Содержание к диссертации
Введение
Глава 1 Современное состояние проблемы реконструирования 3D моделей человеческих лиц 11
1.1 Анализ областей применения реконструированных 3D моделей человеческих лиц 12
1.1.1 Системы безопасности 13
1.1.2 Киноиндустрия и индустрия развлечений 20
1.1.3 Медицина 22
1.1.4 Антропометрические исследования 23
1.1.5 Создание 3D портретов 24
1.2 Критерии для системы РМЛ и технологии реконструирования, на которой она построена 26
1.3 Классификация и анализ технологий реконструирования 3D моделей объектов 31
1.3.1 Принцип триангуляции 34
1.3.1.1 Стереоскопия 35
1.3.1.2 Определение глубины по силуэтам 36
1.3.1.3 Определение глубины по фокусу 37
1.3.1.4 Активная триангуляция 40
1.3.2 Принцип времени пролета 43
1.3.3 Принцип интерферометрии 45
1.3.4 Принцип анализа освещенности 46
1.4 Выбор технологии сканирования 47
1.5 Классификация и анализ известных стратегий подсветки 49
1.6 Выбор шаблона подсветки 55
1.7 Формулировка цели и постановка задач диссертационной работы 57
Выводы главы 1 59
Глава 2 Разработка технологии реконструирования 3D моделей человеческих лиц 62
2.1 Математическая модель процесса реконструирования 3D
поверхности с использованием структурированной подсветки 62
2.1.1 Математическая модель используемых в процессе реконструирования систем координат 64
2.1.2 Построение геометрической модели камеры (и проектора) 65
2.1.3 Математическая модель фотографии 70
2.1.4 Математическая модель шаблона подсветки 72
2.1.5 Математическая модель сканируемой поверхности лица 73
2.1.6 Математическая модель оптической триангуляции 76
2.2 Метод создания шаблона подсветки 79
2.3 Алгоритм реконструирования 3D модели лица 83
2.3.1 Математическое описание задач, решаемых на каждом этапе алгоритма реконструирования 84
2.3.2 Математическое описание алгоритма реконструирования текстурированных 3D моделей человеческих лиц 89
Перечень параметров алгоритма реконструирования 100
Выводы главы 2 101
Глава 3 Создание автоматизированной системы реконструирования 3D моделей человеческих лиц 104
3.1 Анализ требований к автоматизированной системе 105
3.2 Выбор кросс-платформенных технологий для реализации автоматизированной системы 107
3.3 Реализация автоматизированной системы 110
3.3.1 Сканирующая аппаратура 111
3.3.1.1 Создание макета сканирующей аппаратуры 113
3.3.2 Метод сканирования 114
3.3.3 Метод калибровки 114
3.4 Программное обеспечение автоматизированной системы 116
3.5 База данных 129
Взаимодействие подсистем программного обеспечения 134
Выводы главы 3 135
Глава 4 Экспериментальное исследование автоматизированной системы 138
4.1 Подбор параметров алгоритма реконструирования 138
4.2 Исследование работы автоматизированной системы при выбранных значениях параметров алгоритма реконструирования 140
4.3 Экспериметнальное исследование алгоритмов удаления разрывов и идентификации шаблона Де Брюйна 147
4.4 Экспериментальное исследование характеристик автоматизированной системы 153
4.4.1 Экспериментальное определение ошибки калибровки 157
4.4.2 Экспериментальное определение ошибки реконструирования 159 Выводы главы 4 167
Заключение 170
Библиографические источники 177
- Критерии для системы РМЛ и технологии реконструирования, на которой она построена
- Формулировка цели и постановка задач диссертационной работы
- Построение геометрической модели камеры (и проектора)
- Выбор кросс-платформенных технологий для реализации автоматизированной системы
Введение к работе
В диссертационной работе под задачей реконструирования 3D модели какого-либо объекта понимается задача построения математической модели поверхности данного объекта. Под текстурированной 3D моделью понимается поверхность, с каждой точкой которой ассоциирован некоторый цвет. Часто, ассоциация производится косвенно: с каждой точкой поверхности ассоциируются координаты некоторой точки цифрового изображения, называемого текстурой. Если текстура представляет собой фотографию объекта, то при рисовании различных проекций текстурированной 3D модели можно получить фотореалистичные изображения реконструированного объекта.
