导读:本文包含了人脸建模论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:建模,网格,模型,特征,拉普拉斯,虚拟现实,微分。
人脸建模论文文献综述
杨金秋[1]（2019）在《基于表情分类与特征提取的人脸建模算法研究》一文中研究指出叁维人脸模型建模技术可以广泛应用于电影、动画、游戏,室内设计以及医疗美容等各种行业。在以往的研究中,使用传统的建模技术得到的叁维人脸模型存在着建模效果不够逼真且无法达到实时性的要求等问题。针对以上问题,本文针对叁维人脸建模技术,提出一种基于表情分类与特征提取相结合的叁维人脸建模方法。首先将图像中人脸定位出来并提取特征点信息,这些特征点可以分别标记出人脸的脸部轮廓、眉毛、眼部轮廓、鼻梁、鼻孔下周和嘴部轮廓的特征信息。然后使用卷积神经网络算法通过对特征点的位移程度进行分类,完成人脸的特征点提取和表情分类工作。同时针对Candide-3人脸模型提出一种基于不同区域粒度的Candide-3人脸模型细分算法,对于细分后Candide-3模型手动移动特征点的位置建立人脸表情模型库,之后结合表情分类的结果调用相应Candide-3表情模型,最后对Candide-3表情模型使用RBF插值算法做进一步的细致形变得到实时的叁维人脸表情动画系统。通过对以上算法思路的设计与实现,完成了对人脸建模动画系统的开发与检测工作。检测实验中针对获取的视频图像,在提取人脸特征点后使用卷积神经网络进行人脸表情的分类,然后基于叁维人脸模型进行叁维模型的个性化调整,最终得到相应表情的叁维人脸模型。实验结果表明,经过提出方法的设计,人脸模型头部更加完整,面部和轮廓信息更加丰富自然,且达到了实时性建模的要求。(本文来源于《北方工业大学》期刊2019-05-06）
陈芳芳[2]（2019）在《基于人脸对齐的人脸编辑与浅浮雕建模》一文中研究指出随着时代的进步和科技的发展,计算机视觉在人们的日常生活中越发的重要,人脸对齐、人脸检测和肤色检测便是其中的研究热点,而这几项研究又是人脸叁维重建、虚拟化妆、以及表情分析等人脸相关应用的基础。本文结合人脸对齐技术进行了以下两方面的研究:(1)肤色检测技术是指在图像或者视频等各种多媒体中识别人体皮肤像素区域的过程。但是由于肤色检测受到光照,肤色,环境等条件的影响,皮肤区域定位一直是很棘手的问题。本文中提出一种将混合高斯模型和人脸对齐技术相结合的皮肤定位新思路,首先用其粗略定位出人脸皮肤区域,进而运用自适应阂值化算法、形态学算法和连通域算法相结合的技术对人脸皮肤区域进行准确定位。本文通过定义8对人脸脸型特征,运用SOM和K-Means相结合的聚类算法对人脸脸型进行分类,再采用基于Lab空间的颜色移植算法对人脸皮肤进行编辑操作实现人脸肤色的转变,最后利用基于ResNet50的深度神经网络对人脸颜值进行评分。(2)提出一种基于2D人脸姿势驱动叁维模型变形的方法。首先采用人脸对齐技术检测2D图片中的人脸五官标志点,针对图像特征点和3D模型特征点使用迭代就近点拟合算法求得两者间的旋转矩阵。然后采用基于骨架驱动的网格模型变形方法调整3D人脸模型的姿势,从而实现2D图像的人脸姿势能够驱动3D人脸模型的姿势转化。最后计算该姿势下模型的法线图,生成浅浮雕模型。(本文来源于《杭州电子科技大学》期刊2019-03-01）
