本发明专利技术提出一种基于控制点和控制线邻域变形的个性化人像产品设计方法。首先对正面和侧面图像进行归一化处理；提取正面和侧面图像的人脸特征点；根据图像提取的人脸特征点对标准模型进行个性化变形，其他非特征点利用径向基插值变形算法进行相应变形；再利用提出的基于控制点邻域变形算法对人像产品点特征区域优化设计；以及利用提出的基于控制线邻域变形算法对人像产品线特征区域进行优化设计。该方法可对个性化人像产品的五官特征、发型、身体和服装点特征区域和线特征区域进行优化，克服了传统人像产品难以修改、模型相似度低、模型难以直接用于加工制造的缺点。
【技术实现步骤摘要】
本专利技术涉及利用二维图像生成三维模型技术，特别是涉及一种基于控制点和控制线的人像产品优化设计方法。该方法利用工业化生产手段，根据二维图像进行逼真的三维人像数字化几何模型设计与数控加工。
技术介绍
为响应快速发展的个性化市场需求，现代制造企业逐渐从单品种、大批量、周期长向多品种、小批量、周期短的个性化定制服务方向发展。先进制造技术的变革、因特网和信息技术的高速发展，出现了一种利用真人二维图像重构三维模型的个性化人像产品，且该产品正在形成一种潜在的巨大新兴产业。个性化人像产品制作的核心在于如何根据二维图像生成逼真的三维真人模型。一种最直接的人像三维建模方法就是利用三维数字化扫描仪，根据三角学测量原理，采集三维人像点云数据。美国Cyberware公司的人像三维扫描仪可称得上行业内的佼佼者，该公司研制的3030系列(除了 30308)扫描仪，以及中国专利CN94103620.0号公开了一种“三维人像速成制作方法”，这些技术不但可以获取人体三维轮廓数据，还能获取好的表面纹理。但是，这种通过数字化扫描设备进行人像三维建模的方法也有其不可忽视的缺点，尤其对反射率较低的部位(如头发)扫描效果较差。同时，其要求当事人必须亲自到场的不便也限制了三维人像产品的普及和推广。中国专利CN99108143号公开了一种“平行光面法三维头像自动雕刻系统”，利用摄像头在平行光面照射下拍摄定标图像和面部图像信息，利用标尺测量头部其它参数，最终在屏幕上拟合出完整头部三维图像。经对图像的发型、仰俯角、面部表情等修饰满意后，控制机械装置自动雕刻出三维头像。该种方法未涉及到三维人像的建模过程，也没有生成相应的可加工文件。而且，因为该雕刻系统只能加工一些易加工材料，所以用其作为一种试验性质尚可，并不适合用于实际的加工制造。中国专利CN200610083493号公开了 “一种三维人像摄影系统及其实现方法”，利用顾客正面、侧面照片获得三维几何模型，再使用空间半色调方法将连续色调的纹理贴图灰度图像进行空间调制，通过激光雕刻机在人造水晶内部“打印”出一个在视觉观察效果上近似于原三维图像的二值图像，形成具有真实感的三维实体头像。该方法最后制作出的仅是“视觉”观察效果上近似于原三维图像的二值图像，虽然也有根据人脸关键特征点对标准模型进行变形，但并不能算作严格意义上的三维建模，并且将正侧面照片映射到三维几何模型上这一做法恰恰又掩盖了三维模型的低相似度。中国专利CN200410086350号提出用三维摄像机定制三维雕像的方法，该方法生成的人像逼真程度在一定程度上取决于雕刻师的手艺。中国专利CN200720011658号公开了一种由本人面部照片组合而成的娃娃，此方法的最终效果很多程度上取决于照片的贴敷程度，娃娃面孔部分凹槽与真人的贴合程度，另外，身体是模型娃娃，没有根据客户照片制作，其整体逼真效果欠佳。综上所述，目前市场上的人像产品主要依靠传统的手工制作，如真人陶偶、泥人张、三维石刻雕塑等，产品一旦成型，便不可修改；并且，其相似度完全依靠手工艺者的经验积累和手艺，产品质量难以控制。另一种利用二维图像生成的人像产品广泛用于动漫、影视等虚拟环境，所建立的三维模型依靠纹理或照片等色彩来弥补几何模型相似度低的缺点，难以直接用于实际产品的加工制造。因此，本专利技术围绕一种利用二维图像生成三维人像产品的优化设计方法展开研究，利用二维图像和提出的人像优化算法实现一种可修改的、相似度高的，并且可直接用于加工制造的人像产品。除此之外，本专利技术研究成果除了可加速个性化人像产品的开发外，还可为部队军事装备、航天航空装备、车辆(如摩托车、赛车)装备、消防、矿山、冶金和化工等特殊行业的作业人员的头盔或面具进行设计，以及为三维电影和视频游戏等虚拟环境提供虚拟人物几何模型。
