一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法與流程

本發(fā)明涉及一種發(fā)際線提取方法。特別是涉及一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法。

背景技術：

發(fā)際線是人體頭部的一個重要特征，發(fā)際線的提取在面部感知應用系統(tǒng)、人體工效學、逆向工程、整形外科學等方面具有很重要的研究意義和應用價值。

在3D影視、換裝游戲等方面，三維的虛擬頭發(fā)是熱門之一，通過提取三維發(fā)跡線，可使三維虛擬頭發(fā)的仿真效果更加逼真；在假發(fā)生產(chǎn)銷售領域，通過發(fā)際線的實時三維提取，可以實現(xiàn)發(fā)套私人定制；在理發(fā)美發(fā)行業(yè)中，通過虛擬發(fā)型試戴，可以讓顧客全方位的查看不同發(fā)型在自己頭部模型試戴效果，提高顧客對發(fā)型的滿意度；整形外科學中，發(fā)際線的提取有助于發(fā)際線調(diào)整方案的確定，在三維點云模型上，一方面，患者可以預先查看調(diào)整前后的發(fā)跡線變化，向醫(yī)生提出自己的意見，另一方面，醫(yī)生通過比較原發(fā)跡線和設計發(fā)跡線的位置、形狀，可以測算出發(fā)跡線的受區(qū)面積，計算出毛囊需求量，從而判斷該手術的難易程度，并制定出合理的手術方案。同時，將彩色頭部點云模型保存在電子數(shù)據(jù)庫中，實現(xiàn)全球的數(shù)據(jù)共享，更容易獲得各種族的大量數(shù)據(jù)，通過提取三維發(fā)際線，對發(fā)際線定性定量分析，可獲得更多更具體的發(fā)際線特性，對面部感知、人體工效學等具有很大的研究意義。

目前已有在二維圖像上提取發(fā)際線點的方法，再利用二維到三維的映射關系，將發(fā)際線轉(zhuǎn)換到三維模型上，過程繁雜。

技術實現(xiàn)要素：

本發(fā)明所要解決的技術問題是，提供一種能夠直接從彩色的點云模型中提取三維發(fā)跡線的基于人體頭部彩色點云模型的三維發(fā)際線提取方法。

本發(fā)明所采用的技術方案是：一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法，包括如下步驟：

1)掃描人體頭部，獲取稠密的頭部彩色點云模型；

2)建立人臉局部坐標系，并將點云模型轉(zhuǎn)換到所建立的人臉局部坐標系中；

3)提取鼻尖點；

4)提取頭部深色部分；

5)對深色部分點云按照豎直方向分層，并按照水平方向排序；

6)提取深色部分點云的邊界線點；

7)去除噪聲，得到發(fā)際線點；

8)擬合得到三維發(fā)際線。

步驟2)包括：以左右耳的至高點或臨近至高點處，以及眉間點為基準，建立人臉局部坐標系，通過平移和旋轉(zhuǎn)將頭部彩色點云模型轉(zhuǎn)換到人臉局部坐標系下，并使當人臉局部坐標系與大地坐標系重合時，頭部彩色點云模型正視前方；人臉局部坐標系以頭部彩色點云模型的左方為X軸正方向，頭部彩色點云模型的上方為Y軸正方向，頭部彩色點云模型的前方為Z軸正方向。

步驟4)是利用RGB信息提取出頭部深色部分，包括頭蓋、眉毛和眼球。

步驟5)包括在人臉局部坐標系中，對提取出的深色部分點云按照Y坐標值等間隔分層，共分成n層，并對每一層的點云按照X坐標值從小到大依次排序。

步驟6)中對每一層點云，分別計算各個相鄰點之間的X坐標差值，當其中兩個相鄰點之間的X坐標差值超過一定閾值時，即認為這兩個點均為深色部分的邊界線點。

步驟7)中以鼻尖點為基準，結合人臉尺寸的統(tǒng)計值，去除邊界線點中的眉毛和眼球部分，得到發(fā)際線點。

步驟8)中，利用包圍盒法對步驟7)得到的發(fā)際線點進行精簡，并利用三次B樣條曲線擬合得到三維發(fā)際線。

本發(fā)明的一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法，最大的特點在于利用彩色的三維頭部點云模型，基于發(fā)色與膚色的差別及人體面貌特征，通過逐層排序分析法提取發(fā)際線點，并擬合成發(fā)際線。本發(fā)明的優(yōu)點在于能夠直接提取三維發(fā)際線，簡便易行，算法復雜度低，數(shù)據(jù)易于保存和傳輸，適用性廣，在面部感知應用系統(tǒng)、人體工效學、逆向工程、整形外科學等方面具有很重要的應用價值。

