一种人脸浮雕几何建模方法技术

本发明专利技术公开了一种人脸浮雕几何建模方法，属于浮雕建模领域，解决现有人像浮雕建模效率低、自动化差的问题；其方法包括如下步骤：对输入的单张人脸图像进行人脸关键特征点定位，获取人脸图像特征点；基于BFM参数化人脸模型构建初始3D人脸；基于Bi‑Laplacian约束点位移法对初始3D人脸进行形状优化，生成形状优化后3D人脸；基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，生成高度优化后3D人脸；对高度场优化后3D人脸进行线性压缩，生成原始3D人脸浮雕，并通过基于关键点约束的Bi‑Laplacian网格变形法对原始人脸浮雕进行几何细节优化，生成具备丰富几何细节的人脸浮雕。

A geometric modeling method for face relief

The invention discloses a geometric modeling method for face relief, belonging to the field of relief modeling, which solves the problems of low efficiency and poor automation of existing relief modeling. The method comprises the following steps: locating the key feature points of the input single face image to obtain the feature points of the face image; and parameterizing the human based on BFM Face model is used to construct the initial 3D face; Bi_Laplacian constraint point displacement method is used to optimize the shape of the initial 3D face and generate the optimized 3D face; based on the relationship between the illumination intensity of the face image and the geometric normal direction of the 3D face, the optimized 3D face is optimized to generate the optimized 3D face. After field optimization, 3D face is compressed linearly to generate the original 3D face relief, and the geometric details of the original face relief are optimized by Bi_Laplacian mesh deformation method based on key point constraints to generate the face relief with rich geometric details.

