delaunayTriangulation构建68关键点人脸网格三角形数量不一致问题求助

我来帮你拆解这个问题——其实Delaunay三角剖分生成的三角形数量和关键点的空间分布直接相关，哪怕都是68个关键点，正面和非正面人脸的点排列差异会导致剖分结果完全不同，具体原因可以从这几个角度理解：

• 关键点的空间拓扑差异：正面人脸的68点是对称规整分布的，眼睛、眉毛、嘴角等区域的点相对位置稳定；但非正面人脸（比如侧脸、俯仰脸）的关键点会因姿态偏移发生空间位置变化，比如侧脸时一侧脸颊点会向中线靠拢，下巴点位置也会偏移。Delaunay三角剖分依赖点集的凸包形状和相邻点的距离关系构建三角形，点的空间分布变了，凸包、点邻接关系都会改变，自然三角形数量和结构就不一样了。

• Delaunay的"最大化最小角"核心规则：这个算法的目标是生成尽可能规整的三角形，避免狭长三角。当非正面人脸某些区域的关键点因姿态挤压变得更密集（比如侧脸的下颌线区域），算法会调整三角划分方式来满足规则，这也会导致三角形数量和方向的差异。

• 边界轮廓点的影响：68点包含人脸轮廓点，正面人脸轮廓是对称椭圆形，非正面人脸轮廓会变成不对称形状（比如侧脸的半椭圆形）。凸包边界的变化会直接影响剖分结果，边界点的排列和数量差异会带动整个网格的三角数量变化。

针对你做人脸姿态归一化的需求，这里给个实用的解决思路：
你不需要让两张图的三角网格自动匹配，而是固定正面人脸的三角拓扑结构：

1. 先对标准正面人脸的68点做Delaunay剖分，把每个三角形对应的关键点索引（比如哪三个点组成一个三角）保存下来；
2. 对非正面人脸的68点，直接复用这个保存好的拓扑关系构建网格，而不是重新做Delaunay剖分；
3. 这样两张图的三角形数量和对应关系就完全一致了，之后对每个对应三角做仿射变换，就能把非正面人脸的每个区域映射到正面人脸的对应区域，实现姿态归一化。

另外还要注意，如果非正面人脸的关键点检测存在误差，也会间接影响剖分结果，所以确保关键点的检测准确性是前提哦。

内容的提问来源于stack exchange，提问作者Wasseem