一種基於特徵的三維人臉建模方法與流程
2023-06-23 18:59:37 1
本發明涉及人體三維建模技術領域，具體是一種基於特徵的三維人臉建模方法。
背景技術：
傳統的三維人臉建模是利用一套由三角面片構成的網格人臉模型，對每個三角面片進行比照調整，再利用平滑過渡算法打磨人臉模型，這種方案存在的問題就是調整的顆粒度太高，因為整個模型三角面片的個數是固定的，所以註定會出現某些區域無法調整出期望的圖樣這樣的問題。而且模型在調整的過程中，其所調整的是一片一片單獨的三角面片，有些情況下可能會割碎整個面部的結構，即使再使用平滑過渡算法也難以打磨出一個完整有辨識度的人臉模型。
技術實現要素：
本發明的目的在於提供一種基於特徵的三維人臉建模方法，以解決上述背景技術中提出的問題。
為實現上述目的，本發明提供如下技術方案：
一種基於特徵的三維人臉建模方法，步驟如下：
1)將面部分為多個區域；
2)對每個區域的特徵點進行提取，通過比對標準模型上預設的特徵點，局部調整每個區域內的面部形態；
3)將調整完成的二維特徵點從二維坐標映射到三維的人臉模型中；
4)完成坐標映射後，對特徵點採用b樣條函數來擬合b樣條曲線；
5)採用平滑過渡算法將各個面部區域拼接在一起。
作為本發明進一步的方案：步驟1)中，將面部分為區域a、區域b、區域c、區域d、區域e、區域f、區域g、區域h、區域i、區域j；
所述區域a通過選取額肌、帽狀腱膜、枕額肌額腹、顳筋膜淺層形成；
所述區域b通過選取皺眉肌、降眉間肌、顳筋膜深層形成；
所述區域c通過選取眼輪匝肌、枕額肌額腹、枕額肌枕腹、內毗形成；
所述區域d通過選取鼻肌、提上唇肌內側部、顴小肌、顴大肌形成；
所述區域e通過選取上唇方肌、提上唇肌、鼻肌橫部、提上唇肌眶下部形成；
所述區域f通過選取鼻肌翼部、提口角肌、副腮腺、腮腺管形成；
所述區域g通過選取口輪匝肌、頰肌、腮腺形成；
所述區域h通過選取降口角肌、咬肌形成；
所述區域i通過選取降下唇肌、下唇方肌、斜方肌形成；
所述區域j通過選取駭肌、下頜下腺、胸鎖乳突肌形成。
與現有技術相比，本發明的有益效果是：
本發明基於特徵的三維人臉建模方法生成的的人臉模型還原度更高，從骨骼到輪廓再到五官的細節，都更加逼真，克服了以前人臉建模方法缺乏真實感、神情僵硬的問題；本發明基於特徵的三維人臉建模方法模型調整速度更快，選取的特徵點更精準。
附圖說明
圖1為區域a、區域h和區域i所擬合的特徵曲線。
圖2為圖1的側視示意圖。
圖3為區域d所擬合的特徵曲線。
圖4為區域e所擬合的特徵曲線。
圖5為區域f所擬合的特徵曲線。
圖6為區域g所擬合的特徵曲線。
圖7為區域c所擬合的特徵曲線。
圖8為區域b所擬合的特徵曲線。
圖9為區域j所擬合的特徵曲線。
圖10為區域j所擬合的特徵曲線圖。
圖11為採用平滑過渡算法將各個面部區域拼接在一起後的正面效果示意圖。
圖12為採用平滑過渡算法將各個面部區域拼接在一起後的側面效果示意圖。
具體實施方式
下面結合具體實施方式對本發明的技術方案作進一步詳細地說明。
請參閱圖1-12，一種基於特徵的三維人臉建模方法，步驟如下：
1)將面部分為多個區域，本實施例中，優選的，將面部分為區域a、區域b、區域c、區域d、區域e、區域f、區域g、區域h、區域i、區域j；
