基于多光谱和3D模型重建的人脸图像分析系统及其方法与相关技术
多视图三维人脸重建方法综述
多视图三维人脸重建方法综述
北方工业大学信息学院 童立靖 张豪杰
在现实生活中，人脸蕴含了个体丰富的信息，在视 觉感知中占有非常重要的地位，因此人脸在三维重建中 是一个非常重要的对象，具有广泛的应用前景。三维人 脸重建具有很高的研究价值和意义。目前有关三维人脸 重建的研究大多是针对单张人脸图像，虽然单视图三维 人脸重建已经在人脸识别、虚拟现实等领域有了广泛应 用，但是它仍然存在很大弊端，比如单张图像重建出的 模型准确性和精度不足，但是多张图像却可以提供更多 的观测数据，从而可以提高人脸三维模型的精度和准确 性。同时当单张图像情况下存在的遮挡、光照变化等因 素，重建结果可能存在噪声和误差，而多张图像可以通过 多个视角的信息进行校正和补充，从而减少这些噪声和误 差。因此本文主要讨论多视图三维人脸重建问题，将目前 的研究工作按照使用的技术分为两类 ：第一类工作是基于 传统方法的多视图三维人脸重建 ；第二类工作是基于深度 学习的多视图三维人脸重建。最后对多视图三维人脸重 建存在的主要挑战以及未来的发展趋势进行阐述。 1 基于传统方法的多视图三维人脸重建
single image to image set regression
SHANG J等
ZHAO W等
Self-supervised monocular
From 2D images to 3D
3D face reconstruction model:weakly supervised multi-
基于数字影像技术的三维人脸重建
基于数字影像技术的三维人脸重建三维人脸重建是当前数字影像技术中比较热门的领域之一。
基于数字影像技术的三维人脸重建可以使得普通二维图片或者视频变得更加生动、具体、真实。
因此，在数字影像技术中，如何进行三维人脸重建是一个非常有意义的问题。
首先，数字影像技术中的三维人脸重建是一个相对复杂的技术流程。
一般的技术流程主要包括三个步骤，即表面采集、网格重建和纹理映射。
表面采集是指采集目标人的面部特征，可以通过相机、激光扫描仪、三维摄像机等方式进行采集；网格重建是指利用坐标点间的网格构建三维模型，可以通过计算机算法实现；纹理映射是指向三维模型上贴上人的面部特征图，使得三维模型更加逼真、真实。
其次，数字影像技术中的三维人脸重建可以应用于多个领域。
一般来说，三维人脸重建的主要应用领域包括虚拟现实、游戏开发、电影制作、医疗诊断、人机界面等。
例如，在虚拟现实领域，数字影像技术中的三维人脸重建可以实现人与虚拟世界的互动，让虚拟世界更加逼真、真实；在游戏开发中，三维人脸重建可以使得游戏角色更加栩栩如生，让玩家更加沉浸在游戏世界中；在电影制作领域，数字影像技术中的三维人脸重建可以用于制作特效，实现无后期制作的目的。
最后，数字影像技术中的三维人脸重建还面临着一些挑战。
主要挑战包括基础技术难度、成本高昂、隐私保护等。
在基础技术方面，数字影像技术中的三维人脸重建需要用到许多计算机算法和工程技术，因此需要熟练的人才和专业知识。
在成本方面，数字影像技术中的三维人脸重建需要用到昂贵的设备和软件，因此需要大量的投入。
在隐私保护方面，数字影像技术中的三维人脸重建涉及到个人隐私，如何保证个人隐私不被泄漏是一个非常重要的问题。
综上所述，数字影像技术中的三维人脸重建是一个非常有意义的研究领域。
在数字影像技术的发展中，三维人脸重建可以实现图像、视频的更加逼真、生动，可以应用于虚拟现实、游戏开发、电影制作、医疗诊断、人机界面等多个领域。
虽然数字影像技术中的三维人脸重建面临着一些挑战，但是随着技术的进步和应用的广泛，相信数字影像技术中的三维人脸重建将会有更加广阔的发展前景。
三维及多模态人脸识别研究的开题报告