Актуальность работы. В настоящее время реконструирование 3D моделей человеческих лиц применяется в таких областях, как — охранные системы, медицина, антропометрические исследования, киноиндустрия и индустрия развлечений. В связи с участившимися угрозами безопасности по всему миру все более актуальной становится задача автоматической биометрической идентификации личности. Среди всех методов биометрической идентификации часто наиболее удобным оказывается метод идентификации по лицу так как он не обязывает человека контактировать с измерительным прибором. Существует множество методов идентификации по фотографии (2D), однако наиболее надежными (согласно отчету Face Recognition Vendor Test 2006 [63]) представляются методы, использующие 3D модели, включающие в себя информацию о текстуре (2D). Диссертационная работа направлена на решение задачи автоматического построения текстурированных 3D моделей человеческих лиц. В медицине 3D модели лиц могут быть использованы: при дистанционной и/или автоматизированной постановке диагнозов (согласно работам П. Хаммонда [35], [21]), для планирования пластических операций, при создании лицевых протезов. В антропометрических исследованиях разработанный метод реконструирования 3D моделей лиц позволяет существенно уменьшить время- сбора информации о поверхности лица, по сравнению с традиционными методами измерения «вручную». В киноиндустрии и индустрии развлечений на базе 3D моделей лиц создаются виртуальные актеры, а так же постоянно растущий набор спецэффектов. Разработанная в диссертационной работе автоматизированная система позволит 3D художнику создавать фотореалистичные модели человеческих лиц. Ввиду обостряющейся конкуренции- операционных систем все более актуальной становится проблема переноса программного обеспечения с одной платформы на другую. Изначальная- ориентация системы на платформо-независимые технологии позволяет снизить, издержки переноса. Отпадает необходимость повторной сертификации программного обеспечения (на предмет защиты от несанкционированного доступа и наличия недокументированных возможностей), что особенно актуально в сфере охранных систем. В области реконструизования 3D моделей человеческих лиц можно отметить работы следующих авторов: J.Salvi, D.Caspi, E.Horn, L.Van Gool., BiCurless, L.Zhang, Z.Zhang (см. [69], [70], [36], [80], [82], [83], [88]), а так же отечественного автора - В.А.Князя [46]. Несмотря на бурное развитие данной области возможность построения текстурированных 3D моделей лиц с использованием одной фотокамеры с активной цветной подсветкой лица недостаточно изучена - остаются открытыми вопросы о надежной идентификации подсвечиваемого шаблона и удаления нежелательных разрывов в реконструируемой поверхности лица. Цель работы и задачи исследования. Цель диссертационной работы заключается в разработке аппаратного, алгоритмического и платформо-независимого программного обеспечения автоматизированной системы реконструирования и анализа текстурированных 3Dj моделей человеческих лиц. Для достижения указанной цели были поставлены и решены следующие задачи:
1. разработка метода сканирования и математические модели реконструирования-поверхности лица;
2. разработка методики калибровки сканирующей аппаратуры;
3. разработка макета сканирующей аппаратуры, . пригодного для /реконструирования 3D моделей реальных лиц;
4. разработка алгоритмического обеспечения и методики интерактивной визуализации 3D моделей лиц и локализации биометрических точек;
5. разработка базы данных для хранения реконструированных 3D1 моделей человеческих лиц с локализованными" биометрических точками, а также первичной информации от 3D1 сканеров;
6. разработка алгоритма идентификации шаблона Де Брюйна на фотографии;
7. разработка алгоритма удаления разрывов в реконструируемой поверхности лица;
8. создание автоматизированной системы реконструирования-и анализа 3D моделей человеческих лиц на базе платформо-независимых технологий;
9. проведение экспериментальных исследований для определения значений параметров алгоритма реконструирования и оценки технических характеристик созданной автоматизированной системы.
Методы исследования. В работе использованы эмпирические и теоретические методы исследования. Экспериментальные данные обрабатывались известными статистическими методами. В ходе теоретического исследования применялись методы линейной алгебры, цифровой обработки изображений, математического программирования, теории алгоритмов и математического моделирования. В ходе создания автоматизированной системы использовались методы объектно-ориентированного анализа и проектирования, а также методы проектирования реляционных баз данных.
