导读:本文包含了人脸表情动画论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:表情,动画,模型,齐人,特征,参数,网格。
人脸表情动画论文文献综述
李可[1]（2019）在《人脸表情动画研究》一文中研究指出人脸表情动画技术作为计算机视觉和计算机图像学的热点研究课题,在动画、游戏等诸多产业都有着广阔的应用前景。混合表情模型可以简单高效地参数化表征网格模型的变形,是最常见的人脸表情动画制作方法。然而,该方法长期面临着两个复杂问题的挑战:一是如何高效的制作一组完备且真实的表情基模型,二是如何实时解析视频信号获得混合表情参数。针对以上两个问题,本文展开了如下工作:1、针对真实人物对人脸表情模型写实度要求较高的特点,实现了基于人脸重建技术的自动化表情基获取流程。具体实现方法为,首先使用多视点叁维重建技术获取亚毫米级精度人脸模型,然后使用非刚性迭代最近点算法对模型进行配准,获得均匀且统一的拓扑结构,最后使用变形迁移算法拆分表情模型得到一组完备且真实的表情基模型。2、针对风格化人物对人脸表情模型灵活度要求较高的特点,提出了基于绑定技术的高效表情基获取流程。具体实现方法为,首先创建科学合理的人脸骨骼层级结构,然后正确地分配顶点在不同关节点处的蒙皮权重,最后制作支持参数输入的用户控制界面。通过调整各骨骼变形器的参数,对网格模型进行灵活且参数化的变形,从而得到一组完备且符合风格化人物特点的表情基模型。3、为了实时地从视频图像中提取表情参数,使用了基于学习的表情系数求解方法。传统的基于优化算法的表情参数计算方法需要对表演者进行叁维建模,先通过优化表演者叁维特征点投影位置与输入图片检测到的特征点位置之间的误差函数计算得到特定用户的表情参数,然后通过表情克隆技术来实现人脸表情动画。与基于优化算法的方法不同,基于学习的表情参数计算方法不将表演者视为特定用户,无需进行叁维建模及额外的预处理。该方法首先基于人脸检测、人脸对齐算法获得人脸图像中关键点的位置,然后使用训练好的模型对关键点做表情分类和强度的回归得到动作单元参数,最后通过创建动作单元与表情基模型的映射关系实时解析视频信号获得表情参数。(本文来源于《南京大学》期刊2019-05-24）
蔡锐涛[2]（2017）在《交互式人脸表情动画系统》一文中研究指出人脸是人类表达情感的重要部分。在计算机虚拟世界中,虚拟人脸是虚拟人表情达意的载体。随着计算机图形学技术的发展,使用计算机生成具有真实感的人脸表情动画成为计算机图形学领域中重要的研究课题。近几十年,研究者们围绕这一课题,进行了大量的研究工作,取得了丰硕的成果。叁维人脸表情动画技术被广泛应用于影视动画,游戏制作,虚拟现实,图片编辑,视频会议,在线教育,人机交互等众多领域中,具有很强的应用价值。在工业级的应用如影视动画制作中,通常使用一些高成本高精度的特殊采集设备,进行人脸的表情动画捕捉,这些特殊设备通常需要复杂的操作和高性能的计算,来精确的生成高度真实的人脸动画。但是对于普通用户来说,这些设备昂贵而且操作复杂。鉴此,本文旨在实用化前沿的技术,首先对人脸动画编码以及驱动技术进行深入研究,在人脸表情动画驱动技术上,采用基于偏移动态表情回归的人脸跟踪与动画方法;在人脸表情动画编码方式上,采用符合FACS标准的人脸表情融合模型;为了给特定人脸生成表情融合模型,实现了基于变形传递的表情融合模型自动生成算法;并最终构建交互式的人脸表情动画系统,系统支持骨骼动画和变形器动画,能够实时的将表演者的脸部表情映射到虚拟角色上,生成具有真实感的角色动画。本文构建的系统具有低成本、高质量、简单易用等特点。系统能够满足动画工作室进行大规模高品质的脸部动画制作的需求,突破传统的创作方式,可以让动画师们以更短的时间制作出更高的质量的人脸表情动画,并且系统可以兼容目前主流的叁维建模与动画软件。(本文来源于《浙江大学》期刊2017-01-01）
