人脸建模和动画技术的发展
浅谈人脸建模与动画技术
１ ．１ 人脸建模模型
可以用两种办法来实现人脸表面 的模型 ： 解析 曲线 曲
面 【 Ｉ 多边形网格模 型。但是从几 何上看由于 人脸面部存 ２和 ｕ ３ 在 多个面， 用曲线 曲面来逼真地描述势必造成运算量大 。 网 格模 型即在面部取一定数量 的点 ， 然后将点连接成 网格 ， 网
Ｋｅ ｗｏ ｄ ： Ｆ ｃ ｏ ｅ ｉ ｇ；Ｆ ｃ Ａ ｉ ａ ｉ ｎ ｖ ｒｓ ａ ｅ Ｍ ｄ ｌｎ ａ ｅ ｎ ｍ ｔ ｏ
０ 弓 言 ｌ
模 型 中 何外形和纹理的变化， 几 以及如何有效的驱动人脸模
型做 出复杂的表情和动作 。
人脸动画是指用计算机 图形学的技术来模 拟人面部表情
拟特定的人脸 。 了使得人脸模型具有一定 的通 用性 ， 为 一般 首先建立 巾性人脸模型 。 所谓 中 性人脸模型 ， 就是一张 “ 标
模型、简单弹性网格模型、物理学模型。
（ ）基于 参数 的模型 １ 基于参数 模型是 Ｐ ｒｅ ７ 年代提 出，８ 年代给 出新 ａｋ 于 Ｏ Ｏ 的版本提 出了一 种参数化模型 。 参数运用在 网格模型上， 基 本思想是通过少量 的控制参数作用在人脸模型上， 来调 整面
细节特 征不一样 ，网格有疏有密 。比如眼睛 、鼻子 和嘴巴，
脸建模是研究人脸模 型的静态建模 ， 生成具有真实感 的人脸
动画的基础 一几何外 形和纹理特征。 人脸建模 定义 人脸的几 何模型 以及模型 表面的皮肤属性 。 人脸动画研 究是在 已有的 人脸模 型上 建立 动态过程 ， 拟人脸表情和动作 ，包括人脸 模 ★基金项 目：福建省教育 厅 Ｂ 类课题 （Ｂ Ｓ ７ ＪＯ ２）
ａ ｉ ｅ ｒ ｅａ ｚ ｎｄ ｄ ａｓ ｆｏ ｒ ｌｉ ａｔｉ ｎ． Ｗｉ ｈ ｔ ａｌ ｉｓ ｆ ａｒ ｏｕ ｔ ｈｎ ｃ ａｒ ｏ ｔ ｈｅ ａｎ ｙｓ ｏ ｖ ｉ ｓ ｅｃ ｉ ａｌ ｃｈ ａｃｔ ｒｉ ｔｉ ｓ ｎ ｓ ｒｔ Ｏｍ ｎｇ ｅ ｓ ｃ ａ ｄ ｈＯ ｃ ｉ ｓ， ｗｅ ａｎ ａ ｅ ｃ ｈ ｖ ａ Ｏ ｃ ｍＤｒ ｈｅ ｉｖ ｕ ｅ ｅ ｎｓ ｅ ｎｄ ｒｓｔ ａｎｄｉ ｗ ｄｓ ｔｈ ｄ ｅｌ ｉ ｏｃ ｓ ｆ ｈｅ ａｃ ａｌ ｎｉ ａｔｉ ｎ． ｎｇ ｔｏ ａｒ ｅ ｅｖ ｏｐ ｎｇ ｐｒ ｅｓ ｏ ｔ ｆ ｉ ａ ｍ ｏ Ａｎ ｔ ｔｈ ｉｓ ｄ ｈｅ ｅｓ ｄｅ ｒｉ ｅｓ ｓｃ ｂ ａ ｅ ｇ ｎｅｒ Ｆａ Ｍｏ ａｌ ｃｅ ｄｅ１ ｎｇ ｅｔ ｄ． ｉ Ｍ ｈｏ
人脸识别技术的发展历程及未来发展趋势
人脸识别技术的发展历程及未来发展趋势近年来，随着人工智能技术的发展，人脸识别技术也得到了飞速的发展。
这种技术可以通过人脸图像中的特征来确认一个人的身份，并且可以应用于多个领域，例如安全管理、金融、医疗等等。
一、人脸识别技术的发展历程早期的人脸识别技术是基于2D图像的，主要是通过比对静态图像来进行人脸识别。
这种技术在识别效率和准确度上存在着一定的问题，例如对于相似的人脸、角度、光线等识别难度较大。
随着3D扫描技术的发展，3D人脸识别技术应运而生。
这种技术可以捕捉到脸部的三维空间信息，从而在一定程度上解决了2D 图像的缺陷，并且可以更准确地进行人脸识别。
近年来，研究人员将深度学习算法应用于人脸识别技术中，这种技术称为深度学习人脸识别技术。
通过深度学习算法，可以自动提取人脸图像中的特征，从而保证了识别的准确度和效率。
总之，人脸识别技术经历了从2D到3D再到深度学习的发展历程，取得了重大突破和进展。
二、人脸识别技术的当前应用情况在现代社会中，人脸识别技术已经得到了广泛的应用。
例如，政府机构可以利用这种技术来保护国家安全，例如使用人脸识别技术来确保机场、车站等公共场所的安全。
此外，人脸识别技术也被广泛地应用于商业领域。
商家可以使用这种技术来保护商业机密，并且可以根据客户的面部信息来提高产品销售和广告投入的效果。
另外，人脸识别技术也可以应用于金融领域和医疗领域。
在金融领域，人脸识别技术可以被用于验证客户的身份，并且可以在保证个人隐私的同时提高交易的安全性。
