吴子扬, 周大可, 杨 欣, 胡阳明

(南京航空航天大学 自动化学院, 南京 210016)

0 引 言

近年来, 由于计算机图形学和模式识别理论的不断发展, 基于人脸面部的应用越来越受到关注。随着人脸检测、 人脸识别等应用日益商业化, 人们开始认识到以图片形式表达的人脸信息在实际处理中普遍受到光照、 姿态等多方面的制约。因此, 对人脸计算机表达的相关研究也由传统的二维空间转向三维空间。由于直接获取人脸的三维数据需要昂贵的硬件, 故由人脸的二维图像恢复其三维信息普遍成为当前研究的热点[1]。

由面部图像恢复三维信息的经典方法是Blanz等[2,3]和Patel等[4]提出的形变模型算法, 通过对一系列的三维人脸样本进行统计计算参考人脸, 求解全局优化方程实现参考人脸到待重建样本的匹配, 其本质是线性组合思想, 即通过某一子空间的基表达该空间的具体实例。由于形变模型方法需要通过迭代求得全局最优解, 故需要在局部细节和重建速度上做出一定的牺牲, 王成章等[5]提出了利用改进的遗传算法求解形变因子, 在形变模型的基础上节省了11 min以上。Blanz等[6]和胡阳明等[7]提出了通过少量特征点重建三维模型的方法, 即稀疏形变模型法。稀疏形变模型同样利用线性组合思想, 通过对面部少量特征点近似求解优化方程, 得到形变系数, 从而完成参考模型的形变。其优势在于重建速度快, 且重建精度不会损失太多。后续的工作主要建立在统计得到的参考模型[8-10]之上, 通过不同方法对参考模型进行形变或修改以得到最终重建结果。……