![5d3d343720f16f60747fec4f6c3019f6.png](https://i-blog.csdnimg.cn/blog_migrate/8a3e3c8a6420f32dd3e862a6e1422922.jpeg)
人脸姿态估计指的是根据一幅2维的人脸图像,计算出这个人在实际3维空间中的面部朝向。问题的输入条件就是一张人脸图片,输出自然就是可以表示方位的三个旋转角度 (pitch, yaw, roll),其中 pitch 表示俯仰角(关于x轴的旋转角度),yaw 表示偏航角(关于y轴的旋转角度),roll 表示翻滚角(关于z轴的旋转角度),分别如下面 3 图所示:(说句题外话,如果我们把下面图中的物体看作是一架向我们飞来的飞机,就可以理解为何这三个角要如此命名了)
![698e574319b94a8f0a0aa73e37f36c3d.png](https://i-blog.csdnimg.cn/blog_migrate/cf4500e19de38c63304d456c3c365b5e.jpeg)
![f857319003b1102840a6221429e80987.png](https://i-blog.csdnimg.cn/blog_migrate/c326807be9edd39f95aeab135d82ba16.jpeg)
![d2a1ebcd3894b1a19b097d158729eadd.png](https://i-blog.csdnimg.cn/blog_migrate/e9a68a2ffe4cac5745ca304631cf561e.jpeg)
算法的思路很简单,可以考虑这样一种场景,假设我们有一张标准的3d人脸模型,如果投影和输入图片的人脸大致重合,那么此时 3d 模型的方位就可以看作是图片中人脸在实际空间中的方位了。如果投影和图像的差异很大,那我们再对 3d 模型进行旋转,平移,拉伸等操作,可以明确的是,只要经过合适的调整,总会出现两者相重合的情况。
所以现在的问题就变成了三个子问题:1. 怎样得到标准的人脸 3d 模型;2. 对 3d 模型的各种变换操作怎样从数字上体现出来;2. 如何量化的表示“重合”这一概念。
我们先来看第二个问题,在数学上,旋转、平移、拉伸操作其实都是矩阵运算,举个简单的例子,在二维平面上旋转一条线段,就是使用旋转目标 src 去乘以二维旋转矩阵,得到的 dst 便是旋转后的线段。
![8aeb3377787924b1204bb7c4efddefb3.png](https://i-blog.csdnimg.cn/blog_migrate/a1533e4867a28f06c3fa0985d9ce0c84.jpeg)
平移操作更简单一点,在坐标分量上加一个偏移量即可。拉伸也同理,只需要在不同的方向上乘以缩放系数。于是,空间中的一个对象,经过上述变换后,最终得到的东西由下式给出
其中 t 是平移矩阵,大小为
s 是缩放向量,具体形式为
这里的