在医疗领域，人脸识别技术可以被用于医疗记录的管理，从而为患者提供更加有效的医疗服务。
三、人脸识别技术的未来发展趋势未来，人脸识别技术将继续得到发展。
以下是其未来发展趋势的预测：1.提高技术性能未来的人脸识别技术将会提高技术性能，从而可以更加精确地进行人脸识别。
例如，技术将会更好地应对嘴巴和眼睛遮挡问题，并且对于同时识别多个人的场景将会更加完美。
2.增强隐私保护措施由于人脸识别技术具有一定的隐私风险，因此隐私保护措施将变得更加重要。
人脸建模和动画技术的发展
人脸建模和动画技术的发展张 娅1,杜友福1,龙 涛2,张南平3(1 江汉石油学院计算机科学系,湖北荆州434023;2 天津大港油田公司油气勘探开发技术研究中心,天津300260; 3.武汉菲旺计算机技术有限公司,湖北武汉430070)摘 要:人脸建模和动画技术是当今计算机图形学和计算机视觉领域中非常热门的研究课题,其应用包括电脑游戏、虚拟现实、视频通信、电影、编码、人脸识别和人机交互,回顾了国际上近年来在这方面丰富的研究成果。
关键词:人脸建模;动画;人脸动作编码系统;图像转换;MPEG 4中图法分类号:TP317.4 文献标识码:A 文章编号:1001 3695(2003)11 0012 04A Revie w of Facial Modeling and Animation MethodsZ HANG Ya1,DU You fu1,LONG Tao2,Z HANG Nan ping3(1 De pt.o f Computer Scie nce,Jianghan Pet roleum Unive rsity,Jingzhou Hubei434023,China;2.O il&gas Exploration R&D Center,Dagang Oil fiel d Company,Tianjin300260,China;3 W uhan Phil wong Compute r Tec hnology Co.Ltd,W uhan Hubei430070,China)Abstract:Hu man facial modeling and animation are hot research topics in computer graphics and computer vision.Their applications include computer games,virtual reality,video com municati ons,movies,coding,face recognition,and hu man computer i nteracti on.This paper reviews the approaches and techniques published recently i n international journals and conferences.Key w ords:Facial Modeling;Animation;Facial Action Coding System;Morphin g;MPEG 41 引言人脸建模和动画技术是当今计算机图形学和计算机视觉领域中非常热门的研究课题,其应用包括电脑游戏、虚拟现实、视频通信、电影、编码、人脸识别和人机交互。
人脸识别技术的发展趋势(精选)
人脸识别技术的发展趋势(精选)随着科技的飞速发展，人脸识别技术逐渐在各个领域得到广泛应用。
本文将探讨人脸识别技术的发展趋势，从技术进步、应用场景和隐私保护三个方面进行讨论。
一、技术进步方面1. 深度学习算法的应用深度学习算法是推动人脸识别技术发展的重要因素之一。
通过构建深层神经网络模型，可以实现对人脸特征的高效提取和识别。
随着硬件设备性能的提升和大规模数据集的建立，深度学习在人脸识别领域的应用将更加广泛。
2. 三维人脸识别技术的突破传统的人脸识别技术主要基于二维图像，存在对光照、角度等因素的敏感性。
