人脸特征点自动标注及表情生成

论文摘要

人脸表情生成是指采用某种表情计算方法由一幅无表情的人脸图像产生出有表情的人脸图像的过程。特征点的标注是表情生成方法的基础。针对传统的手动标注耗费大量人力物力的缺点,论文研究用于表情生成的人脸特征点自动标注方法。对于快速准确地实现人脸表情生成具有重要的价值。论文的主要工作和创新如下:首先,提出了改进的CANDIDE‐3人脸模型。在改进后的模型中,增加了两个人脸轮廓上的辅助点和两个瞳孔点,以便更加准确地表现人脸的几何特征,更准确地实现人脸特征定位。其次,根据五官的几何形状及其在表情变换中的运动特点,提出了一种五官特征点的分块自动标注方法。该方法中,各五官均按照“粗定位—细定位—特征点自动标注”的步骤进行标注,即先将人脸分块,分割出五官及人脸轮廓所在外包矩形,然后精细定位五官位置,得到五官二值图或轮廓图,在这基础上再实现特征点的自动标注。具体地,采用基于内外部约束的分水岭算法进行眉毛的分割并结合表情变换和肌肉运动的关系实现眉毛特征点的自动标注;采用基于垂直灰度积分投影的二值化方法实现眼睛的特征点标注;采用几何活动轮廓模型提取嘴部的轮廓特征,进而实现嘴部特征点的标注。通过上述分块处理,可以实现人脸特征点的精确定位。在JAFFE人脸库上的实验和误差分析表明,该自动标注法具有较高的准确率。最后,采用基于样例的表情生成方法,依据自动标注的特征点建立人脸表情映射关系,将样本人脸的表情特征映射到目标人脸上,再通过OpenGL的纹理映射机制还原目标人脸的皮肤,得到逼真的人脸表情。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 人脸特征点标注方法
• 1.2.1 手动标注方法
• 1.2.2 半自动标注方法
• 1.2.3 自动标注方法
• 1.3 表情生成方法
• 1.4 论文的主要工作
• 1.5 论文的组织结构
• 第2章 人脸表情建模
• 2.1 标准人脸模型
• 2.1.1 FACS
• 2.1.2 MEPG-4
• 2.1.3 CANDIDE
• 2.2 改进的人脸模型
• 2.3 本章小结
• 第3章 特征点自动标注方法
• 3.1 粗定位
• 3.2 人脸五官细定位及特征点标注
• 3.2.1 眼睛特征点自动标注
• 3.2.2 眉毛特征点自动标注
• 3.2.3 鼻子特征点自动标注
• 3.2.4 嘴巴特征点自动标注
• 3.2.5 人脸轮廓特征点自动标注
• 3.3 本章小结
• 第4章 基于样例的表情生成
• 4.1 基于样例的表情生成方法
• 4.2 基于特征点比例的表情特征变换
• 4.3 纹理映射
• 4.4 本章小结
• 第5章 实验结果及结论
• 5.1 特征点自动标注实验
• 5.2 基于自动标注的人脸表情生成
• 5.3 结论
• 总结与展望
• 参考文献
• 攻读学位期间发表论文与研究成果清单
• 致谢