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(shù)：

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(yīng)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(yīng)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(lǐng)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(yù)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(shè)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(shù)的難易程度，并制定出合理的手術(shù)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(guān)系，將發(fā)際線轉(zhuǎn)換到三維模型上，過程繁雜。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)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(shù)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(jié)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(fù)雜度低，數(shù)據(jù)易于保存和傳輸，適用性廣，在面部感知應(yīng)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(yīng)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(jié)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(jié)果示例圖；

圖6是深色部分的提取結(jié)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(jié)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(jié)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(guān)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(dǎo)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(guān)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(yù)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(yīng)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(jié)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(shè)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(jié)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(jié)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(chǔ)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(jié)果示例。