技术实现思路
针对现有人像产品难以修改、三维人像建模相似度低、模型难以直接用于产品加工制造等现状，本专利技术提出一种基于控制点和控制线邻域变形的个性化人像产品的优化设计方法。本专利技术的技术方案是提供一种，其特征在于所述方法包括如下步骤:第一步，图像归一化处理，归一化的目的是调整待建模的人像正面图像和侧面图像与标准模板图像的大小一致。其中，设正面图像眼角到嘴角高度为Hf，侧面图像眼角到嘴角高度为Hp，标准模板图像眼角到嘴角高度为H，归一化方法为:Hf=Hp=H (I)第二步，二维特征点提取；在正面图像和侧面图像上分别定义人脸五官的11个特征点，分别与标准模型中相应的特征点进行对应；第三步，标准模型的个性化变形；其中，根据第二步提取的五官特征点进行个性化变形，包括人脸五官11个特征点的变形和其他点的变形；11个特征点的变形方法为:从正面图像提取的11个二维特征点决定标准模型中对应点的X和Y坐标值，侧面图像提取的11个二维特征点决定标准模型中对应特征点的Z坐标值，将标准模型按照特征点确定的新坐标进行变形从而确定个性化人脸11个特征点位置；其他点采用径向基插值法进行变形，具体方法为:基函数由单个变量函数构成，设点(x，y)的基函数的形式为:hk(x, y) =h(dk) (2)其中，dk指由点(x，y)到第k个数据点的距离；插值公式为:权利要求1.一种基于控制点和控制线变形的个性化人像产品设计方法，其特征在于所述方法包括如下步骤: 第一步，图像归一化处理，其中，设正面图像眼角到嘴角高度为Hf，侧面图像眼角到嘴角高度为Hp，标准模板图像眼角到嘴角高度为H，归一化方法为:Hf=Hp=H (I) 第二步，二维特征点提取，在正面图像和侧面图像上分别定义人脸五官的11个特征点，分别与标准模型中相应的特征点进行对应； 第三步，标准模型的个性化变形，其中，根据第二步提取的五官特征点进行个性化变形，包括人脸五官11个特征点的变形和其他点的变形； 11个特征点的变形方法为: 从正面图像提取的11个二维特征点决定标准模型中对应点的X和Y坐标值，侧面图像提取的11个二维特征点决定标准模型中对应特征点的Z坐标值，将标准模型按照特征点确定的新坐标进行变形从而确定个性化人脸11个特征点位置； 其他点采用径向基插值法进行变形，具体方法为: 基函数由单个变量函数构成，设点(x，y)的基函数的形式为: hk(x, y) =h(dk) (2) 其中，dk指由点(x，y)到第k个数据点的距离；插值公式为:2.根据权利要求1所述的基于控制点和控制线变形的个性化人像产品设计方法，其特征在于:基于控制线变形的人像优化方法的另一特征为，变形可实现沿控制线方向的非均匀变形，非均匀变形实现方法为:公式(9)中Zi'计算式中Iii做如下变形: 控制曲线C,长度为L,端点为A和B, I为控制线上任一点Z到其中点的距离，Iitl为用户自定义的变形高度初始值，则控制线上控制点处的变形高度h的计算式定义为:全文摘要本专利技术提出一种。首先对正面和侧面图像进行归一化处理；提取正面和侧面图像的人脸特征点；根据图像提取的人脸特征点对标准模型进行个性化变形，其他非特征点利用径向基插值变形算法进行相应变形；再利用提出的基于控制点邻域变形算法对人像产品点特征区域优化设计；以及利用提出的基于控制线邻域变形算法对人像产品线特征区域进行优化设计。该方法可对个性化人像产品的五官特征、发型、身体和本文档来自技高网...