沈江洋[3]（2019）在《基于RGB-D相机的移动端实时人脸建模系统》一文中研究指出本文构建了一个能在移动手机上交互运行的,基于RGB-D相机的实时人脸建模系统,用于采集人脸的几何、叁维特征点和纹理数据。普通用户手持手机,按照简单的提示,左右转动头部到一定角度,即可完成人脸信息的建模,系统响应迅速,提供了友好的交互式体验。系统的输入是连续同步的深度帧和RGB帧,本文先用二维人脸对齐算法进行初始的人脸对齐和人脸包围盒立方体的定位,再利用KinectFusion算法进行叁维几何重建,在移动设备上实时重建人脸几何网格数据,可以达到30以上的帧率。然后,利用获取到的人脸几何模型进行人脸的叁维特征点的定位。本文在适用于叁维点云输入的卷积神经网络算法PointCNN的基础上,提出FacePointNet网络,利用分块级联的思路,由粗到精的检测人脸叁维特征点。实验表明,FacePointNet比目前主流的检测算法更准确,实时性也较高。对于人脸外观纹理,先对叁张不同视角的图片进行纹理采样,再利用圆柱投影方法,投影到统一的二维图像空间,再利用图像融合算法,获得无缝的自然过渡的人脸纹理。基于圆柱投影的纹理映射和合成过程并行性很高,利用GPGPU实现,可以实时得到结果。(本文来源于《浙江大学》期刊2019-03-01）
张晓东,韦程东,岑泰林,王亚楠[4]（2018）在《基于等距特征映射算法在人脸识别问题中的数学建模》一文中研究指出该文梳理了人脸识别技术的相关研究文献,并以FG-NET人脸数据库为样本库,对随机选取的实验分析对象进行预处理后,建立合理的数学模型.通过等距特征映射(ISOMAP)算法进行非线性降维,将高维空间的数据信息映射到低维空间,再通过特征提取的方法来判别图像的相似度.该算法以多维尺度变换(MDS)为基础,将欧氏距离替换为数据点间的测地线距离,使数据信息在降维后损失最小,实现高维空间的数据信息在低维空间的有效表达,在较大减小计算量的基础上,提高图像识别率.同时,运用MATLAB软件进行编程验证,结果表明,同一个人在不同年龄段的人脸识别率达到了88.89%,不同人在不同年龄段的人脸识别率达到了91.67%.(本文来源于《广西师范学院学报(自然科学版)》期刊2018年04期）
侯守明,杜成菲,王阳,张玉珍[5]（2018）在《基于Kinect的拉普拉斯网格形变叁维人脸建模》一文中研究指出为了快速创建真实感较强的叁维人脸模型,提出了基于Kinect的拉普拉斯网格形变建模方法。利用Kinect获取彩色和深度图像信息,对深度图像进行双边滤波处理,对彩色图像进行低层级顶点定位;构建标准叁维人脸模型,并为该人脸模型中的顶点建立低、中、高3个级别的层级结构,通过低、中层级中顶点的位置关系创建Sibson局部坐标约束;利用该约束构建彩色图像中间层级顶点,并结合深度信息对标准叁维人脸模型进行拉普拉斯网格变形,获得真实感较强的叁维人脸模型。实验结果表明,该算法在建模的真实感上得到了提高,与对比算法相比,在建模时间上得到很大的优化。(本文来源于《图学学报》期刊2018年05期）
杨玮玥,张倩,王斌,姜悦卉,黄继风[6]（2018）在《3D建模的多姿态人脸合成方法》一文中研究指出设计了一种基于3D建模的人脸多姿态合成方法。首先计算输入图像的叁维模型与二维图像间的映射关系;其次,利用该映射关系矫正输入的人脸图像,并生成初步的人脸图像正面化结果;最后,为了完整地保留原面部输入信息,对初步结果视图上的不可见区域进行评估,并根据其对应的可见特征,利用均值坐标(mean-value coordinates,MVC)图像编辑方法对不可见区域进行填充。实验结果表明,所设计方法的矫正准确率可达70%以上,相比于传统方法,输出结果更具鲁棒性。(本文来源于《中国科技论文》期刊2018年14期）