三维及多模态人脸识别研究的开题报告一、研究背景和意义人脸识别技术在现实中广泛应用，如刑侦、安防、人脸支付、社交网络等。
由于传统的二维图像人脸识别技术易受到光照、姿态、表情等因素的影响，因此三维人脸识别技术成为研究的热点。
同时，为了满足多场景下的人脸识别需求，多模态人脸识别技术也引起了广泛关注。
三维及多模态人脸识别技术实际应用场景广泛，具有重要的研究意义和应用价值。
二、研究内容和方向本课题旨在研究三维及多模态人脸识别技术的相关理论和算法。
具体研究内容包括：1.数据获取和预处理技术：学习三维人脸识别和多模态人脸识别所需的各种数据获取和预处理技术，如三维数据采集技术、模型重构算法、数据对齐等。
2.特征提取和表征学习方法：研究多模态人脸识别问题中的特征提取和表征学习方法，如基于深度学习的人脸识别算法、基于局部特征的算法、特征融合策略等。
3.分类算法和识别系统：设计三维及多模态分类算法，如支持向量机分类算法、决策树分类算法等，同时构建三维及多模态人脸识别系统。
三、研究方法和技术路线研究方法主要包括文献调查和实验研究。
首先，对当前三维及多模态人脸识别技术的相关文献进行归纳和总结，了解现有技术的优缺点，确定研究方向和解决问题的方法。
其次，通过采集、重建、对齐等技术获取三维及多模态人脸数据，并对数据进行预处理，如去除噪声、标准化等。
接下来，研究基于深度学习的特征提取方法、基于一些稳定的纹理特征等方法，以获取可靠的三维及多模态人脸特征。
最后，构建三维及多模态分类模型，实现三维及多模态人脸识别系统。
四、研究预期成果1.以三维和多模态人脸识别为研究对象，深入研究基于深度学习的人脸识别技术和特征提取算法。
2.通过采集、重建、对齐等技术获取三维及多模态人脸数据，并对数据进行预处理，如去除噪声、标准化等。
3.探究多模态人脸识别算法和三维人脸识别算法的优势与不足，提出解决方案，为实际应用提供指导。
4.构建三维及多模态人脸识别系统，并在公开数据集上进行实验验证，取得较好的识别效果，提高人脸识别的准确性和鲁棒性。
基于图像识别的人脸三维重建研究
基于图像识别的人脸三维重建研究随着科技不断发展，人们对于细节的追求也越来越高。
在当今世界，人脸识别技术越来越被广泛应用。
它可以在安全检查、身份认证等方面发挥核心作用。
而人脸三维重建技术就是其中的一个重点领域。
本文将着重探讨基于图像识别的人脸三维重建技术的发展现状和应用前景。
一、人脸三维重建技术简介人脸三维重建技术是指利用计算机图形学及其相关技术实现从二维图像中恢复三维人脸模型的一种技术。
其过程主要包括以下几个步骤：1. 利用计算机图形学及其相关技术建立三维人脸的模型。
2. 利用相机采集三维人脸模型的各个角度。
3. 重建二维人脸图像并对其进行进一步的处理。
4. 实现人脸的三维重建。
这种技术的应用可谓是相当广泛。
例如，基于人脸三维重建的虚拟客服、表情识别和三维视频通话等技术在当今商业应用领域已经得到了广泛的应用。
二、基于图像识别的人脸三维重建技术的现状基于图像识别的人脸三维重建技术的发展现状相较于基于深度学习等技术稍微滞后一些。
但是通过最新的研究，我们可以看到这种技术在不断地走向成熟。
首先，基于图像识别的人脸三维重建技术已经形成了一套完整的体系结构。
目前的研究主要是以二维图像为基础，然后借助于计算机视觉、模型推理等技术实现人脸的三维重建。
由此可以看出，该技术的研发方向主要是基于计算机视觉领域进行的。
其次，该技术的发展还需要更多的数据支持。
因为人脸形态是多变的，因此需要大量丰富的数据来支持算法的训练。
在当前的研究中，适量的纹理以及高品质的图像数据是非常关键的。
三、基于图像识别的人脸三维重建技术的应用前景未来，基于图像识别的人脸三维重建技术在商业应用领域有着无限的潜力。