刘刚[3]（2016）在《线性回归的人脸表情模型重建及表情动画研究与实现》一文中研究指出人脸表情动画的研究一直是多媒体领域的一个热门研究课题,为研究者们所热爱;其目的是利用动画中人脸姿态以及面部肌肉运动来形象生动地表达某个角色的表情。实时性和真实性是目前监测人脸表情动画的两个重要指标,在人脸表情动画的传统制作过程中其动画的逼真效果一般需要付出巨大的人工代价,动画的实时性也较差,所以寻求一种更加实时高效的人脸表情动画技术迫在眉睫,基于表演的人脸表情动画应用而生。基于表演的人脸表情动画合成技术就是让目标模型表演所需要的表情;首先通过摄像头、传感器或者Kinect体感设备采样,然后使用软件处理方式记录人脸表情动态,提取有效的动画表情参数,利用这些参数驱动动画模型,生成表情动画,这样减少了手工调整表情的枯燥工作,从而大大降低了表情动画的制作成本,并且保证了表情的真实性。表演驱动人脸表情动画合成技术主要包括人脸表情动作捕捉和人脸表情动画合成两个重要部分。在人脸表情捕获方面,本文采用Delaunay叁角剖分对Kinect捕获的人脸表情模型进行叁角化,Kinect设备不仅可以在光照不足的情况下正常工作,而且具有纹理和颜色不变性,它可以提供普通图片不具有的深度信息;但是Kinect捕获的人脸表情模型是大量的点云数据,不仅散乱而且覆盖密集,有时还会出现部分数据丢失的情况,不能直接用于后期的人脸对齐以及表情基的建立,因此本文采用Delaunay叁角剖分对其进行叁角化,变为叁角网格。在人脸动画合成方面,本文提出了一种基于局部和全局特征回归的人脸对齐算法以及个性化的人脸表情基自动生成方法。前者利用局部特征估计人脸外形,全局特征作为约束条件,在级联方式下,训练人脸对齐回归量,实现人脸外形估计与真实外形的逼近;后者是人脸动画必不可少的重要组成成分,首先利用一组先验模型作为模板模型,采用ICP算法在模板模型与目标模型之间建立一个映射关系,然后通过deformation transfer形变目标模型,生成自然真实的表情基模型。最后,本文在不同基本数据库上进行试验,通过对实验结果的对比分析,可以看出本文算法具有很好的鲁棒性以及更好的性能。(本文来源于《湖南大学》期刊2016-05-05）
李蹊[4]（2016）在《二维人脸表情动画技术的研究与实现》一文中研究指出随着人们生活的追求多样化,二维人脸表情动画技术已经逐步深入到人们的日常生活中,尤其在电影后期的影视制作、计算机动画效果以及医疗整容图像模拟等应用广泛。《疯狂动物城》中小兔朱迪和狐狸尼克惟妙惟肖的卡通表情俘获了一大批粉丝;利用计算机建模来模拟客户整形后的效果图片。人脸表情动画技术包括训练样本的收集,特征点定位,人脸网格生成和人脸变形等关键技术。对于一张人脸正面图像,首先需要对人脸进行特征点标注,主要在人脸的一些关键特征部位进行标注,然后根据这些标注点来建立叁角网格,最后选择变形算法来实现表情动画。本文在分析了经典的ASM算法的不足之处,对局部灰度模型的建立进行了改进。通过分析构建德劳奈叁角网的叁种方法的优劣势,对分点插入法进行了改进,并将其与分治法进行结合得到了一种新的方法。综合了这两种方法的优势,实现了算法效率的提升,然后采用基于德劳奈叁角网的变形算法并结合MPEG-4标准实现了不同人脸表情的变换。最后在人脸正面图像上进行实验,证明改进后的方法能够对人脸表情自然流畅的变换。(本文来源于《华中科技大学》期刊2016-05-01）
