论文部分内容阅读
近年来人脸识别以其方便、经济而受到世人的瞩目，然而随着人脸检测和识别，人脸建模和动画等方面的研究的不断深入，传统的基于二维图像的人脸分析方法面临诸多困难。由于人脸是存在于空间三维结构的，而二维图像本身三维信息的缺失，无法很好地处理三维结构的人脸识别问题。一个较好的解决办法是利用三维信息进行人脸的识别。三维信息能够更精确地描述人的脸部特征，提取的某些特征具有刚体变换不变性，并且不易受化妆，姿态和光照的影响。
三维人脸的研究主要困难在于：L数据获取困难2．预处理工作非常繁琐3．三维数据顶点的排列具有任意性，三维数据的配准也是一个待解决的问题4．在三维配准时，需要一些三维特征点的坐标，而自动的三维特征点提取算法从未有人提出。
针对目前三维人脸建模与三维人脸研究中的关键性问题，本人在研究生期间所做的工作与创新性的探索如下：
(1)帮助实验室建立了两个三维人脸数据库，并对于这两个不同方式采集得到的三维数据库进行了预处理和重采样的工作。
(2)由于三维数据的顶点规模远大于传统二维数据，所以在预处理过程中，本文提出了一个由少量手工点取的特征点坐标组成的能量函数，对这个能量函数进行优化来简化三维预处理过程。
(3)对于在三维上进行特征点搜索的算法进行了尝试。将原本在直角坐标系上适用的AAM算法，改为在圆柱坐标(h，φ)上进行。在深度空间建立线性模型，并改进了AAM算法搜索特征点的能量函数，增加了深度空间项。新的能量函数得到的优化效果更为理想。
(4)在三维配准方法上，本文对光流方法和网格采样方法进行了研究，并且在网格采样方法上提出了适当的改进。但由于这两种方法效果并不非常理想，本文提出了一种基于TPS的三维配准新方法，在效果和耗时方面都比前两种方法更优。
(5)基于我们拥有的三个三维人脸库，分别进行了三维建模的工作，建立了三个三维可变形人脸的统计模型。同时对建立的三维模型进行了比较，提出了模型评判的一般性标准。
(6)以上海市科委重大项目“基于三维头部图像的身份识别新技术研究”为背景，将建立的三维可变形模型应用到了实际系统中，并进行了大量的测试工作。