邹林波[7]（2018）在《基于特征分块的叁维人脸自动建模方法研究》一文中研究指出人脸是人类信息交流、情感表达的重要载体,如何实现富有真实感的叁维人脸重建一直是计算机视觉、计算机图形学、模式识别、图像处理等领域的研究热点。因此,真实感的叁维人脸重建问题的研究具有重要的科研价值和应用意义。叁维人脸重建的核心问题是人脸真实感处理,其优劣直接决定了叁维人脸的可推广性。基于形变模型技术的叁维人脸重建主要分为两步:形变模型的建立和叁维人脸形状重建。目前,形变模型建立过程中,叁维人脸对齐方法主要采用网格重采样或光流法,对人脸原有的几何特性造成破坏,同时自动化程度变低,导致形变模型不具有通用性和代表性;叁维人脸形状重建中二维图像与叁维模型的拟合算法存在重建参数较多、代价函数复杂度高,导致叁维人脸真实感较差且效率较低。根据以上问题,为提高叁维人脸重建的真实感以及自动化程度。本文的主要创新性工作如下:1.本文提出一套全新的基于形变模型的叁维人脸重建流程。该算法结合了薄板样条函数、SDM特征检测及特征区域划分法的优点,构建全自动化、高精度的人脸形状重建算法。相比传统方法,有精度高、效率高、成本低等特点。2.研究叁维人脸对齐技术,提出基于网格重采样的TPS叁维人脸对齐算法,主要基于SDM的特征提取及薄板样条插值函数,将叁维数据的对齐转化为二维数据的对齐。实验表明,本文构建的形变模型具有很好的通用性。3.研究二维图像与叁维模型的拟合技术,提出基于稀疏形变模型的叁维人脸区域化拟合算法,即构建叁维稀疏人脸库线性表示目标人脸,利用最小二乘求解稀疏模型拟合参数,然后,根据稀疏人脸与平均人脸构建局部对应关系,使用叁维的薄板样条函数进行插值,构建稠密的叁维人脸模型。实验表明,本文算法重建的叁维人脸具有很好的真实感,对细节恢复较佳。4.基于以上研究,本文设计并实现了一个叁维人脸重建系统。该系统主要功能包括叁维人脸数据管理与对齐、人脸检测、人脸特征提取、人脸模块划分、人脸形状重建以及纹理贴图。实验表明,本文设计的系统可以实现重建出具有真实感的叁维人脸模型。(本文来源于《西北大学》期刊2018-06-01）
胡正平,刘立真[8]（2018）在《图像集闭包建模的协同表示人脸识别算法》一文中研究指出针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息,故利用原始图像生成中等像素图像,镜像图像可增添图像细节信息,故利用原始图像产生镜像图像,将此两种源域图像与原始图像联合构成扩展的图像集。然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试图像构成图像集且构建为测试闭包,借鉴协同表示思想利用字典学习迭代求解闭包系数。最后,采用残差判别函数进行模式分类。本文方法不仅构建具有多重描述能力的图像集,而且充分利用样本集内部关联性从而获得较好的分类结果。本文分别在ORL、GT(Georgia Tech Face Database)、CMU PIE、FERET人脸数据库上进行实验。(本文来源于《信号处理》期刊2018年04期）
李佳,任慧[9]（2018）在《基于Kinect 2的叁维人脸个性化建模》一文中研究指出提出一种基于五官形状特征点以及人脸肌肉函数的优化Kinect 2个性人脸网格的算法,然后通过自适应uv贴图,使结果更符合个性人脸特征。首先,通过提取彩色图的特征点位置获取个性人脸的x,y空间的特征信息,基本的五官形状特征点为83个,通过相似叁角关系在鼻梁和鼻翼处添加了6个特征点以丰富五官形状特征信息。肌肉形状特征约束方面,综合肌肉形状约束量有43个。其次,通过Kinect 2人脸个性化建模得到中间模型,同时也获得了五官形状和肌肉形状特征的深度先验信息。接着使用基于拉普拉斯算子的微分网格变形算法对Kinect2的中间模型进行五官优化及肌肉形状约束,通过对比ASM、正则化均值漂移和face++算法检测的人脸特征点来选择更精确的五官位置。最后,为了让人脸更具有真实感,还通过平面微分网格形变实现了uv自动贴图,提升了maya中手动调整uv坐标的准确性和效率。同时,使用次表面散射光照模型来使人脸皮肤的真实感加强。实验表明,本文所采用的叁维人脸模型的个性化变形方法能使Kinect2模型更好地符合个性人脸特征,这将为后期的表情生成和动画制作奠定良好的基础。(本文来源于《中国传媒大学学报(自然科学版)》期刊2018年02期）
