论文总字数：39166字

摘 要

目前，使用计算机三维建模在教育、工业、医疗等领域已获得了普遍的应用，本文将针对整形医学应用研究三维人脸的采集重建技术。通过深度相机、摄像机阵列等传统方法获取目标的三维模型存在设备价格昂贵、对场地和环境有较高要求等不足。而利用单张图片进行三维可形变人脸模型拟合法生成的三维人脸模型由于无法获取图像中人脸的深度信息而难免存在拟合误差。另一方面，尽管整形医学对美丽人脸的研究已经得出了很多成果，但是这类研究受制于样本获取的难度，通常难以同时对大量数据进行研究。

因此，本文研究了一种通过对目标的正脸与侧脸分别进行人脸检测、特征点定位，并结合正脸与侧脸图像和特征点进行三维可形变模人脸型拟合的方法。相对于传统的可形变模型拟合，该方法通过侧脸图片中标定的特征点提供了额外的人脸Z轴方向的深度信息，使得三维可形变模型的拟合结果更接近于被拟合人脸的真实形状。之后，本文论述了一些拟合后的三维人脸模型如何简化整形医学研究的样本获取过程，以及三维模型可以对整形手术做出的贡献。

关键词：三维可形变模型，整形医学，人脸特征点

Abstract

Nowadays, the usage of three-dimensional model on education, industry and medical field is rather general and receiving positive feedbacks. However, getting 3D model of an object through depth camera or camera array is expensive, demanding ideal environmental condition. On the other hand, the traditional way of fitting a 3D morphable model to a singal image is impossible to achive high accuracy for the lack of depth information.

Despite that recent research have done a lot on attractive faces of different kind of people, the study on plastic surgery is still limited in generalization due to the unavailability of large amount of samples.

Under this condition, an approach is raised in this paper to acquire an 3D model with high accuracy by detecting the faces of a frontal image and a profile of the same person, locating the face landmarks and fitting a three-dimensional morphable face model to these images simultaneously. Compared with the traditional way, this method introduces extra shape information along Z axis, which leads to a more reliable description of the truth. After that, it is showed that how the 3D model contributes to the study of plastic surgery.

KEY WORDS: 3D Morphable Model, Plastic Surgery, face landmarks

目 录

摘要 I

Abstract II

第一章 概述 1

1.1 背景概述 1

1.1.1 机器视觉 1

1.1.2 机器学习 1

1.1.3 整形医学 2

1.2 主要工作 3

1.3 研究意义 4

1.4 声明 4

第二章 人脸检测 5

2.1 原理与算法 5

2.2 应用与测试 7

2.2.1 正脸检测的代码与结果 7

2.2.2 侧脸检测器的训练代码及测试结果 8

第三章 人脸对齐 10

3.1 背景与原理 10

3.2 正脸对齐算法 11

3.3 侧脸对齐算法 11

3.3.1 模型组成 12

3.3.2 模型建立 13

3.3.3 模型拟合 14

3.4 应用与测试 14

3.4.1 正脸对齐程序及表现 14

3.4.2 侧脸对齐程序及表现 15

第四章 三维人脸重建 19

4.1 研究背景 19

4.2 模型介绍 19

4.3 模型拟合 21

4.3.1 拟合算法 21

4.3.2 程序流程 24

4.3.3 拟合表现 25

4.4 误差分析 28

4.4.1 人脸检测误差 28

4.4.2 人脸对齐误差 29

4.4.3 三维模型拟合误差 29

第五章 三维人脸模型在整形医学上的应用 30

5.1 辅助医学研究 30

5.2 辅助确定整形需求 32

5.3 利用三维模型预览手术结果 33

第六章 分析与讨论 34

6.1 开发平台及编程语言的选取 34

6.2 基于神经网络的人脸标记与重建 34

6.3 非线性回归 35

6.4 本项目的贡献 35

致 谢 36

参考文献 37

概述

背景概述

近年来，数据处理技术受益于电子硬件设备的更新、互联网的发展、信息的爆发式增长和算法逻辑的进步，水平得到了飞速提升。作为其中的一个重要分支，人脸识别与重构一直是各路学者关注的焦点问题之一。即使如此，目前构建一个还原度较高的三维人脸模型的普遍做法仍然需要使用复杂的扫描设备，耗费时间与财力。而当前通过单张正脸图片进行人脸三维建模的方法虽然可以很好地拟合单一视图，但由于客观已知条件的不足，拟合结果很难保证面部深度信息的准确性。使用多张普通的二维图片来进行高精度的人脸建模亟待研究。

在整形医学中，对于人脸“美观”问题的研究也十分全面，各国学者对不同民族、性别、年龄与地区的居民相貌做了详细分析，对于“有吸引力的面孔”（Attractive Faces）中五官与各部分的比例进行了深入的探讨。尽管如此，研究者们所用的实验样本十分有限，而且实验测量方法复杂，容易受误差影响。在这种情况下，我们可以将上述高精度的三维人脸模型应用在整形医学的研究中，使得样本采集过程轻而易举，在简化实验流程的同时提高精度；我们还可以设计程序与算法，使用这些整形医学的探索结果来指导整形手术的进行。

机器视觉

机器视觉（Computer Vision，CV）是一个高度交叉的学科，主要致力于研究如何从图片中获取更多更精确的信息。从工程角度来说，计算机视觉的目的就是模拟人眼的视觉系统，其主要应用有：

• 自动识别：包括物体识别（Object recognition）、物体检测（Identification and Detection）、图片信息检测（Content-based image retrieval）、人脸识别（Face recognition）、姿态判断（Pose estimation）、光学字符识别（Optical character recognition, OCR）等；
• 运动分析：包括相机位置跟踪（Egomotion）、物体跟踪（Tracking）、光流跟踪（Optical Flow）等；
• 场景还原：使用一张或多张图片对给定场景进行三维建模。该过程不需要对场景进行三维扫描（使用激光雷达或深度相机）
• 图片复原：修复图片中的畸变和噪声。

事实上，机器视觉的应用在生活中屡见不鲜，相机与手机拍照时电子取景器中在人脸部分显示的方框、火车站进站安检与解锁iPhoneX时使用的面部识别功能、PhotoShop中的智能图片拼接工具等都属于机器视觉应用的范畴。

目前，机器视觉领域的相关研究已经做得十分深入，各类算法也得到了大力发展。计算机视觉与计算机视觉相关领域有很多顶尖的国际学术会议，。这些会议每年都会发布数百篇高质量的机器视觉的算法开发与应用的论文，为整个领域的发展做出的巨大的贡献。

机器学习

当下最火的学科必定属于计算机科学，而计算机科学中最热门的方向则毫无疑问地是机器学习（Machine Learning，ML）。在阿尔法围棋（AlphaGo，围棋英文名称为the Game of Go）击败李世石后，全世界的目光都集中在了“人工智能”上。。

剩余内容已隐藏，请支付后下载全文，论文总字数：39166字