基于图像的人脸重建有着广泛的应用前景,一直是一个重要且具有挑战的问题。尽管现有的基于多图像的人脸重建方法已经取得了可喜的成果,但由于操作设备价格昂贵和图像捕获困难,使得在实际应用中具有很大的局限性。单图像的获取更容易且不需要昂贵的器材,因此探索基于单个输入图像的人脸重建方法尤为重要,但是单图像中如果存在遮挡情况,则无法捕获到被遮挡区域的语义信息。目前解决这一问题的办法有两大类,一类是基于深度学习的方法,通过构建神经网络框架和大量的数据学习,得到近似于重建目标的人脸模型,缺点是对数据集有严重依赖型,并且目前三维人脸模型真值数据缺乏,这极大限制了此类方法的效果;第二类是基于传统的模型拟合方法,这类方法依赖于人脸关键点检测的准确性,但是自遮挡情况下的轮廓关键点检测通常不准确,目前有效的方法是采用人工标记轮廓关键点,此方法需要耗费大量人力和时间,且不能处理完全侧脸的大姿态问题,因此寻找一个能够基于单图像重建任意姿态下的三维人脸模型的方法极为重要。本文提出了 一种自适应重建三维人脸模型的方法,可以从单张图像自动重建任意姿态下的人脸模型,本文提出的创新方法和贡献点总结如下:1.由粗到精的姿态估计:为了准确地估计姿态参数用于人脸重建,本文提出了一种利用2D和3D关键点的由粗到精的姿态估计优化方案。首先利用2D关键点估计人脸朝向作为粗姿态,然后将其设为初始值,最后结合3D关键点估计一个更准确的姿态参数。2.2D和3D联合优化:本文在一个统一的2D和3D联合优化框架中解决三维人脸重建问题。在拟合函数中,根据获取的姿态估计来自适应地调整2D和3D关键点的权重。其中,2D关键点对于可见区域足够准确,而3D关键点具有的空间位置信息对不可见区域的检测更准确。为此,本文提供的自适应权重调整方案可以分别处理任意下的人脸重建问题。在多个数据集上进行的实验表明,本文的方法可以基于单图像完成高质量的人脸重建,这对于自遮挡和较大的姿势也具有鲁棒性。