以下是该技术的几个典型应用方向：1. 精细化商业营销在今天的商业应用中，关键问题之一是如何将广告和营销策略触达到特定的目标受众。
基于人脸三维重建技术，可以通过精细化的目标定位和营销策略来最大化地提高目标受众的转化率。
2. 虚拟试衣间基于人脸三维重建技术，可以将现有的智能试衣间延伸到虚拟领域，并可能具有更好的代表性。
基于计算机视觉的人脸三维重建技术研究
基于计算机视觉的人脸三维重建技术研究近年来，随着科技的不断进步，人们对于计算机视觉技术的应用越来越广泛，而基于计算机视觉的人脸三维重建技术则是其中的一种重要应用。
人脸三维重建技术是指通过对人脸进行三维建模，实现从二维图像到三维模型的转换，并完美地还原出原始人脸的三维形态。
该技术不仅可以广泛应用于3D电影、电子游戏、虚拟现实等领域，也将成为未来人脸识别、身份验证等方面的重要工具。
本文将对基于计算机视觉的人脸三维重建技术进行深入探讨，探究其技术原理、研究现状及未来发展趋势。
一、技术原理基于计算机视觉的人脸三维重建技术主要基于三维重建算法及人脸识别技术，其核心思想是将多个二维图像的信息进行锐化、匹配、纠正及重建，最终得到一个真实还原的三维人脸模型。
具体操作流程如下：1、数据采集。
通过不同的虚拟机、摄像机、扫描仪等获取人脸图像，并对三维图像信息进行处理及特征提取。
2、图像匹配。
将采集的多张人脸图像进行匹配、对齐，找到它们之间的相似点并建立同一坐标系。
3、建模重建。
基于图像的特征点信息及视觉几何原理，进行三维建模的操作，还原人脸真实的三维信息。
4、特征重建。
在三维模型中对人脸的特征进行重建，包括皮肤颜色、表情、眼睛、头发等等。
二、研究现状基于计算机视觉的人脸三维重建技术是一个富有挑战性的研究领域，近年来已经取得了较大的进展。
目前研究中的主要问题包括人脸图像的获取、三维模型的准确性、计算效率及模型普适性等方面。
在人脸图像获取方面，当前主要有摄像机、激光扫描仪、多摄像机阵列等多种技术。
它们各有优缺点，但都能够较好地获取人脸二维图像并提取出特征点信息。
在三维模型准确性方面，现有算法主要依赖于纹理、几何形状等数据特点进行匹配，但在实际操作中，仍存在一定的误差。
进一步提高三维模型的准确性是目前研究的重点之一。
在计算效率方面，当前算法复杂性较高，在大规模数据下需要相当长时间来进行计算，这制约了该技术的应用范围和可行性。
人脸识别技术中的三维重建算法研究
人脸识别技术中的三维重建算法研究人脸识别技术一直是计算机视觉领域的一个热门研究领域。
在现今科技发展的时代，人脸识别技术已经不仅仅是科幻电影中可见的技术，已经逐渐渗入到我们的日常生活中。
例如，我们已经可以通过人脸识别技术打开我们的智能手机，而无需输入密码或者是其他的解锁方式。
但是面对复杂的现实场景，单纯基于2D的人脸识别技术已经难以满足现实需要，因此三维人脸识别技术逐渐成为研究重点之一。
一、三维重建算法简介三维重建算法，也称3D重建算法，指的是通过多幅从不同角度拍摄同一物品的图片，还原出这个物品的三维形态的方法。
其中，三维重建算法主要包括两步骤：1.计算相机位姿，即确定从相机到物品中心的旋转和平移参数；2.基于多幅图片进行三维模型合成。
常见的三维重建算法包括点云重建、Mesh重建、曲面重建、立体匹配等。
二、三维人脸重建技术在人脸识别应用中的价值传统基于2D人脸识别技术，只使用了面部的外部信息，无法利用其潜在的丰富信息，如立体深度、几何形状、纹理等，其分类效果受到了很大的限制。
而利用三维人脸重建技术，可以获取到面部不同位置之间的形态变化、光照变化和纹理变化等一些关键信息。
三维人脸重建技术可以将一个二维的人脸图像还原为三维的面部模型，使得人脸识别技术能够更加准确的判断两个人脸之间的区别。
