【技术实现步骤摘要】
基于单张人脸图像自动合成三维表情的方法及装置
本专利技术属于计算机视觉与计算机图形学相关领域,特别涉及一种基于单张人脸图 像自动合成三维表情的方法及装置。
技术介绍
三维人脸表情合成是应用于诸多领域的计算机图形学技术,包括电影游戏、人机 交互和人脸识别等。而从单幅图像中合成三维人脸表情则是计算机视觉与计算机图形学技 术的结合。其目的是从一副包含人脸的图像中提取人脸信息,然后合成出图像中人脸的各 种三维表情。 已有的人脸表情合成方法大多数是基于人脸参数标准的方法,使用的是 MPEG-4 人脸动画标准(参见 Raouzaiou, Amaryllis and Tsapatsoulis, Nicolas and Karpouzis,Kostas and Kollias,Stefanos. Parameterized facial expression synthesis based on MPEG-4. EURASIP Journal on Applied Signal Processing, vol. 2002 ,1,1021-1038, 2002.)或者面部动作编码系统(Facial Action Coding System. FACS)(参见 Roesch,Etienne B and Tamarit, Lucas and Reveret, Lionel and Grandjean, Didier and Sander, David and Scherer, Klaus R. FACSGen:A tool to synthesi ...
【技术保护点】
一种基于单张人脸图像自动合成三维表情的方法,该方法包括步骤:步骤1,对于输入的单张图像,使用ASM进行人脸形状定位;步骤2,根据定位的人脸形状,利用三维人脸参考模型采用散点插值完成人脸的形状建模,在形状建模的基础上进行纹理映射,得到图像中目标人脸的三维人脸模型;步骤3,利用包含有限表情模型的表情集,计算该表情集相对于三维人脸参考模型的运动矩阵和目标人脸的三维人脸模型的人脸表情运动矩阵,所述表情集中各表情模型所包含的顶点与三维人脸参考模型以及目标人脸的三维人脸模型中的顶点一一对应;步骤4,根据步骤3中得到的目标人脸的三维人脸模型的人脸表情运动矩阵,计算表情集中每个表情的线性运动模型;步骤5,在三维人脸参考模型和表情集的基础上,使用聚类方法获得人脸面部区域划分结果;步骤6,利用目标人脸的三维人脸模型、表情集中每个表情的线性运动模型以及人脸面部区域划分结果,进行人脸三维表情合成。
【技术特征摘要】
1. 一种基于单张人脸图像自动合成H维表情的方法,该方法包括步骤: 步骤1,对于输入的单张图像,使用ASM进行人脸形状定位; 步骤2,根据定位的人脸形状,利用H维人脸参考模型采用散点插值完成人脸的形状建 模,在形状建模的基础上进行纹理映射,得到图像中目标人脸的H维人脸模型; 步骤3,利用包含有限表情模型的表情集,计算该表情集相对于H维人脸参考模型的运 动矩阵和目标人脸的H维人脸模型的人脸表情运动矩阵,所述表情集中各表情模型所包含 的顶点与H维人脸参考模型W及目标人脸的H维人脸模型中的顶点一一对应; 步骤4,根据步骤3中得到的目标人脸的H维人脸模型的人脸表情运动矩阵,计算表情 集中每个表情的线性运动模型; 步骤5,在H维人脸参考模型和表情集的基础上,使用聚类方法获得人脸面部区域划分 结果; 步骤6,利用目标人脸的H维人脸模型、表情集中每个表情的线性运动模型W及人脸面 部区域划分结果,进行人脸H维表情合成。2. 根据权利要求1所述的方法,其特征在于,步骤2进一步包括,使用一个H维人脸参 考模型,该H维人脸参考模型上具有与步骤1中所使用的人脸形状相对应的H维关键点, 对该H维人脸参考模型进行散点插值,得到H维人脸参考模型的形状变换,然后对形状变 换后的模型使用直接纹理映射,得到图像中目标人脸的H维人脸模型。3. 根据权利要求2所述的方法,其特征在于,步骤3进一步包括,通过W下方式来获取 目标人脸的H维人脸模型的人脸表情运动矩阵;对于表情集中中性表情模型的任意一个顶 点,构造其位于H维人脸参考模型中的源局部空间W及位于目标人脸的H维人脸模型中的 目标局部空间,利用所述顶点的局部空间、源局部空间W及目标局部空间之间的对应关系, 求得该顶点相对于H维人脸参考模型顶点坐标的运动向量,使用局部空间变换,获得该运 动向量适用于目标人脸的H维人脸模型的变换形式,利用该变换形式W及H维人脸参考模 型的运动矩阵,来获得目标人脸的H维人脸模型的运动矩阵。4. 根据权利要求3所述的方法,其特征在于,步骤5进一步包括;利用表情集中每个H 维模型所包含的顶点,构造一个矩阵来代表顶点在表情集中的运动方式相关特征,利用顶 点的运动方式相关特征W及顶点的空间位置特征,构造顶点的特征向量,对该特征向量进 行K均值聚类,聚类的结果为面部划分的结果。5. 根据权利要求4所述的方法,其特征在于,在聚类过程中,对于目标人脸的H维人脸 模型中的m个顶点,使用K均值聚类的方法将其分成r类,每一类中的顶点个数不是一定 的,认为同一类的顶点代表脸部的同一区域,不同类顶点代表不同区域,聚类结果就是Ru, Ry是第i个表情的第j个区域,通过聚类获得每一类中所有顶点的标号,使用该些标号和 Ai构建r个Ru,其中Ai是第i...
【专利技术属性】
技术研发人员:黄磊,舒之昕,
申请(专利权)人:汉王科技股份有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。