Научная новизна\работы
1. Создана математическая модельреконструирования 3D поверхности лица с использованием структурированной цветной подсветки.
2. Разработан новый алгоритм идентификации шаблона подсветки на фотографии лица, подсвеченного шаблоном Де Брюйна. 3. Разработан новый алгоритм удаления разрывов в реконструируемой поверхности лица.
4. Разработана структура реляционной базы данных, позволяющая хранить первичные данные от 3D сканеров, а также текстурированные 3D модели лиц и локализованные биометрические точки.
Основные положения, выносимые на защиту:
1. Перечень критериев, которым должна удовлетворять система реконструирования 3D моделей человеческих лиц для внедрения в следующие отрасли народного хозяйства: системы безопасности, киноиндустрия и индустрия развлечений, медицина, антропометрические исследования, создание 3D портретов.
2. Абстрактная модель сканирующей аппаратуры.
3. Результаты анализа современных алгоритмов идентификации шаблона Де Брюйна на фотографии подсвеченного лица.
4. Новый алгоритм идентификации шаблона подсветки на фотографии подсвеченного лица, свободный от выявленных недостатков в современных алгоритмах идентификации шаблона Де Брюйна.
5. Алгоритм удаления разрывов в реконструироемой поверхности лица.
6. Структура реляционной базы данных, позволяющая хранить первичные данные от 3D сканеров, а так же текстурированные 3D модели лиц и локализованные биометрические точки.
7. Универсальная автоматизированная система реконструирования и анализа текстурированных 3D моделей человеческих лиц для различных отраслей народного хозяйства.
8. Результаты экспериментальных исследований реконструирования 3D моделей человеческих лиц.
9. Значения параметров алгоритма реконструирования 3D моделей, полученных для созданного макета сканирующего оборудования.
10. Результаты экспериментальных исследований характеристик автоматизированной системы.
Практическая значимость и реализация научных результатов:
1. Разработана модель сканирующей аппаратуры, включающая: проектор-вспышку, источник равномерного белого освещения, модуль синхронизации и вычислительное устройство. Данная модель позволяет создавать аппаратное обеспечение 3D сканеров, специализирующихся на сканировании человеческих лиц. 2 . Разработанные методы, математические модели, алгоритмы и методики могут быть использованы при разработке новых 3D сканеров и создании систем анализа и распознавания 3D моделей лиц.
3. Разработанная структура БД может входить в состав системы, интегрирующей в себя множество различных 3D,- сканеров, например системы безопасности крупного промышленного объекта.
4. Разработано платформо-независимое программное обеспечение, позволяющее сканировать, реконструировать, хранить, анализировать и визуализировать 3D модели лиц. Программное обеспечение может быть использовано при создании новых систем реконструирования и анализа 3D моделей человеческих лиц.
5. Разработанная, автоматизированная система может входить в состав систем биометрической идентификации личности (в системах безопасности), медицинских систем, систем создания- 3D- графики и 3D портретов. Кроме того, данная система может использоваться для проведения-антропометрических исследований лиц.
6. Реконструированные с помощью автоматизированной системы, 3D" модели (150 моделей пятидесяти различных индивидуумов) могут быть использованы в антропометрических исследованиях и при тестировании алгоритмов распознавания-ЗО моделей лиц.
Результаты диссертационной работы использованы в МИРЭА- для-проведения лабораторных практикумов и в ФГУП «СНПО • «Элерон» при проведении НИР «Точка» и НИР «Идентификация», завершившихся в 2008г. созданием комплекса программ, используемых в. макете 3D сканера человеческих лиц. Результаты работы рассчитаны на широкий круг специалистов.
Апробация работы: Основные положения диссертации докладывались, обсуждались и получили положительные оценки на Всероссийской конференции ММРО-13, международных конференциях PPJA-8 и PRIA-9, а также на российско-германском семинаре OGRW 2007. Доклад на конференции ММРО-13 удостоен премии за лучший доклад среди молодых ученых (диплом III степени). Доклад на конференции PRIA-8 удостоен сертификатом (Honorary award) за лучшее выступление.
