[发明专利]依据人脸三角网格自适应细分和高斯小波的迭代插值方法

说明书

技术领域

本发明属于人脸识别技术领域，涉及一种依据人脸三角网格自适应细分和 高斯小波的迭代插值方法。

背景技术

三维动态人脸识别的瓶颈在于，在通过二维人脸图片完成三维人脸形变估计 建模的过程中，因为数据点过少，所以几乎无法获取存在很多三维数据点的人脸 模型，造成识别准确度低下。但随着光学三维形貌测量技术的逐渐发展，已出现 了很多有效的三维人脸形貌测量技术，提高了三维人脸动态识别的可能性。然而， 因为直接向人脸发射结构光对被识别者不够友好，同时无法实现隐蔽识别，大大 降低了其应用优势。所以，研究如何高效得到被识别者的三维人脸信息具有重要 意义。

当前，更多学者致力于依据二维图像对人脸几何特征进行恢复的研究，从而 获取非接触式三维人脸信息。该技术主要可被划分成两种：其中一种技术首先通 过从图像中采集的轮廓对常见的人脸模型进行修正，再输出最终结果。另一种技 术首先对人脸上的少量三维特征点进行准确重构，再通过变分方法对常见的人脸 模型进行修正。然而，上述两种方法均需利用预先塑造完成的三维标准模型进行 变形，无法获取准确的建模结果。同时因为建立曲面的随机性较大，造成归一化 处理困难。

本文基于塑造完成的三维人脸模型框架，提出了一种三维人脸特征值的迭代 插值算法，对三维人脸模型框架进行细化，从而使其可识别出信息完整的人脸模 型。

针对三维物体建模中数据点过少的弊端，存在较多三维物体空间细化方法， 常见的几种方法如下所述：

(1)克里金插值法(Kriging)：克里金法是一种应用广泛的地质统计格网化 方法，特别适用于对空间三维离散数据点的区域划分。

(2)最小曲率法：最小曲率法即通过最小曲率产生的插值面。该插值法在最 大程度上保证尊重源数据的基础上，形成尽可能圆滑的曲面，从而实现细化，其 被广泛应用于地质科学领域。

(3)径向基函数法：径向基函数法是由若干数据插值法构成的，其通过三维 数据得到一个圆滑曲面。

上述分析的三维空间插值算法通常是依据刚性物体进行重建的，对人脸这样 存在复杂轮廓的非刚性物体效果不理想。本文在依据上述方法提出了一种基于离 散稀松三维数据的人脸迭代插值算法。该算法可通过塑造的人脸三角拓扑结构， 完成人脸三角形内插点的检测，从而求出插入点的Z值，最终获取插值点的三 维坐标，为三维人脸插值提供有效依据。

人脸的三维识别在生物识别方面起到了至关重要的作用，其涉及到计算机科 学、数学和生理学等领域。其在影视特效制作、视频等领域被广泛应用，成为相 关学者研究的重点课题。本文通过ASM优化算法对互成角度的人脸图片的特征 点进行采集，同时分析了基于双目立体视觉建立三维人脸模型的算法。为了避免 依据二维图片塑造三维人脸模型真实性低，数据点云结构无法储存的弊端，提出 一种依据人脸三角网格自适应细分和高斯小波的迭代插值方法。

因为传统三维人脸运动重建方法对三维人脸模型特征点进行采集时，采集的 三维特征点有限，同时受到遮挡因素的干扰，特征点数据会出现缺失现象，无法 有效实现人脸三维特征点云信息的恢复，使得三维动态识别应用的效果不佳。因 此本文提出了一种依据人脸三角网格自适应细分和高斯小波的迭代插值方法，通 过自动迭代获取新的更加准确的三维人脸数据点。该算法对二维图片中三维人脸 特征的数据点云信息进行恢复，从而完成可用于识别的、饱和度较高的三维人脸 动态模型的塑造。

通过双目立体视觉方法对人脸模型进行塑造的过程中，存在无法最大化采集 三维人脸特征信息的弊端。因此，提出了一种依据人脸三角网格自适应细分和高 斯小波的迭代插值方法。上述算法引入顶点变换的三角形细分理论，可将首次获 取的三维人脸模型进行自动插值，并通过高斯小波函数对三角剖分内的内插点的 高程值进行计算，从而最大程度在三维空间中恢复三维人脸特征数据。

在实现首次建模的基础上，针对三维人脸的数据特征点较少，三维人脸信息 无法完整形成点云结构的弊端。因此提出一种依据人脸三角网格自适应细分和高 斯小波的迭代插值方法，首先对内插点的二维坐标进行计算，再通过二维高斯小 波函数对数据点的Z轴值进行恢复，从而获取三角剖分中内插点的三维坐标， 最大程度的对基于双目立体视觉原理塑造的三维人脸模型的特征点云信息进行 恢复，从而产生能够用于人脸识别，同时饱和度较高的三维人脸模型。