[文献速递Vol.329]-多焦点相机阵列记录动态面部微表情

本文旨在解决传统单相机在拍摄非平面人脸时难以兼顾高分辨率、大视场与大景深的技术瓶颈。面向情绪识别、疾病诊断等生物医学应用对精细面部动态捕捉的迫切需求，研究团队开发了一种多焦点相机阵列显微系统。该系统通过协调54个独立相机，使每个单元分别聚焦于人脸的不同深度区域，再通过精准拼接合成全脸高分辨率视频。该技术实现了约43毫米的扩展景深和26微米的横向分辨率，显著提升了动态面部微表情的记录能力，为相关领域的精准分析提供了强大的成像工具。

动态面部表情的高质量成像在生物医学领域至关重要，可用于情绪检测、疾病诊断、手术效果评估、面部假体制造及面部特征遗传效应检测等场景。此前研究多依赖单相机低分辨率成像，光学分辨率常达数百微米，难以满足微表情检测需求——如2014年某 “高分辨率” 数据库分辨率约400μm，现有最高分辨率的 SAMM 数据集像素也仅2048×1088。同时，单相机存在横向分辨率、视场（FOV）与景深（DOF）的权衡问题，无法同时实现高分辨率、大视场、大景深，难以完成对弯曲人脸的高分辨率视频捕捉。

3.1 系统配置

采用基于多相机阵列显微镜（MCAM）的成像系统，由54台相机以9×6网格排列，每台相机含焦距25.05mm、物方数值孔径0.04的镜头，及1300万像素CMOS传感器（ONSemi AR1335，3120×4208像素），相机以13.5mm间距固定在PCB板上，镜头朝下，默认物距240mm。原始图像帧（4208H×3120V）被裁剪为3072×3072像素，以提升帧率与拼接速度。

借助解剖学精确的泡沫塑料人脸模型（深度范围0-40mm，见图1(a)），结合数字游标卡尺确定各相机参考深度；将平面特征参考样本移至目标位置，轴向调整镜头至分辨率目标对焦（见图1(b)），最终相机物距200-240mm、像距27.9-28.5mm。采用Hugin算法拼接54台相机图像（先校准参数，见图1(c)；再用于面部拼接，见图1(d)），最终拼接图分辨率13394×9062 像素（112×75mm²）。

3.2 系统表征

相邻相机视场重叠约60%，放大率与视场因物距不同存在差异（视场23-29mm）。通过精度0.01mm的平移台，对分辨率目标轴向堆叠成像（见图2(a)），在240mm工作距离的-1至50mm范围，每1mm拍一次图像。以拉普拉斯滤波器量化图像锐度，确定对焦平面，用锐度曲线半高宽（FWHM）表示景深（见图2(b)）；通过边缘扩散函数（ESF）、线扩散函数（LSF）及调制传递函数（MTF）计算横向分辨率（见图2(c)），并统计各相机对焦平面（见图2(d)）、景深（见图2(e)）与分辨率（见图2(f)）。

3.3 面部成像

在光路中放置45度20×20cm反射镜实现直接成像，受试者头部固定于颏托，用三个环形灯照明，通过MCAM系统捕捉面部图像与视频。

4.1 系统性能

阵列放大率0.1165-0.1463（相邻差异约10%），扩展景深（EDOF）43.64mm（单相机景深4.7±0.7mm，提升近10倍），横向分辨率26.14±5.8μm（与单焦点MCAM的20μm相近）。视差偏移方面，视场边缘350-440μm高度差、中心与边缘中点650-830μm高度差，会产生与分辨率相近的偏移，超差值则致拼接误差。

4.2 成像效果

对比单焦点MCAM（部分特征失焦）与多焦点 MCAM（全深度对焦），后者可捕捉全脸高分辨率微特征；以12fps帧率记录动态视频，单相机视场内面部高度差＜10mm，引发的视差偏移与放大率差异致轻微拼接误差，但影响较小；面部轻微运动可能致失焦与对齐偏差。

多焦点MCAM可在数平方厘米视场实现43mm扩展景深与数十微米分辨率，适配不同面部几何形状，解决单相机的分辨率-景深权衡问题，在医疗诊断、面部识别、AR/VR等领域价值显著（与MFIAS系统比，视场、景深更优）。未来将集成可调焦镜头、自动校准与实时处理算法，优化阴影与放大率偏移问题。