基于三维重建的人脸表情合成技术的研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:zk0529
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人脸建模和动画技术的研究已有30年的历史,随着虚拟现实,影视娱乐,可视电话,人机交互等应用的发展,这一研究领域越来越受到人们的关注。本文致力于基于三维重建的人脸表情合成技术的研究。通过输入人脸正面和侧面照片进行特定人脸的真实感建模,并在此基础上实现人脸的表情动画。主要的困难在于:首先由于人脸的生理机构复杂,由正面和侧面照片得到的信息量少,而且人们对人脸的外观十分熟悉和敏感,所以要合成具有真实感的人脸—包括人脸几何外形和纹理外观的变化就很困难。其次,如何高效的表示和组织已有的人脸表情数据,使之通用于不同的人脸模型,以及提高系统自动性,减少用户手工工作,也是本领域内研究的热点。  人脸表情动画的合成一般分为:特定人脸特征提取、人脸模型重建以及表情动画合成等三部分。  人脸特征提取主要研究人脸特征点定义和提取。在定义正面和侧面特征点时,根据实际需要精简了MPEG-4中定义的人脸特征点的个数;使用特征点模板与手工标定结合的方法确定特征点的位置。  特定人脸模型的重建要通过从输入的正侧面照片中提取的特征点数据,对3D人脸模型分别进行正面调整和侧面调整从而生成特定人脸的几何模型。然后采用圆柱形纹理映射的方法得到模型的纹理坐标,并通过OPENGL渲染得到真实感人脸模型。其中正面模型调整和侧面模型调整都采用了基于特征线段的方法。正面模型调整后得到特定人脸模型的x坐标和y坐标;侧面模型调整后得到人脸模型的y坐标和z坐标,然后利用立体视觉原理恢复出特定人脸的三维坐标。映射所使用的纹理是由输入的正侧面照片拼接而成的。  表情动画合成采用了基于MPEG-4标准并结合面部生理结构的人脸三层运动模型,从而比较精确的模拟出人脸表情动画。  本文设计并实现了一个以两张正交照片为输入的人脸建模和表情动画合成系统。该系统输入简单,通用性强、数据量小、运算复杂度低、成本低廉等优点,可以应用于人性化人机交互、虚拟主持人、网络会议、可视电话、远程教学、远程医疗诊断、电影制作、游戏娱乐等诸多领域,具有广泛的应用前景。
其他文献
[摘 要] 随着4G移动通讯技术的发展,以微信为代表的新型网络传播媒介推动着“指尖互动时代”的到来。同时,其也在悄悄改变大学舆论的传播生态,给大学生的思想、行为以及高校思想政治教育工作带来的巨大挑战。“红色微信”是弘扬主旋律、传播核心价值观的重要载体。微时代下,以“红色微信”为代表的网络思想政治教育正逐步承担引导大学生手机舆论、培养大学生“三观”的重要责任。通过“红色微信”平台的构建,能够有效促进
由于虚拟现实和人机交互的发展,基于电脑的虚拟手术的好处已经被许多调查者广泛的讨论和示范证明。这些好处拓展了手术训练的能力。它可以提供不同的训练场景,包括解剖的个体
科学技术也能成为迷信?    不幸的是,在广电面临市场变动,内部革新的今天,科学技术正被越来越多的人迷信!且这种迷信如同瘟疫般在广电行业中悄悄蔓延。  进入21世纪,计算机及微电子技术的迅猛发展让一直较为封闭的广电行业突然警醒,在又惊又喜的双重作用下,广电系统从上到下,对新技术的发展给予了前所未有的关注,其中不少人开始走入迷信技术的另外一个极端。  技术迷信一方面让广电对新技术可能带来的巨大市场潜
随着软件定义网络(software-defined network,简称SDN)规模的扩大和上层应用的复杂化,单个控制器已经不能满足网络要求,成为网络性能的瓶颈。多控制器集群管理SDN有很多优势,但实现
近年来,流形学习用于人脸识别引起了广泛关注,有研究表明,人脸很有可能是位于一个非线性的流形上,这提示我们可以将原始数据集对应的高维空间的流形映射至低维空间的流形,通