CN107133928A - 一种基于迭代镜像与注册的人脸对称平面求取方法 - Google Patents
一种基于迭代镜像与注册的人脸对称平面求取方法 Download PDFInfo
- Publication number
- CN107133928A CN107133928A CN201710288519.8A CN201710288519A CN107133928A CN 107133928 A CN107133928 A CN 107133928A CN 201710288519 A CN201710288519 A CN 201710288519A CN 107133928 A CN107133928 A CN 107133928A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- plane
- mirror image
- registration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000001815 facial effect Effects 0.000 title claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000002316 cosmetic surgery Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于迭代镜像与注册的人脸对称平面求取方法，属于计算机视觉领域。本发明包括以下步骤：（1）3D扫描获取脸部数据，高斯滤波器平滑扫描点云；（2）PCA粗略估计纵向轴线，轴线分割人脸获得切片轮廓，确定最对称点求对称平面；（3）由对称平面点云生成新点云，ICP注册原点云与镜像数据，进行配准迭代并求出对称面。本发明在迭代镜像和注册方法基础上，提出一种新的人脸对称平面求取方法，可以有效避免对称物体中的局部不对称性以及扫描过程中造成的不对称造成的影响，使得求取的对称平面更加精准。
Description
技术领域
本发明涉及一种对称平面求取方法，特别涉及一种基于迭代镜像与注册的人脸对称平面 求取方法，属于计算机视觉领域。
背景技术
一直以来，人们展开了大量工作对人脸的对称性进行研究，包括人脸不对称的量化和用 于半损伤面部重建或整容手术的计算机辅助三维建模在颌面手术中的美学矫正发展，面部不 对称性与矫形外科和口腔畸形病理对称线的相关研究以及在神经学领域，面部不对称和认知 障碍之间的相关性精神***症诊断等。
Benz等人2002年第一个提出基于镜像和注册的方法，以用来美学外科手术面部重建。 通过检测并利用对称平面，健康的一半可以被镜像到损坏的半部上用于其重建。作者强调如 何通过特定的ICP算法在损坏面部(鼻子，下巴和前额)中的典型健康区域注册原始数据和 镜像数据，获得的最终对称平面在最小二乘方意义上近似连接随机选择的同源点的线的中点。
另一种非自动方法由De Momi等人在2006年提出，作者使用典型的基于ICP算法估计对 称平面。该平面通过评估手动选择的两个同源区块的对称位置获得，它是选定区域的质心的 对称平面。为开发一种全自动的方法，Colbry，Stockman等人2007年提出对称平面由PCA 方法来评估，Tang等人2008年指出PCA方法在某些情况下执行不准确的对称平面初始估计， 随后ICP配准算法不能收敛的问题并提出平面与yz平面平行并且通过面的质心进行初始估 计。仅当真实对称平面与扫描装置的yz平面对准时，该方法才有效进行。
Combes,Hennessy等人2008年提出一种直接估计对称平面而没有中间平移变换和配准 的方法。由于对称平面的初始估计是通过PCA方法执行的，其最终估计是通过迭代算法来完 成的，该迭代算法收敛到适当设计的函数的(至少局部)最小值。该方法解决了面部的非对 称采样问题，但是其对采样中的非均匀性仍然非常敏感。完全对称但以不同采样密度为特征 的两个同源表面可能由于源点云和镜像对准表面之间的距离而变得不对称。
Hough变换Mitra在2006年提出的属于局部形状匹配法的一种，对图像进行某种形式的 坐标变换，它将原始图像中一定几何形状的直线或曲线变换成参数空间的一个点。3DHough 变换和2D Hough变换一样，将原始三维图像中一定几何形状的直线或曲线变换成参数空间的 一个点。这种方法将三维空间域的问题转化为二维平面域的图像问题，是一种降维的处理方 法。但是存储需求量大，因为需要转换，求取对称面的精度不高。
因此，本发明针对对称物体中的局部不对称性以及扫描过程中造成的不对称，提出一种 基于迭代镜像与注册的人脸对称平面求取方法。
发明内容
本发明的目的是在典型的迭代镜像和注册方法基础上，提出一种新的人脸对称平面求取 方法，可以有效避免对称物体中的局部不对称性以及扫描过程中造成的不对称造成的影响， 使得求取的对称平面更加精准。
本发明的目的是通过以下技术方案来实现：一种基于迭代镜像与注册的人脸对称平面求 取方法，包括以下步骤:
1)3D扫描获取脸部数据；扫描的面部点云数据分前侧，左侧，右侧，前侧也就是正前 方的点云数据；
2)检测对称线初步估计对称平面；
3)迭代方法最终确定对称平面。
