基于精确主轴分析及ICP的三维人脸配准

论文提出了一种基于精确主轴分析的三维人脸预配准方法。利用人脸在其主轴坐标系下均呈相同的正面姿态的特点,通过将标准模型和待配准模型都转换到其主轴坐标系下,来实现三维人脸模型的预配准,然后使用ICP方法进行精确配准。实验证明,所提方法具有良好的姿态鲁棒性和噪声鲁棒性。

多视角2.5维人脸数据的自动配准与三维融合

提出了一种有效的从三视角2.5维人脸图像到完整三维人脸模型的融合方法。首先用ICP(迭代最近点)方法对三视角人脸图像上手动选取的特征区域进行粗配准,然后用一种调整能量最优方法进行精确配准,最终合成完整的三维人脸模型。通过对融合结果进行相似度测量,实验说明了方法的有效性和优越性。

基于改进SURF算法的人脸点云配准

精准的三维人脸重建是三维人脸识别、三维人脸表情仿真等技术实现的重要前提。基于以往图像特征点和点云数据的三维配准算法研究,提出了一种计算量小、实时性较高的人脸配准算法。提取人脸图像特征点,计算64维的SURF描述符;利用RANSAC算法剔除不稳定匹配点;利用奇异值分解SVD求解粗配准变换矩阵;利用改进的最近点迭代算法求解最终变换矩阵。实验结果显示配准误差只有8.71895×10^-5m^2,总耗时为6.61s,相比较SIFT算法和手动寻找匹配点,速度快、精度高。