VR人臉識別技術

鄧釋天

摘要：通過對人臉識別以及3D重建技術的研究，實現虛擬角色的人臉識別和表情識別等AI特質，并根據識別的特征信息連接3D毛發和身體形體、配飾等，即完成真正的人臉識別與3D重建，同時具有實時交互功能。

關鍵詞：VR；人臉識別；3D重建

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1007-9416（2018）07-0122-02

1 引言

雖然近年來，人臉識別取得了長足的進步，但是仍受到一些因素的制約，通過對人臉識別以及3D重建技術的研究可知，人臉識別算法是模式識別和計算機視覺領域一個重要的研究內容[1-2]。2014年Kzaemi[3]等人提出了一個用于學習整體回歸樹的通用框架，這個框架優化了平方誤差損失的和，并且自然的處理丟失或部分標記的數據。可以直接從像素強度的稀疏子集估計得人臉的標記點位置。采用標準數據即可訓練參數，并且計算速度非常快。2010年Beeler[4]提出了一種用于捕獲毛孔尺度幾何圖形的標準立體重建方法（modinement），它使用一種定性的方法來產生視覺逼真的結果。同時提出了一種適合于面部捕捉系統的校準方法。

本文使用手機前置鏡頭拍攝正臉和側臉照片，根據陀螺儀角度和面部形體解剖特點測算3維立體空間的頂點信息，并把頂點信息通過智能判定轉為多邊形模型信息，最后根據多邊形模型特征推算出人臉結構特征，并賦予人工智能信息，實現虛擬角色的人臉識別和表情識別等AI特質。

2 算法的預處理和初始化

通過對人臉識別以及3D重建技術的研究，提出了動態提取特征的方法[5-6]用于提取不同角度下的人臉特征。算法流程圖如圖1所示。

3 人臉3D重建

記為一個向量為3D人臉的位置信息：

4 動態特征提取

本文將人臉區域在垂直方向切為個塊，對于每個塊，分別有一個相應地特征權值（）。對于偏航角（yaw angle）的人臉，我們這樣設置權值：

動態特征提取參數的選取，當偏航角yaw angle 分別為-30°和30°下的動態特征選取示例如圖2所示，對于俯仰角（pitch angle）與上類似。

5 結語

本文提出了一種高效自動的基于不同角度的人臉識別系統，通過對人臉識別以及3D重建技術的研究，實現虛擬角色的人臉識別和表情識別等AI特質。最后根據識別的特征信息連接3D毛發和身體形體、配飾等，即完成真正的人臉識別與3D重建，與此同時，具有實時交互功能。

參考文獻

[1]T. Berg and P. N. Belhumeur， "Tom-vs-Pete Classifiers and Identity-Preserving Alignment for Face Verification，" In Proceedings of the British Machine Vision Conference （BMVC）， 2012.

[2]A. Asthana， T. K. Marks， M. J. Jones， K. H. Tieu， and M. Rohith， "Fully automatic pose-invariant face recognition via 3D pose normalization，" In Proceedings of International Conference on Computer Vision （ICCV）， pp. 937-944， 2011.