[发明专利]基于先验模型的正面人脸图像合成方法及系统

说明书

本发明涉及一种基于先验模型的正面人脸图像合成方法及系统，所述方法包括：步骤一：对三维原型样本库进行样本规范化得到三维人脸样本库，标定测试人脸图像的特征点；步骤二：求取平均三维人脸模型，通过其上的特征点投影后与测试人脸图像标定的特征点建立对应关系求得测试人脸图像的姿态角度；步骤三：从三维人脸样本库中筛选出与测试人脸图像相似性较大的图像构建原型样本库；步骤四：合成正面人脸图像。本发明可以实现在只采用三维人脸库中信息的情况下，估计出输入的测试人脸图像的姿态角并合成对应的正面人脸，且可以保留原来人脸面部上某些细节特征。这对于人脸识别、人脸姿态估计的研究与实际应用的开发都具有重要的理论与实际意义。

技术领域

本发明涉及计算机图形学、数字图像处理以及人工智能等领域，具体涉及一种通过人脸姿态图像合成其正面人脸图像的方法及系统。

背景技术

正面人脸合成的方法包括三维的方法和二维的方法。三维方法的思路是通过对测试人脸图像进行三维重建，在得到测试人脸图像的三维数据之后，正面人脸图像自然就可以得到。该类方法最典型的方法是形变模型(3DMM,3D Morphable Mpdel)方法，实现了由侧面到正面的人脸图像合成，但3DMM的人脸重建过程效率很低，在主频2GHz的服务器上重建一幅人脸需要300秒。后来的学者提出了许多基于3DMM改进的法来优化重建过程提高效率。如有文献扩展了AAM匹配的改进方法，并将其应用于2D→3D的配准中，提高了重建效率，但其重建精度较差低；还有文献利用部分脸部特征点实现稀疏的2D→3D配准，具有较高的重建效率，但该方法只能应用于正脸图像且重建精度较低。除了三维方法以外，直接采用二维图像来合成正面人脸也得到了广泛的研究。二维方法主要是通过统计学的原理进行正面人脸合成，这必定涉及到对测试人脸的姿态估计问题。二维人脸模型由于模型本身的局限，不能准确估计出图像上缺失的深度信息，而基于三维人脸模型，能够准确的估计出人脸的姿态信息。有学者采用三维人脸模型对人脸姿态进行估计的，并取得良好的姿态估计结果。还有学者首先判定测试人脸的姿态角，然后利用对应姿态的人脸训练库进行正脸合成，但这种合成方法需要大量的各种姿态人脸训练图像。因此，基于先验模型姿态估计和正面人脸合成方法，是一个新的视角，值得深入的研究和特别的关注。

发明内容

针对上述现有技术的缺陷，本发明的目的在于提供一种正面人脸合成的方法。其可以实现在只采用三维人脸库中信息的情况下，估计出输入的测试人脸图像的姿态角并合成对应的正面人脸，且可以保留原来人脸面部上某些细节特征。这对于人脸识别、人脸姿态估计的研究与实际应用的开发都具有重要的理论与实际意义。具体技术方案如下：

一种基于先验模型的正面人脸图像合成方法，包括：

步骤一：对三维原型样本库进行样本规范化得到三维人脸样本库，标定测试人脸图像的特征点；

步骤二：求取平均三维人脸模型，通过其上的特征点投影后与测试人脸图像标定的特征点建立对应关系求得测试人脸图像的姿态角度α,β,γ；

步骤三：从三维人脸样本库中筛选出与测试人脸图像相似性较大的图像构建原型样本库；

步骤四：合成正面人脸图像。