一种自动3D面部区域分割方法

发布时间：2019-09-30 16:00

【摘要】：提出一种用于美容整形的三维人脸模型自动分区方法。通过不同分辨率模型、主成分分析数据、鼻尖特征和相交曲线形状等进行组合分析,生成标准的正面朝向的三维人脸模型,然后,自动渲染生成二维图像并用可靠的二维人脸特征检测方法生成二维标志点,逆向生成三维人脸标志点。最后,基于对应的三维标志点,将标准制作的解剖学分区模板与输入模型进行自动拟合,自动生成17个区域,用于不同类型的美容整形手术。在实际三维人脸模型分割实验中拟合基元的分层聚类算法、基于"形状直径函数"(SDF)的算法以及SNAKE方法等对比方法。研究结果表明:本文方法所得实际分割效果比对比算法好,在相同实验环境下,本文方法比这3种对比方法分别快10,70和50 s。
【图文】：

二次曲线,三维表面,网格模型,纹理

，提升他们在操作过程中的决策力和熟练程度。1方法设计传统人脸面部分割仅包含眼睛区域、鼻子区域和嘴区域。本文探讨一种将三维面部网格划分为17个区域的特殊分割方法，其基本思想是基于一系列智能检测技术依次固定三维人脸模型的空间方向，然后根据受控二维检测技术反向修正三维人脸模型上的指标点的位置。同时，制作1个整形手术定向二次曲线分割掩模，并且基于三维索引点自动将掩模与个性化面部模型匹配，最后根据掩模的边线自动分割面部区域。使用的模型包括各种彩色激光扫描仪采集的带纹理3D表面网格模型，如图1所示。(a)样例一；(b)样例二；(c)样例三图1典型具有纹理的三维表面网格模型Fig.13Dsurfacemeshmodelswithtextures1.1三维面部姿势校正在三维面部姿势校正中，为了避免输入的三维面部模型初始方向不定，必须固定模型的正面。对于该问题，目前一般使用姿态不变表面特征来检测眼角和鼻尖的关键点，但计算量较大。三维模型背面缺失数据，正面和侧面形成半个椭圆体，正面向侧面突出，这些特征可以用于计算三维模型正面的基本方向。其步骤和方法如下。1)计算人脸网格模型的平均中心点m：NkkNm11v(1)式中：vk表示人脸网格模型的1个顶点；k为顶点序号；N为顶点总个数。2)将平均中心点与网格化人脸正面中心点的矢量作为人脸正面的基本方向。在具体实践中，若按照原始的三维面部模型进行计算，则可能会因模型边界及正面中心点情况复杂导致计算结果不稳定。针对该问题，通过设置粗分辨率级别予以解决。用特定的三角边长对人脸表面进行再次网格化处理，去除尖锐边缘等几何特征。根据人脸尺寸和实验，最终确定三角形边长为90mm，如图2(c)所示。同时，为了获得稳定的再网格化结果，先用45m

二维图像,模型生成,二维图像,面部

８釯ㄈ肆扯鋾噼枷櫋和初始人脸形状S0，则迭代第t次后的人脸形状St为(,)11ttttSSRIS(4)式中：阶段回归函数Rt在t阶段根据当前形状St1和人脸特征得到新的形状St。选择特征点构建初始人脸形状后计算形状增量，不断迭代更新人脸形状，最终在三维面部模型自动生成的二维面部图像定位出1组(68个)面部标识点，输入的三维面部模型被转成受控设置的视窗，视窗中生成的二维图像连同窗口尺寸、相机位置及方向等渲染参数一起保存。1张三维面部模型的标准正面垂直位置侦测68个标识点的二维面部图像见图4(a)。人脸图像中心区域的二维标识点可以通过受控视窗保存的渲染参数，通过影射反向计算获得可靠的三维面部几何点坐标。然而，基于图像边界的二维标识点反向计算三维面部模型的几何点坐标可能并不准确，，为解决这一问题，以正面二维图像为基础向左和向右旋转30°进行渲染，生成2张侧面的二维图像，如图4(b)和图4(c)所示。结合旋转矩阵使用最小二乘法计算三维面部模型的几何点坐标。需要说明的是：在计算三维标识点时不必计算所有对应的二维标识点，仅需选择一些关键解剖学标识点。3D人脸正面和侧面的27个三维标识点分别如图5(a)和图5(b)所示。1.3三维面部分割本文根据各种美容手术的解剖区域构建标准解剖分割模板。将三维面部网格划分为17个区域，包括前(a)标准正面姿势；(b)向左侧旋转30°；(c)向右侧旋转30°图4检测从三维面部模型生成的二维图像上的面部标记Fig.4Detectingfaciallandmarkson2Dimagegeneratedfrom3Dfacialmodel
【作者单位】：吉首大学信息科学与工程学院;中南大学信息科学与工程学院;
【基金】：国家自然科学基金资助项目(61262032,61562029,61363073) 湖南省自然科学基金资助项目(2015JJ3100)~~
【分类号】：TP391.41

【相似文献】