CN114943814A - 一种三维扫描辅助面部建模分析*** - Google Patents
一种三维扫描辅助面部建模分析*** Download PDFInfo
- Publication number
- CN114943814A CN114943814A CN202210644187.3A CN202210644187A CN114943814A CN 114943814 A CN114943814 A CN 114943814A CN 202210644187 A CN202210644187 A CN 202210644187A CN 114943814 A CN114943814 A CN 114943814A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- facial
- model
- grid
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 230000001815 facial effect Effects 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000013209 evaluation strategy Methods 0.000 claims abstract description 7
- 210000004872 soft tissue Anatomy 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 206010016035 Face presentation Diseases 0.000 claims description 3
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维扫描辅助面部建模分析***，包括三维面部模型建立模块、面部关键点提取模块、面部几何特征测量模块、面部评估模块和网格变形模块；三维面部模型建立模块用于建立面部三维数字网格模型；面部关键点提取模块用于对面部三维数字网格模型中的人脸关键点进行拾取并选择需要标记的点；面部几何特征测量模块用于对面部关键点提取模块中的关键点构成的几何特征进行不同方式的测量；面部评估模块用于根据用户的需求对用户的面部特征进行评估并提供面部评估策略；网格变形模块用于在面部三维数字网格模型中利用模拟人脸软组织的形变状态和改善网格形变精度的方式对网格进行变形。
Description
技术领域
本发明涉及三维重建技术领域，具体为一种三维扫描辅助面部建模分析***。
背景技术
当使用三维摄影测量相机在瞬间采集面部数据时，图像将产生亚毫米级的三维数据。外科医生能够利用三维数据执行面部建模分析以帮助用户进一步的面部结构优化，且减少医生在真正实践过程中的失误率；交互式地在三维人脸模型上实施面部优化，通过对比构建人脸模型前、构建人脸模后的变化,获取面部优化过程中所需要的精确数据,按照获取的参数来设计和操作,改变了经验化的盲目操作,提升了操作精度,有助于提升面部优化的效果、缩短时间、减少医患纠纷,且面部优化后可通过三维人脸模型和实际模型进行比较,评估整体的效果。
在三维场景中对三维模型进行手术仿真，主要是通过对模型的网格面片进行变形来实现；然而，在现实生活中还存在以下问题：一是过于依赖大型三维扫描仪，设备成本较高；二是对面部优化过程中的效果呈现，所采用的变形算法要符合力学原则，增强变形效果的真实性；三是对面部定量分析评估，能够给医师提供客观定量的形态学指标。
发明内容
本发明的目的在于提供一种三维扫描辅助面部建模分析***，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种三维扫描辅助面部建模分析***，包括三维面部模型建立模块、面部关键点提取模块、面部几何特征测量模块、面部评估模块和网格变形模块；
三维面部模型建立模块用于建立面部三维数字网格模型；
面部关键点提取模块用于对面部三维数字网格模型中的人脸关键点进行拾取并选择需要标记的点；
面部几何特征测量模块用于对面部关键点提取模块中的关键点构成的几何特征进行不同方式的测量；
面部评估模块用于根据用户的需求对用户面部特征中标记的点进行评估并提供面部评估策略；
网格变形模块用于在面部三维数字网格模型中利用模拟人脸软组织的形变状态和改善网格形变精度的方式对网格进行变形，得到与面部评估策略相符合的面部模型。
进一步的，网格变形模块包括变形驱动模型选择模块、映射关系建立模块和变形控制方程求解模块；
变形驱动模型选择模块依据三维面部模型建立模块中模型的形态特点和组织结构，分析驱动模型标准；
