[发明专利]一种三维人脸重采样方法

说明书

【技术领域】

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】

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。。

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。

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。

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】

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。

为实现上述目的，本发明采用下述技术方案：

一种三维人脸重采样方法，包括下述步骤：

选取标准三维人脸；

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；

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；

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；

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；

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；

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。

优选地，其中，在选取标准三维人脸后还包括下述步骤：

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。

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：

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；

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；

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。

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：

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。

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：

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；

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；

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

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。

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：