论文部分内容阅读
随着三维数字化技术的发展，三维建模有着广泛的应用。高精度三维扫描设备和高性能图形工作站的不断更新和发展，使三维人脸建模成为计算机视觉与计算机图形学领域的一个研究热点，并且在多媒体和人机交互等方面都具有广泛的应用。目前三维人脸建模的方法有很多种，如基于单视图、两视图和多视图等，以及基于几何重建的。它们的共同特点是对脸部采集样本越多重建的效果越好，然而详尽的脸部信息获取不仅成本昂贵，有时更因对象的原因无法采集更多的脸部信息。因此，本文将对基于单张正面照片信息进行脸部三维重建的方法进行研究。研究内容包括：首先建立正交人脸库，利用人脸生理结构合理选择正侧面特征点，注意其对应关系，计算出特征点的数据值，为下一步算法做准备；其次，利用上一步获得的数据进行BP神经网络训练，以正面特征点数据作为输入，侧面对应特征点数据为输出，得到对应关系，从而通过网络权值获得特定正面人脸的深度值；此外，针对BP算法收敛速度比较慢的缺点，通过采用LM算法并配以新转移函数对BP算法加以改进，在Matlab/Simulink环境下仿真实验表明，该方法能使速度和精度均得到明显提高；第四，对正交照片中定义的人脸特征点，采用径向基函数插值的方法调整非特征点的位置，得到特定三维人脸模型；最后，通过纹理映射的方法，生成具有真实感的人脸模型。