吕海清,李雪飞[10]（2018）在《真实感叁维人脸建模技术综述》一文中研究指出叁维建模是计算机图形学和计算机视觉领域的基本问题。人脸具有共性强及个性鲜明的特点,成为众多叁维建模算法的实验平台。但由于人脸的多样性、复杂性,建立真实感强的目标叁维人脸模型在学术研究和实际应用方面都具有重要意义。在文献梳理的基础上,阐述了真实感叁维人脸建模理论和实践相关研究成果,总结了目前叁维人脸重建的研究方法,分析了各种叁维人脸重建方法的优缺点,提出了有待进一步研究的问题,展望了未来的发展趋势。(本文来源于《软件导刊》期刊2018年01期）
人脸建模论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着时代的进步和科技的发展,计算机视觉在人们的日常生活中越发的重要,人脸对齐、人脸检测和肤色检测便是其中的研究热点,而这几项研究又是人脸叁维重建、虚拟化妆、以及表情分析等人脸相关应用的基础。本文结合人脸对齐技术进行了以下两方面的研究:(1)肤色检测技术是指在图像或者视频等各种多媒体中识别人体皮肤像素区域的过程。但是由于肤色检测受到光照,肤色,环境等条件的影响,皮肤区域定位一直是很棘手的问题。本文中提出一种将混合高斯模型和人脸对齐技术相结合的皮肤定位新思路,首先用其粗略定位出人脸皮肤区域,进而运用自适应阂值化算法、形态学算法和连通域算法相结合的技术对人脸皮肤区域进行准确定位。本文通过定义8对人脸脸型特征,运用SOM和K-Means相结合的聚类算法对人脸脸型进行分类,再采用基于Lab空间的颜色移植算法对人脸皮肤进行编辑操作实现人脸肤色的转变,最后利用基于ResNet50的深度神经网络对人脸颜值进行评分。(2)提出一种基于2D人脸姿势驱动叁维模型变形的方法。首先采用人脸对齐技术检测2D图片中的人脸五官标志点,针对图像特征点和3D模型特征点使用迭代就近点拟合算法求得两者间的旋转矩阵。然后采用基于骨架驱动的网格模型变形方法调整3D人脸模型的姿势,从而实现2D图像的人脸姿势能够驱动3D人脸模型的姿势转化。最后计算该姿势下模型的法线图,生成浅浮雕模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸建模论文参考文献
[1].杨金秋.基于表情分类与特征提取的人脸建模算法研究[D].北方工业大学.2019
[2].陈芳芳.基于人脸对齐的人脸编辑与浅浮雕建模[D].杭州电子科技大学.2019
[3].沈江洋.基于RGB-D相机的移动端实时人脸建模系统[D].浙江大学.2019
[4].张晓东,韦程东,岑泰林,王亚楠.基于等距特征映射算法在人脸识别问题中的数学建模[J].广西师范学院学报(自然科学版).2018
[5].侯守明,杜成菲,王阳,张玉珍.基于Kinect的拉普拉斯网格形变叁维人脸建模[J].图学学报.2018
[6].杨玮玥,张倩,王斌,姜悦卉,黄继风.3D建模的多姿态人脸合成方法[J].中国科技论文.2018
[7].邹林波.基于特征分块的叁维人脸自动建模方法研究[D].西北大学.2018
[8].胡正平,刘立真.图像集闭包建模的协同表示人脸识别算法[J].信号处理.2018
[9].李佳,任慧.基于Kinect2的叁维人脸个性化建模[J].中国传媒大学学报(自然科学版).2018
[10].吕海清,李雪飞.真实感叁维人脸建模技术综述[J].软件导刊.2018
论文知识图