罗庆云,方小勇,黄樱,洪俊,魏小鹏[5]（2016）在《人脸表情动画研究简述》一文中研究指出人脸表情动画是计算机科学研究领域的研究热点。本文从数据驱动的角度,对人脸表情动画研究进行了大致分类:基于文本语音驱动的方法、基于表演驱动方法、基于参数驱动的方法以及基于重定向方法,对各类方法进行简述,最终归纳出当前人脸表情动画研究发展方向和存在问题,提出了展望。(本文来源于《福建电脑》期刊2016年04期）
张泽强,邓军祥,易法令[6]（2016）在《基于Candide-3模型的人脸表情动画系统设计与实现》一文中研究指出本文以Candide-3模型为基础设计了一个人脸表情动画系统,系统在人脸特征点定位的基础上,根据人脸表情动画库中特征点的移动轨迹确定动画关键帧,应用关键帧插值法实现了人脸表情动画的设计,在设计过程中应用贴图方法解决了动画过程中人脸隐藏器官的显示问题。整个系统运行流畅,占用资源少,计算效率高,具有较高真实感。(本文来源于《福建电脑》期刊2016年02期）
霍江雷[7]（2015）在《数据驱动的实时人脸表情动画研究》一文中研究指出数据驱动的实时的人脸表情动画需要能够快速的重建出具有丰富而细腻表情的面部模型。科学工作者对于人脸动画方面的研究已经有很多年了,期间有很多优秀的研究工作者提出很多新颖独特的技术方法,也产生了很多优秀的系统,随着硬件水平的大幅度提高,人们利用先进的运动捕捉设备可以精确捕捉到人面部的细微运动,然而如何利用廉价的运动捕捉设备实时重建出具有真实细腻的人脸表情模型是当前该领域炙手可热的课题。人脸表情重建的目标就是将表演者的面部表情动作迁移到另一个中性人脸模型上,也就是将代表表演者面部动作的特征点的运动向量通过算法处理映射到重建的目标模型上,利用变形算法的保留几何特征的特性重建出具有细腻且真实感强烈的表情模型。随着人物特效在电影制作以及动画制作中的大量应用,如何快速重建出表情细腻的目标模型成为时下热门的研究方向。本文主要实现一种基于数据驱动的实时的人脸表情重建技术。利用廉价的数据捕捉设备获取表演者面部表情数据,从中选取可以表示人脸表情动作的特征点,实时追踪特征点的运动,构建出一个覆盖整个人脸的简易网格模型,将捕获的人脸特征点分为上中下叁部分,同时将目标模型分为叁块,利用径向基插值变形算法将源模型上顶点的运动向量映射到目标模型上,最后将经过变形处理的模型的叁个部分进行融合处理重建出完整的目标模型,本文通过大量实验证明该方法可以快速重建出质量较高表情细腻的模型。本文利用基于径向基插值的变形算法以及基于拉普拉斯的变形算法分别进行了实时的表情重建实验,并提出一种结合最短路径与径向基插值的网格变形方法。首先利用数据捕捉设备获取人脸特征点数据,从中选取作为变形使用的控制点。接着利用迪杰斯特拉算法计算出控制点到其它各顶点的最短路径。然后将此最短路径替换径向基变形算法中特征点到其它顶点的欧几里德距离。最后计算得到变形之后所有顶点的位移完成目标模型重建。通过本文实验对比,该方法不仅可以对源模型的表情动作进行快速重建,而且充分考虑了控制点对周围顶点的影响因子,使得最终的变形保存了原始的几何特征。(本文来源于《河北工业大学》期刊2015-12-01）
赵欢[8]（2015）在《叁维人脸建模及表情动画合成》一文中研究指出人脸表情合成是计算机图形学领域的一个研究热点。叁维以及多维电影和虚拟游戏的发展,充分展现了人脸表情动画的魅力所在。人们在追求面部表情的真实感的同时,对表情的丰富性与合成速度的要求也在不断提高。利用技术手段探索人的面部表情,对于丰富人机交互与情感计算等方面,具有重要的现实意义。人脸表情的合成将会有更加广阔的应用前景。人脸表情的合成涉及心理学、解剖学、几何结构学等知识,传统方法在解决计算复杂度和模型的真实感方面,很难找到平衡,并且能够真正运用到实践中的理论方法很少。针对这些问题,本文在研究和分析了现有的表情合成方法的基础上,提出一种简化了的表情合成方法,论文的主要贡献如下:1.在Candide-3模型的基础上,重建了具有真实感的叁维人脸模型。2.提出一种基于FACS肌肉模型的表情合成方法,并合成出了逼真、流畅的人脸表情动画。3.采用表情迁移方法合成了表情,与本文方法进行比较。4.一般来说,眼睛和口腔附近的肌肉群是面部表情最丰富的部分。为了增加模型的真实感,本文合成了人脸的眼球和牙齿,以便于改变视线;并且采用小波变换方法合成了面部皮肤挤压引起的褶皱。(本文来源于《新疆大学》期刊2015-05-23）
