514 智能系统学报 第4卷 纹理信息的添加、光照的处理等诸多问题都使得三 昂贵的三维扫描仪和标准人脸模型，采用2台摄像 维人脸建模始终是一个极具挑战性的课题， 机同时从不同角度拍摄人脸，进行立体图像匹配，再 本文以双目立体视觉理论为基础，以人脸为研 采用三角测量的方法从视差中恢复三维人脸数据： 究对象，构建一个基于双目立体视觉的三维人脸重 由于该方法采用的设备简单，而且可以实现实时采 建系统，重建过程中无需三维激光扫描仪和通用人 集，现在已成为机器视觉研究领域的一个研究热点. 脸模型.首先进行摄像机标定，利用双目摄像机采集 2摄像机标定 左右人脸图像对，校正图像对使极线对齐，然后选择 具有准确可靠视差的人脸边缘特征点作为种子像 要从立体人脸图像对中提取人脸的三维信息， 素，以种子像素的视差作为区域生长的视差，采用基 必须要进行摄像机的标定]，即根据一组已知的条 于区域生长的立体匹配算法获取整个人脸的视差图 件利用摄像机模型来获取摄像机的各个内外参数， 进而计算人脸三维点云数据，最后对三维点云进行 比较常用的摄像机模型是针孔透视模型.于是，得到 三角剖分、网格细分和光顺处理重建光滑逼真的三 像平面坐标系与世界坐标系的映射关系： 维人脸模型. 0 u0 t 1三维人脸重建研究现状 1) 0 -00.1 0 获取脸部的三维数据是形成特定人脸模型的基 1 础，根据三维数据的来源不同，国内外现有的三维人 式中：(u,)和(X,Yn,Z)为空间P点在图像坐标 脸重建方法可分为2类：基于三维数据的三维人脸 系和世界坐标系下的坐标，ff,、、是摄像机内 重建方法和基于图像的三维人脸重建方法 部参数，旋转矩阵R与平移向量t描述摄像机与世 第1类是基于三维数据的三维人脸建模方法， 界坐标系之间的关系，称之为摄像机的外部参数. 即从激光扫描仪(laser scanner)[23)得到三维数据进 这里，采用基于平面棋盘格标记物的摄像机标 行模型的拟合.Lee等人2]利用通过激光扫描仪获 定方法.为简化计算，设模板所在平面为世界坐标系 得的三维几何数据和纹理信息，调整已有的标准网 的。=0平面.用r:表示R的第i列向量，那么对于 格头部模型来构建特定人脸模型；Blanz和Vetter3] 模板平面上的点都有： 利用激光扫描仪建立了一个包括三维距离信息和表 面纹理信息的头部数据库.利用激光扫描获取的三 维人脸数据精度高、速度快，但是由于设备是侵入式 的且价格昂贵，所以实用性较差 第2类是基于图像的三维人脸建模方法，即从 普通摄像机获取的一幅或多幅图像出发进行建模， (2) 比较有代表性的有修改标准模型和采用双目立体视 觉的方法.修改标准模型进行三维人脸建模是指将 ☒ 标准人脸模型作为先验知识，通过刚体变换、形变等 M=[X.Y。1], 手段与具体的人脸数据拟合达到形状匹配，并且利 m =[u v 1]", 用图像合成面部纹理信息，从而建立逼真的三维人 H=A[r1r2t]=[h1h2h3]. 脸模型.Ansari等人[41从正面和侧面人脸图像提取 则式(2)可写为 信息进行标准人脸模型的修正，但需要严格侧面人 sm HM. (3) 脸图像，否则算法失败的可能性较大.Lu等人[51提 式中：A是摄像机内部参数矩阵，是模板上的点和它 出利用MBA(model-based bundle adjustment)方法形 的像点之间的一个映射. 成特定人脸模型，但需要人工标注特征点： 若已知模板点的空间坐标和图像坐标，通过解 通过分析可以看出，上述的三维人脸重建方法 最小二乘方程并用Levenberg-Marquarat算法进一步 都存在各自的局限性.而基于双目立体视觉的三维 求精，就可以求得H矩阵，据此求摄像机的内外参 人脸重建方法[6]从人类视觉机理角度出发，无需 数.利用Choleski分解就可以先得到内参，然后利用