基于GAN网络的三维人脸纹理重建技术

在计算机视觉领域,三维人脸重建起着重要的作用,特别是在动画制作、虚拟人脸、人脸识别等领域正被广泛应用。基于单张图片的三维人脸重建,通过使用拟合的模型对图像进行采样,可以创建出面部的UV纹理图。然而通过相机采集到的是单视角的二维图像,存在人脸自遮挡的情况,这导致生成的UV纹理图的信息是不完整的。因此,提出一种针对三维人脸纹理补全问题的条件生成对抗网络,将Unet和部分卷积结合起来作为生成器,从而在纹理修复时可以保留更多的图像信息;判别器中引入SMPatchGAN提高图像判别的真实准确度。实验结果表明,相较于其他算法,所提出的算法取得了较为显著的改进效果,特别是在处于大视角下存在人脸自遮挡问题时,也能重建出精细的三维人脸模型。     

基于照片混合算法的人脸三维建模

提出了一种基于两张照片进行人脸三维重建的方法。采用将采集图像的两个照相机固定的做法，从而可以根据一定的图像配准算法和空间的联立方程组得到人脸在两个坐标系统中的三维空间数据坐标，然后进行数据拟合得到非特征点的数据，最后根据三维数据重建得到三维人脸模型，大大提高了生成的三维图像的质量和准确性。     

基于深度卷积网络的3D人脸重构算法

基于单张人脸图片的3D人脸模型重构,无论是在计算机图形领域还是可见光成像领域都是一个极具挑战性的研究方向,对于人脸识别、人脸成像、人脸动画等实际应用更是具有重要意义。针对目前算法复杂度较高、运算量较大且存在局部最优解和初始化不良等问题,本文提出了一种基于深度卷积神经网络的单张图片向3D人脸自动重构算法。该算法首先基于3D转换模型来提取2D人脸图像的密集信息,然后构建深度卷积神经网络架构、设计总体损失函数,直接学习2D人脸图像从像素到3D坐标的映射,从而实现了3D人脸模型的自动构建。算法对比与仿真实验表明,该算法在3D人脸重建上的归一化平均误差更低,且仅需一张2D人脸图像便可自动重构生成3D人脸模型。所生成的3D人脸模型鲁棒性好,重构准确,完整保留表情细节,并且对不同姿态的人脸也具有较好的重建效果,能够在三维空间中无死角自由呈现,将满足更多实际应用需求。     

基于局部形变模型三维人脸快速建模

针对传统三维形变模型计算量大,难以满足实时性的不足,提出一种实用、高效的三维形变模型,进行个性化三维人脸重建。首先,对三维人脸关键特征点定位,分割划片;然后,对每个分片分别建立形变模型并进行匹配恢复其局部形状信息;最后,把每部分进行无缝拼接,生成逼真的三维人脸。实验结果表明,该方法能够获得较好的建模精度,在短时间内可以通过单幅真实图像重建出逼真的三维人脸模型。     

基于单张图像的三维人脸重建技术研究

本文研究提出的使用UV空间表示人脸几何信息的方法,能够从单张二维人脸图像中直接回归出人脸的形状,并能够明确形态上每个点的语言信息,大大提高了三维人脸重建的效率及效果。经过在多个测试集上的定性分析与定量分析可知,本研究提出的方法不仅能够实现更高效的人脸几何信息重建,而且结果也更加精确。     

多视图三维人脸重建方法研究

人脸信息包含每个人的外貌、表情信息。对人脸进行三维重建,重建后的人脸信息能够广泛地应用于人脸识别门禁系统、人脸动画角色以及医美整形等行业,具有重要的研究价值。目前,三维人脸重建存在一些遮挡和大姿态等问题,其中大部分人脸重建方法是从单张图片入手,模型效果较差,而多张图片的信息综合利用更有助于人脸信息的重建。为此,本文围绕基于传统方法的多视图人脸重建和基于深度学习方法的多视图人脸重建展开详细阐述,并对多视图人脸重建领域进行总结与展望。     

基于表情人脸图像的三维人脸模型重建

阐述对于带有表情的二维人脸图像的三维人脸模型重建算法。选取向左、中间、向右三种不同朝向的同一表情人脸图像，以基于颜色的K均值聚类进行人脸分割，获得富含特征信息的人脸轮廓，接着，对三种朝向的人脸图像进行投影变换实现立体校正，并基于特征信息完成立体匹配，获得带有深度信息的稀疏视差图，继而形成平滑的点云形式，并基于三角剖分算法完成三维人脸模型的建立。实验结果表明，该算法对实现表情图像的三维人脸模型重建具有较好的效果。     