而三维人脸识别技术通过使用传感器获取人脸的三维形态信息，可以有效克服这些问题。
未来，三维人脸识别技术将在安全防护、数字支付等领域得到更广泛的应用。
3. 多模态融合识别技术的发展多模态融合识别技术指将人脸识别与声纹、指纹等其他生物特征相结合，提高识别的准确性和可靠性。
通过多模态融合，可以进一步提高人脸识别系统的容错率和鲁棒性，使其适用于各种复杂环境。
二、应用场景方面1. 安全领域的广泛应用人脸识别技术在安全领域的应用是最为广泛的。
越来越多的公共场所、企事业单位开始采用人脸识别技术作为出入口的身份验证手段，用于安全监控、门禁管理等。
未来，人脸识别技术将在公共交通、社区安全等方面得到更广泛的应用。
2. 金融领域的普及应用随着移动支付的普及，人脸识别技术在金融领域也开始得到广泛应用。
人脸支付技术可以提供更加便捷和安全的支付方式，无需携带任何实体卡片或密码，只需通过扫描面部即可完成支付。
人脸支付技术的发展将改变人们的支付方式和消费习惯。
3. 教育和医疗领域的创新应用人脸识别技术在教育和医疗领域也有很大的创新空间。
在教育方面，人脸识别技术可以应用于学生签到、考勤管理等场景，提高教育管理效率。
在医疗方面，人脸识别技术可以用于病人身份验证、医疗数据的安全与隐私保护等方面，提高医疗服务的质量和效率。
三、隐私保护方面1. 加强法律法规的制定和执行人脸识别技术的广泛应用也引发了对隐私保护的担忧。
人脸识别技术的发展趋势与未来展望
人脸识别技术的发展趋势与未来展望近年来，随着人工智能技术的快速发展，人脸识别技术得到了广泛的应用和推广。
从最早的图像处理到如今的深度学习算法，人脸识别技术逐渐向着更高的精确度、更广泛的应用领域迈进。
未来，人脸识别技术将以更加智能、高效、安全的方式和更多的应用场景出现。
首先，人脸识别的发展趋势之一是智能化。
目前，人脸识别技术多以输入图像的颜色、纹理、形状等特征进行分析和识别。
但未来随着智能硬件的逐渐普及，人脸识别将能够基于更多的数据特征进行分析，如皮肤水分、温度、微表情等，以实现更加准确、全面的识别。
同时，结合深度学习和神经网络算法，人脸识别技术将能够更好地理解和应对复杂环境下的变化和干扰，提高系统的智能化水平。
其次，人脸识别技术的发展趋势是多模态融合。
除了传统的图像信息外，未来的人脸识别技术将融合更多类型的数据，如声纹识别、虹膜识别、瞳孔识别等，提高系统整体性能。
通过多模态融合，人脸识别技术能够更加全面、准确地识别人脸身份，并避免单一模态的限制和被攻击的风险。
另外，多模态融合还可以适应更多的应用场景，如智能家居、移动支付等，提供更加便利和安全的使用体验。
另外，人脸识别技术的发展趋势还包括个性化定制。
未来，人脸识别技术将更加注重适应个性化需求。
通过对用户的个人特征和习惯的了解，人脸识别系统将能够根据用户的需要提供个性化的服务和体验。
比如，在智能家居中，系统能够根据用户的面部表情识别其情绪，进而自动调节家居环境，提供更适宜的体验。
另外，个性化定制还能够应用于电子商务、广告推送等领域，为用户提供更加精准的产品和服务。
此外，人脸识别技术的未来展望还包括隐私保护和安全性的提升。
担心个人隐私泄露和安全问题一直是人们对人脸识别技术的担忧之一。
未来，人脸识别技术将会加强隐私保护机制，确保用户的个人信息安全。
通过采用加密算法和安全传输方式，人脸识别技术将更好地保护用户的隐私。
同时，与政府、企业等机构的合作，建立更加严格的数据使用和共享规范，提高人脸识别技术的安全性。
人脸识别技术的发展与趋势
人脸识别技术的发展与趋势一、引言在当今数字化时代里，我们经常使用人脸识别技术。
自从发明以来，这一技术一直在进步和发展。
最近几年，人脸识别技术取得了长足的进步，成为了许多行业领域的重要工具。
人们不仅可以利用人脸识别技术来增强安全性和便利性，而且还可以应用于医疗、教育、娱乐和航空等领域。
本文将探讨人脸识别技术的发展与趋势，并协助读者更好地了解人脸识别技术在未来的应用和挑战。
二、人脸识别技术的发展历程人脸识别技术的发展历程可以分为三个阶段：图像处理时代、特征提取时代、和深度学习时代。
