技術(shù)特征：

1.一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，包括：三維人臉點云數(shù)據(jù)輸入計算單元；人臉特定區(qū)域檢測計算單元；數(shù)據(jù)配準(zhǔn)計算單元；深度人臉數(shù)據(jù)映射計算單元；深度人臉紋理修復(fù)計算單元。

2.基于權(quán)利要求1所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，包括如下步驟：

A.三維人臉點云數(shù)據(jù)的輸入；

B.對于三維人臉點云數(shù)據(jù)中人臉特定區(qū)域檢測；

C.對于檢測到的人臉特定區(qū)域進(jìn)行數(shù)據(jù)配準(zhǔn)；

D.對于配準(zhǔn)后的三維人臉點云數(shù)據(jù)進(jìn)行深度人臉數(shù)據(jù)映射；

E.對于深度人臉數(shù)據(jù)進(jìn)行深度人臉紋理修復(fù)。

3.基于權(quán)利要求2所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，所述的步驟A支持各類三維點云采集設(shè)備的數(shù)據(jù)輸入。

4.基于權(quán)利要求2所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，所述的步驟B，由于三維點云人臉數(shù)據(jù)中鼻尖區(qū)域的數(shù)據(jù)信息明顯區(qū)別于人臉的其他位置，因此人臉特征區(qū)域采用的是鼻尖區(qū)域，鼻尖區(qū)域定位包括如下步驟：

步驟一：確定域平均負(fù)有效能量密度的閾值，定義為thr；

步驟二：利用數(shù)據(jù)的深度信息，提取在一定深度范圍內(nèi)的人臉數(shù)據(jù)作為待處理數(shù)據(jù)；

步驟三：計算由深度信息選取出的人臉數(shù)據(jù)的法向量信息；

步驟四：按照區(qū)域平均負(fù)有效能量密度的定義，求出待處理數(shù)據(jù)中各連通域的平均負(fù)有效能量密度，選擇其中密度值最大的連通域；

步驟五：當(dāng)該區(qū)域的閾值大于預(yù)定義的thr時，該區(qū)域即為鼻尖區(qū)域，否則回到步驟一繼續(xù)。

5.基于權(quán)利要求2所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，所述的步驟C包括如下步驟：

步驟一：在模板庫中準(zhǔn)備一幅與標(biāo)準(zhǔn)姿態(tài)相對應(yīng)的鼻尖區(qū)域的數(shù)據(jù)；

步驟二：得到配準(zhǔn)的參考區(qū)域后，計算3*3的矩陣，公式如下：

$H=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Q}_i{Q}_i^T$

步驟三：計算旋轉(zhuǎn)矩陣R和平移矩陣t，當(dāng)X行列值為1時，R＝X，t＝P-R*Q；

步驟四：獲取兩個三維數(shù)據(jù)點集之間的三維空間變換矩陣，從而實現(xiàn)兩個點集的配準(zhǔn)。

6.基于權(quán)利要求2所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，所述的步驟D，該步驟檢測獲得的人臉鼻尖區(qū)域作為深度圖像數(shù)據(jù)的中心位置的參考基準(zhǔn)，其空間坐標(biāo)系的x軸和y軸信息映射為人臉深度圖像的圖像坐標(biāo)系信息；具體計算過程如下：

鼻尖點為N(x,y,z)，則空間點P(x1,y1,z1)的圖像坐標(biāo)為：

I_x＝(x1-x)+width/2

I_y＝(y1-y)+height/2

其中width為深度圖像的寬度，height為深度圖像的高度；

同時，根據(jù)三維點云數(shù)據(jù)的深度精度預(yù)先設(shè)定深度分辨率Z_ref，作為將空間坐標(biāo)系的z軸信息作為映射為人臉深度圖像的深度值的參考基準(zhǔn)，公式如下：

$I_{depth}=\left\{\begin{array}{cc}\frac{(z1-z)}{Z_{ref}}+255,& z1\≤z\\ 255,& z1\>z\end{array}\right.$

完成將三維點云數(shù)據(jù)映射為深度人臉圖像的數(shù)據(jù)映射。

7.基于權(quán)利要求2所述的一種基于三維數(shù)據(jù)的人臉深度紋理修復(fù)方法，其特征在于，所述的步驟E，首先對于深度圖像中的噪點進(jìn)行檢測，噪點類型主要包括數(shù)據(jù)空洞以及數(shù)據(jù)的凸起，在深度圖像中則表現(xiàn)為人臉深度數(shù)據(jù)中的零值以及局部紋理的深度凸起值；

然后進(jìn)行深度數(shù)據(jù)去噪，在本發(fā)明中采用鄰域深度有效值濾波，對上述深度人臉圖像中的噪音進(jìn)行過濾，該濾波表達(dá)式可以描述為：

$I(x,y)=\underset{m=-win,n=-win}{\overset{m=win,n=win}{\mathrm{\Σ}}}I(x-m,y-n)*w(x-m,y-n)$

其中當(dāng)I(x-m,y-n)為深度圖像有效點時，值為當(dāng)I(x-m,y-n)為深度圖像無效點時，值為0；

在對奇異點進(jìn)行初步的低通濾波之后，繼續(xù)利用邊緣保持濾波對于深度圖像進(jìn)行進(jìn)一步的紋理修復(fù)，本發(fā)明中邊緣保持濾波器采用雙邊濾波(不限于)；雙邊濾波器是由兩個函數(shù)構(gòu)成，一個函數(shù)是通過幾何空間距離決定濾波器系數(shù)，另一個函數(shù)則是由像素差值決定濾波器系數(shù)；在雙邊濾波器中，輸出像素的值依賴于鄰域像素的值的加權(quán)組合：

$g(i,j)=\frac{{\mathrm{\Σ}}_{k,l}f(k,l)w(i,j,k,l)}{{\mathrm{\Σ}}_{k,l}w(i,j,k,l)}$

其中，由幾何空間距離決定的濾波器系數(shù)，其公式為：

$d(i,j,k,l)=\exp (-\frac{{(i-k)}^2+{(j-l)}^2}{2{\mathrm{\σ}}_d^2})$

由像素差值決定的濾波器系數(shù)，其公式為：

$r(i,j,k,l)=\exp (-\frac{\left|\right|f(i,j)-f(k,l)|{|}^2}{2{\mathrm{\σ}}_r^2})$

則權(quán)重系數(shù)則為空間域系數(shù)以及值域系數(shù)的乘積：

$w(i,j,k,l)=\exp (-\frac{{(i-k)}^2+{(j-l)}^2}{2{\mathrm{\σ}}_d^2}-\frac{\left|\right|f(i,j)-f(k,l)|{|}^2}{2{\mathrm{\σ}}_r^2}).$