映射关系建立模块用于建立驱动模型和驱动模型相对应网格间的映射关系，令驱动模型相对应的网格为基网格；映射关系建立模块设置驱动模型的全部顶点q；映射关系建立模块检索与驱动模型顶点q相对应的基网格上的顶点q’，并计算驱动模型的顶点q与基网格的顶点q’的位置矢量
映射关系建立模块创建坐标系，并记录位移矢量
在坐标系中的位置；映射关系建立模块寻找基网格面上距离驱动模型顶点q最近定义为qs的顶点，且建立驱动模型的顶点q关联位置qs的变形控制方程；
变形控制方程求解模块用于求解变形控制方程并控制驱动模型改变对应网格的形状以实现网格变形。
进一步的，映射关系建立模块包括基网格顶点检索模块和三角网格面片距离计算模块；
基网格顶点检索模块用于检索与驱动模型顶点q构成线性组合的三个基网格顶点q’，且三个基网格定点是构成三角网格面片的三个顶点；
三角网格面片距离计算模块采用逐个比对的方法检索距离驱动模型顶点q最近的基网格顶点qs，再利用拓扑关系寻找与最近的基网格顶点qs相连的全部三角网格面片N，并计算驱动模型顶点q与每个三角网格面片N之间的距离，三角网格面片距离计算模块选取距离最小的三角网格面片为Ns。
进一步的，映射关系建立模块还包括垂直投影点设定模块和变形控制方程建立模块；
垂直投影设定模块设置距离最小的三角网格面片Ns的三个顶点分别为q1、q2和q3，设置驱动模型顶点q到距离最小的三角网格面片Ns上的垂直投影点为qp；
变形控制方程建立模块用于建立垂直投影设定模块中各点的等式关系，等式关系如下：
qp＝aq1+bq2+cq3
a+b+c＝1
(q-qp)·(q2-q1)＝0
(q-qp)·(q3-q1)＝0
其中a、b和c表示计算过程的参数，变形控制方程建立模块依据变形控制方程求解模块的解建立驱动模型与三角网格面片的映射关系。依据上述变形算法，能够模拟人脸软组织的形变状态且可以提高算法的精确性，同时也可以建立鲁棒性良好的映射关系。
进一步的，三维面部模型建立模块基于结构光编码原理的bellus3D相机，使用基于SLAM的自扫描方法，自动检测到人脸并显示识别区域；bellus3D相机自带三维重建算法，首先获取多角度三维数据坐标，然后经过局部数据优化配准、全局纹理融合与增强以及三维数据滤波获得三维网格模型，最后进行三维模型边界的平滑与修正；扫描完成后显示网格。该方法自带人脸识别技术，拥有超高的分辨率，能够捕捉任何面部细节，相比于其他相机，它具有体积小、成本低、精度高等优点。
进一步的，面部关键点提取模块采取交互式与Dlib人脸库相结合的方法拾取人脸关键点并选定标记的点；面部关键点提取模块包括人脸面部呈现模块和算法应用模块；
人脸面部呈现模块将人脸模型纹理图设定为RGB彩色图像，并对标记点位置的RGB值进行修改，使之修改后的RGB值不同于标记时的RGB值；
算法应用模块用于在Dlib库中采用级联回归树算法对人脸模型的关键点进行提取，级联回归树算法为需要构建双层回归模型的算法。标记不同的RGB值可以明显的将面部关键点进行区分和提取。
进一步的，面部几何特征测量模块针对面部关键点提取模块提取的关键点，将面部几何特征测量划分为面部直线长度测量、面部垂直长度测量和面部空间角度测量；
面部直线长度测量由两点向量向其对应水平轴投影，再计算投影长度；
面部垂直长度测量是将两点之间的向量朝垂直方向进行投影，再计算投影长度；
面部空间角度测量将所有构成的角度按照锐角处理。
与现有技术相比，本发明所达到的有益效果是：本发明基于结构光扫描***为外科医生提供面部3D信息，客观地观察动态和准确的信息，更好地辅助医师处理手术中遇到的技术难题，有助于评估业务提高手术成功率；在本发明中，目标是编辑3D面，以增强其真实感吸引力；同时本发明不完全依赖大型三维扫描仪，没有较高的设备成本；其次是对面部优化过程中的效果呈现，所采用的变形算法是符合力学原则的，增强了变形效果的真实性；最后是对面部定量分析评估，给医师提供客观定量的形态学指标。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种三维扫描辅助面部建模分析***的结构示意图；
图2是本发明一种三维扫描辅助面部建模分析***的驱动模型顶点与基网格间的关联图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种三维扫描辅助面部建模分析***，包括三维面部模型建立模块、面部关键点提取模块、面部几何特征测量模块、面部评估模块和网格变形模块；
三维面部模型建立模块用于建立面部三维数字网格模型；
面部关键点提取模块用于对面部三维数字网格模型中的人脸关键点进行拾取并选择需要标记的点；
面部几何特征测量模块用于对面部关键点提取模块中的关键点构成的几何特征进行不同方式的测量；
面部评估模块用于根据用户的需求对用户面部特征中标记的点进行评估并提供面部评估策略；
