一种基于特征的三维人脸建模方法与流程

本发明涉及人体三维建模技术领域，具体是一种基于特征的三维人脸建模方法。

背景技术：

传统的三维人脸建模是利用一套由三角面片构成的网格人脸模型，对每个三角面片进行比照调整，再利用平滑过渡算法打磨人脸模型，这种方案存在的问题就是调整的颗粒度太高，因为整个模型三角面片的个数是固定的，所以注定会出现某些区域无法调整出期望的图样这样的问题。而且模型在调整的过程中，其所调整的是一片一片单独的三角面片，有些情况下可能会割碎整个面部的结构，即使再使用平滑过渡算法也难以打磨出一个完整有辨识度的人脸模型。

技术实现要素：

本发明的目的在于提供一种基于特征的三维人脸建模方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于特征的三维人脸建模方法，步骤如下：

1)将面部分为多个区域；

2)对每个区域的特征点进行提取，通过比对标准模型上预设的特征点，局部调整每个区域内的面部形态；

3)将调整完成的二维特征点从二维坐标映射到三维的人脸模型中；

4)完成坐标映射后，对特征点采用b样条函数来拟合b样条曲线；

5)采用平滑过渡算法将各个面部区域拼接在一起。

作为本发明进一步的方案：步骤1)中，将面部分为区域a、区域b、区域c、区域d、区域e、区域f、区域g、区域h、区域i、区域j；

所述区域a通过选取额肌、帽状腱膜、枕额肌额腹、颞筋膜浅层形成；

所述区域b通过选取皱眉肌、降眉间肌、颞筋膜深层形成；

所述区域c通过选取眼轮匝肌、枕额肌额腹、枕额肌枕腹、内毗形成；

所述区域d通过选取鼻肌、提上唇肌内侧部、颧小肌、颧大肌形成；

所述区域e通过选取上唇方肌、提上唇肌、鼻肌横部、提上唇肌眶下部形成；

所述区域f通过选取鼻肌翼部、提口角肌、副腮腺、腮腺管形成；

所述区域g通过选取口轮匝肌、颊肌、腮腺形成；

所述区域h通过选取降口角肌、咬肌形成；

所述区域i通过选取降下唇肌、下唇方肌、斜方肌形成；

所述区域j通过选取骇肌、下颌下腺、胸锁乳突肌形成。

与现有技术相比，本发明的有益效果是：

本发明基于特征的三维人脸建模方法生成的的人脸模型还原度更高，从骨骼到轮廓再到五官的细节，都更加逼真，克服了以前人脸建模方法缺乏真实感、神情僵硬的问题；本发明基于特征的三维人脸建模方法模型调整速度更快，选取的特征点更精准。

附图说明

图1为区域a、区域h和区域i所拟合的特征曲线。

图2为图1的侧视示意图。

图3为区域d所拟合的特征曲线。

图4为区域e所拟合的特征曲线。

图5为区域f所拟合的特征曲线。

图6为区域g所拟合的特征曲线。

图7为区域c所拟合的特征曲线。

图8为区域b所拟合的特征曲线。

图9为区域j所拟合的特征曲线。

图10为区域j所拟合的特征曲线图。

图11为采用平滑过渡算法将各个面部区域拼接在一起后的正面效果示意图。

图12为采用平滑过渡算法将各个面部区域拼接在一起后的侧面效果示意图。

具体实施方式

下面结合具体实施方式对本发明的技术方案作进一步详细地说明。

请参阅图1-12，一种基于特征的三维人脸建模方法，步骤如下：

1)将面部分为多个区域，本实施例中，优选的，将面部分为区域a、区域b、区域c、区域d、区域e、区域f、区域g、区域h、区域i、区域j；

所述区域a通过选取额肌、帽状腱膜、枕额肌额腹、颞筋膜浅层形成；所述区域b通过选取皱眉肌、降眉间肌、颞筋膜深层形成；所述区域c通过选取眼轮匝肌、枕额肌额腹、枕额肌枕腹、内毗形成；所述区域d通过选取鼻肌、提上唇肌内侧部、颧小肌、颧大肌形成；所述区域e通过选取上唇方肌、提上唇肌、鼻肌横部、提上唇肌眶下部形成，所述区域f通过选取鼻肌翼部、提口角肌、副腮腺、腮腺管形成；所述区域g通过选取口轮匝肌、颊肌、腮腺形成；所述区域h通过选取降口角肌、咬肌形成；所述区域i通过选取降下唇肌、下唇方肌、斜方肌形成；所述区域j通过选取骇肌、下颌下腺、胸锁乳突肌形成；

2)对每个区域的特征点进行提取，通过比对标准模型上预设的特征点，局部调整每个区域内的面部形态；

在对区域a进行特征点提取时，以头盖骨以及下巴自然的弧度为基准，如附图1所示；

在对区域b进行特征点提取时，如附图8所示；

在对区域c进行特征点提取时，因为眼皮部分的结构较为平滑且近椭圆形，所以曲线选取竖直区域的特征点拟合成曲线，如附图7所示；

在对区域d进行特征点提取时，考虑到它左右对称,特征点相对密集，同时弧度的部分主要在鼻翼以及鼻头，所以我们选用横向选取特征点并拟合成曲线的方法，如附图3所示；

在对区域e进行特征点提取时，选取肌肉延展的方向作为曲线拟合的方向，由于有斜卧的颧骨，所以脸颊部分采用斜向拟合的方式，如附图4所示；

在对区域f进行特征点提取时，选取肌肉延展的方向作为曲线拟合的方向，采用横向拟合的方式，如附图5所示；

在对区域g进行特征点提取时，参照肌肉的分布图，曲线选取横向区域的特征点拟合成曲线，这种方式拟合成的嘴唇会更加平滑丰满，如附图6所示；

在对区域h进行特征点提取时，如附图1-2所示；

在对区域i进行特征点提取时，如附图1-2所示；

在对区域j进行特征点提取时，主要需要拟合的是喉结以及动脉区域的肌肉状态，所以曲线选取横向区域的特征点拟合成曲线，如附图9-10所示；

3)将调整完成的二维特征点从二维坐标映射到三维的人脸模型中；

4)完成坐标映射后，对特征点采用b样条函数来拟合b样条曲线；

5)采用平滑过渡算法将各个面部区域拼接在一起。

建模实验：

具体步骤为：a：按照步骤1)的方法对300张不同人脸进行区域划分，并在每个区域手动提取特征点；b：提取的特征点形成特征点提取训练集，利用opencv+dlib的训练模型来训练特征点提取训练集，通过反复调整参数，训练出一套很接近人工选取方法的特征点提取训练集，在输入一张正脸照片后，可以自己标记出所需要的特征点；c：运用坐标矩阵变换算法，将二维的坐标映射到三维基准人脸模型的三维坐标中，通过比照每个区域内映射特征点与预设特征点的误差，利用模型面部区域微调算法我们逐步调整每个局部区域的形态；d：再利用平滑过渡算法拼接各个区域。

上述实验生成的的人脸模型还原度更高，克服了以前人脸建模方法缺乏真实感，神情僵硬的问题。

本发明基于特征的三维人脸建模方法生成的的人脸模型还原度更高，从骨骼到轮廓再到五官的细节，都更加逼真，克服了以前人脸建模方法缺乏真实感、神情僵硬的问题；本发明基于特征的三维人脸建模方法模型调整速度更快，选取的特征点更精准。

上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。