论文总字数：26367字

摘 要

在过去的二十年中，二维人脸的相关应用取得了显著的进步。但随着三维测量技术的发展，人们可以快速精确的获得人脸的三维点云，相较于二维人脸图像，三维人脸更接近于客观事实，更能反映出人脸区域的全部特征信息。原始三维点云中一般存在大量的噪声点、离群点等，而且，一幅三维人脸点云图常常包含了数以万计的点，这些都对三维人脸后续的实时应用带来了困难。另一方面，三维人脸数据通常有三维点云、三维网格和深度图等表现形式。其中三维网格更加完整地还原了物体的曲面形状，视觉效果比三维点云更加真实。通过对处理之后的三维人脸点云进行三角网格转化,能够更好的还原人脸模型，并得到人脸三维网格数据表示形式供后续研究。针对这两个方面，本文的工作如下：

1. 三维人脸点云预处理。首先进行结合点云法向量平滑的点云去噪，将离群点有效删除；再根据点云曲率，找出鼻尖点所在位置并对人脸进行切割，最后基于PCA算法将人脸校正至一个标准坐标系下，结果证实，以上算法对正面中性人脸有很好的处理效果；
2. 本文对多种三维点云网格化算法进行了比较，综合其优缺点后选择使用区域增长法进行网格化，并结合Delaunay三角网格的特征思想对区域增长中的最优扩展点进行选取。实验证明该算法对三维人脸点云数据的网格化有很好的效果。

关键词：三维人脸点云数据；预处理；平滑去噪；人脸校正；曲面重建；网格化

Processing and application of 3D face point cloud

Abstract

In the past twenty years, significant progress has been made in the application of 2D human faces. But with the development of 3D measurement technology, people can quickly and accurately get 3D face point cloud data. Compared to the 2D face image, 3D face is more closer to the objective facts, and can reflect the face region with all the feature information. Original 3D point clouds generally has a lot of noise points and outliers .Usually a piece of the 3D face point cloud images often contains tens of thousands of points. That makes the real time application of 3D face become difficult. On the other hand, the expression form of 3D face data includes 3D point cloud, 3D mesh and depth map. The 3D mesh is more complete to restore the object's surface shape,and the visual effect of 3D mesh is more realistic than the 3D point cloud. The face model can be reduced to a better reduction face model by using the 3D face point cloud after processing. According to these two aspects, the work of this paper is as follows:

1. Preprocessing of 3D face point cloud. Firstly, point cloud denoising combined with point cloud normal vector smoothing .In this way ,we could remove outliers effectively . According to the curvature of the point cloud, we find out the nose tip point location and conduct the face cutting. Finally based on PCA algorithm will the face be corrected to a standard coordinate system. The results demonstrate that the above algorithm has good treatment effect to positive neutral face;
2. In this study, we performed a comparison of various griding method. After comparing advantages and disadvantages of those method ,we choice the regional growth method and combined that with the ideological characteristics of Delaunay triangular mesh to choice the optimal extension point. Experiments show that the proposed algorithm has a good effect on the griding of 3D face point cloud data.

KEYWORDS: 3D Face Point Cloud Data; Preprocessing; Smoothing and Denoising; Face Correction; Surface Reconstruction; Mesh

目录

三维人脸点云处理及其应用 I

摘要 I

Abstract II

第1章 绪论 1

1.1 引言 1

1.2 数据库描述 1

1.3 项目意义与应用 2

1.4 本文主要内容 3

第2章 三维人脸预处理 4

2.1 引言 4

2.2 点云平滑去噪 5

2.2.1 基于邻近点平均距离的点云去噪 5

2.2.2 结合法向量平滑的点云去噪 8

2.3 鼻尖点定位与人脸切割 9

2.3.1 曲率计算 9

2.3.2 鼻尖点定位 9

2.3.3 人脸切割 11

2.4 人脸姿势校准 11

2.5 本章小结 15

第3章 三角网格化处理算法分析 16

3.1 三维数据的表示形式 16

3.2 几种人脸三维网格重建的方法 17

3.3 本章小结 21

第4章 三维人脸曲面重建 22

4.1 相关概念介绍 22

4.2 基于区域增长的曲面重建 22

4.2.1 算法基本流程 22

4.2.2 算法实现 23

4.2.3 算法效果 27

4.3 本章小结 28

第5章 总结与展望 29

5.1 本文工作总结 29

5.2 未来工作展望 29

参考文献 31

致谢 33

绪论

引言

目前，模式识别技术正在蓬勃发展中，无论是其中的二维图像还是三维图像的处理都是热门的探讨问题。其中，三维图像的处理与应用更是日后的发展趋势，例如，在建筑、医疗、游戏等领域，三维模型发挥着越来越重要的作用。三维采集技术已经迅速发展，许多新的三维扫描仪设备不断发明发展，为三维图像模式识别提供了条件。其中常见的扫描仪有激光扫描仪与结构光扫描仪，其中结构光扫描仪也可以对动态物体实时采集3D信息，但是分辨率比较低。通过对真实物体进行三维扫描获得数据后，常常需要对扫描获得的数据进行处理、还原，以构造实际的三维模型。本文探讨的，就是三维图像数据中的人脸三维点云处理问题。

在本课题中，为了横向比较各种人脸识别算法的性能，使用有公共标准的人脸数据库，即数据已经获取。为此，本文选择使用FRGC v2.0数据库。

剩余内容已隐藏，请支付后下载全文，论文总字数：26367字