基于三维模型重建的头部姿态估计算法研究

发布时间：2021-01-16 12:25

　　头部姿态估计作为计算机视觉领域的重要研究课题,近年来受到研究人员的广泛关注。目前头部姿态估计在安全驾驶、智能监控、虚拟现实、人脸识别等多个重要领域都有广泛的应用。目前在主流方法中,头部姿态估计被视为监督分类或回归问题,其结果在很大程度上取决于训练数据地面真值标签的准确性,但是在实际场景中我们很难获取准确的角度标签。现有公共数据集的采集场景和协议标准均不同,因此导致这些数据集标签分布特性的不同。为了解决头部姿态估计对具有不同标签分布特性的数据集的依赖,本文提出了一种基于三维模型重建的头部姿态估计方法。该方法基于三维模型和二维图像的特征点拟合思想,利用神经网络进行数学计算和优化,一定程度上可以减少头部姿态估计对数据标签的依赖。本文主要研究基于三维模型重建的头部姿态估计算法,涉及的相关领域知识包括三维模型重建、人脸特征点检测以及头部姿态估计等。在三维模型重建上,选择基于深层神经网络从二维RGB图像中回归三维形变模型参数来重建三维模型的算法,并通过该方法合成实验所需的训练数据集;在人脸特征点检测上,考虑到人脸特征点检测的准确性,选择基于人脸对齐网络的特征点检测方法;在头部姿态估计上,用神经网络... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图２．１头部姿态坐标系??头部姿态估计按照估计结果可分为离散的粗糙估计方式和连续的精细估计方??

％＼，＿／?＝丨，２，…，ｐ??２．３．３人脸三维形变模型??基于形变模型的三维人脸重建方法是以线性对象组合类的思想作为基础的，??任何一个模型均可以使用其他模型的线性组合实现表征。在构造人脸空间基底的??基础上，利用主成分分析法（ＰＣＡ）对样本进行去相关和降低人脸数据特征维度??的计算，这样得到的新的人脸特征点数量更少、维度更孝更不相关，便于实现??人脸基底间各个顶点的稠密对齐。根据每张输入的人脸图像对模型函数中的参数??进行调整，实现形变模型的变形，从而得到形变后的人脸模型，如图２．２所示。??３Ｄ?Ｄａｔａｂａｓｅ??，—?Ｍｏｒｐｈａｂｌｅ??◎访卷备一?Ｆａｃｅ?Ｍｏｄｅｌ??ｆｖｖ?Ｆａｃｅ?ｖ?ｋＨ＊?－ｊ——／＂＊＊??＼＾?Ｊ?１?Ａｎａｌｙｚｅｒｆ?￣??２０?Ｉｎｐｕｔ?３Ｄ?Ｏｕｔｐｕｔ??图２．２三维形变模型的形成原理??基于形变模型的三维人脸模型重建方法通常使用两种向量对人脸的形状和纹??理实现表征，一种是形状向量，包含了?ｘ，ｙ，ｚ坐标信息：??５?＝?（＾，｝；，Ｚ？Ｘ２，ｒ２，Ｚ２，．．．．．．，Ｘｎ，Ｙｎ，Ｚｎｙ?（２．７）??这里的《指的是模型的顶点数，另一种是纹理向量，包含了颜色值信息：??Ｔ?＝?（ＲｒＧｔ，ＢｖＲ２，Ｇ２，Ｂ２，，Ｒ，ｒＧｎ，Ｂ？）Ｔ?（２．８）??建立的三维形变脸部模型由ｍ个脸部模型组成，其中每一个都包含相应的Ｓ，，７；两??种向量。新的三维脸部模型可以用以下公式表示：??１５??

其中ｑ为人脸关键特征点检测生成的置信值。??２．４神经网络理论基础??２．４．１神经网络的前向传播??神经网络主要由输入层、隐藏层以及输出层构成，神经网络的每一层都是由??若干个互不相关的神经元组成，神经元可以理解为数据处理的单元，每个神经元??的作用就是接收所有传入的数值，同层中的所有神经元互不连接，相邻层之间的??神经元以全连接的方式相连。??从本质上来说，神经网络本质上是一个复杂的函数，对输入变量返回输出结??果。举例来说，若输入为ｘ?＝?（ｘｐｘ２，则通过单个祌经元的输出如图２．３所示。??

【参考文献】：
期刊论文
[1]一种基于姿态先验的鲁棒的人脸对齐方法[J]. 周丽芳,谷雨,文佳黎,李伟生,雷帮军,李佳其.  小型微型计算机系统. 2019(06)
[2]唇色与肤色差异性的唇部检测算法的研究[J]. 张玲,蔡春花,何伟.  计算机工程与应用. 2012(30)
[3]基于改进LPP的头部姿态估计方法[J]. 陈书明,陈锻生.  计算机工程与设计. 2011(12)
[4]光照变化情况下的静态头部姿态估计[J]. 刘坤,罗予频,杨士元.  计算机工程. 2008(10)

博士论文
[1]基于人脸图像的头部姿态估计与年龄估计方法研究[D]. 胡春龙.华中科技大学 2014

硕士论文
[1]基于三维模型的单目图象序列头部姿态跟踪[D]. 宋杰.浙江大学 2008



本文编号：2980825