学位论文 > 优秀研究生学位论文题录展示

真实感三维人脸建模及应用研究

作　者: 胡永利
导　师: 高文；尹宝才
学　校: 北京工业大学
专　业: 计算机应用技术
关键词: 人脸建模形变模型人脸动画人脸识别人脸特征提取
分类号: TP391.4
类　型: 博士论文
年　份: 2004年
下　载: 877次
引　用: 19次
阅　读: 论文下载

内容摘要

真实感三维人脸建模和人脸动画是计算机图形学、计算机视觉领域最根本、最困难的问题之一,也是近年来国际上最活跃的研究热点。真实感人脸建模的研究在电影、广告、人物动画、计算机游戏、视频会议、人机交互、医学、公安安全等许多领域有广阔的应用前景。形变模型(Morphable Model)是近几年出现的三维人脸建模新方法。虽然该模型同以往的参数模型、肌肉模型以及视觉模型相比,具有真实感好、自动化等特点,但目前该模型在模型建立、优化以及光照等方面还存在诸多问题,在模型应用方面也缺乏探索。针对上述问题,本文在基于形变模型的人脸建模方法及应用方面展开了研究,主要的研究内容包括: (1) 面向中国人特征的大规模三维人脸数据库的建立。三维人脸数据库是建立形变模型的基础。数据库的建立包括数据获取、数据预处理、数据规格化以及数据库结构设计等研究内容。关键是要解决高维三维人脸数据基于特征的像素级稠密对应问题。(2) 基于形变模型的人脸建模方法及改进。首先,基于三维人脸数据库,研究三维人脸形变模型的建立方法,主要包括参数模型的建立和针对输入人脸图像的模型匹配。模型建立涉及模型基础数据的量化处理和人脸参数表示模型的建立,模型匹配涉及光照模型、摄像机标定以及大规模优化问题。其次,对现有的形变模型进行了改进,主要针对非理想光照环境下的模型匹配问题和匹配优化加速问题展开研究。(3) 形变模型的应用研究。主要研究模型在人脸动画、人脸识别和人脸特征提取方面的应用。在人脸动画方面,研究人脸动画的参数表示模型和人脸动画的驱动方法。在人脸识别方面,针对人脸识别中的光照和姿态问题,研究基于三维人脸模型的人脸识别方法。在人脸特征提取方面,研究形变模型在二维人脸图像特征表示方面的应用。

全文目录

摘要  4-8
Abstract  8-12
目录  12-16
插图  16-18
Figure  18-20
第1章绪论  20-38
  1.1 研究的背景和意义  20-23
  1.2 研究现状分析  23-33
    1.2.1 人脸参数模型  24-25
    1.2.2 生理肌肉模型  25-29
    1.2.3 基于图像的视觉建模  29-31
    1.2.4 基于人脸库的形变模型  31-33
  1.3 本文的研究内容  33-35
  1.4 本文结构  35-38
第2章创建三维人脸数据库及其关键技术  38-52
  2.1 国内外人脸库概况  38-41
  2.2 数据获取  41
  2.3 数据预处理  41-43
    2.3.1 面部数据的平滑和切割  41-42
    2.3.2 人脸数据坐标矫正  42-43
  2.4 数据规格化  43-49
    2.4.1 基于光流的对应计算  44-46
    2.4.2 基于网格重采样的对应算法  46-49
  2.5 三维人脸数据库及其应用  49-51
    2.5.1 数据库指标  49
    2.5.2 三维人脸数据库的应用  49-51
  2.6 小结  51-52
第3章基于形变模型的三维人脸重建方法及其改进  52-66
  3.1 引言  52-53
  3.2 模型概述  53-54
  3.3 模型建立  54-55
  3.4 模型匹配  55-57
    3.4.1 模型误差  55-56
    3.4.2 随机优化  56-57
  3.5 多分辨率三维人脸模型  57-60
    3.5.1 建立多分辨率的三维人脸模型  58
    3.5.2 多分辨率的模型匹配  58-60
  3.6 多光源的模型匹配  60-63
  3.7 实验结果  63-64
  3.8 小结  64-66
第4章基于形变模型的人脸动画研究  66-78
  4.1 人脸动画基本方法  66-69
    4.1.1 关键帧插值的人脸动画  66-67
    4.1.2 参数化的人脸动画  67
    4.1.3 基于肌肉的人脸动画  67-69
  4.2 基于形变模型的人脸动画方法  69-70
  4.3 获取动画数据  70-72
  4.4 人脸动画参数模型  72-74
  4.5 实验结果  74-75
  4.6 小结  75-78
第5章三维人脸模型在人脸识别中的应用  78-92
  5.1 引言  78-80
  5.2 基于形变模型的人脸识别系统  80-83
    5.2.1 系统概述  81-82
    5.2.2 人脸识别特征的提取和分类  82-83
  5.3 基于Fisher线性判别的进一步的分析  83-87
    5.3.1 Fisher线性判别的原理  84-85
    5.3.2 Fisher线性判别的实现  85-87
  5.4 实验结果  87-90
    5.4.1 训练和测试人脸图像库  87-88
    5.4.2 匹配结果分析  88-90
  5.5 小结  90-92
第6章基于组合模型的人脸特征检测方法研究  92-112
  6.1 引言  92-94
  6.2 人脸图像的特征学习  94-95
  6.3 标定人脸图像的像素级对应  95-99
  6.4 建立人脸线性组合模型  99-101
    6.4.1 人脸线形组合模型  99-100
    6.4.2 基于主元分析方法(PCA)的模型改进  100-101
  6.5 模型匹配和特征检测  101-103
    6.5.1 模型匹配过程  101-102
    6.5.2 人脸特征检测  102-103
  6.6 实验结果  103-110
    6.6.1 在MPI人脸库上的实验  103-105
    6.6.2 在ORL人脸数据库上的实验  105-107
    6.6.3 与ASM方法的比较  107-109
    6.6.4 实验结果分析  109-110
  6.7 小结  110-112
第7章结论  112-116
  7.1 本文的研究总结  112-114
  7.2 进一步的研究和展望  114-116
参考文献  116-128
攻读博士学位期间所发表的学术论文  128-130
致谢  130-131

真实感三维人脸建模及应用研究

内容摘要

全文目录

相似论文