基于非刚性ICP算法的三维人脸配准.docVIP

 基于非刚性 ICP 算法的三维人脸配准# * 5 10 15 20 25 30 35 摘要：本文提出一种基于非刚性迭代最近点算法(nonrigid ICP)的三维人脸配准方法。这种 方法可以对三维扫描仪获取的三维人脸数据进行参数化，进而可以用于构建具有密集的点点 对应的三维数据库。该算法首先利用基于三维特征点的刚性迭代最近点算法(ICP)进行两个 头的粗配准，而后利用非刚性 ICP 做最终的三维人脸配准。配准的精度利用刚性 ICP 进行点 点的相对误差评价。本文提出的配准算法精度很高，在北京工业大学三维人脸数据库的前 100 个三维人脸上所得到的相对误差均值为 0.62%，相对误差标准差为 0.09%。 关键词：图像处理；三维人脸匹配；非刚性 ICP；刚性 ICP 中图分类号：TP399 3D face registration via nonrigid ICP method LIN Yuan, LIANG Shu, WANG Shengjin (Electronic Engineering Department, Tsinghua University, Beijing 100084) Abstract: In this paper, we proposed a method to registrate 3D human head data via nonrigid ICP. This method can create dense correspondences between head meshes so that we can parameterize the 3D-scanned head data. The method first uses feature landmarks to get an approximate correspondence between two meshes with rigid ICP, and then optimize the registration using nonrigid ICP. After the registration, the method is evaluated on the relative errors between the corresponding points generated by rigid ICP. We demonstrate the accuracy of our method on 100 3D head meshes from BJUT-3D dataset with a mean relative error of 0.62% and an average relative standard error of 0.09%. Key words: image processing; 3D face registration; nonrigid ICP; rigid ICP 0 引言 随着三维扫描技术的发展，研究三维人脸正成为计算机视觉领域的一大热点。不同的人的人 脸形状千差万别，如何能够对采集到的三维人脸数据进行配准和应用也涵盖了非常广泛的课 题，例如医学上的人脸特征测量、病症诊断；计算机图形学中的三维建模、动画；人工智能 中的人脸识别[1]等等。三维人脸配准正是这多项研究的基础。 三维人脸配准是指为模板三维头上的每一个顶点在数据三维头上找到一个对应点。这些对应 点应该具有相同的物理位置，即眼角点对应眼角点、鼻尖点对应鼻尖点。由于三维扫描所得 的人脸数据中的点过于密集、不同人脸差异较大，如何较为快速而准确地建立不同人头间的 对应关系一直是一个难题。传统的方法有基于三维的重采样技术、光流法等等，但它们大多 都没有能很好地利用三维人脸的特征，从而导致精度不高、匹配不准确等问题。 本文所采用的非线性 ICP 算法相较于以上的方法而言在精度和准确度上都有着明显的优势。 其三维配准结果也可以应用到后续的三维人脸重建分析[2]等工作之中。 -1-  40 45  1 三维人脸配准框架 本文将刚性迭代最近点算法和非刚性迭代最近点算法相结合进行三维人脸扫描数据（数据三 维头）与标准三维人脸数据（模板三维头）的配准。首先进行两个三维人脸上的特征点提取， 之后按照特征点间的对应关系利用刚性迭代最近点(刚性 ICP)算法[3]获得两个三维头之间的 刚性变换参数，进而调整模板三维头至数据三维头坐标系，并进行相应的尺度变换，至此完 成两个三维头的粗配准。基于此采用非刚性迭代最近点（非刚性 ICP）算法[4]将模板头形变 至与数据头形状一致，而完成最终的配准。整个配准框架如图 1 所示。 图 1 三维头配准框架 Fig.1 The