优选的，步骤(1)所述3D扫描获取脸部数据具体为：采用基于三维扫描仪的方法，获 取脸部形状跟纹理信息，然后通过高斯滤波器平滑扫描点云减少异常值和大噪声，对获取的 点云数据进行三角化。
优选的，步骤(2)所述检测对称线初步估计对称平面包括以下步骤：
(1)对于面部点云平面的前侧中一组点，利用PCA主成分分析算法粗略地检测纵向轴 线，纵向轴线的方向为所选择的集合点中的较低惯性矩相关联的惯性主轴；主成分分析算 法，通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特 征分量，用于较高数据的降维。
(2)利用垂直于先前估计的纵轴的一组平面来分割人脸，获得的切片轮廓用来进行对称 平面的初步估计；对于每个切片轮廓，最对称点由对称性指数最大的值来表征；
(3)如果在平面上能识别到最对称点，每个轮廓对应一个最对称点，则该面不受全局不 对称的影响；在这种情况下，全局不对称性由每个切片轮廓中的边缘区的关于唯一平面的最 对称点来表征；定义最对称点和平面之间的平均距离的适当阈值，以便识别全局不对称面， 如果面部不受全局不对称的影响，通过最小二乘法求得近似最对称点来初步确定对称平面。 最小二乘法以“残差平方和最小”为原则求得近似最对称点。从点云中获取n组观察值 (X1,Y1),(X2,Y2),...,(Xn,Yn)，其样本模型为其中ei为样本(Xi,Yi)的误差。平方 损失函数确定为变量，把它们看作是Q的函 数，就变成了一个求极值的问题，通过求导得到。求Q对两个待估参数的偏导数：
函数的极值点为偏导为0的点。
求得平方损失函数的极值点就是近似最对称点。优选的，步骤(3)所述迭代方法最终 确定对称平面包括以下步骤
通过初步估计对称平面的点云数据M来生成点云Ma,0：
然后通过ICP算法注册原点云M和镜像数据MPa,i，最小化以下函数：
其中n是镜像数据MPa的点数，αi,j是权重，βi,j是Hausdorff距离；
通过根据以下等式计算点云Ma,0中任一点与最近的对称定位点之间的距离来判断Hausdorff距离，
为了解决表面密度采样中的不对称性引起的问题，在属于M(mj)中的第j个点和关于点 云Ma,i表面之间计算Hausdorff距离：
权重αi,j为两个特定权重的乘积：
αi,j＝αs,i,j×αr,i,j (4)
αs,i,j定义跨对称平面延伸的窗口，窗口对称平面往mj处延伸形成；根据Leclerc函数定义 为：
其中di,j是mj与对称平面之间的距离，δs为窗口的宽度值，该权重用于过滤在扫描过程 中远离对称平面的不对称性；
第二权重αr,i,j用于过滤配准过程中任何局部不对称，无论是否接近对称平面；根据 Leclerc函数表示为：
其中βi,j是Hausdorff距离，δr为窗口的宽度值，其较小值可以减小局部不对称性对配准过程 的影响；
开始注册时，对称平面与奇点的位置不清楚，首先使用大于人脸轮廓的δs和δr执行ICP， 使得所有点均等参与早期配准；然后将它们减小到所需的值；一旦镜像数据的新的空间配置 被记录为(Ma,i)，通过随机选择M的子集(mj,j＝1,...,n)与其对应点(lj,j＝1,...,n)计算对称平 面，对于每对对应点(mj,lj)，计算中点根据最小二乘法拟合的即为求取的对称 面；
当两个迭代周期之间的误差函数(1)的变化小于所施加的阈值或者当迭代次数等于i的 最大值时，ICP迭代结束。
本发明的有益效果是:在迭代镜像和注册方法基础上，提出一种新的人脸对称平面求取方 法，可以有效避免对称物体中的局部不对称性以及扫描过程中造成的不对称造成的影响，使 得求取的对称平面更加精准。
附图说明
图1本发明求取对称平面流程图。
图2本发明ICP迭代流程图。
具体实施方式
下面结合附图对本发明的具体实施作进一步描述。
一种基于迭代镜像与注册的人脸对称平面求取方法，包括以下步骤：
1)3D扫描获取脸部数据
对于采集三维人脸数据，采用基于三维扫描仪的方法，获取较为精确的脸部形状跟纹理 信息，然后通过高斯滤波器平滑扫描点云减少异常值和大噪声，对获取的点云数据进行三角 化。
2)检测对称线初步估计对称平面
(1)通过面部点云平面的前侧中一组点的PCA粗略地检测纵向轴线，纵向轴线的方向为 所选择的集合点中的较低惯性矩相关联的主要惯性轴线方向。
(2)利用垂直于先前估计的纵轴的一组平面来分割人脸，获得的切片轮廓用来进行对称 平面的初步估计。对于每个切片轮廓，最对称点由对称性指数最大的值来表征。
(3)如果在平面上能识别到最对称点(每个轮廓对应一个最对称点)，则该面不受全局 不对称的影响。在这种情况下，全局不对称性由一组非常远(每个切片轮廓中的边缘区)的 关于唯一平面的最对称点来表征。定义最对称点和平面之间的平均距离的适当阈值，以便识 别全局不对称面，如果面部不受全局不对称的影响，通过最小二乘法求得近似最对称点来初 步确定对称平面。
3)迭代方法最终确定对称平面
最终的对称平面通过迭代法估计求得，根据以下表达式，通过初步估计对称平面的点云数据 来生成点云Ma,0：
然后通过ICP算法注册原点云M和镜像数据MPa,s，最小化以下函数：
其中n是镜像数据MPa的点数，αi,j是权重，βi,j是Hausdorff距离。
通过根据以下等式计算点与最近的对称定位点之间的距离来判断Hausdorff距离，