网格变形模块用于在面部三维数字网格模型中利用模拟人脸软组织的形变状态和改善网格形变精度的方式对网格进行变形，得到与面部评估策略相符合的面部模型。
网格变形模块包括变形驱动模型选择模块、映射关系建立模块和变形控制方程求解模块；
变形驱动模型选择模块依据三维面部模型建立模块中模型的形态特点和组织结构，分析驱动模型标准；
映射关系建立模块用于建立驱动模型和驱动模型相对应网格间的映射关系，令驱动模型相对应的网格为基网格；映射关系建立模块设置驱动模型的全部顶点q；映射关系建立模块检索与驱动模型顶点q相对应的基网格上的顶点q’，并计算驱动模型的顶点q与基网格的顶点q’的位置矢量
映射关系建立模块创建坐标系，并记录位移矢量
在坐标系中的位置；映射关系建立模块寻找基网格面上距离驱动模型顶点q最近定义为qs的顶点，且建立驱动模型的顶点q关联位置qs的变形控制方程；
变形控制方程求解模块用于求解变形控制方程并控制驱动模型改变对应网格的形状以实现网格变形。
映射关系建立模块包括基网格顶点检索模块和三角网格面片距离计算模块；
基网格顶点检索模块用于检索与驱动模型顶点q构成线性组合的三个基网格顶点q’，且三个基网格定点是构成三角网格面片的三个顶点；
三角网格面片距离计算模块采用逐个比对的方法检索距离驱动模型顶点q最近的基网格顶点qs，再利用拓扑关系寻找与最近的基网格顶点qs相连的全部三角网格面片N，并计算驱动模型顶点q与每个三角网格面片N之间的距离，三角网格面片距离计算模块选取距离最小的三角网格面片为Ns。
映射关系建立模块还包括垂直投影点设定模块和变形控制方程建立模块；
垂直投影设定模块设置距离最小的三角网格面片Ns的三个顶点分别为q1、q2和q3，设置驱动模型顶点q到距离最小的三角网格面片Ns上的垂直投影点为qp；
变形控制方程建立模块用于建立垂直投影设定模块中各点的等式关系，等式关系如下：
qp＝aq1+bq2+cq3
a+b+c＝1
(q-qp)·(q2-q1)＝0
(q-qp)·(q3-q1)＝0
其中a、b和c表示计算过程的参数，变形控制方程建立模块依据变形控制方程求解模块的解建立驱动模型与三角网格面片的映射关系。依据上述变形算法，能够模拟人脸软组织的形变状态且可以提高算法的精确性，同时也可以建立鲁棒性良好的映射关系。
例如：当1＞a,b,c＞0时，顶点q的投影点qp位于三角网格面片NS的内部，如图a所示，在这种状态下，关联位置q'＝qp＝aq1+bq2+cq3；
当a,b,c三个值中仅有一个值为0，而其他两个值都大于0，此时投影点qp位于NS的一条边内；假设a＝0、b，c＞0,则投影点qp在边q2q3上，如图b所示，此时q'＝qp＝bq2+cq3；
当a,b,c中仅有一个值为1，而其他两个值均为0，这时投影点qp与NS上的顶点重合，假设a＝1、b＝c＝0，投影点qp与q1重合，如图c所示，此时q'＝qp＝q1；
当a,b,c三个值中一个值等于0，一个值小于0，一个值大于0，在这种情况下，投影点qp落在NS的一条边的正反延长线上，假设a＜0、c＝0、b＞0，此时点qp在边q1q2的正向延长线上如图d所示，沿着点qp作直线q2q3的垂线，相交点定为q'p,判断q'p是否在q2q3边内，若是，则q'＝q'p，若不是，则分别计算q'p与q2和q3间的距离，若||q'pq2||＜||q'pq3||,令q'p＝q2，否则q'p＝q3；
当a,b,c三个值中一个值小于0，剩下的两个值都大于0，此时点qp位于NS所划分的平面区域“5”中，假设a＜0、b,c＞0,投影点qp的位置如图e所示，沿着点qp作直线q2q3的垂线，相交点定为q'p，判断q'p是否在q2q3边内，若是，则q'＝q'p，若不是，则分别计算q'p与q2和q3间的距离，若||q'pq2||＜||q'pq3||，令q'p＝q2，否则q'p＝q3；
当a,b,c三个值中一个值大于0，剩下的两个值都小于0，此时点qp位于NS所划分的平面区域“6”中，假设b＞0,a,c＜0,投影点qp的位置如图f所示，沿着点qp作直线q1q2和q2q3的垂线，与直线q1q2和q2q3分别交于点q'p和q”p,此时，如果点q'p和q”p其中之一在直线q1q2和q2q3的内部，如q'p位于直线q2q3的内部，q'p＝q”p；如果点q'p和q”p都在直线q1q2和q2q3的正向延长线上，则q'p＝q2；如果q'p位于直线q1q2的反向延长线上，并且q”p在q2q3的正向延长线上，则q'p＝q1；如果q'p位于直线q1q2的正向延长线上，并且q”p在q2q3的反向延长线上，q'p＝q3；
综合以上六种情况，对于驱动模型上的每个顶点q，在基网格上都可以寻找其匹配的位置点q’，因此q与q'间的位移矢量v可以表达为：q＝q'+v。