第一阶段，图像处理时代，使用了通用的图像处理技术来处理图像，例如，将图像灰度化、归一化、直方图均衡化等。
但这种方式存在显著的局限性，主要表现在对图像质量和亮度的不同处理方式。
为了解决第一阶段的局限性，比如处理人脸形态和颜色差异等问题，第二阶段的人脸识别方案采用了特征提取技术，可以准确识别人脸。
当一张人脸图像输入系统时，先通过一些特征提取方法，提取出一些重点的特征，然后生成人脸特征向量，并使用分类器来决定这个人脸是谁。
例如，Eigenfaces、Fisherfaces和Local Binary Patterns（LBP）本质上是两个主要的特征提取方法，被广泛应用于人脸识别中，取得了很好的效果。
在深度学习时代，人脸识别技术现在采用基于深度学习的方法。
这种方法是将多个卷积神经网络 (CNN) 应用于人脸图像，以获取超精确特征识别。
虽然这种方法更复杂，但更加准确。
三、人脸识别技术的现状人脸识别技术的现状可以分为三个方面：技术特点、应用领域和隐私问题。
从技术特点方面来看，人脸识别技术具有易于使用、快速和准确等特点。
人脸唯一性、不变性和稳定性是人脸识别技术的核心。
人类识别人脸时，会依靠人脸识别的一些特定的属性，例如：肤色、鼻子、眼睛、嘴巴和脸型等等。
而人脸识别技术也是专门基于这些属性来识别人物的。
从应用领域方面来看，人脸识别技术已应用于各种行业和领域。
人脸识别技术的发展与应用
人脸识别技术的发展与应用人脸识别技术是一种以人脸为特征进行身份验证与识别的生物识别技术。
随着科技的进步和人工智能的快速发展，人脸识别技术正逐渐走进我们的日常生活，并在多个领域得到了广泛应用。
本文将从技术的发展历程、应用场景以及相关争议等方面，探讨人脸识别技术的发展与应用。
一、技术的发展历程人脸识别技术起源于20世纪60年代早期，当时的技术受限于硬件和计算能力，因此只能实现有限的人脸检测和匹配功能。
随着计算机技术的进步和图像处理算法的改进，人脸识别技术逐渐迈入了一个新的发展阶段。
20世纪80年代和90年代，人脸识别技术的研究主要集中在基于特征点的方法，即通过提取人脸特征点的位置来进行识别。
然而，这种方法对于光线、角度和表情等因素的敏感性较高，导致了识别的准确性和稳定性较差。
进入21世纪，随着深度学习算法的兴起，人脸识别技术取得了巨大的突破。
深度学习技术通过大规模的数据训练神经网络，可以自动学习和提取人脸的高层次特征，从而实现更准确和鲁棒的人脸识别。
此外，随着硬件设备的更新换代和计算能力的提升，人脸识别技术的速度和效率也得到了大幅提升。
二、应用场景1. 安全领域：人脸识别技术在安全领域的应用非常广泛。
例如，在机场、车站、大型公共活动场所等地，人脸识别技术可以实现对人员身份的快速识别和鉴别，从而起到了防控恐怖袭击和犯罪活动的作用。
同时，一些企事业单位也运用人脸识别技术加强了门禁系统，提高了园区的安全性。
2. 社交娱乐领域：人脸识别技术在社交娱乐领域得到了广泛应用。
例如，各种人脸变换的App，可以通过人脸识别技术将用户的面部特征与动画或虚拟形象进行合成，带来趣味和娱乐体验。
此外，人脸识别技术还可以用于社交网络的面部标记和人脸识别相册等功能。
3. 金融领域：人脸识别技术在金融领域的应用也越来越广泛。
例如，一些银行和支付机构通过人脸识别技术实现了无感支付，用户无需携带密码或手机，只需要使用面部特征进行支付即可。
人脸识别技术的发展及应用前景
人脸识别技术的发展及应用前景一、引言随着科技的快速发展，人脸识别技术在现代社会中已经得到广泛的应用，这种技术凭借多种技术手段与算法，使得计算机能够快速地自动识别人类面部的特征，并通过与数据库进行比对来进行身份识别、犯罪侦查、安全防范等职能。
下文将对人脸识别技术的发展及应用前景进行阐述。
二、人脸识别技术的发展历程1.传统人脸识别技术早期人脸识别技术主要依靠传统的人工设计的特征提取算法，随着计算机计算能力的提高，人们尝试使用模板匹配算法、PCA （主成分分析法）等模式识别算法进行人脸识别。
