基于FAP的细微表情合成

论文摘要

细微表情（例如额头皱纹,鱼尾纹,酒窝等）合成是逼真描述人脸动画的重要因素,传统的表情合成技术仅仅考虑面部几何特征的变换,缺乏细节纹理。在现有细微表情合成的研究中,仅能合成已提取的细节纹理,应用范围有限。本文针对这个问题,进行人脸动画中细微表情合成方面的研究,主要工作如下: 一、采用特征跟踪的方法实现了细节纹理和人脸运动数据同步获取。可在不使用昂贵的运动跟踪设备的前提下获取符合MPEG-4 的运动数据,并从视频中提取相关的人脸动画参数。采用主动形状模型定位和手工调整,较容易地获取同步数据——表情比率图和人脸动画参数。为建立细微表情合成模型提供可靠的数据样本。二、提出了基于主成分分析的一种面部细节纹理特征——表情比率图参数ERIP（Expression Ratio Image Parameter）的参数化方法。并提出了改进的表情比率图计算方法。实验表明,在大量人脸细微表情数据集上,该方法可有效提取细节纹理特征。三、提出了从表情运动参数FAP 到细微表情参数的合成模型,它是基于支持向量回归机的一种优化拟合。比较了四种不同的支持向量回归方法训练的细微表情合成模型。从中优选出了径向基函数为核函数的ε容错支持向量回归机作为该模型的原型。在合成细微表情中,显示出该模型在预测ERIP 中的鲁棒性。基于上述工作,实现了细微表情合成模型,该模型能产生统计意义上的真实感表情,且符合MPEG-4 动画标准。首先,实现了的细节表情合成系统;其次,将细微表情合成模型应用到可移动终端系统的真实感表情合成;最后,给出了细微表情合成模型在肖像画绘制中的初步应用。此模型能较好的实现功能,满足人机交互中的需求。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究意义及应用领域
• 1.2 国内外相关研究
• 1.2.1 人脸的网格表示
• 1.2.2 细微表情合成相关技术
• 1.2.3 细节表情合成发展趋势
• 1.3 本文的主要工作
• 第2章 基于FAP的细微表情合成技术
• 2.1 基于FAP的表情运动描述
• 2.2 MPEG-4 中人脸动画标准
• 2.3 MPEG-4 中人脸表情参数化标准
• 2.4 基于FAP的数据采集方法分析
• 2.5 基于FAP 的人脸表情动画的实现
• 2.6 基于ERI的细微表情技术
• 2.6.1 表情比率图（ERI）原理
• 2.6.2 ERI的改进算法
• 2.6.3 局部表情比率图（PERI）
• 2.7 基于FAP的PERI参数化方法
• 2.8 本章小结
• 第3章 对细微表情中ERI参数化方法的改进
• 3.1 基于平均脸的ERI提取方法
• 3.2 基于PCA的ERI参数化
• 3.2.1 PCA原理
• 3.2.2 提取ERI的特征
• 3.2.3 基于PCA的ERI合成
• 3.2.4 实验结果
• 3.3 本章小结
• 第4章 对基于FAP的细微表情合成方法的改进
• 4.1 细微表情的数据表示
• 4.1.1 细微表情的数据格式
• 4.1.2 FAP数据的校正
• 4.2 建立细微表情合成模型的理论基础——支持向量机
• 4.2.1 结构风险最小化
• 4.2.2 支持向量机
• 4.2.3 支持向量回归机
• 4.3 基于支持向量回归的细微表情合成模型
• 4.4 基于SVR的细微表情合成算法
• 4.5 本章小结
• 第5章 实验结果及应用
• 5.1 细微表情合成的实验结果
• 5.2 在移动终端的应用
• 5.3 在合成肖像画方面的应用
• 5.4 本章小结
• 结论和展望
• 参考文献
• 附录
• 具有细节纹理的人脸表情动画采样方案
• 攻读硕士学位期间所发表的学术论文
• 致谢