三、三维人脸重建算法的研究目前，三维人脸重建算法主要分为以下三个方向的研究：1. 基于空间三角测量的三维重建算法该方法常用于面部重建，并以点云或多边形网格的形式表示三维面部模型。
这种方法的思路是利用多个视角、多个相机、多个特征点来计算三维点的位置和纹理信息，从而把多个视角下的外形信息进行拼接重建。
常用的基于空间三角测量方法包括结构光、双目系统、多视角三维重建等。
2. 基于深度学习的三维重建算法该方法利用神经网络来预测人脸的三维形状，在二维图像下预测出三维人脸的关键点以及三维形状，这种方法不需要人为地标，而是自动地学习3D人脸的表面。
基于多视角图像融合的三维重建技术研究
基于多视角图像融合的三维重建技术研究多视角图像融合的应用在三维重建技术中起着至关重要的作用。
通过整合多个视角的图像信息，可以有效地提高三维重建的精度和准确度。
这项技术的研究至关重要，因为它可以用于各种领域，包括建筑、文化遗产保护、虚拟现实等，为我们提供更真实、更具交互性的视觉体验。
在多视角图像融合的三维重建技术研究中，首先需要收集多个视角的图像。
这可以通过使用多个相机拍摄同一场景来实现。
每个相机都从不同的角度捕捉到场景的不同部分，从而创造出一个全面的视角。
这些图像可以是2D图像，也可以是3D图像（如立体相机拍摄的图像）。
图像拍摄的质量和细节对于后续的三维重建影响重大，因此在图像采集过程中需要注意到环境光照、焦距、相机姿态等因素，以确保图像质量和一致性。
接下来，在图像预处理阶段，需要对采集到的多个视角图像进行校正和配准。
图像校正主要用于解决因相机失真等因素引起的图像畸变问题，以充分利用图像信息。
图像配准则是将多个视角的图像通过一定的转换关系对齐，以实现后续的融合和重建。
常用的图像配准方法包括特征点匹配、相机标定和图像对齐等。
随后，在多视角图像融合的过程中，我们需要将经过校正和配准的图像融合为一幅或一组完整的图像。
在图像融合阶段，常用的方法包括像素级和特征级的融合。
像素级融合是将多个视角的图像像素进行加权求和，以得到融合图像。
特征级融合则是通过提取图像中的特征，如角点、边缘等，将多个视角的特征进行融合，以生成一个更具丰富性和准确性的三维模型。
最后，通过三维重建算法，将融合后的图像转化为精确的三维模型。
在三维重建算法中，常用的方法包括体素重建、点云重建和表面重建等。
体素重建是将三维空间划分为小的体素单元，并根据体素中的点云信息进行重建。
点云重建则是通过将融合的图像转化为点云数据，并根据点云间的关系进行三维重建。
表面重建则是通过拟合点云数据的曲面，生成一个更平滑的三维模型。
基于多视角图像融合的三维重建技术具有广泛的应用前景。
基于深度学习的脸部三维重建研究
基于深度学习的脸部三维重建研究随着计算机视觉和深度学习的发展，人们可以利用大量的数据和算法来实现脸部三维重建。
这种技术可以被应用于诸如人脸识别、虚拟现实、医学诊断等领域，因此具有广泛的应用前景。
一、三维重建的基本原理脸部三维重建是指通过利用3D扫描仪或其他技术获取的脸部图像，将其转换为三维模型，再通过算法进一步优化细节，以获得高精度的脸部三维模型。
三维重建过程可以分为以下步骤：1. 数据采集。
通过3D扫描仪或其他技术，获取原始的脸部图像数据。
2. 数据预处理。
包括噪声去除、图像拼接等步骤，用于减少数据中的噪音和问题，并将多个采集到的图像合成为整个脸部的3D模型。
3. 数据配准。
将不同角度拍摄的脸部图像进行配准，以将不同位置的图像拼接成完整的三维模型。
4. 三维网格生成。
通过将配准后的数据映射到三维网格上，生成三维模型。
5. 优化。
通过使用深度学习算法等技术，对三维模型进行更细致的优化，以获得更为精确的结果。
二、深度学习在三维重建中的应用深度学习是一种通过大量数据进行训练并自适应调整参数的机器学习方法，可广泛用于图像和视频处理、自然语言处理、数据挖掘等领域。
