專利名稱：基于正側(cè)面影像的三維人臉建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)圖形圖像處理技術(shù)領(lǐng)域，具體指一種基于正側(cè) 面影像的三維人臉建模的方法。
背景技術(shù)：
隨著計(jì)算機(jī)圖形學(xué)的不斷發(fā)展，三維制作技術(shù)也得到迅速的發(fā)展 并且被廣泛地應(yīng)用到社會(huì)生產(chǎn)、生活的各個(gè)領(lǐng)域。如今計(jì)算機(jī)網(wǎng)絡(luò)高 速發(fā)展并走進(jìn)我們的日常生活，更是為三維技術(shù)發(fā)展和應(yīng)用提供無限 的生存空間。隨著網(wǎng)絡(luò)應(yīng)用的日益廣泛普及，從面對(duì)面地交談、打電 話，到網(wǎng)絡(luò)聊天、互發(fā)電子郵件，人們?cè)絹碓节呄蛴谠谔摂M的網(wǎng)絡(luò)世 界中進(jìn)行交流。人臉是人類相互交流的重要渠道，是人類喜、怒、哀、 樂等復(fù)雜表情和語言的載體。隨著計(jì)算機(jī)圖形學(xué)在建模、渲染和實(shí)時(shí) 動(dòng)畫等方面的發(fā)展，人臉建模和動(dòng)畫在電影虛擬角色、遠(yuǎn)程會(huì)議、犯 罪學(xué)、醫(yī)學(xué)、信息幫助、人機(jī)交互、娛樂、虛擬現(xiàn)實(shí)、人臉識(shí)別和表 情理解等方面取得了廣泛的應(yīng)用。計(jì)算機(jī)在處理圖形圖像方面的優(yōu)異 性能表現(xiàn)，得到了很多富有想象力和創(chuàng)造力的人們的重視，從而促進(jìn) 了更加真實(shí)的虛擬環(huán)境的繪制。為了反映用戶在虛擬世界中的活動(dòng)， 提高用戶在其中的沉浸感，就要求虛擬人——完全由計(jì)算機(jī)表示的看 起來像真人的圖形實(shí)體——越逼真越好，而其首要問題就是人臉造型 和表情動(dòng)畫的創(chuàng)建。據(jù)此，目前有很多種三維建模技術(shù)，但大多數(shù)都 是基于交互式的方法，需由專業(yè)人員進(jìn)行關(guān)鍵點(diǎn)的選取，因此，工作 效率較低，同時(shí)，基于交互式的三維建模技術(shù)大多需選取上百個(gè)關(guān)鍵
點(diǎn)，從而達(dá)到視覺上滿意的結(jié)果，所以，該方法還存在計(jì)算開銷大的 問題。

發(fā)明內(nèi)容
本發(fā)明為解決上述基于交互式的方法存在的缺失，而提出的采用 全自動(dòng)方式的三維人臉建模方法。 一種基于正側(cè)面影像的三維人臉建
模方法，其包括基于正交影像(Orthogonal Images)和三維一般人 臉模型(Generic Face Model)的三維特定人臉建模。在初始人臉模 型較粗糙、面片較少的基礎(chǔ)上，利用三角剖分技術(shù)，實(shí)現(xiàn)對(duì)特定人臉 模型的細(xì)膩化和磨光，并且提高效率和計(jì)算開銷的折衷。最后，合成 了比較逼真的三維特定人臉模型。其包括本發(fā)明使用的Candide-3 模型是由113個(gè)頂點(diǎn)和184個(gè)三角面片組成構(gòu)建一般人臉網(wǎng)格模型， 并建借助兩張二維影像的輸入，通過人眼定位算法和側(cè)面鼻尖定位算 法確定特定人臉的二維位置信息和深度信息，從而對(duì)一般人臉模型進(jìn) 行修正，變換成特定人臉模型；通過基于形狀分析對(duì)人臉面片進(jìn)行插 值計(jì)算，從而達(dá)到使人臉看上去更加細(xì)膩和精確。


圖l為本發(fā)明的Candide3人臉模型XY結(jié)構(gòu)示意圖； 圖2為本發(fā)明的Candide3人臉模型YZ結(jié)構(gòu)示意圖； 圖3基于形狀分析的三角面剖分示意圖； 圖4柱面投影原理圖。
