南通3D打印

南通3D打印

当前位置: 南通3D打印 > 企业新闻 > 3D人脸重建的相关研究

3D人脸重建的相关研究

更新时间: 2019-10-23 17:14:31  查看次数: 245    
法医学领域也有3D人脸重建的相关研究。Greef等深入研究了人脸软组织厚度和BMI指数的关系。Greef等采集了967个人体数据,对脸上52个特征点位置软组织厚度进行测量。将软组织厚度值分别对性别、年龄、BMI指数进行回归,得到了上变量间的回归方程。本文人脸-体重模拟模型是基于Greef等的研究结果。


人脸-体重模拟模型。近十几年中,研究人脸-体重模拟模型的方法并不多。Blanz和Vetter首先提出了可变形3D人脸模型(3D Morphable Model),从单张图片中重建3D人脸模型。其算法效果出色且稳定,提出的3DMM模型为后续人脸重建相关算法提供了坚实基础。Blanz和Vetter对上百张人脸进行扫描,组成3D人脸数据库。通过人工标记将体重、性别等特征记录在相应模型上。通过主成分分析等数据分析方法,得到不同侍征值变化对人脸模型的影响,建立诸如体重、性别、表情等复杂参数与人脸模型间的关系。Blanz提出的3DMM重建效果依赖于3D人脸数据库。Blanz和Vetter提出的3DMM模型可以应用在人脸-体重模拟仿真过程中。通过调整BMI值得到变化后3D人脸模型。但是模拟体重变化结果依赖于数据库中模型。若输入图像与数据库中数据相差较大(包括不同种族、肤色、脸型等)或者变化程度较大超过数据库模型涵盖范围(过胖、过瘦等),则其模拟结果可能变得不自然。此外,变形后头发区域、背景区域也难以处理。Danino等提出了基于2D图像的人脸-体重模拟算法。此方法将人脸划分为不同区域,手工标记人脸特征点,根据体重变化程度对不同区域进行不同程度变形。其算法对正脸中性表情图片适用,速度快且鲁棒,结果在也较自然。然而人脸不同区域的变化规律是基于Danino等对人脸观察总结确定的,无法反应人脸变化与体重变化间的自然规律。此算法只能处理正脸中性表情肖像。对于背景区域直接进行拉伸操作,会引起较明显形变。