[发明专利]一种基于卷积神经网络的三维人脸建模方法

说明书

本发明公开了一种基于卷积神经网络的三维人脸建模方法，具体按照如下步骤实施：步骤1，使用Kinect相机分别从人脸的左侧、右侧和正前方采集人脸点云信息；步骤2，对步骤1采集到的人脸点云信息进行预处理，分割出目标物体点云，并对点云进行除噪和平滑；步骤3，采用基于卷积神经网络的配准方法，得到三个方向的平移配准参数和三个方向的旋转配准参数，实现点云的配准拼接；步骤4，利用泊松曲面重建法，对点云进行三维重建。本发明解决了现有技术中存在的点云数据采集受环境影响大、计算量大、配准效率低的问题。

技术领域

本发明属于计算机视觉领域，涉及一种基于卷积神经网络的三维人脸建模方法。

背景技术

随着计算机视觉的飞速发展，和人脸三维数字化在医疗、影视动画制作、人机交互等领域需求的不断扩大，人脸三维建模越来越成为计算机视觉的研究热点。一个快速、完整、精确的三维人脸重建的系统能够广泛的应用于各行各业，有效的推动产业智能化。

传统双目视觉的三维数字化通过双目摄像机获取图像，提取图像中被测物的表面纹理特征进行特征匹配，从而获得点云图，虽然成本低，但受环境光照和被测物体表面纹理复杂度的影响较大，点云密度低，三维建模粗糙。基于结构光的三维数字化虽然不受被测物体表面纹理复杂度的影响，但是受环境光影响较大。

发明内容

本发明的目的是提供一种基于卷积神经网络的三维人脸建模方法，解决了现有三维重建技术中存在的受环境影响大，配准效率低的问题。

本发明所采用的技术方案是，一种基于卷积神经网络的三维人脸建模方法，具体按照如下步骤实施：

步骤1，使用Kinect相机分别从人脸的左侧、右侧和正前方采集人脸点云信息；

步骤2，对步骤1采集到的人脸点云信息进行预处理，分割出目标物体点云，并对点云进行除噪和平滑；

步骤3，采用基于卷积神经网络的配准方法，得到三个方向的平移配准参数和三个方向的旋转配准参数，实现点云的配准拼接；

步骤4，利用泊松曲面重建法，对点云进行三维重建。

本发明的特点特点还在于，

步骤2具体为：

步骤2.1，对Z轴方向上的维度设置一定的深度距离阈值，将目标物点云与其他距离较远的无用信息分割出来，表达式如下：

D(z)为分割后获取的点云数据，若点在最大阈值Depth_Max和最小阈值Depth_Min之间，就分割出来，若在范围之外就舍弃掉；

步骤2.2，将步骤2.1分割出来的点云通过快速双边滤波法，进行高斯线性卷积和双线性插值，对点云数据进行除噪和平滑。

步骤2.2具体如下：

步骤2.2.1，对步骤2.1分割出来的每一个点云数据点p＝(x,y,z)，求出它的m个邻域点q_i(x_i,y_i,z_i)及其深度值d_i(u,v)；

步骤2.2.2，计算光顺滤波函数G_S和G_r以及三维高斯核函数G，计算公式如下：

G＝G_s*G_r (4)

其中，G_s为空间邻近度因子，G_r为深度相似性因子，σ_s和σ_r分别为空间邻域标准差和深度标准差；