Публикации. По материалам диссертации опубликовано 4 работы, в том числе 1 в журнале из перечня ВАК. Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка библиографических источников из 108 наименований, двух приложений. Общий объем работы составляет 186 страниц, включая 54 рисунка и 20 таблиц.
Критерии для системы РМЛ и технологии реконструирования, на которой она построена
Пластическая хирургия лица, несомненно, выигрывает от использования возможности реконструирования 3D модели человеческих лиці [61] . Прежде всего - это возможность наглядно продемонстрировать (или выбрать) ожидаемый результат [44], [100], следовательно, системе необходима функциональность интерактивной фотореалистичной визуализации реконструированных 3D моделей. Кроме того, появляется возможность детально отслеживать динамику послеоперационных изменений (в данном случае, пригодится наличие текстуры у реконструированной 3D модели). При наличии 3D модели можно исследовать асимметрию лица, различные аномалии формы и травмы. Важно, чтобы 3D модели могли экспортироваться системой в общепринятые форматы хранения 3D объектов. Представляется, что возможность реконструирования анимированных 3D моделей могла бы расширить спектр применения системы в области постановки медицинских диагнозов, однако высокоточные статические 3D модели могут применяться при постановке диагнозов на базе долгосрочной динамики изменений лица или на базе его статических параметров. Кроме того, они могут быть использованы при создании персональных дыхательных и иных масок. Время вычисления 3D модели не критично - вполне допускается несколько секунд или даже минут. Примером коммерческой системы реконструирования 3D моделей лиц для медицинских целей является система ERGOscan компании Creaform [96]. Перечень требований к системе РМЛ для внедрения в медицину На основе анализа применения систем РМЛ в медицине, можно составить следующий перечень требований к системе для ее успешного внедрения: - высокая (субмиллиметровая) точность реконструирования 3D модели; - текстура лица высокого разрешения с низким уровнем шума; - время реконструирования и необходимость участия оператора не критичны; - область сканирования — как минимум фронтальная часть поверхности лица; - поддержка системой стандартов хранения 3D моделей; - возможность реалистичной интерактивной визуализации реконструированных 3D моделей; - безопасность процедуры сканирования для здоровья человека. В данном разделе рассматриваются особенности применения систем РМЛ в антропометрических исследованиях. Для антропометрических измерений важны точная локализация характерных точек лица, а также потенциальная возможность измерения площадей участков поверхности и некоторых объемов [16], [47], [59], [58], [66]. Возможности редактирования и фотореалистичность текстуры 3D модели не столь важны, как точность измерений, однако наличие текстуры может способствовать более точной локализации антропометрических точек. Время вычисления 3D модели и необходимость участия оператора - не критично. Ключевой является возможность сохранять реконструированные модели с локализованными антропометрическими точками в базу данных для сбора статистики. Перечень требований к системе РМЛ для внедрения в антропометрические исследования На основе анализа применения систем РМЛ в антропологии, можно составить следующий перечень требований к системе для ее успешного внедрения в антропологические исследования: - высокая (субмиллиметровая) точность реконструирования 3D модели; - наличие текстуры у 3D модели; - время реконструирования и необходимость участия оператора не критичны; - поддержка системой стандартов хранения 3D моделей; - возможность реалистичной интерактивной визуализации реконструированной 3D модели; - наличие инструментария для локализации антропометрических точек лица; - возможность хранить 3D модели лиц с локализованными антропометрическими точками в базе данных; - безопасность процедуры сканирования для здоровья человека.
Формулировка цели и постановка задач диссертационной работы
Результаты проделанного в данной главе анализа, позволяют сформулировать цель диссертационной работы и поставить задачи, решение которых необходимо для достижения данной цели.
