一种三维人脸重采样方法
【专利说明】一种三维人脸重采样方法 【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种三维人脸重采样方法。 【【背景技术】】
[0002] 近年来，三维人脸重建及三维人脸识别技术得到越来越多的关注，并逐渐成为模 式识别领域中的热点研究问题。在进行人脸重建或识别的过程中，三维人脸的数据归一化 及人脸特征对齐是至关重要的。然而，在实际过程中由于人脸的个体差异性，利用三维扫描 仪等采集设备获得的三维人脸数据不仅特征没有对齐，而且数据点的数目往往也存在较大 差别。因此，在三维人脸重建、识别之前应首先进行人脸重采样处理来解决数据归一化及特 征对齐等问题。。
[0003] 目前，针对三维人脸重采样主要有光流法和基于网格重采样的方法。其中，基于光 流及其改进的方法，其前提是假设认为两幅图像之间光流的变化是连续的，因而该方法对 于比较相像的图像效果较好，但是当两幅图像差别较大时，会导致计算结果存在较大误差； 基于网格重采样的方法将人脸进行几何剖分，对每一剖分区域进行相同的重采样处理，首 先对人脸使用统一的网格进行分块，然后对每一面块进行重采样处理；此外，在此基础上又 发展了基于非均匀网格重采样的方法，通过分析人脸不同区域的曲率信息来描述人脸形状 的复杂性进行非均匀网格重采样，该方法采样密度依赖于曲率，曲率大的面块采样密集，反 之则面块采样稀疏。
[0004] 以上方法能够取得比较好的重采样效果，但也存在无法克服的缺点：网格的采样 密度依赖于曲率，因此需要计算脸部的曲率信息，对人脸进行重采样时，需要统计区域网格 的边长等信息，计算复杂度高；整个过程需要细致熟练的手工工作，操作复杂，无法实现自 动化。
[0005] 因此，减少手工操作，降低计算复杂度以及提高对齐精度是三维人脸重采样需要 解决的关键问题。 【
【发明内容】
】
[0006] 本发明的目的在于提供一种三维人脸重采样方法，通过该方法能够实现三维人脸 重采样，其自动化程度高，简化了计算复杂程度，提高了对齐精度。
[0007] 为实现上述目的，本发明采用下述技术方案：
[0008] -种三维人脸重采样方法，包括下述步骤：
[0009] 选取标准三维人脸；
[0010] 获取待识别的目标三维人脸，并将所述目标三维人脸格式转换为所述标准三维人 脸格式；
[0011] 提取所述标准三维人脸和目标三维人脸的特征点，并利用所述特征点对所述标准 三维人脸和目标三维人脸进行几何剖分；
[0012] 以所述标准三维人脸为参考，采用仿生拓扑变形方法，完成所述目标三维人脸的 尺度归一化；
[0013] 以所述标准三维人脸为参考，采用仿生拓扑变形方法，完成所述目标三维人脸的 维数归一化；
[0014] 利用所述标准三维人脸的几何结构特征及曲面光滑特性，对所述目标三维人脸进 行噪声点检测；
[0015] 对所述目标三维人脸进行去噪处理；
[0016] 完成对所述目标三维人脸的重采样。
[0017] 优选地，其中，在选取标准三维人脸后还包括下述步骤：
[0018] 对所述标准三维人脸进行预处理，所述预处理包括尺度调整和抑制噪声点。
[0019] 优选地，提取所述标准三维人脸和目标三维人脸的特征点，并利用所述特征点对 所述标准三维人脸和目标三维人脸进行几何剖分，具体包括下述步骤：
[0020] 将所述标准三维人脸和所述目标三维人脸投影至柱面坐标系；
[0021] 根据人脸五官分布特点，在上述二维纹理图像上分别提取所述标准三维人脸和所 述目标三维人脸的特征点；
[0022] 利用所述特征点对所述标准三维人脸和目标三维人脸进行几何剖分，并标记序 号。