为了解决表面密度采样中的不对称性引起的问题，在属于M(mj)中的第j个点和关于点 云Ma,i表面之间计算Hausdorff距离：
权重αi,j为两个特定权重的乘积：
αi,j＝αs,i,j×αr,i,j (4)
αs,i,j定义跨对称平面延伸的窗口(对称平面往mj处延伸形成)。根据Leclerc函数定义为：
其中di,j是mj与对称平面之间的距离，δs为窗口的宽度值，该权重用于过滤在扫描过程 中远离对称平面的不对称性。
第二权重αr,i,j用于过滤配准过程中任何局部不对称，无论是否接近对称平面。根据 Leclerc函数表示为：
其中βi,j是Hausdorff距离，δr为窗口的宽度值，其较小值可以减小局部不对称性对配准过程 的影响。
开始注册时，对称平面与奇点的位置不清楚，首先使用非常大的δs和δr执行ICP，使得所有 点均等参与早期配准；然后将它们减小到所需的值。一旦镜像数据的新的空间配置被记录为 (Ma,i)，通过随机选择M的子集(mj,j＝1,...,n)与其对应点(lj,j＝1,...,n)计算对称平面，对于 每对对应点(mj,lj)，计算中点根据最小二乘法拟合的即为求取的对称面。
当两个迭代周期之间的误差函数(1)的变化小于所施加的阈值或者当迭代次数等于i的 最大值时，ICP迭代结束。
Claims (4)
1.一种基于迭代镜像与注册的人脸对称平面求取方法，其特征是，所述方法包括以下步骤:
(1)3D扫描获取脸部数据；
(2)检测对称线初步估计对称平面；
(3)迭代方法最终确定对称平面。
2.根据权利要求1所述的一种基于迭代镜像与注册的人脸对称平面求取方法，其特征是，步骤(1)所述3D扫描获取脸部数据具体为：采用基于三维扫描仪的方法，获取脸部形状跟纹理信息，然后通过高斯滤波器平滑扫描点云减少异常值和大噪声，对获取的点云数据进行三角化。
3.根据权利要求1所述的一种基于迭代镜像与注册的人脸对称平面求取方法，其特征是，步骤(2)所述检测对称线初步估计对称平面包括以下步骤：
(1)对于面部点云平面的前侧中一组点，利用PCA主成分分析算法粗略地检测纵向轴线，纵向轴线的方向为所选择的集合点中的低于平均惯性矩相关联的惯性主轴；
(2)利用垂直于先前估计的纵轴的一组平面来分割人脸，获得的切片轮廓用来进行对称平面的初步估计；对于每个切片轮廓，最对称点由对称性指数最大的值来表征；
(3)如果在平面上能识别到最对称点，每个轮廓对应一个最对称点，则该面不受全局不对称的影响；在这种情况下，全局不对称性由每个切片轮廓中的边缘区的关于唯一平面的最对称点来表征；定义最对称点和平面之间的平均距离的适当阈值，以便识别全局不对称面，如果面部不受全局不对称的影响，通过最小二乘法求得近似最对称点来初步确定对称平面。
4.根据权利要求1所述的一种基于迭代镜像与注册的人脸对称平面求取方法，其特征是，步骤(3)所述迭代方法最终确定对称平面包括以下步骤
通过初步估计对称平面的点云数据M来生成点云Ma,0：
<mrow>
<msub>
<mi>M</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>.</mo>
<mi>n</mi>
<mo>}</mo>
<mo>:</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mi>S</mi>
<mo>&Pi;</mo>
<mn>0</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
然后通过ICP算法注册原点云M和镜像数据MPa,i，最小化以下函数：
<mrow>
<msub>
<mi>err</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中n是镜像数据MPa的点数，αi,j是权重，βi,j是Hausdorff距离；
通过根据以下等式计算点云Ma,0中任一点与最近的对称定位点之间的距离来判断Hausdorff距离，
<mrow>
<mi>H</mi>
<mi>a</mi>
<mi>u</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
为了解决表面密度采样中的不对称性引起的问题，在属于M(mj)中的第j个点和关于点云Ma,i表面之间计算Hausdorff距离：
<mrow>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>2</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
权重αi,j为两个特定权重的乘积：
αi,j＝αs,i,j×αr,i,j (4)
αs,i,j定义跨对称平面延伸的窗口，窗口对称平面往mj处延伸形成；根据Leclerc函数定义为：
<mrow>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>&delta;</mi>
<mi>s</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&delta;</mi>
<mi>s</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中di,j是mj与对称平面之间的距离，δs为窗口的宽度值，该权重用于过滤在扫描过程中远离对称平面的不对称性；