Цель диссертационной работы Назработать аппаратное, алгоритмическое и платформо-независимое программное обеспечение автоматизированной системы реконструирования и анализа текстурированных 3D моделей человеческих лиц. Мотивация задач диссертационной работы Мотивация и логика постановки задач, решение которых необходимо для достижения цели диссертационной работы, приведена в перечне ниже. 1. Базовые принципы технологии реконструирования 3D моделей человеческих лиц были уже сформулированы в данной главе, следовательно возникает задача их конкретизации и разработки конкретного метода сканирования и математических моделей реконструирования поверхности лица. 2. Технология реконструирования 3D моделей, выбранная в диссертационной работе (использование структурированной подсветки) подразумевает процедуру калибровки сканирующего оборудования (см. Елаву 2), следовательно возникает задача разработки методики калибровки сканирующей аппаратуры. 3. Для проверки, работы, разработанных методов: сканирования и реконструирования, необходимо построить макет сканирующего1 оборудования, позволяющий реконструировать 3DVмодели человеческих лиц.. 4. На основании экспериментальных: данных, полученных с макета: необходимо выбрать значения- параметров методики реконструирования 3D моделей. 5. Выбранная технология реконструирования (на базе: структурированной подсветки, шаблоном . Де Брюйна) требует наличия, алгоритма идентификации шаблона на-, фотографии подсвеченного лица; Как. было показано в. данной главе, существующие: алгоритмы не учитывают специфику лица, а также не согласуют результаты, идентификации,, полученные в, разных строках цифрового] изображения: для компенсации артефактов 3D реконструирования. Таким образом для: применения к реконструированию человеческих лиц, данные; алгоритмы требуют адаптации. Следовательно одной из задач диссертационной работы является разработка алгоритма, идентификации! шаблона Де Брюйна, эффективного при работе.с изображениями подсвеченных лиц. 6. В, результате процесса оптической триангуляции получается-множество 3D; точек, в то время как требуется реконструирование поверхности сканируемого объекта. Априорные знания о характере сканируемой поверхности; позволяют более, качественно решать данную задачу. В виду того, что для реконструирования поверхности выбран шаблон, состоящий из параллельных линищ исходное множество,. 3D точек для задачи аппроксимацииt имеет неслучайную структуру. Логично, предположить, что учет, структуры множества 3D-точек, реконструированных-с помощью шаблона Де Брюйна, а также использование априорных знаний о 58 характере реконструируемой поверхности - поверхности лица человека, -позволит разработать эффективный алгоритм построения 3D поверхности. Решение данной проблемы составляет одну из задач настоящей диссертационной работы. В виду требований КРТ и-КРС, возникают следующие дополнительные задачи: 7. разработать методику интерактивной визуализации 3D моделей лиц и локализации биометрических точек (для удовлетворения КРС № 3,10); 8. разработать базу данных для хранения реконструированных 3D моделей человеческих лиц с локализованными биометрических точками, а также первичной информации от 3D сканеров (для удовлетворения КРС № ЗД0Д2); 9. создать автоматизированную систему реконструирования и анализа 3D моделей человеческих лиц на базе1 платформо-независимых технологий (для удовлетворения KPG № 13); 10. оценить технические характеристики созданной системы (для того, чтобы удостовериться, что все оставшиеся КРС и КРТ удовлетворены). Задачи диссертационной работы Сведение всех описанных задач в единый перечень позволяет поставить задачи диссертационной работы: 1. разработка метода сканирования и математические модели реконструирования поверхности лица; 2. разработка методики калибровки сканирующей аппаратуры; 3. разработка макета сканирующей аппаратуры, пригодного для реконструирования 3D моделей реальных лиц; 4. разработка алгоритмического обеспечения и методики интерактивной визуализации 3D моделей лиц и локализации биометрических точек; 5. разработка базы данных для,-хранения реконструированных 3D моделей человеческих лиц с локализованными биометрических точками, а также первичной информации от 3D сканеров; разработка алгоритма идентификации шаблона Де Брюйна на фотографии; разработка алгоритма, удаления- разрывов в реконструируемой поверхности лица; создание автоматизированной системы- реконструирования и анализа 3D моделей человеческих лиц на базе, платформо-независимых технологий; проведение экспериментальных исследований для определения значений параметров алгоритма? реконструирования» и оценки технических характеристик созданной автоматизированной системы.
Построение геометрической модели камеры (и проектора)
В- данном разделе, на основе. анализа современных подходов к обеспечению переносимости программного обеспечения и принципов;; программирования,; осуществляется выбор крос-платформенных технологий для реализации автоматизированной системы.
В первую очередь необходимо выбрать базовую кросс-платформенную технологию, на которой будет основано программное обеспечение автоматизированной системы. В данном контексте, под кросс-платформенностью понимается (максимально возможная) независимость от операционной системы.