附圖說明

圖1是本發(fā)明一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法的流程圖；

圖2a是頭部彩色點云模型的左前視圖；

圖2b是頭部彩色點云模型的正前視圖；

圖2c是頭部彩色點云模型的右前視圖；

圖3是人臉局部坐標系建立示意圖；

圖4是不同坐標系的轉(zhuǎn)換示意圖；

圖5a是頭部彩色點云模型在原始坐標系中顯示的結果示例圖；

圖5b是頭部彩色點云模型在人臉局部坐標系中顯示的結果示例圖；

圖6是深色部分的提取結果示意圖；

圖7是按照Y坐標值分層的示意圖；

圖8是對i層點云按照X坐標值排序的示意圖；

圖9a是三維發(fā)際線擬合的結果示例圖；

圖9b是擬合的三維發(fā)際線在頭部點云模型中相對分布的示例圖。

具體實施方式

下面結合實施例和附圖對本發(fā)明的一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法做出詳細說明。

據(jù)相關調(diào)查，通常，發(fā)色、眼色比膚色的顏色深，且在邊界處顏色發(fā)生突變，即RGB信息突變。因此，本發(fā)明的一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法，提取出頭部RGB信息突變的部分，即頭部深色部位的邊界，主要包含了發(fā)際線、眉毛及眼球部位的邊界；再根據(jù)人體面貌特征，將眉毛及眼球部位的邊界去掉，即為發(fā)跡線邊界。

如圖1所示，本發(fā)明的一種基于人體頭部彩色點云模型的三維發(fā)際線提取方法，包括如下步驟：

1)掃描人體頭部，獲取稠密的頭部彩色點云模型。

利用彩色三維掃描儀掃描人體頭部，得到稠密的頭部彩色點云模型。本發(fā)明實施例是采用彩色三維激光掃描儀，包括三維系統(tǒng)和彩色系統(tǒng)。其中，三維系統(tǒng)基于激光三角法，采用一維垂直運動導軌帶動掃描模塊(包括激光器和黑白CCD)上下移動的方式進行掃描，經(jīng)數(shù)據(jù)處理模塊，獲得人體頭部的三維坐標信息；彩色系統(tǒng)由彩色CCD和數(shù)據(jù)處理模塊組成，主要獲得人體頭部的彩色信息，利用標定好的三維坐標與二維彩色信息的映射關系，匹配頭部的三維信息，得到三維彩色點云模型。對點云模型進行數(shù)據(jù)簡化壓縮、去噪、孔洞填充等預處理，得到理想的光滑的頭部彩色點云模型。如圖2a、圖2b、圖2c所示，即為頭部彩色點云模型示例。

2)建立人臉局部坐標系，并將點云模型轉(zhuǎn)換到所建立的人臉局部坐標系中。包括：針對頭部點云模型在坐標系中位置隨機的問題，以左右耳的至高點或臨近至高點處，以及眉間點為基準，建立人臉局部坐標系，通過平移和旋轉(zhuǎn)將頭部彩色點云模型轉(zhuǎn)換到人臉局部坐標系下，并使當人臉局部坐標系與大地坐標系重合時，頭部彩色點云模型正視前方；人臉局部坐標系以頭部彩色點云模型的左方為X軸正方向，頭部彩色點云模型的上方為Y軸正方向，頭部彩色點云模型的前方為Z軸正方向。

不同三維掃描儀定義的三維坐標系不同，而且在同一個掃描儀中當位置、角度發(fā)生變化時，所得模型的三維坐標也會不同，不能夠?qū)崿F(xiàn)特征點的自動提取。因此，建立一個新的人臉局部坐標系，并將點云模型轉(zhuǎn)換到該坐標系下，使得當人臉局部坐標系與大地坐標系重合時，人體頭部的點云模型處于正視前方的方位。在頭部點云模型中，使其正視前方，提取在同一水平面且非共線的三點，以此為基準點即可建立人臉局部坐標系。本發(fā)明利用半自動的方法來建立人臉局部坐標系。

