[发明专利]基于正侧面影像的三维人脸建模方法

权利要求书

1.一种基于正侧面影像的三维人脸建模方法，包括：通过Candide参数化的一般人脸网格模型是由113个特征点和连接这些点的184个三角面片构建基本人脸网格、特定人脸特征点生成、一般人脸模型到特定人脸模型的转换、对特定网格模型进行插值生成更加精细的网格模型、使用二维图形的像素对网格进行贴图并进行纹理映射步骤，其特征是，所述的特定人脸特征点的生成主要是采用基于灰度投影函数的眼睛定位方法和鼻尖定位算法对二维影像的双眼和鼻子进行定位。

2.如权利要求1所述的基于正侧面影像的三维人脸建模方法，其特征是，所述的采用基于灰度投影函数的眼睛定位方法和鼻尖定位算法对二维影像的双眼和鼻子进行定位，包括：

(1)影像预处理；

(2)特定人脸特征点生成：

1)人脸左右边界的确定

设所处理的图像为I：x，y，其大小为M×N，则该图像的垂直灰度投影函数为：

PV(x)=Σy=1NI(x,y)]]>

式中，PV称为垂直灰度投影曲线，观察不同单人图像的垂直灰度投影曲线，可以发现人脸所在区域将使垂直灰度投影曲线形成一个具有一定宽度的凸峰，这个凸峰的左右边界大致就是人脸的左右边界，这是因为与背景相比，人脸区域往往具有较高的亮度；

在人脸左右边界处，垂直方向上亮度值的总和迅速减小，从而形成一个明显的凸峰；

因此，只需确定垂直灰度投影曲线中主要凸峰的左右边界，即可得到人脸的左右边界；为了去除噪声的影响，对垂直灰度投影曲线用中值滤波方法进行平滑处理，平滑处理函数为：

PVF(x)=1K+1Σi=x-K/2x+K/2PV(i)]]>

式中，K是滤波窗口的宽度，其取值跟人脸在图像中的大小有关，这里，K取值为6；

2)人眼水平位置的预估

当人脸的左右边界确定之后，设左右边界之大小为m，则此时的图像大小为m×N，同样方法对该图像区域的水平灰度投影函数为：

PH(x)=Σx=1mI(x,y)]]>

PHF(x)=1L+1Σi=y-L/2y+L/2PH(i)]]>

L的取值跟人脸在图像中的大小有关，实验中取L＝4；

3)人眼分割阈值区间的估计及精确定位

得到眉眼区域I₀后，需要加以区分的只剩眉毛和眼睛，可通过寻找最佳分割阈值使人眼从中分离出来，所谓最佳分割阈值指的是能将眼睛虹膜、瞳孔、上眼框与眉毛明显分离的灰度分割阈值，由于眼睛虹膜、瞳孔和上眼框部位的灰度值明显比其邻近区域--眼部周围皮肤灰度值要低，因此能够分割眼睛虹膜、瞳孔和上眼框部位的灰度值总是存在的，并且不是唯一的，存在一定的连续小范围；

估计出初始阈值T₀，检测平滑直方图的第一个峰点，由于平滑后的直方图在连续10个灰度级内很少出现两个峰点，所以可以将其前250个灰度级均等分为25个区间，求出每个区间中10个灰度级的最大和最小值，然后由低灰度区向高灰度区搜索第一个峰点的位置，由此估计出初始阈值T₀；

4)自动调整阈值确定眼睛位置

T₀提供了一个有能将人眼从图像中分割出来的初始阈值，但不一定是最佳分割阈值，为了找到最佳分割阈值，可以选择一个步长T_step，通过增加步长来确定最佳阈值；

首先，用T₀对图像I₀二值化，判定人眼黑块是否出现，若未出现黑块，在前一阈值的基础上加一步长T_step，直到双眼黑块出现，并将二值化图像中黑色块进行标记，计算每块面积--像素数，确定每块所占据的矩形位置及宽高；

利用上述分割阈值递增、检测及定位双眼的整个过程，其中求得初始阈值T₀＝60，实验中取T_step＝15，当阈值T＝105时，双眼黑块被检测出来，从而达到人眼的准确定位。