根据二维图像重建三维图形

河南工业大学硕士学位论文

Parke首次利用计算机来模拟三维人脸模型，他使用将近400个顶点组成的250个多边形来表示人脸皮肤，采用余弦插值算法计算连续表情的中间图像，从而实现人脸表情动画。此后，许多专家学者在该领域进行了更深层次的研究工作。

当前，使用最为广泛的三维人脸模型是统计模型和网格模型。美国宾夕法尼亚大学的DeCarlo[5]等人利用人体测量学知识，在人的头部标定一些能表现人物个性特征的特征点，然后根据人体测量方法测量特征点，同时确定特征点之间的关系。对这些测量数据利用变分技术进行处理，最后利用Ｂ样条曲面表示三维模型。瑞典Linkoping大学的Image Coding Group[6]在2001年发布了最新版本CANDIDE-3,该三维模型包含113个特征点和168个三角面片，此模型几何结构简单，可以简捷地表示人脸的细节特征和面部动作，被普遍地应用于网络视频传输方面。微软研究院Zhang和Liu[7]等人在艺术家的帮助下，构造了一种中性人脸网格模型。这种模型包含了360个三角平面和194个特征点，而且构建了65个可调向量，这些向量可用于调整模型的形变。

三维数据信息可以通过物理设备激光扫描仪获取。而且它可以同时获取模型的几何结构信息和纹理信息，也是获取距离数据的一个准确有效的手段，许多研究小组已经开始使用此设备进行科学研究。德国学者Blanz和Vette[8]创建了一个包含三维距离信息和表面纹理信息的头部数据；康柏剑桥研究所的Waters[9]等人利用激光扫描系统获取的三维数据信息进行三维头部建模。多伦多大学的Lee[10]等人利用激光扫描仪获取的三维几何数据信息和纹理信息，通过变换通用人脸网格模型构建特定人脸模型。根据三维数据创建的三维人脸模型具有较高的真实度，但该方法建模成本高，算法不容易实现，同时对三维数据的精度要求很高，当前还不容易实现。

基于二维图像的三维人脸建模，利用普通相机拍摄的二维图像为基础进行三维人脸建模。华盛顿大学的Pinhin[11]等人采用多幅图像变形三维通用人脸模型，他们使用的通用模型是Toronto大学的线框模型。其具体方法是：首先在图像上用手工标定若干个特征点，然后根据特征点的位置信息来调整通用模型。整个调整过程包括三部分：首先利用计算机视觉技术标定相机的定标参数和各个图像的变形参数，并且计算出各个特征点的三维空间坐标；然后，利用散乱数据插值技术，根据特征点的位置来调整非特征点的位移；最后，对模型进行微调，在模型的顶点之间和图像的对应点之间插入附加点，得到具有真实感的三维人脸模型。基于图像的三维人脸建模方法建模效率高，图像容易获取，但是往往由于三维数据存在噪声问题，降低了建模的精确度，同时建模时图像之间特征匹配的精确度也直接影响建模的效果，具体实现时有一定难度。现有的技术多处于理论研究的探索阶段。该方法需要的硬件设备比较简单，但对算法的要求较高。

4