第二权重αr,i,j用于过滤配准过程中任何局部不对称，无论是否接近对称平面；根据Leclerc函数表示为：
<mrow>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>&delta;</mi>
<mi>r</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&delta;</mi>
<mi>r</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中βi,j是Hausdorff距离，δr为窗口的宽度值，其较小值可以减小局部不对称性对配准过程的影响；
开始注册时，对称平面与奇点的位置不清楚，首先使用大于人脸轮廓的δs和δr执行ICP，使得所有点均等参与早期配准；然后将它们减小到所需的值；一旦镜像数据的新的空间配置被记录为(Ma,i)，通过随机选择M的子集(mj,j＝1,...,n)与其对应点(lj,j＝1,...,n)计算对称平面，对于每对对应点(mj,lj)，计算中点根据最小二乘法拟合的即为求取的对称面；
当两个迭代周期之间的误差函数(1)的变化小于所施加的阈值或者当迭代次数等于i的最大值时，ICP迭代结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710288519.8A CN107133928B (zh) | 2017-04-27 | 2017-04-27 | 一种基于迭代镜像与注册的人脸对称平面求取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710288519.8A CN107133928B (zh) | 2017-04-27 | 2017-04-27 | 一种基于迭代镜像与注册的人脸对称平面求取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107133928A true CN107133928A (zh) | 2017-09-05 |
| CN107133928B CN107133928B (zh) | 2019-09-10 |
Family
ID=59715251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710288519.8A Active CN107133928B (zh) | 2017-04-27 | 2017-04-27 | 一种基于迭代镜像与注册的人脸对称平面求取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133928B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107908698A (zh) * | 2017-11-03 | 2018-04-13 | 广州索答信息科技有限公司 | 一种主题网络爬虫方法、电子设备、存储介质、*** |
| CN113012294A (zh) * | 2021-03-30 | 2021-06-22 | 上海汇像信息技术有限公司 | 三维模型的对称重建方法 |
| CN113469091A (zh) * | 2021-07-09 | 2021-10-01 | 北京的卢深视科技有限公司 | 人脸识别方法、训练方法、电子设备及存储介质 |
| CN113658170A (zh) * | 2021-08-30 | 2021-11-16 | 杭州柳叶刀机器人有限公司 | 一种关节配准点生成方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101292914A (zh) * | 2008-06-12 | 2008-10-29 | 上海交通大学 | 基于三维视觉测量的对称特征颜面赝复体制备方法 |
-
2017
- 2017-04-27 CN CN201710288519.8A patent/CN107133928B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101292914A (zh) * | 2008-06-12 | 2008-10-29 | 上海交通大学 | 基于三维视觉测量的对称特征颜面赝复体制备方法 |
Non-Patent Citations (2)
| Title |
|---|
| LUCA DI ANGELO ET AL.: "A computational Method for Bilateral Symmetry Recognition in Asymmetrically Scanned Human Faces", 《COMPUTER-AIDED DESIGN & APPLICATIONS》 * |
| 王磊 等: "基于加权PCA分析的三维点云模型对称性检测算法", 《山东大学学报（理学版）》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107908698A (zh) * | 2017-11-03 | 2018-04-13 | 广州索答信息科技有限公司 | 一种主题网络爬虫方法、电子设备、存储介质、*** |
