隨著科技的進(jìn)步,三維人臉重建研究作為計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺以及虛擬現(xiàn)實(shí)技術(shù)的重要研究內(nèi)容,在游戲、影視及醫(yī)療等領(lǐng)域得到了廣泛的應(yīng)用。傳統(tǒng)的三維人臉重建方法大多依賴三維掃描儀、多幅照片和雙目視覺設(shè)備獲取面部特征信息,再通過逼近優(yōu)化算法來完成人臉模型重建、修改和優(yōu)化,其成本昂貴、且重建過程復(fù)雜。基于單張二維圖像重建三維人臉是近幾年新的研究方向。本文針對(duì)基于二維圖像重建三維人臉中存在二維特征點(diǎn)提取不準(zhǔn)確、三維特征點(diǎn)提取速度慢且三維模型形變真實(shí)感低等問題,主要研究工作如下:（1）針對(duì)當(dāng)前二維特征點(diǎn)標(biāo)定不準(zhǔn)確及三維特征點(diǎn)標(biāo)定速度慢的問題,本文對(duì)基于深度學(xué)習(xí)的二維特征點(diǎn)提取方法以及基于關(guān)鍵點(diǎn)由粗到精的三維特征點(diǎn)提取方法進(jìn)行了改進(jìn)。首先,以單張人臉圖像作為驅(qū)動(dòng),通過Adaboost算法進(jìn)行人臉部位的檢測,降低了訓(xùn)練工作量。其次,通過卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型提取二維人臉特征點(diǎn)。最后,通過結(jié)合深度圖和監(jiān)督學(xué)習(xí)方法將三維人臉特征點(diǎn)進(jìn)行粗定位,結(jié)合多個(gè)局部描述子對(duì)人臉面部的特征點(diǎn)進(jìn)行篩選,提高特征點(diǎn)提取的準(zhǔn)確度,完成三維人臉特征點(diǎn)的選取。實(shí)驗(yàn)結(jié)果表明,該方法提取的二維特征點(diǎn)準(zhǔn)確度高,且提高了三維特征點(diǎn)提取效率... 