卓丽媛[9]（2015）在《人脸特征点定位及表情动画的研究与应用》一文中研究指出人脸特征点定位是机器学习领域中一项基础性的研究,广泛应用于人脸数据分析、人脸识别和人脸重构。人脸特征点定位的主要难点在于人脸外观易受光照、表情、姿态等因素的影响,从而发生形变引起特征的丢失,最终导致特征点定位的失败。通常,流行的人脸特征点定位算法针对正面的人脸样本进行训练和测试,对于多角度的人脸特征点定位效果不佳。然而现实生活中的应用如犯罪分子识别、敏感人物检测、非限定性场景下的人脸表情识别和人脸动画等都属于多角度人脸特征点检测研究。而多角度的头部姿态会引起脸部外形的非线性变化,对人脸特征点定位的影响较大。由于有这些外界因素的影响,人脸特征点定位成为一项具有挑战性的研究任务。本文在已有算法的基础上进一步进行分析与研究,提出一种多角度的人脸特征点定位的方法。该方法采用头部姿态估计和条件回归森林相结合,将原非线性问题转换为分段线性问题,有效地提高了人脸特征点定位的精度。该方法主要包含两部分:第一部分是头部姿态估计,采用局部保持投影(LPP)和广义回归神经网络(GRNN)相结合的方法,进行二维平面角度头部姿态估计,该方法首先用局部保持投影对图像数据进行降维,然后采用广义回归神经网络将数据映射到线性可分空间,通过广义回归神经网络的结果对头部姿态进行精确估计。实验表明,该方法能够很好地估计出头部姿态,具有较快运行速度和较强的鲁棒性。第二部分是人脸特征点定位,采用基于头部姿态的条件回归森林对二维图像进行人脸特征点定位。面部的一些变化依赖于全局人脸的特征如头部姿态,因此我们从头部姿态对人脸进行分类学习。条件回归森林是从参数空间中得到几个条件概率来代替常规随机回归森林的单个概率,因此不再需要处理全部人脸在外形上的变化。通过不同头部姿态分别训练对应的条件树,在预测时也通过头部姿态进行决策。实验表明,该方法有效地降低了头部偏转引起的特征点定位误差,人脸特征点定位的精确度得到提高。最后是表情动画合成,基于获取到的人脸特征点定位信息,建立图像与叁维模型表情的对应关系。通过这种对应关系训练径向基回归网络,获取人脸表情权重,进行表情动画合成,并搭建表情动画合成系统。系统采用Microsoft Visual2010开发工具,并驱动Ogre模型生成表情动画。该系统是本文方法的实例化体现,且为后续研究提供技术平台。(本文来源于《湖南大学》期刊2015-05-08）
葛新杰[10]（2014）在《基于运动捕捉数据的人脸表情动画研究》一文中研究指出人脸动画旨在产生富有表现力并且逼真的3D人脸模型。目前为止,可以找到许多3D人脸获取技术。尽管运动捕捉能够捕捉到表演者精细的人脸运动,但是实现一个真实的人脸动画总是一项具有挑战性的工作。作为一种特殊的人脸表情动画,人脸表情克隆主要是把源模型上已经存在的顶点运动向量等数据重新定位到目标模型上,并同时保持原始面部动画的相对运动和动力学特征,其中目标模型和源模型可以具有不同的拓扑结构。真实感的人脸表情克隆技术作为计算机领域的研究热点,被广泛运用于游戏、电影制作等行业。本文首先实现了一种基于运动捕捉数据的快速人脸表情动画半自动生成技术。