三维面部模型建立模块基于结构光编码原理的bellus3D相机，使用基于SLAM的自扫描方法，自动检测到人脸并显示识别区域；bellus3D相机自带三维重建算法，首先获取多角度三维数据坐标，然后经过局部数据优化配准、全局纹理融合与增强以及三维数据滤波获得三维网格模型，最后进行三维模型边界的平滑与修正；扫描完成后显示网格。该方法自带人脸识别技术，拥有超高的分辨率，能够捕捉任何面部细节，相比于其他相机，它具有体积小、成本低、精度高等优点。
面部关键点提取模块采取交互式与Dlib人脸库相结合的方法拾取人脸关键点并选定标记的点；面部关键点提取模块包括人脸面部呈现模块和算法应用模块；
人脸面部呈现模块将人脸模型纹理图设定为RGB彩色图像，并对标记点位置的RGB值进行修改，使之修改后的RGB值不同于标记时的RGB值；
算法应用模块用于在Dlib库中采用级联回归树算法对人脸模型的关键点进行提取，级联回归树算法为需要构建双层回归模型的算法。标记不同的RGB值可以明显的将面部关键点进行区分和提取。
面部几何特征测量模块针对面部关键点提取模块提取的关键点，将面部几何特征测量划分为面部直线长度测量、面部垂直长度测量和面部空间角度测量；
面部直线长度测量由两点向量向其对应水平轴投影，再计算投影长度；
面部垂直长度测量是将两点之间的向量朝垂直方向进行投影，再计算投影长度；
面部空间角度测量将所有构成的角度按照锐角处理。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种三维扫描辅助面部建模分析***，其特征在于，包括三维面部模型建立模块、面部关键点提取模块、面部几何特征测量模块、面部评估模块和网格变形模块；
所述三维面部模型建立模块用于建立面部三维数字网格模型；
所述面部关键点提取模块用于对所述面部三维数字网格模型中的人脸关键点进行拾取并选择需要标记的点；
所述面部几何特征测量模块用于对所述面部关键点提取模块中的关键点构成的几何特征进行不同方式的测量；
所述面部评估模块用于根据用户的需求对用户面部特征中标记的点进行评估并提供面部评估策略；
所述网格变形模块用于在所述面部三维数字网格模型中利用模拟人脸软组织的形变状态和改善网格形变精度的方式对网格进行变形，得到与面部评估策略相符合的面部模型。
2.根据权利要求1所述的一种三维扫描辅助面部建模分析***，其特征在于：所述网格变形模块包括变形驱动模型选择模块、映射关系建立模块和变形控制方程求解模块；
所述变形驱动模型选择模块依据所述三维面部模型建立模块中模型的形态特点和组织结构，分析驱动模型标准；
所述映射关系建立模块用于建立驱动模型和驱动模型相对应网格间的映射关系，令驱动模型相对应的网格为基网格；所述映射关系建立模块设置驱动模型的全部顶点q；所述映射关系建立模块检索与驱动模型顶点q相对应的基网格上的顶点q’，并计算驱动模型的顶点q与基网格的顶点q’的位置矢量
所述映射关系建立模块创建坐标系，并记录位移矢量
在坐标系中的位置；所述映射关系建立模块寻找基网格面上距离驱动模型顶点q最近定义为qs的顶点，且建立驱动模型的顶点q关联位置qs的变形控制方程；
所述变形控制方程求解模块用于求解变形控制方程并控制驱动模型改变对应网格的形状以实现网格变形。
3.根据权利要求2所述的一种三维扫描辅助面部建模分析***，其特征在于：所述映射关系建立模块包括基网格顶点检索模块和三角网格面片距离计算模块；
所述基网格顶点检索模块用于检索与驱动模型顶点q构成线性组合的三个基网格顶点q’，且所述三个基网格定点是构成三角网格面片的三个顶点；
所述三角网格面片距离计算模块采用逐个比对的方法检索距离驱动模型顶点q最近的基网格顶点qs，再利用拓扑关系寻找与最近的基网格顶点qs相连的全部三角网格面片N，并计算驱动模型顶点q与每个三角网格面片N之间的距离，所述三角网格面片距离计算模块选取距离最小的三角网格面片为Ns。
4.根据权利要求2所述的一种三维扫描辅助面部建模分析***，其特征在于：所述映射关系建立模块还包括垂直投影点设定模块和变形控制方程建立模块；
所述垂直投影设定模块设置距离最小的三角网格面片Ns的三个顶点分别为q1、q2和q3，设置驱动模型顶点q到距离最小的三角网格面片Ns上的垂直投影点为qp；
所述变形控制方程建立模块用于建立所述垂直投影设定模块中各点的等式关系，所述等式关系如下：
qp＝aq1+bq2+cq3
a+b+c＝1
(q-qp)·(q2-q1)＝0
(q-qp)·(q3-q1)＝0
其中a、b和c表示计算过程的参数，所述变形控制方程建立模块依据所述变形控制方程求解模块的解建立驱动模型与三角网格面片的映射关系。