2.机器学习与深度学习近年来，机器学习技术和深度学习技术的广泛应用，使得人脸识别技术得以快速进步。
人脸识别领域的主要算法包括神经网络、支持向量机（SVM）、卷积神经网络（CNN）等。
1.公安、安防领域人脸识别技术在公安、安防领域相较于传统监控手段，可以实现更高效、精准的人脸识别与辨认。
例如，在公安机关使用人脸识别系统可进行迅速有效的犯罪分析、涉案人员的追踪定位、人群密集场所的监管等。
2.金融、互联网实名认证在金融、互联网实名认证领域，人脸识别技术已经成为了必不可少的工具。
银行等金融机构使用人脸识别技术可为客户提供更加安全可靠的身份认证方式，同时减少了因用户信息被窃取而带来的经济损失。
互联网企业也可以使用人脸识别技术来保障用户隐私和安全。
3.智能家居、智慧城市建设人脸识别技术在智能家居、智慧城市建设等方面展现出广阔的应用前景。
例如，智慧城市建设中使用人脸识别技术可以实现自治区域居民管理与人员进出登记，优化城市治理。
同时智能家居中使用人脸识别技术可以为用户提供更加便捷、智能的生活服务。
1.数据安全问题人脸识别技术需要大量的训练数据来提高准确率，这就需要获取一定数量的人脸图像、视频等数据。
但如果这些数据被不法分子获得，将会带来极大的安全隐患。
2.隐私问题由于人脸识别技术可以快速准确地识别身份信息，其可能存在侵犯个人隐私权的情况，因此在使用人脸识别技术时需要注意合法合规。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人脸建模和动画技术的发展张 娅1,杜友福1,龙 涛2,张南平3(1 江汉石油学院计算机科学系,湖北荆州434023;2 天津大港油田公司油气勘探开发技术研究中心,天津300260; 3.武汉菲旺计算机技术有限公司,湖北武汉430070)摘 要:人脸建模和动画技术是当今计算机图形学和计算机视觉领域中非常热门的研究课题,其应用包括电脑游戏、虚拟现实、视频通信、电影、编码、人脸识别和人机交互,回顾了国际上近年来在这方面丰富的研究成果。
关键词:人脸建模;动画;人脸动作编码系统;图像转换;MPEG 4中图法分类号:TP317.4 文献标识码:A 文章编号:1001 3695(2003)11 0012 04A Revie w of Facial Modeling and Animation MethodsZ HANG Ya1,DU You fu1,LONG Tao2,Z HANG Nan ping3(1 De pt.o f Computer Scie nce,Jianghan Pet roleum Unive rsity,Jingzhou Hubei434023,China;2.O il&gas Exploration R&D Center,Dagang Oil fiel d Company,Tianjin300260,China;3 W uhan Phil wong Compute r Tec hnology Co.Ltd,W uhan Hubei430070,China)Abstract:Hu man facial modeling and animation are hot research topics in computer graphics and computer vision.Their applications include computer games,virtual reality,video com municati ons,movies,coding,face recognition,and hu man computer i nteracti on.This paper reviews the approaches and techniques published recently i n international journals and conferences.Key w ords:Facial Modeling;Animation;Facial Action Coding System;Morphin g;MPEG 41 引言人脸建模和动画技术是当今计算机图形学和计算机视觉领域中非常热门的研究课题,其应用包括电脑游戏、虚拟现实、视频通信、电影、编码、人脸识别和人机交互。
