“邓释天论人脸识别技术的终极形态VR人脸识别实时成像（节选）”

本篇文章622字，读完约2分钟

1、引言

近年来，面部识别有了很大的进步，但受面部立场、照明条件、表情变化等几个因素的制约。 对人脸识别和3d重构技术的研究表明，人脸识别算法是模式识别和计算机视觉行业的重要研究拷贝[1-2]。

年kzaemi[3]等人提出了学习整体回归树的共同框架。 该框架在优化平方误差损失之和的同时，自然解决损失或部分标记的数据。 可以根据像素强度的稀疏子集直接推测脸部标记点的位置。 使用标准数据训练参数，同时计算速度非常快。 1996年scharstein和szeliski提出了几种基于迭代扩散支持的不同视差假设下的算法，基于视差估计的当前质量对扩散量进行了局部控制； 然后提出了一种更明显更好的基于区域匹配和规则扩散的新的贝叶斯估计方法。 年beeler[4]提出了捕获毛孔尺度几何图形的标准立体重建方法( modifi； nement )，它采用定性的方法，带来视觉上真实的结果。 提出了一种适用于人脸摄影系统的校准方法。 系统贡献包括工作室设置捕获、工作室捕获、客户双目立体摄像头捕获、按性别、种族和年龄划分的面部扫描和捕获。 具有非常过渡的表情，通过扫描物理口罩提供地面真实的验证。

这些方法在实验室数据中取得了一定的效果，但现实中对于光和立场更多、颜色更复杂的脸部图像，识别性能并不完全满意。 本文利用手机前置镜头拍摄正面和侧面照片，根据陀螺仪的立场和面部解剖优势测算三维立体空之间的顶点新闻，将顶点新闻通过智能判定转换为多边形模型的新闻，最后成为多边形模型的特征

2、算法的预解决和初始化

通过对人脸识别和3d重构技术的研究，提出了一种动态提取特征的方法[5-6]，用于提取不同立场下的人脸特征。 算法的流程图如图1所示。

图1基于不同立场的人脸3d重建算法流程图

3、脸部3d的重建

作为矢量为3d的人的脸部位置新闻进行记录:

其中，个节点中的第一条坐标新闻是。 新的形状模型可以表示如下:

其中，是形状向量的因子系数向量，表示平均形状，由形状新闻前面的主分量向量构成的矩阵为。 定义2d形状向量，新的2d形状模型表示如下:

其中，和轴部分为and，从推测的脸部角度旋转3d形状模型，然后进行绘制。

这里，是立场旋转矩阵，是映射矩阵，新得到的重构式如下。

从上述研究可以看出系数向量是不变的。

4、动态特征提取

本论文中，将脸部区域在垂直方向上分割成块，对于各块，分别使用对应的特征权重()。 对于偏航角( yaw angle )的人的脸，我们这样设定权重。

其中，通过训练的优化得到，和成正比关系。 当时有:

动态特征提取参数的选择为，偏航角yaw angle分别为-30°； 和30°； 的动态特征选择示例如图3所示。 “俯仰角”( pitch angle )与上面相同。

图3偏航角yaw angle分别为-30°； 和30°； 的动态特征选择示例

五、结论

本文通过对人脸识别和3d重构技术的研究，利用手机前置镜头拍摄正面和侧面的照片，根据陀螺仪的立场和人脸的解剖学优势测量三维立体空之间的顶点新闻，通过智能判断顶点新闻，得出多边形 最后根据多边形模型的特征估计人脸的结构特征，赋予人工智能新闻，提出了实现虚拟角色人脸识别和表情识别等ai的高效、自动化的基于不同立场的人脸识别系统，最后根据识别出的特征新闻给出了3d毛发和身体的形状。

作者:邓释天vr技术极客，数字图形学专家

版权所有，转载时请注明作者和出处