[发明专利]一种建立一致性三维人脸网格的稀疏变形模型的方法

权利要求书

1.一种建立一致性三维人脸网格的稀疏变形模型的方法，其步骤如下：

(1)、训练人脸数据预处理：包括训练人脸数据特征点标定、通用人脸模板数据分块和训练人脸数据非刚性对齐三部分；

(2)、字典学习：基于步骤(1)的预处理结果，利用几何形状约束和对应关系约束对训练人脸数据学习一个稀疏字典；

(3)、测试人脸变形：基于步骤(2)得到稀疏字典，对给定的一张输入测试人脸，利用几何形状约束和对应关系约束，将通用人脸模板向输入的测试人脸变形；

(4)、一致性对齐：基于步骤(3)得到变形后的人脸替代输入的测试人脸，即完成一致性对齐任务。

2.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(1)中的训练人脸特征点标定，是对所有的训练人脸数据及通用人脸模板进行手工标定，并且覆盖了人脸的关键区域。

3.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(1)中的通用人脸模板数据分块，是对三维人脸上的每一个特征点，把一个球的中心固定在点上，球内部的人脸区域构成一个块。随机选取没被覆盖到的人脸上的点用同样的方法提取出新的一个块，直到所有人脸上的点至少处于一个块中。

4.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(1)中的训练人脸数据非刚性对齐，是将通用人脸模板向训练人脸模板形变，用形变结果替代原始人脸数据进行后续字典学习，形变过程基于光滑误差项、数据误差项和特征点误差项。

5.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(2)中的几何形状约束，是通过最小化通用人脸模型和目标人脸模型之间的光滑误差函数和数据误差函数得到，其中在数据误差函数中采用的是最近点法则和法向射线法则相结合的混合原则。

6.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(2)中的对应关系约束，是对于人脸上的每一块，通过求解一个稀疏字典进行形式化

min||Cky-Dkxk||2,s.t.||xk||0≤T,∀k.---(1)]]>

其中C^k是分块矩阵，由分块结果确定，是已知的，y是已知的人脸数据，D^k和x^k是第k块的待求的字典和对应编码；并且字典学习过程中采用自适应稀疏度阈值的方法来提高重建精度。

7.根据权利要求6所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，所述的自适应稀疏度阈值的方法为：在前几步迭代过程中，采用较小的稀疏度阈值，允许较大的重建误差；在后面的迭代过程中，设较大的稀疏度阈值，去重建一些局部的形状。

8.根据权利要求1所述的建立一致性三维人脸网格的稀疏变形模型的方法，其特征是，步骤(3)中的测试人脸变形，是指输入一张测试人脸，对它的变形基于几何形状约束和对应关系约束，通过求解以下优化问题：

min||S(M′)-Dx||₂+μ||x||₀+φ(S(M′)，S(M)).    (2)

其中min||S(M′)-Dx||₂+μ||x||₀表示对应关系约束，φ(S(M′)，S(M))表示几何形状约束，M′是待求的变形后的人脸，x是其对应的编码，M是输入的测试人脸。