在脸部三维重建中，深度学习可以被用于数据预处理、三维网格生成和优化等过程中，以提高三维模型的质量和精度。
1. 数据预处理深度学习可以用于噪声去除和图像拼接等数据预处理过程中。
例如，将深度学习模型应用于噪声去除可以使3D扫描仪采集的数据更加清晰、准确。
此外，利用深度学习的能力，将多个不同角度的图像合成为整个脸部的3D模型，可以更加精确地配准数据和消除拼接时的问题。
2. 三维网格生成通过将深度学习模型应用于三维网格生成过程中，可以更加准确地将预处理后的数据映射到三维网格上。
通过使用深度学习技术进行三维网格优化后，可以使网格形状更准确、更真实地反映面部的精细特征。
3. 优化在生成三维网格后，深度学习可以用于三维网格的优化过程中，以提高三维模型的质量和精度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图片简介:本技术介绍了一种基于多光谱和3D模型重建的人脸图像分析系统及其方法，该系统包括五光谱皮肤检测仪、云端服务器和显示控制模块，通过所述五光谱皮肤检测仪获取五种光谱下的图像信息，并将所述图像信息发送给云端服务器，云端服务器对其进行三维图像重建、肤质检测以及评估分析，得到分析报告和三维图像信息；最后通过显示控制模块进行显示。
本技术不仅能满足日常客户需求，还能为人脸面部皮肤的美容或者治疗提供可靠的数据支撑。
技术要求1.一种具有3D模型重建功能的五光谱皮肤检测仪，其特征在于：包括支架，所述支架上安装有C形架，C形架的中部安装有高清摄像头，以及以高清摄像头为中线左右对称安装有五光谱光源和深度摄像头，五光谱光源位于高清摄像头和深度摄像头中间；所述支架上还安装有与高清摄像头、五光谱光源和深度摄像头连接的处理模块，用于控制五光谱光源发出不同的光、控制高清摄像头和深度摄像头获取的图像信息并将图像信息上传；它包括处理器、以及与处理器连接的存储模块和数据传输模块；所述支架上还安装为高清摄像头、五光谱光源、深度摄像头和处理模块提供电源的电源模块。
2.根据权利要求1所述的具有3D模型重建功能的五光谱皮肤检测仪，其特征在于：所述五光谱光源发出的光包括白光、正偏振光、负偏振光、伍氏光和UV光。
3.根据权利要求1所述的具有3D模型重建功能的五光谱皮肤检测仪，其特征在于：所述支架上位于五光谱光源背光面设有挡光板。
4.基于多光谱和3D模型重建的人脸图像分析系统，其特征在于包括：权利要求2所述的五光谱皮肤检测仪，用于采集人脸皮肤图像信息，所述图像信息包括高清摄像头采集的图像信息以及深度摄像头采集的图像信息；云端服务器，用于接收所述五光谱皮肤检测仪采集的人脸皮肤图像信息，并对其进行三维图像重建、肤质检测以及评估分析，得到分析报告和三维图像信息；所述云端服务器内包含用于对肤质进行检测的肤质检测模块、用于对肤质进行分析并能生成分析报告的分析报告生成模块和用于对采集的图像信息进行三维图像重建的3D图像重建模块；控制显示模块，用于控制所述五光谱皮肤检测仪、以及用于显示所述五光谱皮肤检测采集的人脸皮肤图像信息和所述云端服务器得到的分析报告和三维图像信息。
5.根据权利要求4所述的基于多光谱和3D模型重建的人脸图像分析系统，其特征在于：所述肤质检测模块主要用于检测肤质的毛孔、肤质、肤色、含水量、黑眼圈、皱纹、表皮斑痣、紧致度、敏感度、痘痘、痘印、黑头、红血丝、纹理、皱纹和棕色斑等皮肤项目，以及面部比例数据，例如五官大小、比例、角度、类型，眉毛、嘴唇、面部轮廓、侧面部的比例、角度、类型等数据，三庭五眼、四高三低等面部美学数据等项目。