预先捕捉表演者的面部表情,使用摄像机拍摄演员的正面人脸生成纹理图,然后采用径向基函数(RBF)变形标准的人脸模型,通过纹理映射产生了个性化人脸,最后,将人脸模型分为叁个分区,利用运动捕捉数据,采用RBF算法分别变形每个分区,通过模型融合后将叁个变形后的分区结合起来构建成了最终的人脸动画。实验结果表明对于快速产生真实人脸动画是有效的。其次,针对人脸克隆表情的真实性和表情重建的效率,提出一种基于运动捕捉数据的人脸表情克隆新方法。先使用运动捕捉设备捕捉人脸六种基本表情数据,并对数据进行归一化处理,使其位于同一区间范围,保证克隆表情数据的有效性;然后在表现人脸表情的关键区域选取41个特征点,通过采用凸权值的拉普拉斯(Laplace)变形算法将人脸表情转移到目标模型上,很好保留了人脸表情的细节,克服了均一权值保真度低和余切权值计算不稳定的问题。实验结果表明,该方法合成的克隆表情真实、自然,人脸表情克隆的效率得到了显着提高。(本文来源于《河北工业大学》期刊2014-11-01）
人脸表情动画论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸是人类表达情感的重要部分。在计算机虚拟世界中,虚拟人脸是虚拟人表情达意的载体。随着计算机图形学技术的发展,使用计算机生成具有真实感的人脸表情动画成为计算机图形学领域中重要的研究课题。近几十年,研究者们围绕这一课题,进行了大量的研究工作,取得了丰硕的成果。叁维人脸表情动画技术被广泛应用于影视动画,游戏制作,虚拟现实,图片编辑,视频会议,在线教育,人机交互等众多领域中,具有很强的应用价值。在工业级的应用如影视动画制作中,通常使用一些高成本高精度的特殊采集设备,进行人脸的表情动画捕捉,这些特殊设备通常需要复杂的操作和高性能的计算,来精确的生成高度真实的人脸动画。但是对于普通用户来说,这些设备昂贵而且操作复杂。鉴此,本文旨在实用化前沿的技术,首先对人脸动画编码以及驱动技术进行深入研究,在人脸表情动画驱动技术上,采用基于偏移动态表情回归的人脸跟踪与动画方法;在人脸表情动画编码方式上,采用符合FACS标准的人脸表情融合模型;为了给特定人脸生成表情融合模型,实现了基于变形传递的表情融合模型自动生成算法;并最终构建交互式的人脸表情动画系统,系统支持骨骼动画和变形器动画,能够实时的将表演者的脸部表情映射到虚拟角色上,生成具有真实感的角色动画。本文构建的系统具有低成本、高质量、简单易用等特点。系统能够满足动画工作室进行大规模高品质的脸部动画制作的需求,突破传统的创作方式,可以让动画师们以更短的时间制作出更高的质量的人脸表情动画,并且系统可以兼容目前主流的叁维建模与动画软件。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸表情动画论文参考文献
[1].李可.人脸表情动画研究[D].南京大学.2019
[2].蔡锐涛.交互式人脸表情动画系统[D].浙江大学.2017
[3].刘刚.线性回归的人脸表情模型重建及表情动画研究与实现[D].湖南大学.2016
[4].李蹊.二维人脸表情动画技术的研究与实现[D].华中科技大学.2016
[5].罗庆云,方小勇,黄樱,洪俊,魏小鹏.人脸表情动画研究简述[J].福建电脑.2016
[6].张泽强,邓军祥,易法令.基于Candide-3模型的人脸表情动画系统设计与实现[J].福建电脑.2016
[7].霍江雷.数据驱动的实时人脸表情动画研究[D].河北工业大学.2015
[8].赵欢.叁维人脸建模及表情动画合成[D].新疆大学.2015
[9].卓丽媛.人脸特征点定位及表情动画的研究与应用[D].湖南大学.2015
[10].葛新杰.基于运动捕捉数据的人脸表情动画研究[D].河北工业大学.2014
论文知识图