【技术实现步骤摘要】
一种人脸浮雕几何建模方法
本专利技术涉及浮雕建模领域，具体地说是一种人脸浮雕几何建模方法。
技术介绍
人像浮雕是浮雕艺术的一种常见类型，它在背景平面或曲面上雕刻出凹凸起伏的人物形象，加上光线的运用塑造出空间感，在单一材质和有限的体积厚度内传递人物形态，是介于2D肖像和3D雕塑之间的一种艺术表现形式。根据厚度不同，人像浮雕可以分为浅浮雕和高浮雕两种类型。传统数字人像浮雕设计以手工建模为主，专业性强，设计师需要在软件平台上(如ArtCAM、Type3、JDPaint)构造点线面进行大量虚拟雕刻，人机交互复杂，设计一件作品需要花费几个小时时间。如何提高人像浮雕的设计效率解决的技术问题。
技术实现思路
本专利技术的技术任务是针对以上不足，提供一种人脸浮雕几何建模方法，来解决现有人像浮雕建模效率低、自动化差的问题。本专利技术的技术任务是按以下方式实现的：一种人脸浮雕几何建模方法，以单张人脸图像为输入，在网格域进行三维几何自动重构，根据用户指定的厚度和映射角度生成人脸浮雕模型，包括如下步骤：S1、对输入的单张人脸图像进行人脸关键特征点定位，获取人脸图像特征点；S2、基于BFM参数化人脸模型构建初始3D人脸；S3、基于Bi-Laplacian约束点位移法对初始3D人脸进行形状优化，生成形状优化后3D人脸；S4、基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，生成高度优化后3D人脸；S5、对高度场优化后3D人脸进行线性压缩，生成原始3D人脸浮雕，并通过基于关键点约束的Bi-Laplacian网格变形法对原始人脸浮雕进行几何细节优化，生成具备丰富几何细节的人脸浮雕。通过人脸图像特征点定位、构建初始3D人脸、对初始3D人脸进行形状优化、对形状优化后3D人脸进行高度场优化，对高度优化后3D人脸进行优化生成人脸浮雕五个步骤，在少量人机互动的基础上生成可自主设定浮雕高度和映射角度的人脸浮雕。进一步的，步骤S2基于BFM参数化人脸模型构建初始3D初始人脸，包括如下步骤：S21、BFM人脸表示为M＝(μ,σ,U)，基于上述BFM人脸，3D人脸在BFM模型空间表示为S(α)＝μ+U·diag(σ)·α，其中α为形状因子，μ∈R3m为平均人脸，m为人脸顶点数量，σ∈Rn-1为形状标准偏差，U＝(u1,u2,......,un)∈R3m×n-1为n-1个经过PCA分解的标准正交基；S22、人脸图像特征点像素坐标表示为fi'＝(wi,hi)，平均人脸图像特征点空间坐标表示为gi＝(xi,yi,zi)，将人脸图像特征点像素坐标逆映射为BFM模型空间坐标，BFM模型空间坐标表示为fi＝(xi,yi,zi)，BFM模型空间坐标与平均人脸图像特征点空间坐标之间的坐标差表示为D＝(d1,d2,......,dn)T∈R2mwithdi＝fi-gi；S23、输入矩阵Q∈R2m×nwithqij＝σij·uij，输入矩阵Q的SVD奇异值分解式表示为Q＝U·W·VwithW∈R2m×n，通过上述输入矩阵Q的SVD奇异值分解式构建形状因子，形状因子的表达式为S24、将上述形状因子的表达式代入3D人脸在BFM模型空间的表达式，生成初始3D人脸。进一步的，步骤S3中基于Bi-Laplacian约束点位移法对初始3D人脸进行形状优化，包括如下步骤：S31、选取人脸图像特征点作为约束点，通过Bi-Laplacian约束点位移法求解约束点由当前位置移动至目标位置的约束点位置变动量；S32、基于上述约束点位置变动量采用硬约束将每个约束点移位至目标位置，并带动3D人脸中除约束点之外的其它3D人脸顶点产生位移。进一步的，步骤S4基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，包括如下步骤：S41、通过二次光照模型模拟人脸图像的当前光照环境，计算形状优化后3D人脸顶点亮度，并对形状优化后3D人脸顶点亮度进行光照细节分割，得到形状优化后3D人脸顶点亮度的中低频组分和高频组分；S42、以形状优化后3D人脸顶点亮度的中低频组分为目标亮度，以形状优化后3D人脸法向为初始值，通过基于半球网格模型的三角面片法向搜索方法对形状优化后3D人脸的每个三角面片进行法向搜索，生成3D人脸的目标法向；S43、以3D人脸的目标法向为输入，通过高度场泊松重建方法对形状优化后3D人脸进行高度场优化，生成高度场优化后3D人脸。步骤S41中通过计算形状优化后3D人脸顶点亮度，该亮度可理解为灰度，可通过亮度看到人脸的明暗变化。步骤S42中通过基于半球网格模型的三角面片法向搜索方法进行法向搜索，该方法降低了法向搜索的运算复杂度，尤其相对于传统的梯度下降法或牛顿迭代法。进一步的，步骤S41包括如下步骤：S411、在全局光照条件下，形状优化后3D人脸顶点亮度Si表示为形状优化后3D人脸顶点法向的二次函数：对称矩阵A∈R3×3，向量b∈R3×1，c为常量，ni为形状优化后3D人脸顶点法向，形状优化后3D人脸顶点亮度Si的取值范围为0～255，对称矩阵A、向量b和常量c组成二次光照参数，以形状优化后3D人脸顶点法向ni和人脸图像内对应的像素亮度Ii为输入条件，通过最小二乘法计算上述二次光照参数；S412、以形状优化后3D人脸顶点法向ni和上述二次光照参数为输入条件，计算形状优化后3D人脸顶点亮度Si；S413、形状优化后3D人脸顶点亮度Si和人脸图像内对应的像素亮度Ii的亮度差li表示为li＝Ii-Si，通过能量最小化提取亮度差li的中低频组分，能量最小化公式表示为通过求解上述能量最小化公式得到形状优化后3D人脸顶点亮度的高频组分ri，ri＝li-li'。进一步的，步骤S5包括如下步骤：S51、将高度优化后3D人脸变换至指定映射角度，在指定映射角度下对高度优化后3D人脸的高度坐标进行归一化并进行线性压缩，生成原始人脸浮雕；S52、以人脸图像像素亮度为目标亮度，以3D人脸的目标法向为初始值，通过基于半球网格模型的三角面片法向搜索方法进行法向二次搜索，生成浮雕人脸的目标法向；S53、以人脸浮雕的目标法向为输入，采用基于关键点约束的Bi-Laplacian网格变形法对原始浮雕人脸进行泊松重建，生成高度场优化后的浮雕人脸。进一步的，步骤S42以及步骤S52中基于半球网格模型的三角面片法向搜索方法，包括如下步骤：L1、在人脸图像的当前光照环境下计算半球网格模型的亮度范围，亮度范围记为[bmin,bmax]，并将亮度范围均分为多个半球亮度区间，每个半球亮度区间内均包括多个具有相同亮度的半球顶点，上述位于同一个半球亮度区间内、且具有相同亮度的半球顶点记为候选顶点；L2、将上述亮度范围设定为目标亮度，根据三角面片的目标亮度搜索到对应的半球亮度区间，半球亮度区间内每个半球顶点的亮度和与其对应的三角面片的目标亮度一致；L3、根据法向夹角最小判断准则，位于同一半球亮度区间内的所有候选顶点中其法向与三角面片输入法向夹角最小的候选顶点法向为对应三角面片的目标法向。进一步的，步骤S43以及步骤S53中人脸高度场泊松重建方法，包括如下步骤：M1、通过欧拉-拉格朗日方程推导目标函数生成泊松方程ΔH＝div(g')，上述泊松方程等价于求解稀疏线性系统L·z＝b，其中，L为网格顶点的L本文档来自技高网...

