三維建模，且其衰老模型較為復(fù)雜，計算量大，實 時性差。
[0006] 此外，在老化過程中往往伴隨著體重的變化，隨著胖瘦變化，臉蛋也會因此變圓潤 或消瘦。而且胖瘦會影響衰老特征，如胖的人比瘦的人皺紋要形成得晚，而現(xiàn)有的算法都無 法正確體現(xiàn)這樣的變化。

【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明提供一種三維人臉變化模擬方法，在缺乏三維人臉老化數(shù)據(jù)的 情況下從不同人的數(shù)據(jù)中挖掘出人臉老化及胖瘦的變化規(guī)律，并根據(jù)該變化規(guī)律對人臉老 化及胖瘦變化現(xiàn)象進(jìn)行模擬，以獲得因年齡增長和體重變化帶來的人體外貌上的變化。
[0008] 本申請的技術(shù)方案是這樣實現(xiàn)的：
[0009] 一種三維人臉變化模擬方法，包括：
[0010] 構(gòu)建三維顱面數(shù)據(jù)庫；
[0011] 顱面模型規(guī)格化；
[0012] 提取人臉老化及胖瘦變化規(guī)律；
[0013] 人臉老化及胖瘦變化模擬。
[0014] 進(jìn)一步，所述三維顱面數(shù)據(jù)庫包括至少1個人臉樣本，每個人臉樣本均具有顱面 模型以及人臉樣本所對應(yīng)的年齡、身體質(zhì)量指數(shù)BMI和性別。
[0015] 進(jìn)一步，所述顱面模型包括三維顱骨模型和三維人臉模型。
[0016] 進(jìn)一步，所述人臉樣本的獲取包括：
[0017] 通過多探測螺旋計算機(jī)斷層掃描CT儀獲取活體樣本的顱面CT數(shù)據(jù)，從顱面CT數(shù) 據(jù)中重構(gòu)出人臉的三維顱骨模型和三維人臉模型。
[0018] 進(jìn)一步，所述人臉樣本的獲取過程包括：
[0019] 采用索貝爾Sobel算子模型從濾噪處理后的CT切片圖像中提取顱骨的邊緣；
[0020] 通過對顱骨邊緣進(jìn)行圓形掃描得到顱骨的初始外輪廓，即從圖像中心向圖像邊界 點一一發(fā)射一條射線，對每一條射線，求得與該射線相交并同時距離圖像中心最遠(yuǎn)的顱骨 邊緣點，這些點就構(gòu)成了顱骨的初始外輪廓；
[0021] 對初始外輪廓進(jìn)行雜點刪除和八鄰域輪廓跟蹤得到最終的外輪廓；以及，
[0022] 采用Sobel算子模型從濾噪處理后的CT切片圖像中提取軟組織的邊緣；
[0023] 從圖像中心向圖像左下角發(fā)射一條射線，并求得與該射線相交并同時距離圖像中 心最遠(yuǎn)的一個軟組織邊緣點作為起點；
[0024] 從該起點開始對邊緣點采用八鄰域輪廓跟蹤法得到最終的人臉外輪廓點云。
[0025] 進(jìn)一步，所述顱面模型規(guī)格化包括：
[0026] 在所述三維顱面數(shù)據(jù)庫中選擇一個人臉樣本的顱面模型作為參考模型，采用全局 配準(zhǔn)方法和局部配準(zhǔn)方法相結(jié)合的非剛性配準(zhǔn)算法對所述三維顱面數(shù)據(jù)庫中每一個人臉 樣本的顱面模型進(jìn)行規(guī)格化，以建立該顱面模型的頂點和參考模型頂點的一一對應(yīng)關(guān)系；
[0027] 其中，作為參考模型的顱面模型為外形完整、牙齒整齊并且頂點分布均勻的人臉 樣本的顱面模型。
[0028]進(jìn)一步：
[0029] 所述全局配準(zhǔn)方法采用薄板樣條函數(shù)TPS;
[0030] 所述局部配準(zhǔn)方法采用具有緊支撐的徑向基函數(shù)CSRBF。
[0031] 進(jìn)一步，所述提取人臉老化及胖瘦變化規(guī)律包括：
[0032] 把所述三維顱面數(shù)據(jù)庫中的人臉樣本按性別分成男和女兩類，以分別提取人臉的 老化及胖瘦變化的規(guī)律；
[0033] 對所述三維顱面數(shù)據(jù)庫中的每一個人臉樣本，采用全局配準(zhǔn)方法和局部配準(zhǔn)方法 相結(jié)合的非剛性配準(zhǔn)算法，獲得從該人臉樣本的三維顱骨模型到與其性別一致的平均三維 顱骨模型的變形函數(shù)；
[0034] 將該人臉樣本的三維人臉模型帶入該變形函數(shù)，以獲得變形后的三維人臉模型；
[0035] 將變形后的三維人臉模型組成集合，采用主成分分析對該變形后的三維人臉模型 集合進(jìn)行統(tǒng)計分析，構(gòu)建人臉的主成分分析PCA模型；
[0036] 計算所有三維人臉模型間的PCA系數(shù)差以及對應(yīng)的屬性差；
[0037] 采用線性回歸方法統(tǒng)計分析三維人臉模型的PCA系數(shù)差與屬性差的關(guān)系，以獲得 三維人臉模型的PCA系數(shù)差與屬性差的函數(shù)關(guān)系；
[0038] 其中，屬性差包括年齡差和身體質(zhì)量指數(shù)差。
[0039] 進(jìn)一步，所述人臉老化及胖瘦變化模擬包括：
[0040] 對待老化及胖瘦變化模擬的三維人臉模型進(jìn)行規(guī)格化，得到規(guī)格化后的三維人臉 模型；
[0041] 采用全局配準(zhǔn)方法和局部配準(zhǔn)方法相結(jié)合的非剛性配準(zhǔn)算法，獲得從規(guī)格化后的 三維人臉模型所對應(yīng)的三維顱骨模型到與其性別一致的平均三維顱骨模型的變形函數(shù)；
[0042] 將所述規(guī)格化后的三維人臉模型帶入該變形函數(shù)，以獲得變形后的三維人臉模 型；
[0043] 將所述規(guī)格化后的三維人臉模型所對應(yīng)的三維顱骨模型帶入該變形函數(shù)，以獲得 變形后的三維顱骨模型；
[0044] 根據(jù)人臉PCA模型計算變形后的三維人臉模型的PCA系數(shù)；
[0045] 根據(jù)待老化及胖瘦變化模擬的三維人臉模型預(yù)期的屬性，以及當(dāng)前的屬性，得到 屬性差，之后根據(jù)PCA系數(shù)差與屬性差的函數(shù)關(guān)系，獲得對應(yīng)的PCA系數(shù)差，并把該P(yáng)CA系 數(shù)差與人臉初始PCA系數(shù)相加，獲得老化及胖瘦變化后人臉的PCA系數(shù)；
[0046] 利用老化及胖瘦變化后人臉的PCA系數(shù)以及人臉PCA模型，獲得老化及胖瘦變化 后的三維人臉模型，之后對該老化及胖瘦變化后的三維人臉模型進(jìn)行逆變形獲得人臉老化 及胖瘦變化模擬結(jié)果