[发明专利]一种基于级联回归的三维表情重建方法

权利要求书

1.一种基于级联回归的三维表情重建方法，其特征在于，主要包括标记拟合(一)；特征提取(二)；回归(三)；评估(四)。

2.基于权利要求书1所述的基于级联回归的三维表情重建方法，其特征在于，对于每个训练样本，使用现有技术的脸部对齐算法来检测二维标记；使用标记拟合过程来计算模型参数和映射矩阵的初始化，该过程使二维标记位置与三维标记投影之间的距离最小化；学习级联回归器来估计初始参数与标定好的真实参数之间的残差；方向梯度直方图(HOG)特征在初始形状标记的投影位置周围的局部块中被提取；测量3D标记投影和2D标记之间差异的标记位移(LD)特征也被使用。

3.基于权利要求书2所述的方向梯度直方图(HOG)和标记位移(LD)，其特征在于，HOG和LD被矢量化和级联以形成整体特征向量；使用所有训练样本的特征向量和参数残差Δp来学习回归器；然后，更新每个样本的模型参数，并进一步更新映射矩阵；下一次迭代从更新后的三维形状和映射矩阵开始；这个更新过程迭代直到它收敛。

4.基于权利要求书1所述的标记拟合(一)，其特征在于，对于每个输入图像I，使用算法分别检测49个内部标记和17个边界标记l；然后，将2D标记拟合到3D形变模型(3DMM)，估计模型参数α,β和映射矩阵c；首先，通过将模型参数拟合到平均值来解得c：

c＝solver(l,Cr,i∈L×2μα×3μβ) (1)

其中，l是图像坐标中的二维标记，i∈L表示标记顶点；μα和μβ分别是身份和表情的平均参数；solver(·)是线性求解器；使用下式c来估计身份和表情：

其中，Pi(·)计算第i个3D标记的投影；Qα和Qβ是对角矩阵，分别包含每个同一性和表达式参数方差的倒数；公式(2)中的正则化项对平均值的偏差进行惩罚，其中λ1和λ2控制正则化强度；这个处理步骤为特征提取提供初始化，并帮助回归过程更快收敛。