1. 研究目的与意义

计算机视觉使用计算机及相关设备对生物视觉进行模拟分析处理。

随着科技发展，计算机视觉新技术发展迅猛，应用广泛。

这些技术主要包括人脸检测、人脸识别、人脸面貌迁移。

2. 课题关键问题和重难点

人脸区域融合技术就是将别的图片上的面部信息经过定位处理来配合第一幅人面，在这个过程中需要对人面进行色彩调配以及两张图片的面部轮廓的特征进行整合。

由于第二张图片存在随机选择的情况，不同的环境背景，不同的光照情况，不同的皮肤颜色都会增加人脸区域融合的难度，在无法解决由于环境背景肤色以及光线造成问题的情况下势必造成人脸融合之后成品的整体区域的不协调感以及覆盖区域边缘的不连续。

为了使纹理映射的更加真实需要对面部的像素进行大规模的精准采集，并且需要比较合适的算法来进行人脸融合，不仅如此在解决完由于肤色环境光线等外界因素造成影响的前提下，还得对两张图片的面部特征进行整合，将第二张图片的面部特点转移到第二张图片上。

3. 国内外研究现状（文献综述）

人脸区域融合技术第一步就是要通过人脸检测技术与人脸面部特征区域定位技术将脸部特征标记出来，人脸检测最早起源于人脸识别，人脸检测是指:在输入图像中确定是否有人脸存在, 如果有则确定其位置、大小、位姿的过程。

人脸检测问题的提出源于人脸识别, 人脸识别的第一步就是要从图像中检测并定位出人脸的位置。

随着模式识别技术的发展以及自动化程度的提高, 人脸检测开始作为一个独立的领域进行研究。

4. 研究方案

1、检测脸部标记,使用dlib的 python 绑定来提取面部标记,get_landmarks()函数将一个图像转化成numpy数组，并返回一个682元素矩阵，输入图像的每个特征点对应每行的一个x，y坐标。

特征提取器（predictor）需要一个粗糙的边界框作为算法输入，由一个传统的能返回一个矩形列表的人脸检测器（detector）提供，其每个矩形列表在图像中对应一个脸。

2、用 procrustes 分析调整脸部，现在我们已经有了两个标记矩阵，每行有一组坐标对应一个特定的面部特征（如第30行的坐标对应于鼻头）。

5. 工作计划

2022年11月29日至2022年11月30日 确认论文方向 基于python算法的人脸区域融合技术2022年12月22日至2022年3月1日 学习Python算法 2022年1月26日至2022年2月20日 阅读相关文献资料查询人脸融合方法 2022年2月20日至2022年2月25日 外国文献翻译 《使用回归树一毫秒人脸对齐》2022年2月20日至2022年2月27日 完成开题报告 2022年3月1日至2022年3月20日 阅读各类有关文献，Delaunay三角剖分，曲线拟合 2022年4月1日至2022年4月30日 完成相应软件构造，代码编写，测试 2022年5月1日至2022年5月15日 撰写论文 2022年5月16日至2022年6月1日 准备材料，准备答辩