【技术保护点】
一种基于控制点和控制线变形的个性化人像产品设计方法，其特征在于所述方法包括如下步骤：第一步，图像归一化处理，其中，设正面图像眼角到嘴角高度为Hf，侧面图像眼角到嘴角高度为Hp，标准模板图像眼角到嘴角高度为H，归一化方法为：Hf=Hp=H??（1）第二步，二维特征点提取，在正面图像和侧面图像上分别定义人脸五官的11个特征点，分别与标准模型中相应的特征点进行对应；第三步，标准模型的个性化变形，其中，根据第二步提取的五官特征点进行个性化变形，包括人脸五官11个特征点的变形和其他点的变形；11个特征点的变形方法为：从正面图像提取的11个二维特征点决定标准模型中对应点的X和Y坐标值，侧面图像提取的11个二维特征点决定标准模型中对应特征点的Z坐标值，将标准模型按照特征点确定的新坐标进行变形从而确定个性化人脸11个特征点位置；其他点采用径向基插值法进行变形，具体方法为：基函数由单个变量函数构成，设点（x,y）的基函数的形式为：hk(x,y)=h(dk)??（2）其中，dk指由点（x,y）到第k个数据点的距离；插值公式为：F(x,y)=Σk=1nakhk(x,y)+Σk=1mbkqk(x,y)---(3)其中，qk(x,y)是一多项式基，阶次小于m；系数ak和bk满足下面方程组：Σk=1nakhk(xi,yi)+Σk=1mbkqk(xi,yi)=fiΣi=1naiqj(xi,yi)=0i=1,...,n,j=1,...,m,i=1,...,n---(4)方程组共有m+n个方程式，联立求解便可得到待定系数；对于特征点i，其变形后个性化人脸坐标记为pi=(xi,yi,zi)，变形前标准模型坐标记为pi(0)=(xi(0),yi(0),zi(0))，则该点的位移计算式为：ui=pi?pi(0)人脸模型上每一点的位移记为u，取f(p)满足f(pi)=ui，这样标准模型上的每一点pj的位移可从f(pj)中得到；径向基函数如下所示：u=Σi=1nciφ(||p-pi||)+Mp+t---(5)其中，n为特征点数目，ci为特征点pi对应的权系数，φ为径向基函数，选取高斯函数，即M和t分别是3×3矩阵和3×1向量；通过式（6）可确定系数ci、M和t；ui=f(pi)Σi=1nci=0Σi=1ncipiT=0---(6)第四步，基于控制点邻域变形的人像产品点区域优化，其中，基于控制点邻域变形的人像产品点区域优化算法如下所述：建立坐标系，Zc为变形起始点，Zc“为变形后位置，则变形区域内任一点Z变形后新位置Z“的计算方程为：Z“=Z+f??（7）f为变形函数，其计算方程为：f=h·exp(-||Z-ZC||2(r2/r1)2)-exp(-(r1)2(r2/r1)2)exp(-||Zmin-ZC||2(r2/r1)2)-exp(-(r1)2(r2/r1)2)·N→·t---(8)h控制变形幅度，沿控制点曲面的法向方向变形；r1表示变形影响区域；r2控制变形的陡峭程度；Zmin指与变形起始点最近的点；表示变形起始点Zc所在曲面的法向方向；t表示变形的次数；第五步，基于控制线邻域变形的人像产品线区域优化，其特征为：设约束曲线上的顶点为Zi，Zi即为所有控制点（i=1，…，n），Zi“为Zi变形后的位置，下标i的顺序与Zi在控制曲线上的顺序一致；控制线上任一点Z变形后新位置Z“计算式为：Z′=Σi=1nwiZi′---(9)其中，wi=|Q-Pi|-1Σi=1n|Q-Pi|-1,且Σi=1nwi=1.FDA00002936869700022.jpg,FDA00002936869700025.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：李丽，王名亮，孙园园，王舟洲，刘飞，刘润，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。