[发明专利]一种人脸二维图像到人脸三维重建的方法及系统

权利要求书

1.一种人脸二维图像到人脸三维重建的方法，其特征在于，包括：

从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；

基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；

通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；

遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；

对重建的人脸三维数据进行人脸稀疏三维点云计算；

以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。

2.如权利要求1所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建包括：

遍历人脸三维数据，获取体素空缺区域，并进行边界检测；

计算空缺区域边界上每一个体素的修补权重系数；

遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。

3.如权利要求2所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述进行边界检测包括：

根据canny算法检测得到超声三维数据中空缺区域的边界。

4.如权利要求3所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述Canny算法检测的具体方法包括：

用高斯滤波器对图像滤波，以消除图像中的噪声；

对滤波后图像中的每个像素，计算梯度幅值和方向；

对梯度幅值进行非极大值抑制；

用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。

5.如权利要求4所述的人脸二维图像到人脸三维重建的方法，其特征在于，所述以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型包括：

根据人脸特征点的有序性，对全局形变之后的平均脸模型进行网格划分；

根据网格划分进不同的区域，进行局部形变，得到目标人脸的稠密人脸网格模型；

对目标人脸的稠密人脸网格模型进行平滑处理。

6.一种人脸二维图像到人脸三维重建的系统，其特征在于，所述系统包括：

平均脸模型模块，用于从人脸三维数据库中提取三维扫描人脸，经过坐标修正，稠密对应，网格重采样和平均化得到平均脸模型，在平均脸模型中人工标记人脸特征点；

采集模块，用于基于摄像机实时采集的人脸二维图像，获取人脸二维图像的大小、间隔两个参数；

空间位置模块，用于通过空间定位跟踪每一幅人脸二维图像中的空间位置，并获取每一幅人脸二维图像与人脸三维数据的相对位置关系；

人脸三维数据模块，用于遍历人脸二维图像中每一个像素，将像素灰度值赋值给人脸三维数据中的体素，并完成人脸三维数据的重建；

三维点云模块，用于对重建的人脸三维数据进行人脸稀疏三维点云计算；

人脸三维模型模块，用于以平均脸模型上的人脸特征点为出发点，以人脸稀疏三维点云中人脸特征三维点云为目标，对平均脸模型进行全局形变得到人脸三维模型。

7.如权利要求6所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述人脸三维数据模块还用于遍历人脸三维数据，获取体素空缺区域，并进行边界检测；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅三维人脸数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成人脸三维数据的重建。

8.如权利要求7所述的人脸二维图像到人脸三维重建的系统，其特征在于，所述进行边界检测根据canny算法检测得到超声三维数据中空缺区域的边界。