В некоторых случаях подобную независимость обеспечивают за счет технологий виртуализации, эмулирующие работу виртуальной машины, на которой; запущена «родная» для программного обеспечения; операционная система. Примером реализации технологии виртуализации,служит продукция компании VMWare [107]. Использование технологий виртуализации осложнено быстрой эволюцией операционных систем. Нет гарантии, что в новой версии операционной системы «X» будет полноценно функционировать эмулятор операционной системы «Y», успешно работавший на старой версии «X». Кроме того, вероятнее всего то, что для операционной системе «X» не написан эмулятор операционной системы «Y». Таким образом, создание программного обеспечение, разрабатываемой в диссертационной работе автоматизированной системы, под конкретную операционную систему в надежде на поддержку виртуализации в других операционных системах не оправдано.
Один из самых распространенных способов обеспечения кросс-платформенности заключается в изоляции, платформо-зависимых модулей от основной части программы. При переходе на другую платформу достаточно лишь, заменить платформо-зависимые модули, которых, не должно быть много. Развитием данного подхода является использование специализированных платформо-независимых библиотек. Примером такой библиотеки служит библиотека, разработки (на языке C++) графических пользовательский интерфейсов - Qt компании Trolltech [92], поддерживающая платформы: Windows, Mac OS, Linux/Xll, Windows СЕ и Embedded Linux.
Следует подчеркнуть, что при использовании платфомо-независимой библиотеки, возможности работы программного обеспечения в заданной операционной системе польностью зависят от возможностей библиотеки. В случае если разработчики библиотеки по какой-либо причине прекратят ее поддержку для требуемой операционной системы, то возникнет необходимость переписывать программное обеспечение заново. Если программное обеспечение использует не одну, а несколько различных кросс-платформенных библиотек, то вероятность того, что придется переписывать (и пересертифицировать) код увеличивается. Для минимизации подобных рисков, необходимо использовать как можно меньше подобных библиотек одновременно, а в идеале - воспользоваться единой кросс-платформенной технологией, имеющей широкую поддержку со стороны разработчиков как самой технологии, так и операционных систем. В настоящий момент подобной широко распространенной кросс-платформенной технологией является технология Java компании Sun Microsystems.
Технология Java базируется на языке программирования Java, разработанного компанией Sun Microsystems. Язык Java представляет собой объектно-ориентированный язык, поддерживающий такие современные технологии, как: автоматическую сборку мусора; автоматическую проверку выхода за пределы выделенной памяти; исключения; динамическую-загрузку классов и динамическое связывание; автоинспекцию кода (reflection); многопоточность; сетевые протоколы.
Платформо-независимость обеспечивается тем, что программа на языке Java компилируется в байт-код, который выполняется на виртуальной Java-машине (Java Virtual Machine). Java-машина представляет собой специальное программное обеспечение, написанное под конкретную операционную систему и обеспечивающее абстрагирование Java-программ от операционной системы. Существенная часть исходных кодов Java-машин компании Sun Microsystems была опубликована [106] как open-source под лицензией GNU General Public License (GPL). Данное обстоятельство стимулирует распространение технологии Java на многие операционные системы. Современные Java-машины эффективно выполняют байт-код за счет использования технологии JIT (Just In Time compilation), позволяющей компиляровать байт-код в код для процессора на котором работает Java-машина.
На базе технологии Java разработаны библиотеки, основанные на международных стандартах, по визуализации 3D моделей и взаимодействия с базами данных.
