庞 敏，张 元，熊风光，焦世超，霍昕恬

(1.中北大学 计算机科学与技术学院，山西 太原 030051；2.中北大学 机器视觉与虚拟现实山西省重点实验室，山西 太原 030051；3.中北大学 计算机科学与技术学院 山西省视觉信息处理及智能机器人工程研究中心，山西 太原 030051；4.太原理工大学 信息与计算机学院，山西 太原 030023)

0 引 言

三维面部模型构建是计算机视觉、虚拟仿真领域的重要研究方向[1，2]。传统三维面部模型构建方法包括扫描建模、基于图像建模和基于三维模型重构建模。

研究者利用三维扫描设备对面部扫描得到高质量模型的方法成本高、耗时长、要求被扫描对象姿态稳定。这些特点造成该方法多适用于实验室[3]，且不易获取连续维度多表情面部模型。

基于图像的三维建模方法难以准确体现面部包含的高频信息，容易丢失褶皱、酒窝等细节[4，5]。侯守明等[6]提出三维人脸建模算法利用Kinect获取对象的色彩和深度信息，依据彩色图像建立标准面部模型，再结合深度信息对其进行拉普拉斯变形得到真实感更强的三维模型。汪淑贤等[5]提出基于图像的三维重建算法，选取同一面部不同朝向的多张图像后再根据颜色信息进行聚类、分割获取面部轮廓，基于轮廓包含的特征对面部图像立体匹配，获取带有深度的稀疏视差图进而生成面部模型的平滑点云。

基于三维变形的模型重构方法包括自由变形、骨骼变形、微分变形和基于深度学习的变形。自由变形和骨骼变形均不适用，因为他们无法为具有丰富几何细节却缺乏棱角的面部模型创建合适的约束[7，8]。……