5.根据权利要求1所述的一种三维扫描辅助面部建模分析***，其特征在于：所述三维面部模型建立模块基于结构光编码原理的bellus3D相机，使用基于SLAM的自扫描方法，自动检测到人脸并显示识别区域；所述bellus3D相机自带三维重建算法，首先获取多角度三维数据坐标，然后经过局部数据优化配准、全局纹理融合与增强以及三维数据滤波获得三维网格模型，最后进行三维模型边界的平滑与修正；扫描完成后显示网格。
6.根据权利要求1所述的一种三维扫描辅助面部建模分析***，其特征在于：所述面部关键点提取模块采取交互式与Dlib人脸库相结合的方法拾取人脸关键点并选定标记的点；所述面部关键点提取模块包括人脸面部呈现模块和算法应用模块；
所述人脸面部呈现模块将人脸模型纹理图设定为RGB彩色图像，并对标记点位置的RGB值进行修改，使之修改后的RGB值不同于标记时的RGB值；
所述算法应用模块用于在Dlib库中采用级联回归树算法对人脸模型的关键点进行提取，所述级联回归树算法为需要构建双层回归模型的算法。
7.根据权利要求1所述的一种三维扫描辅助面部建模分析***，其特征在于：所述面部几何特征测量模块针对所述面部关键点提取模块提取的关键点，将面部几何特征测量划分为面部直线长度测量、面部垂直长度测量和面部空间角度测量；
所述面部直线长度测量由两点向量向其对应水平轴投影，再计算投影长度；
所述面部垂直长度测量是将两点之间的向量朝垂直方向进行投影，再计算投影长度；
所述面部空间角度测量将所有构成的角度按照锐角处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210644187.3A CN114943814B (zh) | 2022-06-08 | 2022-06-08 | 一种三维扫描辅助面部建模分析*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210644187.3A CN114943814B (zh) | 2022-06-08 | 2022-06-08 | 一种三维扫描辅助面部建模分析*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114943814A true CN114943814A (zh) | 2022-08-26 |
| CN114943814B CN114943814B (zh) | 2024-07-26 |
Family
ID=82908492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210644187.3A Active CN114943814B (zh) | 2022-06-08 | 2022-06-08 | 一种三维扫描辅助面部建模分析*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943814B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383055A (zh) * | 2008-09-18 | 2009-03-11 | 北京中星微电子有限公司 | 一种三维人脸模型的构造方法和*** |
| US20150279044A1 (en) * | 2014-03-31 | 2015-10-01 | Tricubics Inc. | Method and apparatus for obtaining 3d face model using portable camera |
| CN109377563A (zh) * | 2018-11-29 | 2019-02-22 | 广州市百果园信息技术有限公司 | 一种人脸网格模型的重建方法、装置、设备和存储介质 |
| CN110288642A (zh) * | 2019-05-25 | 2019-09-27 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 基于相机阵列的三维物体快速重建方法 |
| CN111242990A (zh) * | 2020-01-06 | 2020-06-05 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 基于连续相位稠密匹配的360°三维重建优化方法 |
-
2022
- 2022-06-08 CN CN202210644187.3A patent/CN114943814B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383055A (zh) * | 2008-09-18 | 2009-03-11 | 北京中星微电子有限公司 | 一种三维人脸模型的构造方法和*** |