具體實(shí)施例方式
以下結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述
1建立Candide參數(shù)化的一般人臉網(wǎng)格
本發(fā)明是采用Ahlberg在2001年發(fā)布在最新的版本Candide-3 人臉模型。該版本人臉模型達(dá)到了與MPEG-4標(biāo)準(zhǔn)的統(tǒng)一，模型包括 113個(gè)關(guān)鍵點(diǎn)和168個(gè)三角面片，控制參數(shù)由靜態(tài)參數(shù)(Facial Definition Parameters, FDP)禾口動(dòng)態(tài)參數(shù)(Facial Animation Parameters, FAP)組成。本發(fā)明使用Candide-3模型是由113個(gè)頂點(diǎn) 和184個(gè)三角面片組成的。
2 —般人臉模型到特定人臉模型的轉(zhuǎn)換
2. 1影像預(yù)處理
實(shí)際中，獲得的兩幅影像(照片)不可能大小一樣，所以在標(biāo)定 特征點(diǎn)前，首先要對(duì)正側(cè)面影像(照片)進(jìn)行規(guī)范化處理，使兩幅影 像(照片)的頭部大小相等。 2. 2特定人臉特征點(diǎn)生成 l)人臉左右邊界的確定 設(shè)所處理的圖像為I(x， y)，其大小為MXN，則該圖像的垂 直灰度投影函數(shù)為
<formula>formula see original document page 10</formula>
式中，pv稱為垂直灰度投影曲線。觀察不同單人圖像的垂直
灰度投影曲線，可以發(fā)現(xiàn)人臉?biāo)趨^(qū)域?qū)⑹勾怪被叶韧队扒€形成 一個(gè)具有一定寬度的凸峰。這個(gè)凸峰的左右邊界大致就是人臉的左 右邊界，這是因?yàn)榕c背景相比，人臉區(qū)域往往具有較高的亮度。在 人臉左右邊界處，垂直方向上亮度值的總和迅速減小，從而形成一 個(gè)明顯的凸峰。因此，只需確定垂直灰度投影曲線中主要凸峰的左 右邊界，即可得到人臉的左右邊界。為了去除噪聲的影響，對(duì)垂直
灰度投影曲線用中值濾波方法進(jìn)行平滑處理，平滑處理函數(shù)為
式中，K是濾波窗口的寬度，其取值與人臉在圖像中的大小有 關(guān)，這里，K取值為6。
2) 人眼水平位置的預(yù)估
當(dāng)人臉的左右邊界確定之后，設(shè)左右邊界之大小為m，則此時(shí) 的圖像大小為mXN，同樣方法對(duì)該圖像區(qū)域的水平灰度投影函數(shù) 為
,x) = |j/(x，>0
L的取值與人臉在圖像中的大小有關(guān)，實(shí)驗(yàn)中取L=4。
3) 人眼分割閾值區(qū)間的估計(jì)及精確定位 得到眉眼區(qū)域I。后，需要加以區(qū)分的只剩眉毛和眼睛，可通過
尋找最佳分割閾值使人眼從中分離出來。所謂最佳分割閾值指的是 能將眼睛虹膜、瞳孔、上眼框與眉毛明顯分離的灰度分割閾值。由 于眼睛虹膜、瞳孔和上眼框部位的灰度值明顯比其鄰近區(qū)域(眼部 周圍皮膚)灰度值要低，因此能夠分割眼睛虹膜、瞳孔和上眼框部 位的灰度值總是存在的，并且不是唯一的，存在一定的連續(xù)小范圍。 要估計(jì)出初始閾值T。，需檢測(cè)平滑直方圖的第一個(gè)峰點(diǎn)。由于 平滑后的直方圖在連續(xù)10個(gè)灰度級(jí)內(nèi)很少出現(xiàn)兩個(gè)峰點(diǎn)，所以可 以將其前250個(gè)灰度級(jí)均等分為25個(gè)區(qū)間，求出每個(gè)區(qū)間中10個(gè) 灰度級(jí)的最大和最小值，然后由低灰度區(qū)向高灰度區(qū)搜索第一個(gè)峰 點(diǎn)的位置，由此估計(jì)出初始閾值T。。
4)自動(dòng)調(diào)整閾值確定眼睛位置
T。提供了一個(gè)有可能將人眼從圖像中分割出來的初始閾值，但不 一定是最佳分割閾值。為了找到最佳分割閾值，可以選擇一個(gè)適當(dāng)
的步長(zhǎng)T一，通過增加步長(zhǎng)來確定最佳閾值。首先，用T。對(duì)圖像I。 二值化，判定人眼黑塊是否出現(xiàn)，若未出現(xiàn)黑塊，在前一閾值的基 礎(chǔ)上加一步長(zhǎng)T—，直到雙眼黑塊出現(xiàn)，并將二值化圖像中黑色塊 進(jìn)行標(biāo)記，計(jì)算每塊面積(像素?cái)?shù))，確定每塊所占據(jù)的矩形位置 及寬高。利用上述分割閾值遞增、檢測(cè)及定位雙眼的整個(gè)過程，其 中求得初始閾值T^60，實(shí)驗(yàn)中取1^=15，當(dāng)閾值TM05時(shí)，雙眼 黑塊被檢測(cè)出來，從而達(dá)到人眼的準(zhǔn)確定位。 3基于形狀分析的Delaunay三角剖分
特定人臉是一個(gè)由113個(gè)特征點(diǎn)和184個(gè)三角面片組成的三維人 臉網(wǎng)格。具體來講，這個(gè)人臉網(wǎng)格離逼真的三維人臉模型的目標(biāo)還很 遠(yuǎn)。為了使合成的特定人臉越來越逼真，本發(fā)明的方法是通過對(duì)特定 人臉模型粗糙區(qū)域中的三角面片進(jìn)行剖分，然后插入非特征點(diǎn)到當(dāng)前 特定人臉模型的頂點(diǎn)集合中，再進(jìn)行下一次的插值迭代過程，依次循 環(huán)，直到此區(qū)域有足夠的視覺逼真度。設(shè)/^—"is集合內(nèi)存儲(chǔ)了視覺 效果不滿意區(qū)域的所有面片，其三角剖分的步驟如下
1) 計(jì)算三角面片的形狀，然后采用不同的方法進(jìn)行剖分操作-首先計(jì)算出當(dāng)前面片n的最長(zhǎng)邊A,次長(zhǎng)邊&，最短邊&長(zhǎng)度
分別為e"， e'2和e'3。計(jì)算
r —fiL r 一^ r — &
?！?r2 — ?！?br> 2)對(duì)于三種不同的形狀，采取不同的處理方式 當(dāng)1.0^r, ^H門1.0SG Sif門1.0S^ S/Z的時(shí)候，實(shí)驗(yàn)中#取1. 3，
此時(shí)三角面片的剖分算法如附圖3(a)。其中，&尸和C點(diǎn)分別為邊 &， ^和&的中點(diǎn)。將& F和6"作為非特征點(diǎn)加入到剖分產(chǎn)生的非 特征點(diǎn)集合vWf中，作為下一次的插值迭代過程中的非特征點(diǎn)使用， 同時(shí)在^3/^e^中標(biāo)記以^C， l和J萬為邊的其他三角面片中的邊。 從面片集合內(nèi)刪除面片^^，然后添加面片A5F，傲G，和,O 。
當(dāng)<formula>formula see original document page 13</formula>不能夠滿足曰寸，為簡(jiǎn)單起 見，我們直接找到最長(zhǎng)邊A的中點(diǎn)A然后判斷當(dāng)^^A時(shí)，則三角 剖分如圖3(b)。實(shí)驗(yàn)選擇^ =1.6效果最好。此時(shí),點(diǎn)為邊&的中點(diǎn)。 將A C， A ,點(diǎn)投影到XOY平面上，然后利用Zfe^朋a7三角化算法， 返回三角化后的兩個(gè)三角面片萬fC和^6F。同樣添加非特征點(diǎn)f和尸， 添加面片并標(biāo)記za3rAeQ^中的邊。
當(dāng)<formula>formula see original document page 13</formula>不能夠滿足，且^ 的時(shí)
候，此時(shí)的三角剖分如附圖3(c)所示。此時(shí)說明三角面片較狹長(zhǎng)，
我們找到最長(zhǎng)邊A的中點(diǎn)A然后把^點(diǎn)加入^V,中作為非特征點(diǎn)。
然后是添加面片和標(biāo)記/z s/^eo^中的邊。
3)具體剖分過程如下依次選擇尸i—^is中的每一個(gè)三角面片 7i，首先第一輪處理中，暫時(shí)不考慮如附圖3a和附圖3b所示的兩種 三角面片，剖分第一輪處理所有具有附圖3c所示形狀的三角面片。 判斷n'在鵬rh&中各邊的標(biāo)記情況，如果最短邊或者次長(zhǎng)邊已經(jīng) 被標(biāo)記，則肯定使用如附圖3a所示的方法剖分。如果沒有邊被標(biāo)記 或最長(zhǎng)邊被標(biāo)記，則使用如附圖3c所示方法剖分。第二輪處理中， 考慮如附圖3a和附圖3b所示的兩種形狀的三角面片。同樣，如果最 短邊被標(biāo)記，則肯定使用如附圖3a所示的方法剖分。如果最短邊沒
有被標(biāo)記，則視三角面片具體形狀選擇如附圖3a或附圖4b所示中的 某一種方法剖分。 4紋理映射
執(zhí)行紋理貼圖的步驟可以概括為
定義紋理圖像、控制紋理、說明紋理貼圖方式、定義紋理坐標(biāo)。 定義紋理圖像包括給定紋理圖像的分辨率、紋理圖像的長(zhǎng)度和寬度、 紋理圖像的格式、紋理圖像數(shù)據(jù)類型、紋理圖像的存儲(chǔ)地址。
本發(fā)明采用柱面投影實(shí)現(xiàn)三維人臉模型的坐標(biāo)與二維紋理圖片 的位置之間的映射。
柱面投影原理如附圖4所示，從圓柱的中心引一條射線經(jīng)物體表 面一點(diǎn)尸，該射線與圓柱表面相交于點(diǎn)P'(",v)，點(diǎn)P'就是點(diǎn)尸在柱面
上的投影。柱面半徑r已知。柱面坐標(biāo)中的w、 r分別表示點(diǎn),在豎 直方向上的坐標(biāo)分量和射線與z軸負(fù)向沿逆時(shí)針方向所形成的偏轉(zhuǎn)
角。設(shè)圓柱中心坐標(biāo)為(x。,;;,z。)，由附圖4可得柱面投影公式為
w = y
V =
arctan -;r + arctan」
一 z
3;r
(x^x0,2<z0)
("x0,z = z0) (z>z0)
(x>x0,z = z0)
2;r + arctan ^~^ ， (x > x。 ， z < z。)
為便于后續(xù)處理，把圓柱面展開成平面，可進(jìn)一步把柱面坐標(biāo)
(",力轉(zhuǎn)換為大小為『x/Z的矩形平面中的坐標(biāo)Oc',/)，轉(zhuǎn)換公式為<formula>formula see original document page 15</formula>
邊界為"=U' = 0; M = u' = i/;v = 0,x' = 0; v = 2;r，x'=『。為了全 面提取正面和側(cè)面影像(照片)上的信息，定義某點(diǎn)尸的紋理值為該 點(diǎn)對(duì)應(yīng)于正側(cè)面投影上的紋理值(顏色信息)的加權(quán)平均。設(shè)尸在正面 投影上對(duì)應(yīng)點(diǎn)的紋理值為/,，在側(cè)面投影上對(duì)應(yīng)點(diǎn)的紋理值為/,，則
該點(diǎn)的紋理值/為
A為權(quán)因子，當(dāng)三維點(diǎn)只在正面投影上有對(duì)應(yīng)點(diǎn)時(shí)，々取1;當(dāng) 三維點(diǎn)只在側(cè)面投影上有對(duì)應(yīng)點(diǎn)時(shí)，A取0;當(dāng)三維點(diǎn)既在正面投影
上有對(duì)應(yīng)點(diǎn)，又在側(cè)面投影上有對(duì)應(yīng)點(diǎn)時(shí)，需要取一個(gè)合適的A值。 由于正面投影垂直于z軸，設(shè)三維模型上一面元的面積為&該面元
的法向量為"J，則該面元在正面投影上面積S,可由下式求得
=卜,
同法可得&=|~|5。故A可以取為
如前所述，可得每點(diǎn)尸的紋理權(quán)因子^的取值為
當(dāng)P點(diǎn)只在正面圖像上有投影 當(dāng)P點(diǎn)只在側(cè)面圖像上有投影
當(dāng)P點(diǎn)在正側(cè)面圖像上都有投影
綜上所述，本發(fā)明實(shí)現(xiàn)了基于正交影像(Orthogonal Images) 和三維一般人臉模型(Generic Face Model)的三維特定人臉建模。 在初始人臉模型較粗糙、面片較少的基礎(chǔ)上，利用三角剖分技術(shù)，實(shí) 現(xiàn)特定人臉模型的細(xì)膩化和磨光，并且實(shí)現(xiàn)效率和計(jì)算開銷的折衷。 最后，合成了比較逼真的三維特定人臉模型。
權(quán)利要求
1.一種基于正側(cè)面影像的三維人臉建模方法，包括通過Candide參數(shù)化的一般人臉網(wǎng)格模型是由113個(gè)特征點(diǎn)和連接這些點(diǎn)的184個(gè)三角面片構(gòu)建基本人臉網(wǎng)格、特定人臉特征點(diǎn)生成、一般人臉模型到特定人臉模型的轉(zhuǎn)換、對(duì)特定網(wǎng)格模型進(jìn)行插值生成更加精細(xì)的網(wǎng)格模型、使用二維圖形的像素對(duì)網(wǎng)格進(jìn)行貼圖并進(jìn)行紋理映射步驟，其特征是，所述的特定人臉特征點(diǎn)的生成主要是采用基于灰度投影函數(shù)的眼睛定位方法和鼻尖定位算法對(duì)二維影像的雙眼和鼻子進(jìn)行定位。
2. 如權(quán)利要求1所述的基于正側(cè)面影像的三維人臉建模方法， 其特征是，所述的采用基于灰度投影函數(shù)的眼睛定位方法和鼻尖定 位算法對(duì)二維影像的雙眼和鼻子進(jìn)行定位，包括(1) 影像預(yù)處理；(2) 特定人臉特征點(diǎn)生成 l)人臉左右邊界的確定設(shè)所處理的圖像為工x， y，其大小為MXN，則該圖像的垂直 灰度投影函數(shù)為俘(x)-l;/(x,力式中，PV稱為垂直灰度投影曲線，觀察不同單人圖像的垂直 灰度投影曲線，可以發(fā)現(xiàn)人臉?biāo)趨^(qū)域?qū)⑹勾怪被叶韧队扒€形成 一個(gè)具有一定寬度的凸峰，這個(gè)凸峰的左右邊界大致就是人臉的左 右邊界，這是因?yàn)榕c背景相比，人臉區(qū)域往往具有較髙的亮度；在人臉左右邊界處，垂直方向上亮度值的總和迅速減小，從而 形成一個(gè)明顯的凸峰；因此，只需確定垂直灰度投影曲線中主要凸峰的左右邊界，即 可得到人臉的左右邊界；為了去除噪聲的影響，對(duì)垂直灰度投影曲 線用中值濾波方法進(jìn)行平滑處理，平滑處理函數(shù)為<formula>formula see original document page 3</formula>式中，K是濾波窗口的寬度，其取值跟人臉在圖像中的大小有 關(guān)，這里，K取值為6;2) 人眼水平位置的預(yù)估當(dāng)人臉的左右邊界確定之后，設(shè)左右邊界之大小為m，則此時(shí) 的圖像大小為mXN，同樣方法對(duì)該圖像區(qū)域的水平灰度投影函數(shù) 為L(zhǎng)的取值跟人臉在圖像中的大小有關(guān)，實(shí)驗(yàn)中取L二4;3) 人眼分割閾值區(qū)間的估計(jì)及精確定位 得到眉眼區(qū)域I。后，需要加以區(qū)分的只剩眉毛和眼睛，可通過尋找最佳分割閾值使人眼從中分離出來，所謂最佳分割閾值指的是 能將眼睛虹膜、瞳孔、上眼框與眉毛明顯分離的灰度分割閾值，由 于眼睛虹膜、瞳孔和上眼框部位的灰度值明顯比其鄰近區(qū)域一一眼 部周圍皮膚灰度值要低，因此能夠分割眼睛虹膜、瞳孔和上眼框部 位的灰度值總是存在的，并且不是唯一的，存在一定的連續(xù)小范圍； 估計(jì)出初始閾值T。，檢測(cè)平滑直方圖的第一個(gè)峰點(diǎn)，由于平滑 后的直方圖在連續(xù)10個(gè)灰度級(jí)內(nèi)很少出現(xiàn)兩個(gè)峰點(diǎn)，所以可以將 其前250個(gè)灰度級(jí)均等分為25個(gè)區(qū)間，求出每個(gè)區(qū)間中IO個(gè)灰度 級(jí)的最大和最小值，然后由低灰度區(qū)向高灰度區(qū)搜索第一個(gè)峰點(diǎn)的 位置，由此估計(jì)出初始閾值T。；4)自動(dòng)調(diào)整閾值確定眼睛位置T。提供了一個(gè)有能將人眼從圖像中分割出來的初始閾值，但不 一定是最佳分割閾值，為了找到最佳分割閾值，可以選擇一個(gè)步長(zhǎng) Tst6p，通過增加步長(zhǎng)來確定最佳閾值；首先，用T。對(duì)圖像I。二值化，判定人眼黑塊是否出現(xiàn)，若未出 現(xiàn)黑塊，在前一閾值的基礎(chǔ)上加一步長(zhǎng)Tst6P，直到雙眼黑塊出現(xiàn)， 并將二值化圖像中黑色塊進(jìn)行標(biāo)記，計(jì)算每塊面積一一像素?cái)?shù)，確 定每塊所占據(jù)的矩形位置及寬高；利用上述分割閾值遞增、檢測(cè)及定位雙眼的整個(gè)過程，其中求 得初始閾值T。二60，實(shí)驗(yàn)中取Tst^15，當(dāng)閾值T二105時(shí)，雙眼黑塊 被檢測(cè)出來，從而達(dá)到人眼的準(zhǔn)確定位。
3. 如權(quán)利要求1或2所述的基于正側(cè)面影像的三維人臉建模方 法，其特征是所述的一般人臉模型到特定人臉模型的轉(zhuǎn)換是根據(jù)特 定人臉特征點(diǎn)的生成，主要是采用基于灰度投影函數(shù)的眼睛定位方法 和鼻尖定位算法對(duì)二維影像的雙眼和鼻子進(jìn)行定位的特征點(diǎn)位置與 原先網(wǎng)格大小先對(duì)整體網(wǎng)格大小按比例進(jìn)行縮放，再以鼻尖為參照點(diǎn) 平移，使原始網(wǎng)格的坐標(biāo)變換成與二維圖像像素坐標(biāo)基本吻合；或者進(jìn)一步利用眼睛定位算法中的信息對(duì)基本吻合的網(wǎng)格進(jìn)行 微調(diào)，使其進(jìn)一步吻合。
4. 如權(quán)利要求1-3任一所述的基于正側(cè)面影像的三維人臉建模 方法，其特征是所述的對(duì)特定網(wǎng)格模型進(jìn)行插值，生成更加精細(xì)的 網(wǎng)格模型，主要方法是基于形狀分析的Delauriay三角剖分技術(shù)；通 過184個(gè)面片的分析，使每個(gè)面片中又形成大量點(diǎn)，使用MATLAB中 的Delaunay函數(shù)進(jìn)行三角剖分，使插值后的特征點(diǎn)與面片數(shù)量達(dá)到 30000以上，以獲得更加細(xì)膩的人臉網(wǎng)格； 三角剖分的步驟如下1) 計(jì)算三角面片的形狀，然后采用不同的方法進(jìn)行剖分操作， 首先計(jì)算出當(dāng)前面片丌的最長(zhǎng)邊《，次長(zhǎng)邊&，最短邊&長(zhǎng)度分別為&， e'2和&;計(jì)算^ =——2) 對(duì)于三種不同的形狀，采取不同的處理方式-當(dāng)i.os。 s//ni.o^r2 s//ni.o^r3 s/f的日寸候，實(shí)驗(yàn)中 〃取1.3, 此時(shí)三角面片的剖分算法，其中，&尸和c點(diǎn)分別為邊A， ^和^的中點(diǎn)；將& F和6M乍為非特征點(diǎn)加入到剖分產(chǎn)生的非特征點(diǎn)集合 中，作為下一次的插值迭代過程中的非特征點(diǎn)使用，同時(shí)在邁sr化說 中標(biāo)記以JC， 5C和力萬為邊的其他三角面片中的邊；從面片集合內(nèi)刪 除面片y^C，然后添加面片力^F，萬孤，和,W;當(dāng)1.0"! S//m.0O2 SZ/門1.0^ S7/不肯g夠滿足日寸，為簡(jiǎn)單起見，直接找到最長(zhǎng)邊《的中點(diǎn)《然后判斷當(dāng),2^/^時(shí)，則三角剖分如附 圖3(b)所示，實(shí)驗(yàn)選擇7f一1.6效果最好，此時(shí)F點(diǎn)為邊&的中點(diǎn)， 將及C， & ,點(diǎn)投影到XOY平面上，然后利用Zfe""/7ay三角化算法， 返回三角化后的兩個(gè)三角面片iSfi^和^tF; 同樣添加非特征點(diǎn)f和尸，添加面片并標(biāo)記歷ar々e^中的邊； 當(dāng)1.0S^《Hni.OS^ s//ni.0Sr3 s/f不育g夠滿足，且^ 的時(shí)候，此時(shí)說明三角面片較狹長(zhǎng)，找到最長(zhǎng)邊《的中點(diǎn)A然后把f點(diǎn)加入7W尸中作為非特征點(diǎn)；然后是添加面片和標(biāo)記T^7^e^中的邊； 3)具體剖分過程如下依次選擇/^—^J'S中的每一個(gè)三角面片"，首先第一輪處理中，暫時(shí)不考慮兩種三角面片，剖分第一輪處理 所有具有附圖3c所示形狀的三角面片；判斷在/^rAe說中各邊的標(biāo)記情況，如果最短邊或者次長(zhǎng)邊 已經(jīng)被標(biāo)記，則肯定使用附圖3a所示方法剖分；如果沒有邊被標(biāo)記或最長(zhǎng)邊被標(biāo)記，則使用附圖3C所示方法剖分；第二輪處理中，考慮附圖3a和附圖3b所示兩種形狀的三角面片；同樣，如果最短邊被標(biāo)記，則使用附圖3a所示方法剖分； 如果最短邊沒有被標(biāo)記，則視三角面片具體形狀選擇附圖3a或附圖4b所示中的某一種方法剖分；
5. 如權(quán)利要求1-4任一所述的基于正側(cè)面影像的三維人臉建模 方法，其特征是所述的使用二維圖形的像素對(duì)網(wǎng)格進(jìn)行貼圖，并進(jìn) 行紋理映射，采用對(duì)應(yīng)的二維影像的像素點(diǎn)的顏色貼在網(wǎng)格上的點(diǎn)， 通過雙線性插值一—Bilinear Interpolation技術(shù)進(jìn)行紋理映射， 先確定最接近象素的4個(gè)圖素，然后采用減少紋理縮放塊狀圖的差補(bǔ)計(jì)算，其結(jié)果決定該點(diǎn)的顏色。
6. 如權(quán)利要求1-5任一所述的基于正側(cè)面影像的三維人臉建模方法，其特征是所述的紋理映射執(zhí)行紋理貼圖的步驟可以概括為 定義紋理圖像、控制紋理、說明紋理貼圖方式、定義紋理坐標(biāo)； 定義紋理圖像包括給定紋理圖像的分辨率、紋理圖像的長(zhǎng)度和寬度、紋理圖像的格式、紋理圖像數(shù)據(jù)類型、紋理圖像的存儲(chǔ)地址；采用柱面投影實(shí)現(xiàn)三維人臉模型的坐標(biāo)與二維紋理圖片的位置 之間的映射。
全文摘要
本發(fā)明涉及計(jì)算機(jī)圖形圖像處理技術(shù)領(lǐng)域，具體指一種基于正側(cè)面影像的三維人臉建模的方法，主要采用全自動(dòng)的方式對(duì)三維人臉進(jìn)行建模。內(nèi)容包括基于Candide參數(shù)化由113個(gè)特征點(diǎn)和連接這些點(diǎn)的184個(gè)三角面片信息數(shù)組構(gòu)建一般人臉網(wǎng)格模型；借助兩張二維影像的輸入，通過人眼定位算法和側(cè)面鼻尖定位算法確定特定人臉的二維位置信息和深度信息，進(jìn)行一般人臉模型的修正以及轉(zhuǎn)換成特定人臉模型；通過Delaunay三角剖分技術(shù)對(duì)人臉面片進(jìn)行插值計(jì)算和通過雙線性插值——Bilinear Interpolation技術(shù)進(jìn)行紋理映射，從而使影像的人臉看上去更加細(xì)膩和精確，并解決了現(xiàn)有技術(shù)存在效率低和計(jì)算開銷大等問題。
文檔編號(hào)G06T17/20GK101339669SQ20081004113
公開日2009年1月7日 申請(qǐng)日期2008年7月29日 優(yōu)先權(quán)日2008年7月29日
發(fā)明者王映波, 祁抗抗, 燕 馬 申請(qǐng)人:上海師范大學(xué)