[发明专利]三维人脸肌肉模型的自动构造方法

摘要

本发明提出一种基于三维人脸特征点的人脸肌肉模型自动构造方法。肌肉模型是目前最为常用的人脸动画驱动模型，它能够通过模拟脸部的肌肉收缩达到驱动三维人脸面部表情变化的目的。然而，以往面部肌肉模型的构造需要美工花费大量时间进行细微调整，而在每次更换三维人脸模型之后，所有的构造工作甚至需要重新来过。基于如上问题，本发明提出了一种新的人脸肌肉模型构造方法，该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。实验结果证明，该方法不仅可以使美工从繁琐的手工调试中解脱出来，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。

主权项

基于三维人脸特征点的人脸肌肉模型的自动构造方法，其特征在于包括：三维人脸特征点检测阶段：(1)将带有纹理的静态三维人脸模型使用Phong光照渲染方法渲染到一张二维人脸图片上；(2)采用基于Bayesian Tangent Shape Model(BTSM)的二维人脸特征点提取方法，提取步骤(1)中渲染的二维人脸图片中的22个特征点；(3)利用由二维图像到三维网格的反方向投影，将22个二维特征点投射到三维人脸网格上，从而实现自动识别三维模型中的人脸部分，并提取出三维特征点的大致位置；(4)利用三维人脸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，对步骤(3)中的三维特征点大致位置进一步细化；(5)将步骤(4)中细化的三维特征点位置再次投影到二维人脸图片上，将投射到二维的特征点位置作为初始位置输入至步骤(2)再次提取，并重复步骤(2)至步骤(4)，直至22个三维特征点的位置结果收敛；三维人脸肌肉构造阶段：(6)准备男女各25个具有不同种族，不同年龄以及不同面部特征三维人脸模型，对这些三维人脸的尺寸，格式作出统一调整；利用美工的技术对这50个三维人脸进行特征点标注以及肌肉模型构造，并将这些模型作为后续步骤的训练样本数据；(7)运用回归分析以及支持向量机等技术从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，从而训练出一个三维人脸肌肉模型预测器。该模型预测器的特点是以三维人脸特征点位置为输入，以相应的三维人脸肌肉模型为输出；(8)将步骤(5)中得到的位置收敛的三维特征点作为输入，提交至上一步骤中训练得到的肌肉模型预测器中，从而获得适合该三维人脸的肌肉模型。最终，利用自动构造的三维人脸肌肉模型以及驱动人脸表情变化的肌肉收缩数据，获得具有表情变化的三维人脸模型。