三维人脸重建方法技术

本发明专利技术公开了一种三维人脸重建方法，包括以下步骤：S1：定位出待重建人脸图象中的二维关键点；S2：定位出三维模型中与S1中的二维关键点对应的三维关键点坐标；S3：利用S2中的关键点分部件加权计算三维人脸的形状重建系数，以及成象模型参数；S4：利用三维形变模型分部件合成三维人脸形状；S5：利用成象模型和人脸对称性提取三维人脸纹理。本发明专利技术提供的三维人脸重建方法，首先对任意姿态人脸图象都能获得较好的重建结果，其次运算速度快，而且非线性优化很快收敛，与现有技术的稠密重建算法相比，速度提高一个数量级以上而且性能更加稳定。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，特别涉及一种。
技术介绍
三维人脸重建是计算机视觉和计算机图形学中的一个重要研究课题，广泛应用于人脸识别、人机交互、三维动画领域中。三维人脸重建的经典方法是三维形变模型(3D Morphable Model),用基向量的线性组合来重建人脸的三维形状Xnrodel和纹理tm()del,即权利要求1.一种，其特征在于，包括以下步骤S1:定位出待重建人脸图象中的二维关键点；52:定位出三维模型中与SI中的二维关键点对应的三维关键点坐标；53:利用S2中的关键点分部件加权计算三维人脸的形状重建系数，以及成象模型参数；54:利用形状重建系数和三维形变模型分部件合成三维人脸形状并进行融合；55:利用成象模型和人脸对称性提取三维人脸纹理。2.如权利要求1所述的方法，其特征在于，SI具体包括511:确定待重建人脸的三维姿态；512:获取二维关键点坐标。3.如权利要求2所述的方法，其特征在于，S2具体包括521:利用待重建人脸的三维旋转角度，从三维平均人脸合成相应角度的人脸虚图象；522:从S21中的人脸虚图象中手工拾取或者用人脸定位算法定位二维关键点；523:获取对应的三维关键点坐标。4.如权利要求3所述的方法，其特征在于，在S21中，经过透视变换、栅格化、消隐的计算机图形学操作，得到二维人脸虚图象，同时记录每一象素对应的三维模型顶点坐标。5.如权利要求3所述的方法，其特征在于，在S23中，根据所述二维关键点的象素坐标， 通过回溯所述对应三维模型顶点坐标获取三维关键点坐标，然后从完整三维人脸基向量矩阵中抽取出对应的三维稀疏基向量矩阵G。6.如权利要求1所述的方法，其特征在于，在S3中，选取四组权重分别对关键点进行加权。7.如权利要求1所述的方法，其特征在于，在S4中，利用基向量矩阵加权融合合成三维人脸形状。8.如权利要求1所述的方法，其特征在于，S5还包括，对S4和S5中获取的三维人脸形状和三维人脸纹理中的任意一个点进行可见性检测。全文摘要本专利技术公开了一种，包括以下步骤S1定位出待重建人脸图象中的二维关键点；S2定位出三维模型中与S1中的二维关键点对应的三维关键点坐标；S3利用S2中的关键点分部件加权计算三维人脸的形状重建系数，以及成象模型参数；S4利用三维形变模型分部件合成三维人脸形状；S5利用成象模型和人脸对称性提取三维人脸纹理。本专利技术提供的，首先对任意姿态人脸图象都能获得较好的重建结果，其次运算速度快，而且非线性优化很快收敛，与现有技术的稠密重建算法相比，速度提高一个数量级以上而且性能更加稳定。文档编号G06T17/00GK102999942SQ201210540370公开日2013年3月27日 申请日期2012年12月13日 优先权日2012年12月13日专利技术者方驰, 丁镠, 丁晓青, 王丽婷, 黄琛, 文迪 申请人:清华大学本文档来自技高网...

【技术保护点】
一种三维人脸重建方法，其特征在于，包括以下步骤：S1：定位出待重建人脸图象中的二维关键点；S2：定位出三维模型中与S1中的二维关键点对应的三维关键点坐标；S3：利用S2中的关键点分部件加权计算三维人脸的形状重建系数，以及成象模型参数；S4：利用形状重建系数和三维形变模型分部件合成三维人脸形状并进行融合；S5：利用成象模型和人脸对称性提取三维人脸纹理。

【技术特征摘要】

【专利技术属性】
技术研发人员：方驰，丁镠，丁晓青，王丽婷，黄琛，文迪，
申请(专利权)人：清华大学，
类型：发明
国别省市：