ВВЕДЕНИЕ 3
ПОСТАНОВКА ЗАДАЧИ 4
ГЛАВА 1. МЕТОДЫ ПОСТРОЕНИЯ ТРЁХМЕРНЫХ МОДЕЛЕЙ ПО
НАБОРАМ ИЗОБРАЖЕНИЙ 5
1.1 Этапы реконструкции трёхмерных сцен 5
1.2 Отличительные особенности реконструкции трёхмерной
модели лица 11
ГЛАВА 2. СОВРЕМЕННЫЕ ПОДХОДЫ К РЕКОНСТРУКЦИИ
МОДЕЛИ ЛИЦА 15
2.1 Использование искусственных нейронных сетей 15
2.2 Трёхмерная морфируемая модель лица 17
ГЛАВА 3. РЕАЛИЗАЦИЯ АЛГОРИТМА 22
3.1 Язык и среда разработки 22
3.2 Используемые библиотеки 22
3.3 Описание алгоритма 24
3.4 Эксперименты 26
ЗАКЛЮЧЕНИЕ 29
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 30
Задача построения трехмерной модели лица является фундаментальной проблемой компьютерного зрения необычайной сложности. На данный момент эта задача является широко востребованной в таких сферах, как системы распознавания, визуализация трехмерных объектов, виртуальная реальность, компьютерная анимация. Существует большое количество работ, в которых предлагается множество различных подходов к решению данной проблемы, а также множество вариантов её решения. Но, несмотря на многолетние исследования, эта проблема все еще остается открытой.
Самым точным способом получения трёхмерной модели лица является, конечно же, использование специализированных устройств, таких как лазерные 3D сканеры. Но такие устройства имеют весьма внушительный ценник и требуют создания специализированного окружения, которое можно обеспечить только в лабораторных условиях, что значительно сужает область их применения, а также эти устройства не являются абсолютно безопасными для людей. Поэтому необходимо придумывать другие методы, более доступные, дешевые и безопасные.
Самым распространённым программным способом построения трёхмерной модели лица является его реконструкция на основе набора фотографий лица с разных ракурсов. В связи с тем, что данные системы предполагают наличие именно нескольких изображений лица в качестве входных данных, приходится решать ряд дополнительных задач, таких как нахождение зависимостей между положениями лица, разными выражениями и неравномерным освещением на разных фотографиях. В целом, эти методы требуют сложных и, зачастую, неэффективных решений. Поэтому в данной работе особое внимание будет уделено подходам к реконструкции трёхмерной модели лица с использованием только одной фотографии.
В рамках данной научно-исследовательской работы были изучены общие принципы восстановления трёхмерных сцен по фотографиям, были выделены и изучены характерные черты, присущие восстановлению трёхмерных моделей лица. Были рассмотрены популярные на данный момент современные тенденции и методы решения данной задачи, а именно методы реконструкции лиц на основе только одной фотографии с использованием искусственных нейронных сетей и подходы, использующие трёхмерную морфируемую модель.
Был самостоятельно реализован алгоритм, основанный на подгонке трёхмерной морфируемой модели, выполняющий реконструкцию трёхмерной модели лица с использованием одного изображения. Для реализации алгоритма использовались библиотеки OpenCV, Eigen, eos. Алгоритм был реализован на языке C++. В качестве результата алгоритм выдаёт три файла: .obj - трёхмерная модель лица, .isomap - извлеченная текстура лица и .mtl - файл, содержащий соответствия текстуры и трёхмерной модели, правила, по которым текстура должна накладываться на SD-объект. Был проведён ряд экспериментов, оценивающий качество полученного алгоритма, выявлены его недостатки.
Для улучшения качества получаемой трёхмерной модели можно попробовать использовать морфируюемую модель с большим числом полигонов. Также можно добавить алгоритм заполнения пробелов в текстурах.
[1] Кирпичников, А. П. Трёхмерная реконструкция сцены по нескольким изображениям // А. П. Кирпичников, И. И. Шамсутдинов, М. П. Шлеймович
[2] Тупицын, И. В. Реконструкция трехмерной модели объекта на основе стереопары при решении задач 34-моделирования
[3] Moravec, H. Rover visual obstacle avoidance // In International Joint Conference on Artificial Intelligence, Vancouver, Canada, 1981, pp. 785-790.
[4] Leibe, B. Robust Object Detection with Interleaved Object Categoization and Segmentation Springler Science + Business Media // B. Leibe, A. Leonardis, B. Schiele, LLC. - 2007.
[5] Papageorgiou, C. A trainable system for object detection Computer Vision. // C. Papageorgiou, T. Poggio - Vol.38. No.1, 2000. - pp. 15-33
[6] Lowe, D. G. Distinctive Image Features from ScaleInvariant Keypoints // International Journal of Computer Vision, 60, 2, с. 91-110, 2004.
[7] Bay, H. SURF: Speeded Up Robust Features // H. Bay, A. Ess, T.Tuytelaars, L. V. Gool - Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, с. 346-359, 2008
[8] Конушин, А. Геометрические свойства нескольких изображений. // Компьютерная графика и мультимедиа. Выпуск №4(3)/2006.
[9] Tsai, R. Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. - Miami Beach (FL). - 1986. - P. 364-374
[10] Zhengyou Zhang IEEE Transactions on Pattern Analysis and Machine Intelligence // December 2000, Vol 22: pp. 1330-1334
[11] Lourakis, M. The design and implementation of a generic sparse bundle adjustment software package based on the levenberg-marquardt algorithm// M.
I. A. Lourakis , A. A. Argyros - Rep. / Technical Report 340, Institute of 30
Computer ScienceFORTH, Heraklion, Crete, Greece , 2004.
[12] Татаренков Д. А. Анализ методов обнаружения лиц на изображении //
Молодой ученый. — 2015. — №4. — С. 270-276. — URL
https://moluch.ru/archive/84/15524/ (дата обращения: 29.05.2019).
[13] Orman A Study On Face, Eye Detection And Gaze Estimation // Orman, Zeynep & Battal, Abdulkadir & Kemer, Erdem - International Journal of Computer Science & Engineering Survey.
[14] Yang, G. Human face detection in a complex background. Pattern Recognition // G. Yang and Thomas S. Huang, 27(1):53-63, 1994.
[15] Kotropoulos, C. Acoustics, Speech, and Signal Processing // C. Kotropoulos, I. Pitas, 1997. ICASSP-97, 1997 IEEE International Conference on p.25372540 v. 4
[16] Leung, T. K. Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching // T. K. Leung, M. C. Burl, P. Perona
[17] Yow, K. C. Feature-based human face detection// K. C. Yow, R Cipolla, Image and vision computing 15 (9), p. 713-735, 1997
... Всего источников – 38.