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
        1.1.1 課題來源
        1.1.2 課題研究背景
        1.1.3 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容及章節(jié)安排
第二章 三維人臉重建的相關(guān)技術(shù)
    2.1 三維人臉重建技術(shù)
        2.1.1 參數(shù)化人臉重建技術(shù)
        2.1.2 基于生理肌肉特征的重建
        2.1.3 基于圖像的三維人臉重建技術(shù)
        2.1.4 基于模型的三維人臉重建技術(shù)
        2.1.5 基于深度學(xué)習(xí)的三維人臉重建
    2.2 人臉特征點(diǎn)提取技術(shù)
        2.2.1 基于模型的ASM和 AAM
        2.2.2 基于級(jí)聯(lián)回歸特征點(diǎn)定位
        2.2.3 基于深度學(xué)習(xí)的特征點(diǎn)提取
    2.3 三維人臉數(shù)據(jù)庫的介紹
    2.4 三維人臉數(shù)據(jù)庫的獲取
    2.5 本章小結(jié)
第三章 人臉特征點(diǎn)提取
    3.1 改進(jìn)的基于深度學(xué)習(xí)的二維人臉特征點(diǎn)提取
        3.1.1 人臉檢測
        3.1.2 基于卷積神經(jīng)網(wǎng)絡(luò)的模型構(gòu)建
    3.2 改進(jìn)的基于關(guān)鍵點(diǎn)由粗到精的三維特征點(diǎn)提取
        3.2.1 特征點(diǎn)粗定位
        3.2.2 特征點(diǎn)區(qū)域篩選
        3.2.3 特征點(diǎn)標(biāo)記
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 二維特征點(diǎn)檢測結(jié)果分析
        3.3.2 三維特征點(diǎn)檢測結(jié)果分析
    3.4 本章小結(jié)
第四章 基于改進(jìn)薄板樣條函數(shù)的三維人臉重建
    4.1 二維薄板樣條函數(shù)(TPS)
    4.2 改進(jìn)的基于薄板樣條的三維人臉形狀重建
        4.2.1 三維稀疏人臉模型
        4.2.2 三維通用人臉模型的獲取
        4.2.3 改進(jìn)的基于薄板樣條函數(shù)的三維人臉形變
    4.3 三維人臉的紋理映射
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 三維人臉重建時(shí)間對(duì)比分析
        4.4.2 三維人臉重建性能比較
        4.4.3 三維人臉重建真實(shí)感
    4.5 本章小結(jié)
第五章 三維人臉重建系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)概述
    5.2 系統(tǒng)設(shè)計(jì)
        5.2.1 系統(tǒng)功能設(shè)計(jì)
    5.3 系統(tǒng)實(shí)現(xiàn)
        5.3.1 開發(fā)工具及編程環(huán)境
        5.3.2 三維人臉重建系統(tǒng)實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于多視角的高精度三維人臉重建[J]. 蔡麟,郭玉東,張舉勇.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2020(02)
[2]基于二維紋理重建三維人臉深度圖像后的人臉識(shí)別[J]. 李睿,李科,孫家煒.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2019(10)
[3]對(duì)人臉表情遷移與分析方法的探討[J]. 胡詩琦.  科技與創(chuàng)新. 2019(05)
[4]基于單幅正面照和統(tǒng)計(jì)模型的三維人臉重建方法研究[J]. 蘇越陽,萬靜,易軍凱.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[5]基于計(jì)算機(jī)視覺的牛臉輪廓提取算法及實(shí)現(xiàn)[J]. 蔡騁,宋肖肖,何進(jìn)榮.  農(nóng)業(yè)工程學(xué)報(bào). 2017(11)
[6]改進(jìn)的統(tǒng)計(jì)模型三維人臉特征點(diǎn)標(biāo)定算法框架[J]. 陸焱,惠巧娟.  計(jì)算機(jī)工程與應(yīng)用. 2016(24)
[7]基于改進(jìn)Candide-3模型的眼部動(dòng)畫建模[J]. 雷騰,侯進(jìn),王獻(xiàn).  哈爾濱工程大學(xué)學(xué)報(bào). 2015(04)
[8]基于關(guān)鍵特征點(diǎn)的人臉紋理映射[J]. 鄭青碧,毛自民.  計(jì)算機(jī)與數(shù)字工程. 2013(01)
[9]BJUT-3D三維人臉數(shù)據(jù)庫及其處理技術(shù)[J]. 尹寶才,孫艷豐,王成章,蓋赟.  計(jì)算機(jī)研究與發(fā)展. 2009(06)
[10]基于一般模型的單幅人臉照片三維重建[J]. 署光,姚莉秀,陳魯,楊杰.  上海交通大學(xué)學(xué)報(bào). 2009(03)

博士論文
[1]基于形變模型的三維人臉建模方法研究[D]. 蓋赟.北京工業(yè)大學(xué) 2012

碩士論文
[1]基于局部特征的三維人臉特征點(diǎn)定位技術(shù)研究[D]. 成翔昊.東南大學(xué) 2018
[2]人臉特征點(diǎn)定位算法研究[D]. 賈項(xiàng)南.江南大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的單視圖三維人臉重建技術(shù)研究[D]. 陳珂.武漢理工大學(xué) 2018
[4]基于雙目立體視覺的人臉三維建模方法研究[D]. 高潔.吉林大學(xué) 2017
[5]基于單張正面圖象的三維人臉建模研究[D]. 李想.蘇州大學(xué) 2016
[6]基于單張照片的三維人臉重建的研究[D]. 吳僑.電子科技大學(xué) 2016
[7]基于RGB-D數(shù)據(jù)的三維人臉建模及標(biāo)準(zhǔn)化[D]. 傅澤華.西南交通大學(xué) 2015
[8]基于單張照片的三維人臉建模及應(yīng)用研究[D]. 林雪健.燕山大學(xué) 2014
[9]表情不變的三維人臉重構(gòu)[D]. 胡陽明.南京航空航天大學(xué) 2013



本文編號(hào)：3706943