基于三维人脸重建和图像修补的姿态矫正算法

发布时间：2023-02-11 08:50

　　随着人工智能以及计算机视觉技术的快速发展,人脸识别技术得到了国内外研究学者的广泛重视。目前,已有众多成熟的人脸识别系统得到了实际应用。但在实际场景中,人脸识别系统还是存在一些缺陷,其中,人脸姿态的变化一直都是限制人脸识别系统性能的一个重要因素。在这个背景下,本文开展了基于三维人脸重建和图像修补的姿态矫正算法的研究工作。本文的主要工作总结如下:(1)本文介绍了人脸识别的研究历史和主流算法,分析了人脸识别系统的组成部分以及影响人脸识别性能的因素。尤其强调人脸姿态变化对人脸识别率的限制并详细介绍了多姿态人脸识别的国内外研究现状。另外,对三维人脸重建的国内外研究现状也进行了详细的介绍,突出三维形变模型在人脸图像重建中的重要性。最后,介绍了一些常用的人脸识别数据库的基本信息。(2)针对人脸姿态变化对人脸识别率的限制,本文提出了使用三维形变模型(3D Morphable Models,3DMM)来重建侧面人脸图像的方法。具体介绍如下:通过对三维人脸模型轮廓处的人脸关键点进行更新,使得较大人脸姿态下的人脸图像重建成为可能。另外,通过对人脸图像中不同部位的人脸关键点赋予不同的权值,再利用人脸关键点加权...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 多姿态人脸识别国内外研究现状
        1.2.2 三维人脸重建国内外研究现状
    1.3 本文的章节组织
第二章 人脸识别理论知识
    2.1 人脸识别系统一般流程
        2.1.1 人脸图像采集和预处理
        2.1.2 人脸检测
        2.1.3 人脸对齐
        2.1.4 人脸特征提取
        2.1.5 人脸特征匹配
    2.2 人脸识别算法
        2.2.1 基于特征脸的人脸识别
        2.2.2 基于深度学习的人脸识别
    2.3 常用的人脸识别数据库
    2.4 本章小结
第三章 三维人脸重建和姿态矫正
    3.1 引言
    3.2 算法流程
        3.2.1 关键点检测
        3.2.2 三维人脸重建
        3.2.3 三维人脸姿态矫正
    3.3 本章小结
第四章 图像修补算法对人脸识别率的影响
    4.1 引言
    4.2 图像修补算法简介
    4.3 基于朗伯光照模型的人脸图像修补算法
    4.4 基于深度学习的人脸图像修补算法
    4.5 实验结果和分析
        4.5.1 实验数据库
        4.5.2 实验结果和分析
    4.6 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3740079