标签:begin end Mask Face 相机 vec array 坐标系
0 具体做法
code: MaskTheFace
- 通过人脸关键点检测模型,可以得到特定点的像素坐标\(\{\vec{x_1}, \vec{x_2}, .., \vec{x_n}\}\)
- 找到口罩戴在脸上,特定点在口罩图像上的像素坐标\(\{\vec{y_1}, \vec{y_2}, ..., \vec{y_n}\}\)
- 通过homography变换,将口罩“贴”在人脸图像上
1 透视投影: Perspective Projection
介绍针孔相机模型前,我们需要对以下4个坐标系有所区分:
- 世界坐标系
- 相机坐标系
- 图像坐标系(and 归一化图像坐标系)
- 像素坐标系
世界坐标系—> 相机坐标系的转换,涉及到相机外参\(R\)和\(T\)
相机坐标系—> 图像坐标系的转换,涉及到相机内参\(f\)
图像坐标系—> 像素坐标系的转换,设计到相机内参\(s_x、s_y、s_\theta、o_x、o_y\)
1.1 针孔相机模型
假设相机坐标系下点P的坐标是\([X, Y, Z]\),对应像平面上的点是\(p = [x, y]\),焦距为f,根据相似三角形可以得到从相机坐标系到图像坐标系的变换。(还没到像素坐标系)
用齐次坐标系表示,可以写成下面的形式:
1.2 各坐标系的变换——相机内参和外参
相机外参是相机的刚体运动,体现在世界坐标系到相机坐标系的坐标变换。相机内参体现在相机坐标系到图像坐标系到像素坐标系的变换。这部分内容也可参考TUM的PPT。
参考资料:
《Multiview Geometry Chapter 3——Perspective Projection》(TUM)
2 对极几何
根据两组2D点估计相机运动,可以使用对极几何求解
根据两组3D点估计相机运动,可以使用迭代最近点ICP求解
下面这张PPT需要注意两点:
- \(x_1\)和\(x_2\)是归一化像平面上的坐标。
- 对于向量\(u \in R^{3}\), 它的反称矩阵左乘一个向量,相当于它叉乘该向量。(右手法则)
参考资料:
《Multiview Geometry Chapter 5——Reconstruction from Two Views: Linear Algorithms》(TUM)
3 单应性变换
上面第一张PPT的第一个公式可以用下面这幅图来解释。
参考资料:
《Multiview Geometry Chapter 5——Reconstruction from Two Views: Linear Algorithms》(TUM)
标签:begin,end,Mask,Face,相机,vec,array,坐标系 来源: https://www.cnblogs.com/TaipKang/p/15583885.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。