基于RGBD视频的三维人脸重建

基于我的毕设以及最近的一些调研，准备写一篇比较好的CSDN BLOG

三维人脸重建的意义：

人体最重要的生物特征之一就是人脸，而人脸研究特点主要集中在人脸识别方面，2D人脸识别虽然取得了很大的进展，但由于2D信息本身的局限性，仍然会有很多无法解决的问题，例如人脸姿态和光照条件对于识别的影响. 因此，3D人脸识别成为最近研究的热点.

RGBD：

从ICCV 2013来看，深度学习，中层特征，以及RGBD成为三大主流趋势，主流意味着足够多的idea，在RGB之外有了D这一维，信息又会多很多~so，研究RGBD很有意义

基于RGBD视频的三维重建调研 的步骤

深度图像预处理-->人脸检测-->人脸区域分割-->人脸区域追踪-->提取3D人脸点云数据--->点云配准以及数据整合-->人脸3D模型生成

深度图像预处理：

双边滤波

人脸检测：

cascade+Harr

人脸区域分割：

深度图像的阈值分割

人脸区域追踪：

meanshift+LBP

提取3D人脸点云数据：

PCL

点云配准以及数据整合：

ICP算法

人脸3D模型生成：

Frame to Model

to be continued~~~~