利用单幅图像重建人脸3D candide 模型的几篇文章

1.AN ACTIVE MODEL FOR FACIAL FEATURE TRACKING：利用AAM进行人脸Candide模型重建

2.FAST AND RELIABLE ACTIVE APPEARANCE MODEL SEARCH FOR 3D FACE TRACKING：这是Candide 参数提取比较详细的一篇文章。基本做法就是将追踪到的几何归一化纹理同PCA纹理比较，通过迭代方式，得到参数。其中涉及到的关键点是几何归一化纹理，增长矩阵(update matrix)等。本文是对文献【1】的一个改进，创新点是：利用前一帧的合成图像代替每次迭代中的合成图像，提高了迭代速度。

3.Pose Invariant Face Recognition Under Arbitrary Illumination Based on 3D Face Reconstruction：对于本文我关注的是姿态校正部分，利用的是类似于ASM的方法，把三维点投影到二维图像上，迭代拟合，得到最近三维参数。

4.Individual 3D Face Generation Based on Candide-3 for Face Recognition：本文创新点：先用ASM找到其中的19个Candide vertex 的子集，再利用AAM优化所有的Candide参数。

综上：利用单幅图像进行3D人脸重建的方法都是基于投影的，把三维模型投影到二维图像上，基于某种原则（要么特征点要么纹理）进行拟合，得到最佳参数。

读以上文章的所有目的都是为了理解Kinect SDK中的FaceTracking 部分。以上几篇文章的阅读收获颇丰，但真正让我解决问题的可能是以下两篇文章。

1.Microsoft Kinect Sensor and Its Effect  2012：这篇文章介绍了Kinect Sensor的典型应用，让我知道 Kinect Avatar 中用到的是下面这篇文章的技术。

2.3d deformable face tracking with a commodity depth camera_ECCＶ＿２０１０：这篇文章利用kinect的彩色图和深度图进行3D face Tracking.用到了ICP 技术，在ICP技术中，有两个关键的regulation，一个是point  to plane distance，一个是point to  point distance，其中point to point distance是用到二维的特征点跟踪信息的。