三维可形变模型在人脸识别领域的应用.ppt

《三维可形变模型在人脸识别领域的应用.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、-----三维可行变模型在人脸识别中的应用蔡英2015.5.7维度？0维指点，且这个点没有大小，只表位置1维指线，没有宽度的线，但长度可以延伸2维指平面，但平面没有厚度，只是无限延伸3维指立体，就有厚度了，体现我们现在所处的空间4维嘛~很多人很难说清楚，有些人说是时间，有些人说是2维、3维在数学上的直接推广，甚至说，把一个四维立方体展开后是六个普通立方体！更高维呢，就很抽象了，一般来讲没有什么明确概念，甚至数学家与物理学家都有不同意见；比较费解的是，竟然有些物理学家认为宇宙有11维！3DMorphab

2、leModel能做什么？3DMM在1999年提出时，模型对胖瘦，年龄，表情等都做了考虑。后来的应用中主要使用重建出的3维模型来做识别。简单的应用输入的2维图片3DMM得到：光照、姿态、形状无限接近输入的2维图片的一个三维模型。3DMM发展1999年VolkerBlanz，ThomasVetter在计算机图形学顶级年度会议SIGGRAPH(SpecialInterestGroupforComputerGRAPHICS,计算机图形图像特别兴趣小组）上发表第一篇关于3DMM的文章AMorphableMode

3、lForTheSynthesisOf3DFaces迄今16年，被引用次数高达23632003年9月他们两人再次在PAMI上发表Facerecognitionbasedonfittinga3Dmorphablemodel被引用次数：12552009年Paysan,P.Romdhani，S.ThomasVetter在2009AdvancedVideoandSignalBasedSurveillance上发表A3DFaceModelforPoseandIlluminationInvariantFaceRec

4、ognition被引用次数：70。首次提出BFM贝塞尔facemodel一个提供公开下载的3Dfacemodel。亮点是：采用结构光，2个投影仪，3个相机高分辨率以及优秀的对齐方法。是我们采用的model。3DMM基本流程3DMorphableModel怎么来的？3DMM数据包括：1、n个人脸的平均模型2、形状部分的主成分3、纹理部分的主成分两个n-1维的：特征向量和特征值OptimalStepNonrigidICP（iterativeclosestpoint）Algorithms2007.CVPRP

5、CAPCA简介在统计学中，主成分分析（principalcomponentsanalysis,PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。这在代数上表现为将原随机向量的协方差阵变换成对角形

6、阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统。形状系数的在形状形变上的效果从下图可以看到不同的主成分从不同角度对人脸形状产生了影响:第1主成分主要描述了性别的差异,第3主成分主要控制嘴部以下的长度,第6主成分主要调节人脸的宽度(不同人脸库训练得到的主成分效果会有所区别,但当人脸库足够大时,这种效果会趋于稳定).利用3DMM构成人脸的公式表达Sinceweassumeallfacesinf

7、ullcorrespondence.newshapesS-modelandnewtexturesT-modelcanbeexpressedasalinearcombinationoftheshapesandtexturesoftheMexemplarfaces.ThroughPrincipalComponentAnalysis(PCA)如何拟合？实现针对2维输入的3维建模纹理的距离形状的距离防止形状和纹理形变系数出现过拟合。采用贝叶斯公式计算各系数的概率，最大化概率来构成costfunction。EF

8、的计算方法从物体坐标系到相机坐标系从相机坐标系到像平面坐标系EI的计算方法输入图像上每点和投影图像上每对应点的rgb值差的平方之和。所以很显然我们要先做初步的姿态估计以后EI才有意义。因为是对点云的投影点球纹理的差所以不用考虑输入图片的背景。三个参数αβρ的构成22个ρ参数twx=gamma_star(1);%平移变量twx坐标twy=gamma_star(2);%平移变量twy坐标twz=gamma_star(3);%平移变量twz坐标thetx=ga