[发明专利]一种基于联合字典的三维人脸表情去除的方法

权利要求书

1.一种基于联合字典的三维人脸表情去除方法，其步骤如下：

(1)、三维人脸非刚性对齐：用于将所有三维人脸数据规则化，便于后续的处理；

(2)、联合字典学习：通过联合字典学习完成对训练数据库中的人脸与其对应的表情残差间的映射建立，其中表情残差通过表情人脸“减去”对应的中性人脸得到；

(3)、基于残差的表情去除人脸区域提取：对输入一张测试的带表情人脸，根据步骤(2)得到的字典映射，得到表情残差，通过“减去”表情残差获得中性人脸；

(4)、模板引导的泊松变形：基于向导的变形和刚性区域约束对步骤(3)得到中性人脸进行处理，使得最后输出的中性人脸噪声更少并更接近真实人脸。

2.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，所述的三维人脸数据非刚性对齐，是指将一个通用人脸模板向所有人实验用到的人脸模板变形，拿变形的结果替代人脸成为新的实验数据。

3.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，所述的三维人脸数据非刚性对齐分为三个阶段：1)特征点原则的人脸变形，使用少数特征点位作为引导，设定变形影响范围，使得这些特征点的移动能够带动其周围较大范围内邻域点的移动，达到预先变形通用模板，减少网格折叠的目标；2)基于最近点原则的人脸曲面变形；3)基于混合原则的人脸曲面变形，即结合最近点原则和法线射线原则，在变形的过程中，不断调整这两个原则对变形结果影响的比重。

4.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，所述的联合字典学习的方法为：在表情人脸和表情残差人脸间建立了一组非显性的映射W，使得同一张带表情人脸的带表情人脸及其对应的残差人脸在各自字典上的稀疏表征编码保持相同，即共享编码。

5.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，所述的步骤(2)所述的表情残差f_res通过表情人脸f_exp“减去”对应的中性人脸f_neu得到是基于以下公式：

Φ(f_res)＝Φ(f_exp)-Φ(f_neu)   (1)

其中Φ(·)表示从三维人脸曲面上提取的曲面信号向量，假设本发明中提到的非刚性对齐步骤已经完成，则Φ(·)可以写成：

Φ(f)＝(x₁，y₁，z₁，x₂，y₂，z₃，...，x_n，y_n，z_n)^T   (2)

其中x_i，y_i，z_i，1≤i≤n是三维人脸上的第i个点的三维坐标。

6.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，步骤(4)所述的基于向导的变形的方法是将输入的人脸在自身拓扑结构的约束下向目标人脸变形。

7.根据权利要求1所述的基于联合字典的三维人脸表情去除方法，其特征在于，步骤(4)所述的刚性区域约束是通过边界条件的方式对泊松方程加以约束，固定人脸上的刚性区域保持不变。