| CN107908698B (zh) * | 2017-11-03 | 2021-04-13 | 广州索答信息科技有限公司 | 一种主题网络爬虫方法、电子设备、存储介质、*** |
| CN113012294A (zh) * | 2021-03-30 | 2021-06-22 | 上海汇像信息技术有限公司 | 三维模型的对称重建方法 |
| CN113012294B (zh) * | 2021-03-30 | 2022-12-13 | 上海汇像信息技术有限公司 | 三维模型的对称重建方法 |
| CN113469091A (zh) * | 2021-07-09 | 2021-10-01 | 北京的卢深视科技有限公司 | 人脸识别方法、训练方法、电子设备及存储介质 |
| CN113469091B (zh) * | 2021-07-09 | 2022-03-25 | 北京的卢深视科技有限公司 | 人脸识别方法、训练方法、电子设备及存储介质 |
| CN113658170A (zh) * | 2021-08-30 | 2021-11-16 | 杭州柳叶刀机器人有限公司 | 一种关节配准点生成方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107133928B (zh) | 2019-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133928A (zh) | 一种基于迭代镜像与注册的人脸对称平面求取方法 | |
| Pan et al. | 3D face recognition using mapped depth images | |
| CN101398886B (zh) | 一种基于双目被动立体视觉的快速三维人脸识别方法 | |
| Davatzikos et al. | Hierarchical active shape models, using the wavelet transform | |
| CN101320484B (zh) | 一种人脸虚图像生成的方法及一种三维人脸识别方法 | |
| CN101561874B (zh) | 一种人脸虚拟图像生成的方法 | |
| WO2020083407A1 (zh) | 三维指静脉特征提取方法及其匹配方法 | |
| CN109740227B (zh) | 基于特征识别的微型复杂零件建模方法 | |
| CN110335234B (zh) | 一种基于古文物LiDAR点云的三维变化检测方法 | |
| CN109147040B (zh) | 基于模板的人体点云孔洞修补方法 | |
| CN109766838B (zh) | 一种基于卷积神经网络的步态周期检测方法 | |
| CN113436207B (zh) | 一种对于规则表面的线结构光条纹中心快速精确提取方法 | |
| CN109871818B (zh) | 基于法向量分布直方图和协方差描述子的人脸识别方法 | |
| WO2022116218A1 (zh) | 一种用于复杂表面的线结构光中心提取方法 | |
| CN102346857B (zh) | 人脸图像光照参数和去光照图的高精度同时估计方法 | |
| CN111259788A (zh) | 头颈拐点的检测方法、装置以及计算机设备 | |
| CN106778491A (zh) | 人脸3d特征信息的获取方法及设备 | |
| Di Angelo et al. | A computational method for bilateral symmetry recognition in asymmetrically scanned human faces | |
| CN104951767A (zh) | 基于关联程度的三维人脸识别技术 | |
| CN108876711B (zh) | 一种基于图像特征点的草图生成方法、服务器及*** | |
| Yang et al. | Center extraction algorithm of linear structured light stripe based on improved gray barycenter method | |
| Hani et al. | High order polynomial surface fitting for measuring roughness of psoriasis lesion | |
| CN105868727A (zh) | 一种三维人脸相似性度量方法 | |
| Rychlik et al. | 3D facial biometric database–search and reconstruction of objects based on PCA modes | |
| Bakhshali et al. | Estimating facial angles using Radon transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |