从正面侧照片合成三维人脸

实现了一具交互式人脸建模和动画的工具,用户可以从一个人正面和侧面的照片构造了出头部的三维模型,并基于这个模型实现特定表情和简单的动画。详细阐述在系统实现过程中应用到的人脸几何表示,一般人脸变化到特定人脸、弹性网格、肌肉模型、全视角巾图、表情提取等技术。     

基于单幅正面照片的三维人脸重建方法

三维人脸重建算法需要多张照片实现重建且重建效率低下。针对上述问题,提出一种利用单幅正面照片重建三维人脸的方法。采用薄板样条函数对数据库中的三维人脸确立点对点的对应关系,建立平均三维人脸模型,利用LMA算法优化形状系数以恢复其三维形状,人脸颜色纹理信息可通过垂直投影得到。实验结果表明,利用该方法重建得到的三维人脸逼真且时间效率高。     

一种基于左右斜侧面照片的三维人脸重建方法*

创建逼真的三维人脸模型一直以来都是计算机图形学领域一个极富有挑战性的课题。利用左右斜侧面照片生成具有纹理信息的三维人脸。分别对两张左右斜侧面人脸照片通过纹理三角剖分和仿射变换映射至标准纹理模板,再利用计算机视觉和facegen生成的人脸数据库上应用中的算法生成一个三维真实几何模型,最后将纹理映射三维模型生成具有纹理信息的三维人脸。结果表明方法的合成结果与真实人脸在模型以及纹理方面具有较好的相似性。     

正面人脸图像合成方法综述

随着多视角人脸识别技术需求的不断增长,正面人脸图像合成成了热门的研究课题.然而,从侧面人脸图像准确地合成出正面人脸是一个典型的逆向问题,具有较大的挑战性.对目前正脸图像合成方法进行了系统总结,介绍了几种典型的合成策略,并对这些方法按原理分成了基于图形学的方法和基于统计学习的方法两类分别进行研究.此外,还从算法复杂性、鲁棒性,以及图像合成效果等方面对现有正面人脸图像合成算法进行了对比研究,给出了未来可能的研究方向.     

基于照片的特定三维人脸建模方法

个性化的人脸模型在游戏娱乐、电影制作、聋哑人辅助教学等领域发挥着重要的作用.因此特定人脸建模越来越受人们重视.特定人脸建模是指利用具体的人脸信息建立具有不同特征的人脸模型.利用人脸的正面和侧面照片,首先对通用人脸模型进行几何信息的修改,使通用人脸模型的几何形状与特定的人脸模型一致;然后参考MPEG-4中的人脸定义标准,标识出人脸正面照片以及侧面照片中的特征点,使用克里金函数插值方法,通过对通用人脸模型进行纹理图像的变形,从而建立特定人脸模型.实验结果表明,克里金插值方法是一种光滑的内插方法,在数据点多时,其内插的结果可信度较高.     

基于最小扭曲变换的正面人脸图像合成

二维正面人脸图像在视频监控、人脸识别等领域有重要的实际意义,为此提出一种利用多幅非正面人脸图像自动合成正面人脸图像的算法.从多幅非正面人脸图像中选择扭曲形变最小的像素进行合成,并使用加权平均来平滑合成图像,从而使得合成的正面人脸图像尽可能自然.实验结果表明,该算法所合成的正面人脸图像可以十分有效地逼近真实正面人脸图像,在人脸识别中也可以有效地保持人脸图像的身份特征不变.     

基于单张照片的三维人脸重建优化算法

传统人脸三维重建算法难以确定人脸形状,并且计算复杂。针对此问题,提出一种以水平集方法获取人脸轮廓并结合明暗恢复形状(SFS)算法重建三维模型的方法,该方法仅需单张正面人脸照片。首先采用主动形状模型确定人脸轮廓,将其作为水平集的初始演化曲线,分割出完整的人脸形状;然后对人脸区域进行灰度变换,求出灰度图像;最后通过SFS算法重建已知光照条件的人脸图像的三维模型,将该模型作为参考与灰度图像匹配,进而确定其光照条件和三维模型。实验结果表明,与基于网格模型的算法相比,该方法可快速地重建具有完整形状的人脸模型。     

一种新的单张照片三维人脸重建方法

针对利用反向传播神经网络实现单张照片三维人脸重建方法中速度慢、精度低的缺点,提出了一种改进反向传播神经网络,该方法通过引入混沌变异思想有效解决了APSO算法中的早熟问题,然后以此APSO算法取代传统反向传播神经网络的梯度下降算法,通过对基于传统反向传播神经网络和改进反向传播神经网络的单张照片三维人脸重建方法对比实验,结果表明,采用改进后的反向传播神经网络算法实现的单张照片三维人脸重建,重建的三维人脸更加逼真,并且模型重建的效率和精度也得到了明显提高,重建的时间也大大减少.     

侧面人脸图像的识别方法

针对侧面人脸的识别问题提出了一种基于统计的方法。基于人脸正面和侧面图像的线性相关性假设,通过对样本的学习建立多变量线性退化模型求解出系数矩阵,从而由输入的人脸侧面照片合成得到其正面的图像。实验表明这种方法所获的正面像接近于真实的照片,且无需任何的辅助设备和先验知识,具有一定的实用性。