【技术保护点】
1.一种人脸浮雕几何建模方法，其特征在于以单张人脸图像为输入，在网格域进行三维几何自动重构，根据用户指定的厚度和映射角度生成人脸浮雕模型，包括如下步骤：S1、对输入的单张人脸图像进行人脸关键特征点定位，获取人脸图像特征点；S2、基于BFM参数化人脸模型构建初始3D人脸；S3、基于Bi‑Laplacian约束点位移法对初始3D人脸进行形状优化，生成形状优化后3D人脸；S4、基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，生成高度优化后3D人脸；S5、对高度场优化后3D人脸进行线性压缩，生成原始3D人脸浮雕，并通过基于关键点约束的Bi‑Laplacian网格变形法对原始人脸浮雕进行几何细节优化，生成具备丰富几何细节的人脸浮雕。

【技术特征摘要】
1.一种人脸浮雕几何建模方法，其特征在于以单张人脸图像为输入，在网格域进行三维几何自动重构，根据用户指定的厚度和映射角度生成人脸浮雕模型，包括如下步骤：S1、对输入的单张人脸图像进行人脸关键特征点定位，获取人脸图像特征点；S2、基于BFM参数化人脸模型构建初始3D人脸；S3、基于Bi-Laplacian约束点位移法对初始3D人脸进行形状优化，生成形状优化后3D人脸；S4、基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，生成高度优化后3D人脸；S5、对高度场优化后3D人脸进行线性压缩，生成原始3D人脸浮雕，并通过基于关键点约束的Bi-Laplacian网格变形法对原始人脸浮雕进行几何细节优化，生成具备丰富几何细节的人脸浮雕。2.根据权利要求1所述的一种人脸浮雕几何建模方法，其特征在于步骤S2基于BFM参数化人脸模型构建初始3D初始人脸，包括如下步骤：S21、BFM人脸表示为M＝(μ,σ,U)，基于上述BFM人脸，3D人脸在BFM模型空间表示为S(α)＝μ+U·diag(σ)·α，其中α为形状因子，μ∈R3m为平均人脸，m为人脸顶点数量，σ∈Rn-1为形状标准偏差，U＝(u1,u2,......,un)∈R3m×n-1为n-1个经过PCA分解的标准正交基；S22、人脸图像特征点像素坐标表示为f′i＝(wi,hi)，平均人脸图像特征点空间坐标表示为gi＝(xi,yi,zi)，将人脸图像特征点像素坐标逆映射为BFM模型空间坐标，BFM模型空间坐标表示为fi＝(xi,yi,zi)，BFM模型空间坐标与平均人脸图像特征点空间坐标之间的坐标差表示为D＝(d1,d2,......,dn)T∈R2mwithdi＝fi-gi；S23、输入矩阵Q∈R2m×nwithqij＝σij·uij，输入矩阵Q的SVD奇异值分解式表示为Q＝U·W·VwithW∈R2m×n，通过上述输入矩阵Q的SVD奇异值分解式构建形状因子，形状因子的表达式为S24、将上述形状因子的表达式代入3D人脸在BFM模型空间的表达式，生成初始3D人脸。3.根据权利要求2所述的一种人脸浮雕几何建模方法，其特征在于步骤S3中基于Bi-Laplacian约束点位移法对初始3D人脸进行形状优化，包括如下步骤：S31、选取人脸图像特征点作为约束点，通过Bi-Laplacian约束点位移法求解约束点由当前位置移动至目标位置的约束点位置变动量；S32、基于上述约束点位置变动量采用硬约束将每个约束点移位至目标位置，并带动3D人脸中除约束点之外的其它3D人脸顶点产生位移。4.根据权利要求2所述的一种人脸浮雕几何建模方法，其特征在于步骤S4基于人脸图像光照强度与3D人脸几何法向之间的联系对形状优化后3D人脸进行高度场优化，包括如下步骤：S41、通过二次光照模型模拟人脸图像的当前光照环境，计算形状优化后3D人脸顶点亮度，并对形状优化后3D人脸顶点亮度进行光照细节分割，得到形状优化后3D人脸顶点亮度的中低频组分和高频组分；S42、以形状优化后3D人脸顶点亮度的中低频组分为目标亮度，以形状优化后3D人脸法向为初始值，通过基于半球网格模型的三角面片法向搜索方法对形状优化后3D人脸的每个三角面片进行法向搜索，生成3D人脸的目标法向；S43、以3D人脸的目标法向为输入，通过高度场泊松重建方法对形状优化后3D人脸进行高度场优化，生成高度场优化后3D人脸。5.根据权利要求4所述的一种人脸浮雕几何建模方法，其特征在于步骤S41包括如下步骤：S411、在全局光照条件下，形状优化后3D人脸顶点亮度Si表示为形状优化后3D人脸顶点法向的二次函数：对称矩阵A∈R3×3，向量b∈R3×1，c为常量，ni为形状优化后3D人脸顶...

【专利技术属性】
技术研发人员：张玉伟，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东,37