根據(jù)人體面貌特征，當人體頭部正視前方時，左右耳的至高點與眉間點基本處于同一水平面。如圖3，以左右耳的至高點的臨近點P₁、P₂及眉間點P₃為基準建立人臉局部坐標系。具體做法：

(1)連接P₁P₂，記為X軸，且以頭部彩色點云模型的左方為正方向；

(2)由P₃向P₁P₂作垂線，垂點為坐標系原點O，并記直線OP₃為Z軸，以頭部彩色點云模型的前方為正方向；

(3)依據(jù)右手坐標系法則，判定Y軸，以頭部彩色點云模型的上方為正方向。

為了獲取左右耳至高點及眉間點三點的位置，可以選擇在掃描時為被掃瞄者在相應位置貼標記物并識別，也可以在獲取點云模型后，手動選出這三點的位置。

新建立的人臉局部坐標系和原坐標系是不重合的，通過對點云模型平移、旋轉(zhuǎn)，得到人臉局部坐標系下的點云模型。圖4是點云模型在不同坐標系下的轉(zhuǎn)換示意圖。圖5a、圖5b即為頭部彩色點云模型在原始坐標系和人臉局部坐標系中顯示的結果示例圖。

3)提取鼻尖點；

眾所周知，鼻尖在人臉正面的最前方。根據(jù)步驟S2可知，在人臉局部坐標系中，鼻尖點的Z值最大，據(jù)此可以提取出鼻尖點。

4)提取頭部深色部分，具體是利用RGB信息提取出頭部深色部分，包括頭蓋、眉毛和眼球；

一般在人體面部，毛發(fā)、眼球的顏色要比皮膚的顏色深，據(jù)此特性，在彩色點云模型中，根據(jù)發(fā)色與膚色的具體差異，設置一個灰度閾值(即圖1中的閾值a)，并選出所有灰度值小于該閾值的點，即提取出深色部分，主要包括頭蓋、眉毛及眼球等部分，所得結果示例見圖6。

5)對深色部分點云按照豎直方向分層，并按照水平方向排序；包括在人臉局部坐標系中，對提取出的深色部分點云按照Y坐標值等間隔分層，共分成n層，圖7即為按照Y值分層的示意圖。并對每一層的點云按照X坐標值從小到大依次排序，圖8是對第i層的m個點進行排序的示意圖。本實例采用的層間隔為2mm。

6)提取深色部分點云的邊界線點，從圖8中可以看出，大多數(shù)相鄰點之間的X值差值都很小，只有點j與(j+1)之間的差值比較大，而且點j與(j+1)正是邊界處的點。據(jù)此，對每一層點云，分別計算各個相鄰點之間的X坐標差值，當其中兩個相鄰點之間的X坐標差值超過一定閾值時(即圖1中的閾值b)，即認為這兩個點均為深色部分的邊界線點。本實例采用的差值閾值為8mm。

7)去除噪聲，得到發(fā)際線點。以鼻尖點為基準，結合人臉尺寸的統(tǒng)計值(如鼻長、眼長、眼間距等)，去除邊界線點中的眉毛和眼球部分，得到發(fā)際線點。

8)擬合得三維發(fā)際線。提取到的發(fā)際線點往往會由于模型或算法的缺陷，而會出現(xiàn)數(shù)據(jù)冗余的情況，這樣，計算效率不高，擬合出的曲線也不光滑，甚至誤差較大。因此，在保留發(fā)際線點原有特征的基礎上，需先對發(fā)際線點精簡，再進行擬合。本發(fā)明是利用包圍盒法對步驟7)得到的發(fā)際線點進行精簡，并利用三次B樣條曲線擬合得到三維發(fā)際線。

借鑒傳統(tǒng)的包圍盒法，用一定大小的空間包圍盒約束點云，對分布在每個包圍盒中的所有點數(shù)據(jù)求坐標平均值，并代替整個包圍盒中的點數(shù)據(jù)。該算法簡單，速度快，且保持了原有發(fā)際線的特征。本實例采用的包圍盒大小為8*8*8mm³。

對精簡后的發(fā)跡線點利用三次B樣條曲線擬合，得到發(fā)跡線，具有遞推性、局部性質(zhì)、可微性、凸包性質(zhì)等特性。圖9a、圖9b即為三維發(fā)際線擬合的結果示例。