所述區域a通過選取額肌、帽狀腱膜、枕額肌額腹、顳筋膜淺層形成；所述區域b通過選取皺眉肌、降眉間肌、顳筋膜深層形成；所述區域c通過選取眼輪匝肌、枕額肌額腹、枕額肌枕腹、內毗形成；所述區域d通過選取鼻肌、提上唇肌內側部、顴小肌、顴大肌形成；所述區域e通過選取上唇方肌、提上唇肌、鼻肌橫部、提上唇肌眶下部形成，所述區域f通過選取鼻肌翼部、提口角肌、副腮腺、腮腺管形成；所述區域g通過選取口輪匝肌、頰肌、腮腺形成；所述區域h通過選取降口角肌、咬肌形成；所述區域i通過選取降下唇肌、下唇方肌、斜方肌形成；所述區域j通過選取駭肌、下頜下腺、胸鎖乳突肌形成；
2)對每個區域的特徵點進行提取，通過比對標準模型上預設的特徵點，局部調整每個區域內的面部形態；
在對區域a進行特徵點提取時，以頭蓋骨以及下巴自然的弧度為基準，如附圖1所示；
在對區域b進行特徵點提取時，如附圖8所示；
在對區域c進行特徵點提取時，因為眼皮部分的結構較為平滑且近橢圓形，所以曲線選取豎直區域的特徵點擬合成曲線，如附圖7所示；
在對區域d進行特徵點提取時，考慮到它左右對稱,特徵點相對密集，同時弧度的部分主要在鼻翼以及鼻頭，所以我們選用橫向選取特徵點並擬合成曲線的方法，如附圖3所示；
在對區域e進行特徵點提取時，選取肌肉延展的方向作為曲線擬合的方向，由於有斜臥的顴骨，所以臉頰部分採用斜向擬合的方式，如附圖4所示；
在對區域f進行特徵點提取時，選取肌肉延展的方向作為曲線擬合的方向，採用橫向擬合的方式，如附圖5所示；
在對區域g進行特徵點提取時，參照肌肉的分布圖，曲線選取橫向區域的特徵點擬合成曲線，這種方式擬合成的嘴唇會更加平滑豐滿，如附圖6所示；
在對區域h進行特徵點提取時，如附圖1-2所示；
在對區域i進行特徵點提取時，如附圖1-2所示；
在對區域j進行特徵點提取時，主要需要擬合的是喉結以及動脈區域的肌肉狀態，所以曲線選取橫向區域的特徵點擬合成曲線，如附圖9-10所示；
3)將調整完成的二維特徵點從二維坐標映射到三維的人臉模型中；
4)完成坐標映射後，對特徵點採用b樣條函數來擬合b樣條曲線；
5)採用平滑過渡算法將各個面部區域拼接在一起。
建模實驗：
具體步驟為：a：按照步驟1)的方法對300張不同人臉進行區域劃分，並在每個區域手動提取特徵點；b：提取的特徵點形成特徵點提取訓練集，利用opencv+dlib的訓練模型來訓練特徵點提取訓練集，通過反覆調整參數，訓練出一套很接近人工選取方法的特徵點提取訓練集，在輸入一張正臉照片後，可以自己標記出所需要的特徵點；c：運用坐標矩陣變換算法，將二維的坐標映射到三維基準人臉模型的三維坐標中，通過比照每個區域內映射特徵點與預設特徵點的誤差，利用模型面部區域微調算法我們逐步調整每個局部區域的形態；d：再利用平滑過渡算法拼接各個區域。
上述實驗生成的的人臉模型還原度更高，克服了以前人臉建模方法缺乏真實感，神情僵硬的問題。
本發明基於特徵的三維人臉建模方法生成的的人臉模型還原度更高，從骨骼到輪廓再到五官的細節，都更加逼真，克服了以前人臉建模方法缺乏真實感、神情僵硬的問題；本發明基於特徵的三維人臉建模方法模型調整速度更快，選取的特徵點更精準。
上面對本發明的較佳實施方式作了詳細說明，但是本發明並不限於上述實施方式，在本領域的普通技術人員所具備的知識範圍內，還可以在不脫離本發明宗旨的前提下作出各種變化。