《基于深度卷积神经网络的三维人脸模型研究》8600字（论文） .pdf

基于深度卷积神经网络的三维人脸模型研究

目录

摘要1

—、绪论1

(-)选题背景及研究意义1

(-)国内外研究现状2

1.国外研究现状2

2.国内研究现状3

(三)论文主要研究内容3

()论文组织结构3

二、三维人脸重建4

(-)研究背景4

(-)模型介绍4

三、生成三维人脸模型6

(-)实验环境6

(-)实验材料6

1.人脸检测(FaceDetection)6

2.人脸对齐(FaceAlignment)7

(三)生成三维人脸模型8

、模型验证10

()J、3立1。

(-)数据准备10

(三)验证原理10

()设定阈值11

(五)验证结果11

(六)误差分析12

五、总结与展望13

(-)本论文所做工作总结13

(-)进一步研究设想与展望13

参考文献14

谢辞错误!未定义书签。

摘要

目前，基于像的人脸三维重建在娱乐领域里有巨大的应用场

景，同时它也可以用于提升人脸关键点检测、人脸识别和人脸编辑等

很多任务。通过使用三维扫描仪等传统方法获取目标的三维模型存在

设备费用昂贵、操作步骤专业等不足。使用多张人脸片进行3D人

脸重建，可以生成高精确度的3D人脸模型，但是需要大量的片。

因此，本文使用深度卷积神经网络，使用单张照片作为输入，生

成三维可形变人脸模型。同时，通过三维人脸模型，可生成多张不同

角度的像，为人脸识别提供更多的数据。之后，本文对生成的像

进行人脸识别，论述了拟合后的三维人脸模型可以对人脸识别做出的

贡献。

关键词

三维形变模型；人脸特征点；人脸识别

—、绪论

(-)选题背景及研究意义

近年来，由于互联网的发展、电子设备的更新换代、由于数据数量急速增加

而导致的数据爆炸和算法的日新月异，数据处理技术的水平也不断提高。而人脸

识别和重构不仅是数据处理的一个重要部分，也是一个焦点问题。其中，从无约

束的二维图片生成高度还原的三维模型是一项很有挑战的任务。这个功能有非常

广大的市场应用前景，如人脸识别、人脸媒体控制和人脸动画等。

即便如此，由于需要三维扫描仪才能获取数据、构建一个精度较高的三维人

脸模型，三维人脸重建仍是一项需要耗费大量的时间和财力的工作。如果使用计

算机生成三维人脸模型，由于获取需要的高分辨率的人脸图片比较困难，以往的

许多方法都采用合成数据或使用传统方法拟合的三维形状作为替代形状标签。然

而，这种做法可能会使三维模型的准确性受到空间差距问题或不完善的训练标签

的影响。因此，生成的三维模型普遍存在两类问题E：要么三维模拟不稳定，导

致同一个个体的三维模拟差异较大;要么过于泛化，导致大部分三维模拟都类似。

为了提高不同光照和不同角度等实际工况条件下的人脸识别率，需要得到更多不

同角度的人脸数据用于训练。

本研究接受单张人脸作为输入，输出对应的三维模型参数。利用三维人脸模

型，可以得到多张不同角度的人脸照片，为训练神经网络提供更多的数据，可以

提高人脸识别的精度。同时，三维人脸重建本身在人脸分析与娱乐领域里有巨大

的应用场景，同时它也可以用于提升人脸关键点检测、人脸识别和人脸编辑等很

多任务的性能。另外，用三维人脸数据来做人脸识别要比使用二维人脸图像人脸

在大角度、表情变化以及环境光影响等复杂的情况下具有更好的鲁棒性和更高的

精度，因为相对于二维人脸图像数据，三维人脸数据包含了人脸的空间信息。

国(二内)外研究现状

1.国外研究现状

基于人脸图像的三维重建方法非常多，常见的包括立体匹配(Stereo

Matching)[2]StructureFromMotion(S