6.根据权利要求5所述的基于多光谱和3D模型重建的人脸图像分析系统，其特征在于：毛孔、肤质、肤色、含水量、黑眼圈、皱纹、表皮斑痣、紧致度通过白光状态下高清摄像头获取的图像信息分析得到；敏感度、痘痘、痘印、黑头、红血丝通过正偏振光状态下高清摄像头获取的图像信息分析得到；纹理、皱纹通过负偏振光状态下高清摄像头获取的图像信息分析得到；棕色斑通过伍氏光状态下高清摄像头获取的图像信息得到，皮肤毛囊炎症和皮肤水分通过UV光状态下高清摄像头获取的图像信息分析得到。
7.根据权利要求4所述的基于多光谱和3D模型重建的人脸图像分析系统，其特征在于：所述3D图像重建模块是用于根据深度摄像头获取的图像信息进行三维图像重建获得三维图像信息，并通过三维图像信息对人脸肤质进行检测。
3D面部检测项目主要包括，面部三庭数据、比例，黄金三角比例、脸型轮廓、眉型、眉间距、眉眼距、五眼比例、眼睛类型、眼睛长宽大小、内外眦夹角、内眦赘皮、眼睑类型、睫毛类型、鼻型、鼻梁高度宽度长度、鼻头类型、鼻小柱类型、唇型、下巴类型、四高三低点等项目。
8.根据权利要求4所述的基于多光谱和3D模型重建的人脸图像分析系统，其特征在于：所述分析报告生成模块根据肤质检测模块和3D图像重建模块对皮肤检测结果进行分析并形成评估报告。
9.基于多光谱和3D模型重建的人脸面部图像分析方法，其特征在于包括如下步骤：(1)控制显示模块控制所述五光谱皮肤检测仪的五光谱光源发光并控制高清摄像头和深度摄像头拍照获取人脸皮肤图像信息，并将获取的人脸皮肤图像信息发送给云端服务器；(2)云端服务器接收采集到的人脸皮肤图像信息，并利用多种图像处理算法对其进行三维图像重建、肤质检测及评估分析，并将三维图像和分析结果发送给控制显示模块显示；其中，多种图像处理算法包括肤质检测算法、肤质评估分析算法和三维图像重建算法。
技术说明书基于多光谱和3D模型重建的人脸图像分析系统及其方法技术领域本技术涉肤质检测技术领域，具体涉及一种基于多光谱和3D模型重建的人脸图像分析系统及其方法。
背景技术目前，整个泛美行业在定位人群的实际需求中需要进行多种成像设备、光学设备来辅助医师进行病学判断。
现有常见的设备大多为1个高清摄像头和3种特定波长的光谱信号，借助于光谱和摄像头获取人脸图像，然后运用图像处理的方式进行皮肤病学分析，并根据分析生成评估报告，该设备只能进行基础的皮肤分析无法实现深度的皮肤病学分析，也不能满足消费者对3D信息以及皮肤信息的要求。
技术内容本技术的目的在于提供一种基于多光谱和3D模型重建的人脸图像分析系统及其方法，该系统采用五光谱皮肤检测获取五种光谱下的高清图像信息和深度图像信息，运用图像处理技术和3D图像重建技术皮肤病学分析和三维图像重建，以解决上述技术问题。
为实现上述目的，本技术提供了如下技术方案：本技术提供了一种具有3D模型重建功能的五光谱皮肤检测仪，包括支架，所述支架上安装有C形架，C形架的中部安装有高清摄像头，以及以高清摄像头为中线左右对称安装有五光谱光源和深度摄像头，五光谱光源位于高清摄像头和深度摄像头中间；所述支架上还安装有与高清摄像头、五光谱光源和深度摄像头连接的处理模块，用于控制五光谱光源发出不同的光、控制高清摄像头和深度摄像头获取的图像信息并将图像信息上传；它包括处理器、以及与处理器连接的存储模块和数据传输模块；所述支架上还安装为高清摄像头、五光谱光源、深度摄像头和处理模块提供电源的电源模块。
进一步地，所述五光谱光源发出的光包括白光、正偏振光、负偏振光、伍氏光和UV光。
进一步地，所述支架上位于五光谱光源的背光面设有挡光板。
本技术提供的五光谱皮肤检测仪通过C形支架上矩阵布局1个高清摄像头、2个五光谱光源和2个深度摄像头，解决皮肤数据拍照不能与人脸3D模型获取同时进行的问题以及三维成像精度不足的问题。
