融合深度卷積網(wǎng)絡(luò)和運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)方法的三維人臉建模研究.pdf

1、隨著目前人工智能領(lǐng)域的迅速發(fā)展，三維人臉建模也逐漸成為當(dāng)前計(jì)算機(jī)視覺(jué)和人機(jī)交互的研究和應(yīng)用熱點(diǎn)。近些年，三維人臉重建的新方法也不斷出現(xiàn)，眾多三維人臉建模方法在采集人臉信息時(shí)，都需要人臉以固定的姿勢(shì)拍攝，因而限制了其應(yīng)用的廣泛性和便利性。剛性運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法(Rigid Structure from Motion RSFM)能夠從不同角度拍攝的物體視頻中恢復(fù)出物體的三維信息，該算法運(yùn)用在三維人臉重建時(shí)，在不需要利用先驗(yàn)的三維人臉信息的條件

2、下就可以重建出稀疏的三維人臉結(jié)構(gòu)，但是由于人臉是非剛性物體，采集到的人臉特征點(diǎn)的個(gè)數(shù)和精確度會(huì)很大程度上影響最終重建的三維人臉模型的魯棒性和真實(shí)感，而基于二維人臉圖片序列重建三維人臉模型的領(lǐng)域中，輸入的人臉圖片中人臉往往又存在著遮擋，光照和姿態(tài)變化等狀況，導(dǎo)致運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法所運(yùn)用到的特征點(diǎn)失真，所以與形變模型重建方法相比，完全基于人臉特征點(diǎn)的剛性運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)的重建方法則對(duì)人臉特征點(diǎn)的精確性提出了更高的要求:第一，運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)的研究對(duì)象

3、是序列特征點(diǎn)，所以基于剛性SFM算法的三維人臉重建效果對(duì)于特征點(diǎn)的準(zhǔn)確度十分敏感、第二，剛性運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法對(duì)于人臉稀疏結(jié)構(gòu)的求解為近似解、第三，稀疏結(jié)構(gòu)轉(zhuǎn)化為稠密結(jié)構(gòu)過(guò)程中特征點(diǎn)又會(huì)成為控制點(diǎn)，特征點(diǎn)依舊敏感，所以這三個(gè)問(wèn)題特征點(diǎn)在整個(gè)過(guò)程中的精度會(huì)很大程度影響最終重建結(jié)果的真實(shí)感。近年來(lái)基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)的算法也被不斷改進(jìn)，本文在運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)的算法基礎(chǔ)上，融合深度卷積網(wǎng)絡(luò)提取人臉特征點(diǎn)的算法，克服了該方法在三維人臉重建上的不足之處，具

4、體改進(jìn)部分主要有以下幾個(gè)方面:
　　(1)融合深度卷積網(wǎng)絡(luò)提取人臉特征點(diǎn)的方法，本文采用任務(wù)限制性深度卷卷網(wǎng)絡(luò)提取包括遮擋，光照和姿態(tài)變化等復(fù)雜場(chǎng)景下的人臉特征點(diǎn)，較傳統(tǒng)算法特征點(diǎn)精度提高。
　　(2)在求解稀疏結(jié)構(gòu)時(shí)，針對(duì)圖像數(shù)越多，傳統(tǒng)因子分解法中利用方程組求得的修正矩陣，越難將旋轉(zhuǎn)矩陣完全修正為正交性矩陣的問(wèn)題，本文提出利用旋轉(zhuǎn)矩陣的性質(zhì)求得修正矩陣，避免了方程組的求解問(wèn)題。
　　(3)針對(duì)基于特征點(diǎn)重建方法過(guò)程