一种用于人脸识别的三维人脸模型重建有何方法

      随着社会发展，许多场合对个体身份识别和验证提出了更为严格的要求，快速、准确、有效地解决身份识别和验证问题成为一项迫切的任务。传统的人脸识别算法[1,2]主要解决二维正面图像识别，一旦人脸姿态发生变化，则算法性能急剧下降，表现为识别率低，可靠性差，甚至无法工作。近年来，借助三维人脸模型解决这一问题的方法已成为一个研究热点[3]。该方法根据三维人脸模型信息，重新合成正面或指定姿态的脸部图像，部分纠正原输入图像中存在的姿态问题，从而提高基于 2D图像的人脸识别算法的性能[4]。以上解决方案中，三维人脸模型重建是核心任务。  目前主要存在三类三维人脸模型重建算法：（1）Vetter和Blanz的研究小组提出的基于三维可变形人头模型的方法[5]。他们使用激光扫描采集200个人脸，通过训练建立一个可变形的3D人脸模型。但这种方法算法复杂度高，扫描一个人头需要消耗较长的时间，拟合时间长（在2GHz Pentium IV的工作站上约需4.5分钟），且扫描仪价格昂贵，因此实用性较差；（2）许瑞麟等人提出一种基于三维通用人头模型的方案[3]。他们选择了Water的人脸线框模型
      拟合输入的人脸，从而产生三维人脸模型。国内较多学者采用了类似的方法。但是要找到一个合适的通用人头模型难度大,一旦通用模型定义过分精细，则拟合时间较长；若模型粗糙，则效果较差；（3）Gunaratne等人提出一种基于四张深度图合成人脸三维模型的方案[7]。该算法通过手工选择特征点和Sobel算子提取出图像边缘的方法产生三维人脸模型。因为使用Sobel算子提取边缘，Sobel算子内在高噪声敏感性使得该方法在算法稳定性上存在一定的问题。  为了克服上述方法存在的缺陷，本文采用由三幅不同姿态下的人脸深度图直接融合产生三维人脸模型的方案，并提出如下算法：在获取正面、左侧面、右侧面三幅不同姿态人脸图像及所对应的深度图的基础上，通过人工辅助选择和最优化能量函数确定人脸特征点位置，获得人脸姿态，实现人脸的侧面图和正面图的初步融合，而后利用改进的ICP算法实现人脸精细融合，产生隐式三维人脸模型，由于该算法无需借助三维通用人脸模型，因此避免了存储模型所需的空间开销。此外，该算法对深度图的获取方式并无特殊要求，既可利用成本较低的立体视觉方法又可采用效果较好的激光扫描方法，从而增强了该算法的应用范围。http://www.atk3d.com