[0023] 优选地，以所述标准三维人脸为参考，采用仿生拓扑变形方法，完成所述目标三维 人脸的尺度归一化，具体包括下述步骤：
[0024] 计算所述标准三维人脸与所述目标三维人脸的眼间距之比值，并将所述比值作为 尺度缩放因子，实现所述目标三维人脸的尺度归一化。
[0025] 优选地，以所述标准三维人脸为参考，采用仿生拓扑变形方法，完成所述目标三维 人脸的维数归一化，具体包括下述步骤：
[0026] 遍历所述目标三维人脸所有顶点，判断所述顶点是否在三角形的内部，获得所述 顶点所隶属三角面片序号；
[0027] 遍历所述目标三维人脸所有顶点，采用三角形坐标系变形方法实现人脸特征对 齐；
[0028] 以所述标准三维人脸为参考，遍历所述目标三维人脸顶点，获得与所述标准三维 人脸的最佳匹配点，并标记该点；及
[0029] 剔除所述目标三维人脸中未作标记的点，完成所述目标三维人脸的维数归一化。
[0030] 优选地，遍历所述目标三维人脸所有顶点，采用三角形坐标系变形方法实现人脸 特征对齐，具体包括下述步骤：
[0031] 获取三角形坐标系数,并满足以下关系：(C-P)I^P = (A-B) k2+B, A = [Ax, Ay]、B = [Bx, By]、C = [Cx, Cy]分别表示三角形的顶点坐标，P = [Px, Py]表示目标点坐标，V k2为P 对应的三角形坐标系数，其中，
【主权项】
1. 一种H维人脸重采样方法，其特征在于，包括下述步骤： 选取标准H维人脸； 获取待识别的目标H维人脸，并将所述目标H维人脸格式转换为所述标准H维人脸格 式； 提取所述标准H维人脸和目标H维人脸的特征点，并利用所述特征点对所述标准H维 人脸和目标H维人脸进行几何剖分； W所述标准H维人脸为参考，采用仿生拓扑变形方法，完成所述目标H维人脸的尺度 归一化； W所述标准H维人脸为参考，采用仿生拓扑变形方法，完成所述目标H维人脸的维数 归一化； 利用所述标准H维人脸的几何结构特征及曲面光滑特性，对所述目标H维人脸进行噪 声点检测； 对所述目标H维人脸进行去噪处理；及 完成对所述目标H维人脸的重采样。
2. 根据权利要求1所述的H维人脸重采样方法，其特征在于，其中，在选取标准H维人 脸后还包括下述步骤： 对所述标准H维人脸进行预处理，所述预处理包括尺度调整和抑制噪声点。
3. 根据权利要求1所述的H维人脸重采样方法，其特征在于，提取所述标准H维人脸 和目标H维人脸的特征点，并利用所述特征点对所述标准H维人脸和目标H维人脸进行几 何剖分，具体包括下述步骤： 将所述标准H维人脸和所述目标H维人脸投影至柱面坐标系； 根据人脸五官分布特点，在上述二维纹理图像上分别提取所述标准H维人脸和所述目 标H维人脸的特征点； 利用所述特征点对所述标准H维人脸和目标H维人脸进行几何剖分，并标记序号。
4. 根据权利要求1所述的H维人脸重采样方法，其特征在于，W所述标准H维人脸为 参考，采用仿生拓扑变形方法，完成所述目标H维人脸的尺度归一化，具体包括下述步骤： 计算所述标准H维人脸与所述目标H维人脸的眼间距之比值，并将所述比值作为尺度 缩放因子，实现所述目标H维人脸的尺度归一化。
5. 根据权利要求1所述的H维人脸重采样方法，其特征在于，W所述标准H维人脸为 参考，采用仿生拓扑变形方法，完成所述目标H维人脸的维数归一化，具体包括下述步骤： 遍历所述目标H维人脸所有顶点，判断所述顶点是否在H角形的内部，获得所述顶点 所隶属H角面片序号； 遍历所述目标H维人脸所有顶点，采用H角形坐标系变形方法实现人脸特征对齐； W所述标准H维人脸为参考，遍历所述目标H维人脸顶点，获得与所述标准H维人脸 的最佳匹配点，并标记该点；及 剔除所述目标H维人脸中未作标记的点，完成所述目标H维人脸的维数归一化。
