一种基于3d模型的虚拟人脸生成方法
【技术领域】
[0001] 本发明涉及一种模式识别技术领域，特别是涉及一种基于3D模型的虚拟人脸生 成方法。
【背景技术】
[0002] 近几十年来，人们对生物特征技术的研究获得了一些成果，其中人脸识别技术更 是取得了突破性的进展。人脸识别技术是一种重要的生物特征识别技术，相对于指纹、虹膜 等识别技术，它更具有方便、友好等使用特点，因此它在安全、商业等许多领域得到了广泛 应用。由于人脸姿态变化，环境光照变化，以及人脸表情变化、容貌变迀、佩戴眼镜和帽子等 遮挡物，现有的人脸识别技术准确率会大幅下降。其中人脸姿态变化是导致识别准确率下 降的重要原因之一，因此研究基于多姿态的快速、精确的核心识别方法就显得非常重要。 [0003]目前，解决人脸识别中姿态问题的方法大致主要分为两类：基于二维信息的方法 和基于3D信息的方法。其中，基于3D信息的人脸识别方法，主要包括利用形状信息，纹理 信息等人脸的本质属性来进行识别。例如基于高质量的激光扫描深度数据进行曲率分析来 实现人脸识别，但由于准确的3D数据需要激光扫描等硬件设备才能获得，在获取过程中对 用户的干扰比较大，数据获取时间长，而且三维数据计算复杂度远高于二维数据，计算量较 大，因此这大大限制了基于3D信息进行人脸识别的应用。再如3D变形模型方法，该方法将 3D变形模型和计算机图形学的投影和光照模拟相结合，最后实现人脸重建，但是整个过程 需要迭代优化完成，计算复杂，比较耗时。而基于二维信息的人脸多姿态问题解决方法，大 致可以将它们分为两类：（1)基于视图的方法，即在训练/注册集合中，需要每个人多姿态 下的多幅视图进行识别；（2)基于姿态标准化的方法，即把测试（或注册集合）图像校正到 预先定义的标准姿态下进行识别，姿态标准化包括将姿态校正到正面或者其他偏转角度下 的姿态。其中基于姿态标准化的方法取得了一定的实验效果，但同时也存在一些问题：这些 问题包括比如侧面图像偏转角度不能太大，或者正面图像的一些人脸部分在侧面中根本不 存在，无法从侧脸中找到丢失的信息，导致生成的正面图像与真实图像相差太大。
【发明内容】
[0004] 本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于3D 模型的虚拟人脸生成方法。
[0005] 为了实现本发明的上述目的，本发明提供了一种基于3D模型的虚拟人脸生成方 法，包括以下步骤：
[0006] S1，确定人脸偏转在三维立体空间与二维平面图像之间的关系；
[0007] S2,从图像数据库中选出同一对象的从正面偏转到两个不同角度的图像，两个偏 转到不同角度的图像形成的姿态Pl和姿态P2作为训练样本；
[0008] S3,分别在姿态Pl和姿态P2下标定η个特征点，Pl和P2上的标记点--对应，共 构成了 η个特征点对，所述η为正整数，特征点对为Pl横坐标数组= (.η'χ/ν%.#，,,、,;?/1) 和P2横坐标数组Z2 = );
[0009] S4,利用特征点对XjP X 2计算每一个特征点对应的参数a满r y Γι为三维立体空 间中以脖子为轴中心，人脸上的点为边界的旋转半径两为正面人脸图像上点的横坐标位 置，非特征点的旋转半径r'等于与其距离最近的特征点的旋转半径；
[0010] S5，计算测试样本从正面偏转角度的横坐标数组 ^ = ,Xi为测试样本从正面偏转角度θ χ时的横坐标数组， x/ντ/',.γ/ν..,.τ/'依次分别为测试样本从正面偏转角度θ χ时的第一个特征点横坐标；第 二个特征点横坐标，第三个特征点横坐标，……，第η个特征点横坐标；
[0011] S6,利用X1分别得到测试样本偏转θ χ的虚拟人脸图像。