1972年Pa rke[1]用计算机产生了第一个三维人脸动画模型,然而真正的研究热潮开始于20世纪80年代后期,其动力来源于电影特技的需求、电脑和网络技术的飞速发展、以及由此引出的广泛的商业应用前景。
由于人脸骨骼结构和表情变化的复杂性,人脸建模和动画常常包含了非常复杂的技术。
至今人们已经提出了很多方法去尝试产生具有真实效果的人脸和动画,本文回顾了国际上近年来在这方面丰富的研究成果。
2 关键帧插值和参数化技术插值是最早和广泛应用的人脸动画技术之一,其基本思想是利用一个插值函数来产生两个关键帧之间在一定时间间隔内人脸的平滑动作变化。
常用的方法有线性插值[2]、双线性插值[3]和余弦插值[4]。
图1给出了一个图像插值的例子[3]。
这些方法的主要缺点是只能产生由关键帧所确定的小范围表情变化。
图像转换(Morphing)是另一种利用关键帧来产生动画的技术,它实现了两个图像之间对应特征的变换和交叉渐隐(Cross Dissolve),以及色彩插值。
常见的对应特性有点[5]和线[6]。
一般这种对应点寻找是通过手动选择以适应不同的应用,经过仔细的变换函数调整和对应特征对应的图像转换能产生非常逼真的动画。
Pighin等人[7]利用三维几何模型进行图像转换,他们的方法能直接得到三维人脸模型。
图2显示了从人脸到猫脸的转换例子[5],对应特性点叠加在两个关键帧上,中间转换结果显示在图的中央。
这种技术经常能够产生大范围逼真的脸部变化,但是其缺点是需要大量手工操作、不能推广到不同的脸、以及动画的视点必须与目标图像的视点近似相同。
关键帧插值方法需要利用大量关键帧来产生大范围的动画,参数化技术便是为了解决这个问题而提出[8]。
Parke[9]构造了一组人脸网格上的参数集,通过直接的参数控制和组合来合成不同的人脸表情。
这种技术能通过简单的计算来产生大量的表情变化,但常常会出现作用于同一网格点的相互冲突的参数值,从而产生难以令人满意的效果。
收稿日期:2002 10 19;修返日期:2003 01 133 人脸动作编码系统和肌肉物理模型心理学家Ekman 和Friesen [10]通过对人脸解剖结构的深入分析,提出了一个人脸动作编码系统(Facial Ac tion Coding Syste m,FACS),它对人脸肌肉各部分动作进行了完整的描述。
FACS 包含46个基本动作单元(AUs),结合各个独立的动作单元能够产生大量不同的脸部表情。
例如,结合AU12+13(拉嘴角)、AU25+27(张开嘴)、AU10(升起上唇)和A U11(增加一点皱纹)产生了一个幸福的表情,当然还有其它笑的结合方式。
这个系统已经被作为许多表情产生方法的基础,特别是在使用肌肉模型或者仿真肌肉的动画方法中。
为了产生非常仿真的人脸表情和动画,研究工作者已经提出了许多模仿人脸肌肉变化的模型[11]。
利用肌肉矢量和由线性肌和括约肌驱动的径向函数,Waters [12]构造了一个相当成功的人脸网格变形模型。
Chadwick 等人[13]使用自由变形的方式在一个多层结构(包含骨头、肌肉、脂肪和皮肤)中改变人脸表皮动作。
Nahas 等人[14]的样条表面模型能够产生合成的人脸说话动作变化。
Te rzopoulos 等人[15]提出的三层可变形网格(皮肤、脂肪组织和肌肉)对人脸细微的解剖结构和动力系统进行了建模。
Lee 等人[16]提出了一个简化的两层(真皮层和肌肉)物理肌肉模型,该模型由弹簧连接到头颅结构上。
图3显示了Lee 等人的嵌入在一个一般人脸网格中的肌肉纤维。
肌肉模型方法的缺点是需要精确的建模和复杂的参数调整。
4 人脸细节的产生要产生逼真的人脸动画,皱纹和皮肤颜色的变化是不可缺少的,它有助于表现脸部表情和人的年龄。
许多方法(例如仿真肌肉和参数化)只适合产生光滑的脸部变形,基于塑性或者粘性的物理模型[17,18]和凹凸贴图[19]之类的纹理技术比较适合皱纹的产生。
