[发明专利]三维人脸肌肉模型的自动构造方法

说明书

技术领域

本发明涉及计算机模拟三维人脸表情动画领域中的肌肉模型自动构造领域。 

背景技术

计算机模拟三维人脸表情动画是计算机图形学中的一个关键应用。常用的人脸表情动画方法主要分为三大类，分别为基于形状插值的方法、基于几何形变的方法以及基于仿真的表情动画方法。 

基于形状插值的方法是一种直观而易于实现的人脸表情动画方法，其主要技术原理就是利用线性或非线性插值技术，将具有不同表情的静态人脸模型进行插值，从而获得具有中间过渡表情的人脸模型。基于形状插值的方法虽然简单，但在进行人脸动画之前需要将具有各种不同极端表情的静态人脸模型准备好并载入内存，一方面需要大量的美工对模型的表情进行调整，另一方面对内存的耗费也较为严重。此外，基于形状插值的方法最致命的问题在于其真实感不强，这是由于人的面部表情变化非常复杂，仅用有限的表情进行简单的线性或非线性插值是远远不能达到要求的。 

基于几何形变的人脸动画方法在一定程度上增加了可模拟表情的丰富程度。该类方法通过纯粹的几何形变操作，对人脸各个器官的形状变化进行模拟。但是，对于人脸网格的几何形变操作不可避免地会引入不真实的扭曲或错切变形，使得表情动画的真实感大打折扣。同样地，要获得所需要的真实感，基于几何形变的人脸动画方法也需要大量的训练样本数据，这使得该类方法很难以在实际中得到广泛的应用。 

与上述两类方法不同的是，基于仿真的人脸表情动画方法从人脸形变的原理入手，通过模拟真实人脸的肌肉缩放，由肌肉带动面部网格变形，从而达到真实地模拟各种人脸表情的目的。由于基于仿真的方法具有真实感强，可模拟各种人脸表情，无需大量模型数据等优点，因此被应用在各种虚拟仿真以及三维游戏当中。然而，该类方法在面部肌肉模型的构造环节仍然存在着很大的瓶颈，这不仅大大限制了其在应用上的灵活性，也使得普通用户难以定制自己所期望的具备表情功能的人脸模型。 

发明内容

本发明提出的基于三维人脸特征点的人脸肌肉模型自动构造方法，通过研究三维人脸特征点与面部肌肉之间的空间位置映射关系，实现了面部肌肉的自动构造与装配。在三维人脸特征点检测阶段，首先利用二维纹理信息对面部特征点位置进行大致估计；然后，利用三维网格形状以及曲率分析的方法，根据各个人脸特征点所固有的形状特征，进一步精确化三维特征点的位置；通过多次迭代运用二维特征点检测方法以及三维形状分析方法，有效而精确地检测出三维人脸网格上的22个特征点。在人脸肌肉脱出来，还能够让一般用户定制自己所需要的具有各种表情的三维形象，较好地解决了以往三维人脸表情动画方法中存在的瓶颈，对进一步扩大三维人脸表情动画模型构造阶段，首先准备了充足的精确训练样本数据，然后采用回归分析以及支持向量机等技术从大量训练样本中学习三维人脸特征点与面部肌肉之间的映射关系；最后利用在上一阶段中检测到的三维特征点构造出适合该人脸的肌肉模型。实验结果证明，本发明提出的方法不仅可以使美工从繁琐的手工调试中解的应用具有重要意义。

附图说明

图1为22个三维人脸特征点示意图； 

其中1.右眼瞳孔、2.左眼瞳孔、3.鼻根、4.鼻尖、5.上唇中心点、6.下唇中心点、7.右嘴角、8.左嘴角、9.右外眼角、10.右内眼角、11.左内眼角、12.左外眼角、13.上唇右点、14.上唇左点、15.下唇右点、16.下唇左点、17.右眉中心点、18.左眉中心点、19.右鼻翼、20.左鼻翼、21.右眉内侧点、22.左眉内侧点； 

图2为二维至三维特征点投影示意图； 

图3为23组人脸向量肌肉示意图； 

图4为三维人脸特征点搜索区域示意图； 

图5为标注好三维特征点及肌肉模型的训练样本数据； 

图6为向量肌肉收缩控制示意图； 

图7为括约肌收缩控制示意图； 

图8为不同人脸模型上的表情模拟效果图； 

图9为非单纯人脸模型上的表情模拟效果图； 

具体实施方式

一、三维人脸特征点检测 

三维人脸特征点检测阶段作为人脸肌肉模型构造的准备阶段，主要负责在给定的静态三维人脸网格上精确地检测到22个预定义的面部特征点。如图1所示，预定义的特征点主要集中在四个区域，分别为眼眉区、眼周区、鼻尖鼻翼区以及嘴部周围区域，这些特征点可以很好地描述给定三维人脸的面部特征，为下一阶段的肌肉定位提供准确充足的数据信息。