[发明专利]一种三维人脸模型的调整方法

说明书

技术领域

本发明涉及计算机图形与图像处理领域，特别是涉及一种三维人脸网 格模型的调整方法。

背景技术

毋庸置疑，在日常生活中人们很在乎一个人的脸蛋是否漂亮。比如， 女孩会喜欢通过化妆来使自己变得更漂亮些，越来越多的人愿意花钱去美 容院做整形手术。近年来，很多研究人员对怎样的人脸才是漂亮的以及如 何让人脸变得更漂亮做了大量的研究。有些研究人员通过前人的理论与真 实的实验数据验证了一个人是否漂亮是与对称性、古典主义法则和黄金分 割率这三个因素密切相关的，并提出了一套如何计算二维人脸图像美丽值 的方法，参见K.Schmid，D.Mark and A.Samal.Computation of a face  attractiveness index based on neoclassical canons，symmetry，and golden ratios. Pattern Recognition，2008，pp.2710-2717。一些韩国研究人员通过大量的人 脸美容临床实验，提出通过使侧脸特征点之间的某些角度符合一些经验标 准值来使人脸变得漂亮的理论，参见H.Park，S.Rhee，S.Kang and J.Lee. Harmonized profiloplasty using balanced angular profile analysis.Aesthetic Plastic Surgery，2004，pp.89-97。

最近，一些研究人员提出了一种人脸图像自动化妆的方法。该方法通 过对化妆实例对进行学习，即学习化妆前与化妆后二张图像的差别信息， 然后将实例对的化妆效果真实地转移到未化妆的图像上来，参见W.Tong， C.Tang，M.Brown and Y.Xu.Example-based cosmetic transfer.In  Proceedings of 15th Pacific Conference on Computer Graphics and  Applications，2007，pp.211-218。还有一些研究人员提出了另一种人脸图 像自动化妆方法，该方法无需化妆实例对，只需要一张化过妆的实例，就 可以将其效果高效的移植到未化妆的图像上来，参见D.Guo and T.Sim. Digital face makeup by example.In CVPR，2009.然而，这两种方法均只是 简单地改变人脸图像的颜色与细节信息，并没有改变人脸图像的任何几何 特征信息，因而没有根本性的提高人脸的吸引力。最近，一些研究人员提 出了一种基于数据驱动的二维人脸图像的美化方法。该方法通过机器学习 的方法对一些比较漂亮的人脸图像库进行学习，然后将学习得到的特征转 移到未美化的图像上来，并对整张图像进行非线性变换，在只对原始图像 进行微小改动的情况下，得到效果突出的美化后的人脸图像，参见T. Leyvand，D.Cohen-Or，G.Dror and D.Lischinski.Data-driven enhancement  of facial attractiveness.ACM Transactions on Graphics，2008.然而，这个方 法只适用于二维人脸图像的美化，它并无法直接对三维人脸网格模型进行 调整美化。

发明内容

本发明提供了一种既能保留人脸细节特征又能提高人脸吸引力的三 维人脸模型的调整方法。

为了达到上述目的，本发明采用以下技术方案：

一种三维人脸模型的调整方法，包括以下五个步骤：

(1)三维扫描仪获取三维人脸模型后，交互地在三维人脸模型上指 定人脸的至少55个初始特征点并将三维人脸模型划分为6个特征区域； 多于55个初始特征点可以进行更细致地调整，但会增加计算量。

(2)采用最小二乘变换技术，对三维人脸模型上的6个特征区域的 初始特征点进行局部性和全局性的对称化调整，得到对称调整后的三维特 征点；

(3)依据人脸的古典主义法则和黄金分割率法则，将对称调整后的 三维特征点进行全局的比例调整，得到比例调整后的三维特征点；

(4)采用侧脸纠正方法，将比例调整后的三维特征点进行非线性最 小二乘优化，得到侧脸调整后的三维特征点；

(5)采用拉普拉斯变形算法，将初始特征点与侧脸调整后的三维特征点 进行线性方程组求解，得到调整后的三维人脸模型。