论文部分内容阅读
人脸表情动画是计算机视觉、计算机动画、虚拟现实等领域研究的热点和难点之一。在人脸表情动画逐渐发展的近二十年里,国内外很多学者在相关领域开展了大量研究工作,取得了丰富的理论和实践成果,包括人脸表情数据的捕捉方式研究,表情动画真实感的研究,表情动画生成系统的设计和开发等。本文针对表演驱动的表情动画方法进行研究,研究内容主要包括表情数据的捕获、人脸表情子空间的建立以及Blendshape表情基的自动生成三个方面,具体研究内容及创新点归纳如下:1.提出一种基于张量(Tensor)构建人脸表情子空间的方法。该方法的核心思想是找到一个核张量张成的覆盖全部训练样本的表情子空间,并利用这个核张量对新的表情数据进行拟合。由于基于张量的方法在构建人脸表情子空间的过程中使用了多个人脸对应的多个表情数据,因此,该方法较常规的PCA构建子空间的方法更能体现数据的细节特征,并且在拟合精度上优于基于PCA的方法。实验表明,基于张量构建的人脸表情子空间泛化能力更强,更能胜任拟合表情训练样本中不存在的人的面部表情。2.提出一种基于样例的Blendshape表情基自动生成方法。该方法首先通过使用变形传输技术,实现源模型到目标模型的粗粒度映射;然后针对目标模型建立梯度空间的约束,形成关于表情基调整的最优化问题;最后使用交替迭代方法优化目标模型的拓扑结构。实验表明,该方法是切实可行的,同时能在一定程度上提高目标模型的真实感,生成高质量、个性化的Blendshape表情基。3.设计并实现了基于Kinect摄像机与OGRE三维渲染引擎结合的表演驱动人脸表情动画系统。本系统具有设备简单、廉价、精度高、实时预览表情动画效果、单人独立操作等优点。