视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。     

一种用于人脸识别的三维人脸模型重建方法

针对以往三维人脸模型重建算法实用性差、算法复杂度高、需要通用人脸模型和对噪声敏感等缺陷，提出了一种计算量小、无需通用人脸模型的三维人脸模型的重建算法。该算法在人工辅助确定特征点的基础上，利用能量函数最小的约束关系实现深度图的初步融合，然后运用改进ICP算法获得隐式的三维人脸模型。通过对获得模型的变换和投影，可产生不同姿态的二维人脸图像。实验结果表明，融合平均误差仅为1．32毫米，效果逼真。和其它算法相比，它还具有存储资源消耗少、算法稳定性高等优点。     

一种基于反射特性的人脸三维重建方法

不同姿势下的人脸识别研究中的一种重要思路就是在三维空间解决姿势变化问题,如何由二维人脸图像得到三维人脸形状是其中的一项关键技术.本文提出了一种由两幅正面人脸图像估计人脸表面反射特性,重建三维形状的算法.首先根据人脸的对称特性,由两幅给定光照的正面人脸图像,估计得到个性化人脸特征:反射特性(反射系数与法向量的乘积),并提出消除鼻梁阴影的改进算法;然后由反射特性重建三维人脸形状,最后根据估计得到的反射特性和三维形状合成不同姿势下的人脸图像,实验结果表明,本文提出算法合成的人脸图像更自然一些,而且合成图像不受训练集图像的影响.本方法计算简单,并且不需要任何三维人脸数据作为先验知识.     

改进的三维人脸稠密对齐方法

针对ICP、NICP、流光法用于对齐三维人脸,建立形变模型,存在人脸对齐精度和准确性上的局限性问题。在标准形变算法的基础上,改进了局部匹配点搜索策略和形变能量函数,增加匹配点的准确性。并根据非刚性形变算法的思想,提出三维人脸迭代稠密对齐方法。在BJUT－3DFace Data人脸数据上实验证明,文中算法提高了人脸对齐的精度和准确性。     

基于深度卷积神经网络的激光三维图像重建方法

针对当前的激光三维图像重建方法存在的精度低、效果差，耗时长等难题，为了提高激光三维图像重建效果，提出基于深度卷积神经网络的激光三维图像重建方法。首先采集待重建激光三维图像，采用去噪算法对激光三维图像进行去噪操作，并对去噪处理后的激光三维图像进行增强操作，改善激光三维图像视觉效果，然后采用深度卷积神经网络对激光三维图像进行激光三维图像重建，最后进行了多幅激光三维图像重建仿真测试，结果表明，深度卷积神经网络的激光三维图像重建精度超过93%,重建后激光三维图像质量得到提升，激光三维图像重建时间控制在40 ms以内，可以快速实现激光三维图像重建结果，同时重建后的激光三维图像整体效果要明显优于当前经典重建方法，具有更加广泛的应用前景。     

一种3D眼镜虚拟试戴系统的实现

针对人脸图像试戴3D眼镜过程中存在的镜腿遮挡人脸问题,文中提出一种基于人脸图像的3D眼镜虚拟试戴技术。利用构建的人脸形状的三维模型,使其在虚拟试戴中对镜腿起到消隐作用,解决镜腿的遮挡问题。文中对输入的人脸图像进行关键点检测,结合Graham扫描法求得人脸形状的凸多边形,利用平移扫描构建人脸形状的三维模型。此外,文中根据定位人脸图像上的关键点以及姿态估计后对三维眼镜模型的变换,将眼镜模型佩戴到人脸图像上。实验结果表明,该方法对于多视角的人脸图像实现了虚拟试戴效果,解决了多种视角下人脸图像试戴过程中镜腿的遮挡问题,虚拟试戴中镜腿遮挡平均准确率为94.5%,遮挡精度较高。     

基于特征点预测的三维表情人脸合成

对于三维人脸表情合成,基于设备的方法成本高、灵活度低,表情的重建依赖人脸扫描过程中原始人脸表情;基于图像的方法大部分以面部行为编码系统(FACS)为基础,存在FACS兼容性较好的部分模型表现粗糙问题、合成真实度较低等问题.针对于此,本文提出一种基于特征点预测的三维表情合成方法.在三维人脸重建效果较好的3DMM算法基础上...     