6. 根据权利要求5所述的H维人脸重采样方法，其特征在于，遍历所述目标H维人脸 所有顶点，采用H角形坐标系变形方法实现人脸特征对齐，具体包括下述步骤： 获取H角形坐标系数，并满足W下关系：（C-P)ki+P= (A-B)k2+B，，A= [Ax，Ay]、B = 化，By]、C = [Cy, W分别表示；角形的顶点坐标，P =化，Py]表 示目标点坐标，ki、k2为P对应的H角形坐标系数，其中，
根据经变形后新的H角形顶点坐标再经过反变换，得到变形后的坐标点，并满足W下 关系；P' = aA'+目 B'+(l-a-)目 C'，A' = [A'"A'y]、B' =巧'"B'y]、C' = [C'x'C'y]分 别表示经变形后新的H角形顶点坐标，P' = [Py'，P/]表示经H角变形后的坐标，参数a、 目则由S角坐标系数ki、k2惟一确定，其中，
7. 根据权利要求5所述的H维人脸重采样方法，其特征在于，W所述标准H维人脸为 参考，遍历所述目标H维人脸顶点，获得与所述标准H维人脸的最佳匹配点，并标记该点， 具体包括下述步骤： 采用最小欧式距离作为匹配方式，在H角形坐标系下，对标准人脸的每一个点，采用 下述匹配公式在目标人脸相同标号的H角形面片内找到最佳匹配点，其中，所述匹配公式 为：
，i = 1，2,. . .，N, t = 1，2,. . .，M，其中，为标准人脸上第 j 个点，该点位于第t个H角形面片内，/fW为目标人脸上的点。
8. 根据权利要求1所述的H维人脸重采样方法，其特征在于，利用所述标准H维人脸 的几何结构特征及曲面光滑特性，对所述目标H维人脸进行噪声点检测，具体包括下述步 骤： 采用下述构造公式，比较所述目标H维人脸与所述标准H维人脸局部梯度差异，若所 述局部梯度差异度超过阔值，则判断当前点为噪声点，所述构造公式为：
其中，Ci表示当前数据点i是否为噪声点，V/fW为目标立维人脸的局部梯度值，V/f/为 标准H维人脸的局部梯度值，I ? I为取绝对值，e为阔值参数。
9. 根据权利要求8所述的H维人脸重采样方法，其特征在于，所述阔值参数e取值范 围为0. 02?0. 03。
10. 根据权利要求1所述的H维人脸重采样方法，其特征在于，对所述目标H维人脸进 行去噪处理，具体包括下述步骤： 对当前噪声点采用低通滤波方法，通过当前点与其邻域点进行加权平均实现去噪。
11.根据权利要求10所述的H维人脸重采样方法，其特征在于，所述邻域大小为5巧或 7*7。
【专利摘要】本发明提供了一种三维人脸重采样方法，通过提取所述标准三维人脸和目标三维人脸的特征点，并利用所述特征点对所述标准三维人脸和目标三维人脸进行几何剖分，并以所述标准三维人脸为参考，采用仿生拓扑变形方法，完成所述目标三维人脸的尺度归一化和维数归一化，再利用所述标准三维人脸的几何结构特征及曲面光滑特性，对所述目标三维人脸进行噪声点检测，并对所述目标三维人脸进行去噪处理，完成对所述目标三维人脸的重采样。本发明提供的三维人脸重采样方法，利用了现有的特征点提取方法和网格划分方法自动的提取特征点，实现人脸的几何剖分，自动化程度高。
【IPC分类】G06T17-30, G06K9-00
【公开号】CN104599325
【申请号】CN201310525688
【发明人】肖泉, 韩丽华
【申请人】中国科学院苏州纳米技术与纳米仿生研究所
【公开日】2015年5月6日
【申请日】2013年10月30日