Wu 等人[20]提出的皱纹模型考虑了皮肤纹理和皱纹动力学,图4是他们产生的不同年龄的一个人脸。
Kalra 等人[21]的脉管变化计算模型能够产生随人脸情绪的不同而变的脉管变化视觉效果。
纹理能够使得每一个像素的表面特性发生复杂的变化,因此纹理合成技术常被用于产生逼真的人脸图像。
Oka 等人[22]提出的纹理映射系统能够实时地合成较真实的脸部表情和动画。
Pighin 等人[2]的方法从多个不同视点的同一人脸照片中提取真实的纹理,然后将纹理映射到三维人脸模型中,最后利用插值技术混合出过渡图像的纹理。
5 人脸模型构造不同的人有不同的人脸特性,因此针对不同的人脸构造出不同的模型是非常必要的。
激光扫描仪被广泛用于获取一个实体模型数据,有的能同时捕获几何外形细节和表面纹理,但是所获得的数据通常需要进行后处理。
图5给出了一个三维人脸模型构造例子[16],图5(a)和图5(b)分别是用激光扫描仪得到的深度和纹理数据,通过将一般人脸网格(图3)拟合到这两个数据中,一个逼真的三维人脸便可产生(图5(c))。
还有其它各种各样的特定人脸建模技术,近年出现的有人体测量法[23,24]、从正面和侧面人脸获取模型[25,26],从多个图像或图像序列产生模型[27~29]、以及从单个图像得到模型[30,31]。
6 表演者驱动的人脸动画设计人脸运动控制参数是一项令人厌烦的工作,一小段动画序列往往需要调整几十个参数,为了使这项工作变得容易,一个称为表演驱动的方法被提出。
该方法通过被跟踪的表演者的表演来控制不同的动画产生,表演者还可以实时地通过观察由他们的动作和表情产生的图像来调整自己的动作,运动数据结合人脸的肌肉结构可以用于产生不同的动画。
图6显示了由一个表演者跟踪系统驱动的动画[32],图6(a)的表演者脸上标记的点能够使跟踪更容易,合成的图6(b)很好地匹配了图6(a)的动作。
在脸上标记上彩色符号被广泛地用于帮助跟踪脸部表情[32~34],然而这样做有点强人所难。
因此一些研究者提出了无须在脸部特意做上记号的方法,例如光流跟踪[35,36]、基于外形的插值视觉技术[37]和卡尔曼滤波[38]。
7 声音驱动的人脸动画随着电脑多媒体交互的发展和越来越多的网络广播及教学,人们希望看到能随语言和语调变化的仿真人脸动画,这种需求刺激了声音驱动的人脸动画技术的发展。
这项技术的特点是人脸的动画主要集中在嘴部,即如何使嘴部动作和所讲的语音自然同步地变化。
最近流行的方法采用基于样本的技术[39~41]。
首先这些方法观测和收集有代表性的样本(包括人脸嘴部图像和音素信息),然后将这些样本参数化并建立一个便于搜索的数据库,最后对任意给定的一组文字,从数据库中的样本合成一个会朗诵该段文字的人脸动画。
对于如何合成自然的过渡图像,Cosa tto 等人[39]使用的是简单的线性操作,而Zeeat 等人[40]和Bregler 等人[41]采用图像转换(Morphing)技术。
Morishi ma[42]利用神经网络来分析声音并将声音转换为嘴部形状参数,这些参数可以用来驱动脸部肌肉的运动。
8 MPEG 4人脸动画MPEG是运动图像专家组的简称,MPEG 4是一种音频视频信号(合成的或自然的)编码译码表达标准[43],它首次将一个音频视频场景表达为由各个音频和视频物体组合而成的多级结构。
在这个结构中,合成的物体(例如人脸)可以加入到自然的场景中。
MPEG 4规范化了三种有关人脸动画的参数:(1)人脸定义参数,它们指定了特定人的三维人脸结构;(2)人脸动画参数,这些参数用来指引在通信接收端的人脸模型的动画;(3)人脸动画参数插值表,它用于定义人脸动画参数的插值规则,以便减少这些参数传输的数据量。
可以看出,由于在通信的发送端和接收端之间只传送参数值,而不是大量的图像序列数据,使实时的人脸动画通信成为可能。
MPEG 4是一个非常宽松的标准,它并没有规定必须要用某个工具或方法来提取人脸动画参数,也没有规定一定要用某些人脸模型和技术来产生动画。