本技术提供了一种基于多光谱和3D模型重建的人脸图像分析系统包括：上述的五光谱皮肤检测仪，用于采集人脸皮肤图像信息，所述图像信息包括高清摄像头采集的图像信息以及深度摄像头采集的图像信息；云端服务器，用于接收所述五光谱皮肤检测仪采集的人脸皮肤图像信息，并对其进行三维图像重建、肤质检测以及评估分析，得到分析报告和三维图像信息；所述云端服务器内包含用于对肤质进行检测的肤质检测模块、用于对肤质进行分析并能生成分析报告的分析报告生成模块和用于对采集的图像信息进行三维图像重建的3D图像重建模块；控制显示模块，用于控制所述五光谱皮肤检测仪、以及用于显示所述五光谱皮肤检测采集的人脸皮肤图像信息和所述云端服务器得到的分析报告和三维图像信息。
进一步地，所述肤质检测模块主要用于检测肤质的毛孔、肤质、肤色、含水量、黑眼圈、皱纹、表皮斑痣、紧致度、敏感度、痘痘、痘印、黑头、红血丝、纹理、皱纹和棕色斑。
进一步地，毛孔、肤质、肤色、含水量、黑眼圈、皱纹、表皮斑痣、紧致度通过白光状态下高清摄像头获取的图像信息分析得到；敏感度、痘痘、痘印、黑头、红血丝通过正偏振光状态下高清摄像头获取的图像信息分析得到；纹理、皱纹通过负偏振光状态下高清摄像头获取的图像信息分析得到；棕色斑通过伍氏光状态下高清摄像头获取的图像信息得到。
进一步地，所述3D图像重建模块是用于根据深度摄像头获取的图像信息进行三维图像重建获得三维图像信息，并通过三维图像信息对人脸肤质进行检测。
进一步地，所述分析报告生成模块根据肤质检测模块和3D图像重建模块对皮肤检测结果进行分析并形成评估报告。
本技术通过所述五光谱分析仪采集的图像信息通过云端服务器对图像信息进行三维图像重建、肤质分析以及评估分析，为人脸面部皮肤的美容或者治疗提供可靠的数据支撑。
本技术还提供了基于多光谱和3D模型重建的人脸面部图像分析方法包括如下步骤：(1)控制显示模块控制所述五光谱皮肤检测仪的五光谱光源发光并控制高清摄像头和深度摄像头拍照获取人脸皮肤图像信息，并将获取的人脸皮肤图像信息发送给云端服务器；(2)云端服务器接收采集到的人脸皮肤图像信息，并利用多种图像处理算法对其进行三维图像重建、肤质检测及评估分析，并将三维图像和分析结果发送给控制显示模块显示；其中，多种图像处理算法包括肤质检测算法、肤质评估分析算法和三维图像重建算法。
本技术通过控制显示模块、五光谱检测仪和云端服务器之间相同协作，不仅实现对肤质检测和三维图像重建，还提高了处理速度，操作简单，方便，快捷。
附图说明图1为本技术所述的五光谱皮肤检测仪结构示意图。
图2为本技术所述的人脸图像分析系统示意图。
图中标记：11、支架；12、C形架；13、高清摄像头；14、五光谱光源；15、深度摄像头；16、挡光板；17、扬声器；18、底座；19、万向轮。
具体实施方式实施例1如图1所示，本实施例提供了一种具有3D模型重建功能的五光谱皮肤检测仪，该皮肤检测仪搭载了高清摄像头13、深度摄像头15以及五光谱光源14，比传统的皮肤检测仪的检测项目更多，可进行深度检测，还可通过获取的图像信息进行三维图像重建，满足客户需求。
所述五光谱皮肤检测仪包括支架11、底座18和挡光板16，所述支架11上安装有C形架12，C形架12的中部安装有高清摄像头13，以及以高清摄像头13为中线左右对称安装有五光谱光源14和深度摄像头15，五光谱光源14位于高清摄像头13和深度摄像头15中间；所述五光谱光源14可发射出5种光，分别是白光、正偏振光、负偏振光、伍氏光和UV光。
(1)白光是三色LED混合光源，波长范围约为380～780nm；白光模式下通过图像信息检测毛孔、肤质、肤色、含水量、黑眼圈、皱纹、表皮斑痣、紧致度等效果最佳。
(2)正偏振光和负偏振光通过偏振镜片改变光的透振方向与反射光的透振方向垂直，就可以减弱反射光，可减少皮肤角质层对光线的折射，便于清楚地看到皮表、表皮、表皮与真皮交界处及真皮乳头层的结构；正偏振光模式下获取的图像信息利于检测敏感度、痘痘、痘印、黑头、红血丝，主要用于检测皮表下层，了解客户的真皮肌肤情况；负偏振光模块下课提高皮肤的显影清晰度，对皮肤的纹理、皱纹进行检测。