Выбор кросс-платформенных технологий для реализации автоматизированной системы
В ходе разработки аппаратного, алгоритмического и платформо-независимого программного обеспечения автоматизированной системы реконструирования и анализа текстурированных 3D моделей человеческих лиц, были получены следующие результаты. 1. Выявлены отрасли народного хозяйства, в которых востребованы системы РМЛ: системы безопасности; киноиндустрия и индустрия развлечений; медицина; антропометрические исследования; создание трехмерных портретов. 2. Для каждой отрасли выделен перечень специфических критериев, которым должна удовлетворять система РМЛ, чтобы соответствовать потребностям отрасли. Составлен объединенный перечень четырнадцати критериев (КРС), которым должна удовлетворять система РМЛ для ее успешного внедрения в рассмотренные отрасли. Выделены основные шесть критериев (КРТ), относящиеся к технологии реконструирования 3D моделей, на которой должна базироваться система РМЛ. 3. Выбрана наилучшая (с точки зрения КРТ) базовая технология для систем РМЛ - подсветка структурированным светом. Данная технология предполагает: а) подсвечивание объекта, 3D модель которого необходимо реконструировать, специальными шаблонами подсветки; б) идентификацию характерных особенностей шаблонов подсветки на цифровых изображениях подсвеченного объекта; в) применение известного метода оптической триангуляции для реконструирования 3D точек поверхности объекта, основываясь на результатах проведенной идентификации. 4. Выбрана наилучшая (с точки зрения КРТ) стратегия подсветки сканируемого объекта - подсветка шаблоном Де Брюйна, предполагающая использование всего лишь одного шаблона, состоящего из последовательности цветных полос. 5. Выявлены недостатки известных алгоритмов идентификации шаблона Де Брюйна, с точки зрения их применения в системах РМЛ: - не учитывается специфика сканируемого объекта — человеческого лица (алгоритмы расчитаны на объекты с однородной текстурой, которая мало искажает спроецированные на нее цвета, в то время как на лице могут быть неоднородности и цветовая информация менее надежна); - алгоритмы базируются на анализе цветов в каждой строке изображения независимо и неверная идентификация (в следствие цветовых искажений) никак не детектируется, в то время как информация для обнаружения ошибок на- изображении присутствует в соседних строках; и поставлена задача разработки нового алгоритма идентификации шаблона, свободного от выявленных недостатков. 6. Разработана математическая модель процесса реконструирования 3D поверхности с использованием структурированной подсветки, включающая в себя: - математическую модель систем координат, позволившую упростить описание сложного алгоритма реконструирования за счет введения единых обозначений и выбора конкретных единиц и способов измерения величин; - математические модели камеры и проектора, использованные, в алгоритме реконструирования и которая будет использована в методе калибровки сканирующей аппаратуры (глава 3); математическую модель фотографии, используемую в алгоритмах обработки изображений, входящих в состав алгоритма реконструирования; - математическую модель шаблона, используемую в методике построения структурированной подсветки; - математическую модель сканируемой поверхности лица человека, описывающую его геометрические свойства и моделирующая его способность отражать свет и цвет; - математическую модель оптической триангуляции, использованную в алгоритме построения 3D поверхности. Данная модель позволила создать новый алгоритм реконструирования 3D моделей, специализированный на реконструировании поверхностей человеческогих лиц. 7. Разработан новый алгоритм реконструирования 3D модели лица (алгоритм РМЛ), включающих в себя шесть этапов: 1) Выделение линий шаблона;- 2) Определение цветовых перепадов; 3) Идентификация шаблона; 4) Заполнение разрывов в линиях шаблона; 5) Сглаживание линий шаблона; 6) Построение текстурированной 3D модели лица. 8. Разработанный алгоритм идентификации шаблона Де Брюйна на фотографии подсвеченного лица (этап 3 алгоритма РМЛ) учитывает специфику сканируемого объекта — человеческого лица (непрерывность поверхности и неоднородность текстуры). Данный алгоритм, для детектирования ошибок идентификации, использует результаты идентификации соседних строк. Таким образом, разработанный алгоритм свободен от выявленных в первой главе недостатков: 1) отсутствие учета специфики сканируемого объекта - человеческого лица и 2) отсутствие детекции ошибок идентификации, не смотря- на наличие данной информации в соседних строках изображения. 9. Разработанный алгоритм заполнения? разрывов в линиях шаблона на фотографии (этап 4 алгоритма РМЛ) учитывает: 1) непрерывность линий шаблона; 2) схожесть формы соседних линий шаблона.. 10:Создана новая: модель сканирующей аппаратуры, включающая: проектор-вспышку, источник равномерного белого- освещения, модуль синхронизации и вычислительное устройство. Отличие данной модели от традиционной; модели оборудования для структурированной? подсветки заключается в том, что; вместо одного источника подсветки используются два: проектор-вспышка и источник .равномерного белого освещения. За счет этого открывается возможность использовать высокоточное аналоговое устройство; для, проецирования; шаблона Де Брюйна,. что обеспечит более высокую? точность, реконструирования- 3D моделей человеческих, лиц:
