基本思路:
用RGB-D 的摄像头,利用RGB和深度信息对人脸进行三位建模和合成。之后建立了一个由33个人不同头部姿态点云合成数据组成的数据库Dali3DHP,基于级联决策树(5个)训练,采用的ground truth是用Shimmer Sensor得到的头部的姿态角(在正视状态下,roll方向接近于零)得到了在不同头部姿态下的人脸朝向判断模型。这也就决定了算法在头部姿态偏离较大的时候正确率反而更高一些。
测试中将方位和倾斜角度按照20度/15度划分网格,下图中展示了最终模型在不同角度下的识别正确率。
下图展示了一些在极端头部角度下识别面部朝向的例子:
基于点云的三维人脸建模数据管道如下图。从这里可以看出三维人脸建模的基本原理,就是对人脸的不同角度用RGB-D摄像头拍摄,之后对点云数据进行融合实现三维建模。在点云融合之前,首先利用Gauss核对深度图像做卷积处理以降噪。光滑点云的Voxel-grid方法备用来以比较小的三维点数据得到人脸的建模。
参考文献:
Tulyakov S, Vieriu R L, Semeniuta S, et al. Robust Real-Time Extreme Head Pose Estimation[C]// International Conference on Pattern Recognition. IEEE Computer Society, 2014:2263-2268.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)