版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著計(jì)算機(jī)視覺應(yīng)用技術(shù)的發(fā)展,三維人臉重建技術(shù)由于其廣泛的應(yīng)用前景,已成為熱點(diǎn)研究方向,并取得一定的成果。目前主要有兩種方法發(fā)展倍受關(guān)注并且理論成熟:形變模型方法和陰影形狀恢復(fù)方法(Shape-from-Shading,簡稱SFS)。其中形變模型方法首先基于三維人臉樣本進(jìn)行建模,然后針對特定二維人臉與得到的模型進(jìn)行匹配,同時(shí)不斷修改模型,直到其匹配度最高;SFS方法利用二維人臉圖像的灰度信息進(jìn)行形狀恢復(fù),其本質(zhì)為圖像生成的逆運(yùn)算。
2、> 因?yàn)閮煞N方法生成三維人臉?biāo)罁?jù)的理論不同,因此其優(yōu)缺點(diǎn)也相異。形變模型方法雖然恢復(fù)的人臉總體上精度很高,但是在細(xì)節(jié)特征部位(例如眼角、酒窩、疤痕等)恢復(fù)較差,且由于其運(yùn)算的時(shí)間復(fù)雜度十分高,不利于實(shí)時(shí)應(yīng)用;而SFS方法雖然其運(yùn)算速度較快,但由于在圖像生成過程中,會丟失大量的形狀信息,恢復(fù)的三維人臉形狀精度有待提高。
由于兩種方法各具不同的優(yōu)點(diǎn),因此本文提出在形變模型框架下施加圖象輻照約束機(jī)制來融合形變模型與SFS
3、的算法,以期提高人臉恢復(fù)的精確度。在使用形變模型恢復(fù)得到初始的人臉形狀(網(wǎng)格)的基礎(chǔ)上,以合適的方式施加局部輻照約束,同時(shí)使用SFS恢復(fù)出入臉表面網(wǎng)格上的法向量圖(增強(qiáng)的人臉形狀)。這樣恢復(fù)得到的法向量圖將可以包含高解析度的人臉細(xì)節(jié)特征(例如皺紋、酒窩、疤痕等),而這些細(xì)節(jié)特征通常是不能由形變模型直接捕獲的。
另外,我們還將研究新的方法用來估反照率,而不是借助于通常所使用的統(tǒng)一全局常系數(shù),同時(shí)使用混合反射模型,以增強(qiáng)恢復(fù)的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于形變模型由立體序列圖像恢復(fù)3D物體形狀.pdf
- 基于3D人臉重建的人臉識別技術(shù)應(yīng)用研究.pdf
- 基于體積特征的3D模型形狀分析.pdf
- 基于情景模型的3D人臉動畫驅(qū)動.pdf
- 基于多分類器融合的3D人臉年齡識別.pdf
- 物體3D模型恢復(fù)中條紋圖像的處理.pdf
- 基于三維形變模型與PCA的人臉識別研究.pdf
- 基于改進(jìn)明暗恢復(fù)形狀(SFS)的人臉識別算法研究與實(shí)現(xiàn).pdf
- 基于3D點(diǎn)云模型的人耳檢測與識別研究.pdf
- 基于3D骨架的3D模型檢索.pdf
- 基于DSP的人臉檢測式3D立體顯示系統(tǒng)研究與實(shí)現(xiàn).pdf
- 3D模型.rar
- 3D模型.rar
- 3D模型.rar
- 3D模型.rar
- 基于活動形狀模型的人臉特征定位的研究.pdf
- 基于深度信息的3D人臉識別.pdf
- 基于主動形狀模型的人臉識別算法的研究.pdf
- 基于Kinect的3D人臉識別.docx
- 導(dǎo)入3d模型方法
評論
0/150
提交評論