| US20150279044A1 (en) * | 2014-03-31 | 2015-10-01 | Tricubics Inc. | Method and apparatus for obtaining 3d face model using portable camera |
| CN109377563A (zh) * | 2018-11-29 | 2019-02-22 | 广州市百果园信息技术有限公司 | 一种人脸网格模型的重建方法、装置、设备和存储介质 |
| CN110288642A (zh) * | 2019-05-25 | 2019-09-27 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 基于相机阵列的三维物体快速重建方法 |
| CN111242990A (zh) * | 2020-01-06 | 2020-06-05 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 基于连续相位稠密匹配的360°三维重建优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114943814B (zh) | 2024-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872397B (zh) | 一种基于多目立体视觉的飞机零件的三维重建方法 | |
| CN110264567B (zh) | 一种基于标记点的实时三维建模方法 | |
| CN106327532B (zh) | 一种单幅图像的三维配准方法 | |
| CN113178009B (zh) | 一种利用点云分割和网格修补的室内三维重建方法 | |
| US7509241B2 (en) | Method and apparatus for automatically generating a site model | |
| KR101007276B1 (ko) | 3차원 안면 인식 | |
| WO2015188684A1 (zh) | 三维模型重建方法与*** | |
| CN106709947A (zh) | 一种基于rgbd相机的三维人体快速建模*** | |
| CN104616286B (zh) | 快速的半自动多视图深度修复方法 | |
| CN105096386A (zh) | 大范围复杂城市环境几何地图自动生成方法 | |
| CN105493155A (zh) | 用于表示物理场景的方法和设备 | |
| WO2018075053A1 (en) | Object pose based on matching 2.5d depth information to 3d information | |
| WO2006049147A1 (ja) | 三次元形状推定システム及び画像生成システム | |
| CN110567441B (zh) | 基于粒子滤波的定位方法、定位装置、建图及定位的方法 | |
| CN108961400A (zh) | 一种文物智能辅助引导方法和引导*** | |
| CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
| CN111127642A (zh) | 一种人脸三维重建方法 | |
| CN113538569A (zh) | 一种弱纹理物***姿估计方法和*** | |
| Pacheco et al. | Reconstruction of high resolution 3D objects from incomplete images and 3D information | |
| CN111197976A (zh) | 一种顾及弱纹理区域多阶段匹配传播的三维重建方法 | |
| Tyle_ek et al. | Refinement of surface mesh for accurate multi-view reconstruction | |
| Jisen | A study on target recognition algorithm based on 3D point cloud and feature fusion | |
| Cantzler | Improving architectural 3D reconstruction by constrained modelling | |
| CN116612253A (zh) | 点云融合方法、装置、计算机设备和存储介质 | |
| CN114943814A (zh) | 一种三维扫描辅助面部建模分析*** |
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 |