重要申请人的3D人脸重建专利技术演进分析

人脸3D重建在图像建模领域中占有较大的比重,如果可以全面地掌握人脸3D建模的特点及其关键技术,则对专利审查工作、课题研究、商业应用和推广具有重要的学术意义和应用价值。清华大学和腾讯公司在3D人脸重建这一技术主题上的有效专利申请全球排名前十,两者在图像处理及3D人脸建模领域的技术领域中有着丰厚的理论研究成果,文章分析两者在3D人脸重建技术的演进路线。     

基于形状匹配变形模型的三维人脸重构

为了从多幅人脸图像构造三维人脸结构,通常需要自动提取不同图像中的对应特征点,这往往是很难完成的.为了避免这个困难,本文建立了一个基于形状匹配的三维变形模型,在保证形状最佳匹配的条件下,实现对人脸图像姿态的估计和三维人脸重构.模型采用径向基函数对通用头部模型进行变形,用形状上下文来描述点之间的形状相似性,形状距离用来描述头部模型和人脸图像整体形状上的相似性,从而实现形状最佳匹配意义上的三维重构.实验表明,本文的算法只需要在人脸图像中提取特征点集,不需进行配准,就可以恢复出令人满意的三维头部结构.     

基于卷积神经网络的大姿态人脸对齐方法

大姿态人脸对齐是人脸识别和三维人脸重构等很多重要视觉任务的先决条件.现有的对齐方法大多使用二维界标位置来进行对齐,且使用的界标数量有限,影响大姿态人脸对齐的准确性.提出一种采用三维形变模型(3DMM)来表示二维人脸图像,将具有任意姿态的人脸对齐问题建模为基于3DMM的拟合问题.采用基于卷积神经网络(CNN)的级联回归方...     

基于体绘制思维的人脸识别算法优化研究

传统的人脸识别算法主要解决二维正面图像识别,如果人体姿态发生明显变化,或外界环境发生显著变化,则算法性能大大降低,无法获取准确的识别结果。体绘制算法针对三维数据场进行绘制,绘制的图像能够描述人脸的内部细节,可提高人脸识别精度。因此,提出一种基于体绘制思维的人脸识别算法,依据聚类思想对二维人脸库进行聚类,在各分类的基础上,构建人脸相似模型。通过错切变形体制算法,构建人脸体数据,实现人脸体数据坐标系统的转换以及人脸三维图像的合成,从人脸三维图像中采集人脸特征,利用相似性模型对人脸关键特征同数据库已有的特征进行匹配分析,完成人脸身份识别。实验结果说明,所提算法对于不同表情和不同光照条件下的人脸图像,都具有较高的识别率和鲁棒性。     

基于红外结构光的三维人脸建模

在基于结构光的双目三维人脸重建中,容易丢失细节处数据和建模精度较低,导致三维人脸数据完整度不高,对三维人脸识别较差.本文研究了基于红外条纹的双目三维照相机系统,通过投射红外条纹结构光,根据相移法将生成包裹相位,利用三频法得到绝对相位,生成视差图,得到三维人脸模型.实验表明,基于红外的哑铃规球心测距误差在0.1％以内,人...     

基于2D-PCA特征描述的非负权重邻域嵌入人脸超分辨率重建算法

在基于邻域嵌入人脸图像的超分辨率重建算法中,训练和重建均在特征空间进行,因此,特征选择对算法性能具有较大影响。另外,算法模型对重建权重未加限定,导致负数权重出现而产生过拟合效应,使得重建人脸图像质量衰退。考虑到人脸图像的特征选择以及权重符号限定的重要作用,该文提出一种基于2维主成分分析(2D- PCA)特征描述的非负权重邻域嵌入人脸超分辨率重建算法。首先将人脸图像分成若干子块,利用K均值聚类获得图像子块的局部视觉基元,并利用得到的局部视觉基元对图像子块分类。然后,利用2D-PCA对每一类人脸图像子块提取特征,并建立高、低分辨率样本库。最后,在重建过程中使用新的非负权重求解方法求取权重。仿真实验结果表明,相比其他基于邻域嵌入人脸超分辨率重建方法,所提算法可有效提高权重的稳定性,减少过拟合效应,其重建人脸图像具有较好的主客观质量。