主动表观模型的人脸图像建模.pptVIP

摘要 首先将基于初始位置校正和模型实例选择的主动外观模型改进方法应用到人脸特征点的提取过程中; 然后结合人脸结构特征和空间仿射变换调节CANDIDE-3线框模型,实现对应人脸的全局位置恢复和形状匹配. 在此基础上,根据感兴趣区域的对称性对局部坐标进行微调,并构建真实感纹理. 改进的AAM人脸特征点快速定位方法 AAM是一种定位人脸特征的有效算法,它通过提取人脸的形状和纹理信息进行主成分分析得到可变形的人脸统计模型,并将该模型放置到输入图像上,通过高效的反向组合等拟合算法实现人脸特征定位. 本文从初始位置和模型实例两方面对传统AAM算法拟合过程进行改善. 首先采用Adaboost统计模型算法对图像中人脸特征(眼睛、鼻子、嘴巴等)进行预检测; 然后充分利用YCbCr色彩空间中人脸肤色特性对无法检测或检测不完全的图像进行特征提取; 最后根据特征区域计算鼻尖坐标和人脸平面偏转角及侧深度偏转角.鼻尖坐标和平面偏转角组合用于校正中心位置参数,侧深度偏转角则用于选择模型实例 改进的AAM人脸特征点快速定位过程及结果 3D位置恢复 3D位置恢复主要讨论图中Roll,Yaw和Pitch3个旋转参数的快速计算问题 Roll Yaw Pitch 其中 β1=arcsin(2×(c/s)), β1+β2=arcsin((2×S)/(PT×MT)); PT = (Tx-Px)2+(Ty-Py)2, S =（（PT+MT+PM）/2×（MT+PM-PT）/2×（PT+MT-PM）/2×（PT+PM-MT）/2）1/2; MT和PM与PT计算方法相同. 根据式(1)~(3)得到的3D位置恢复参数即可 报告人：朱 珠 2011年8月26日 利用AAM进行3D人脸的快速自动建模 3D位置恢复和形状匹配