[0012] 在本发明的一种优选实施方式中，在S3中，通过以下步骤对同一对象的两个偏转 不同角度图像进行特征点标定：
[0013] S21 :选择同一对象的从正面偏转Θ 1角度的图像姿态Pl和从正面偏转Θ 2角度的 图像姿态Ρ2 ;
[0014] S22 :在P1上选取一个特征点(#，W );
[0015] S23 :在Ρ2上选取一个特征点U' .vf );
[0016] S24 :重复步骤S22, S23,同时在Pl选取下一特征点(爲K1)时满足以下条件：
[0017] m<\x^f' -xf' \<M, m<\yl+f' -yf' \<M, {0<m <M),
[0018] 其中，M的范围为10 < M < 15,所述i为1、2、3……、n，当人脸PU P2上选取 的特征点均为η个时，此时，姿态Pl横坐标数组具纵坐标数组 K ?.，姿态 Ρ2 横坐标数组4 =(χι'χ/:,χ/:,...,χ/ 2)，纵坐标数组
[=),形成η个特征点对，因为Pl和Ρ2只偏转，所以Y1= Y 2;结束选 取。
[0019] 在本发明的一种更加优选实施方式中，Pl上的特征点为人脸上的关键特征点，所 述关键特征点包括鼻子、眼睛或嘴巴，Ρ2上的特征点与Pl上选取的特征点为同一特征点。
[0020] 在本发明的一种优选实施方式中，步骤S4中，通过以下获得相应的&1和r i值：
[0021] xf1 = Ut^ri *sin
[0022] X10' = Ui +r 5：<sin fl. 5
[0023] 式中，Θ i为人脸从正面偏转到姿态Pl的偏转角度；Θ 2为人脸从正面偏转到姿态 Ρ2的偏转角度；!^为3D空间中以脖子为轴中心，人脸上的第i点为边界的旋转半径；a i为 正脸人脸图像上第i点的横坐标位置；Xf为人脸从正面偏转Θ i角度时，图像上第i对应 点的横坐标位置；为人脸从正面偏转Θ 2角度时，图像上第i对应点的横坐标位置；所述 i为不大于η的正整数；
[0024] 此时得到特征点的半径数组R = Cr1, r2, r3,. . .，rn)和对应的横坐标数组A = (￡li，&2，&3，· · ·，&η) 0
[0025] 在本发明的一种优选实施方式中，步骤S5中Λ·/'的计算方法为：
[0026] λ-/ = (67, + r *sin 0 :*
[0027] 式中，θ χ为人脸从正面偏转到姿态Px的偏转角度；r为3D空间中以脖子为轴中 心，人脸上的第i点为边界的旋转半径；&1为正脸人脸图像上第i点的横坐标位置；为人 脸从正面偏转θ χ角度时，图像上第i对应点的横坐标位置；所述i为不大于n的正整数， 此时得到 = (.?，χ/'，χ/'，..·，λ? )，ζ·=。
[0028] 在本发明的一种优选实施方式中，人脸偏转在三维立体空间与二维平面图像之间 的关系如下：
[0029] d = r*sin Θ，
[0030] 式中，Θ为人脸从正面偏转的角度；d为二维平面人脸图像上点从正面偏转Θ的 距离；r为三维立体空间中以脖子为轴中心，人脸上的点为边界的旋半径。
[0031] 综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明生成的虚拟人 脸图像与真实人脸图像很相似，尤其是在角度较低的情况下，几乎分辨不出生成图与原图。
【附图说明】
[0032] 图1中，（a)是本发明中3D图像旋转示意图；(b)是本发明3D图像与二维图像关 系示意图。
[0033] 图2中，（a)是本发明一种优选实施方式中姿态Pl特征点标记示意图；(b)是本发 明一种优选实施方式中姿态P2特征点标记示意图。
[0034] 图3中，（a)是本发明一种优选实施方式中人脸