导读:本文包含了细微表情论文开题报告文献综述及选题提纲参考文献,主要关键词:叁维角色动画,表情捕获,拉普拉斯变形,动作驱动
细微表情论文文献综述
梁海燕[1](2013)在《基于Kinect动作驱动的叁维细微面部表情实时模拟》一文中研究指出产生引人注目的动态面部表情动画在计算机图形学中是一个具有挑战性的方面。近年来,虚拟角色越来越多的出现在计算机游戏、广告以及电影制作中,使得具有细微面部表情的角色动画变得越来越重要。本文提出一种生成叁维细微面部表情实时动画的新技术,驱动叁维面部网格模型生成带有细微面部表情特征运动的虚拟叁维角色动画。首先,为了实时捕获用户的不同表情状态特征,利用微软的Kinect3D体感摄影机对用户的面部表情进行实时的跟踪,通过分析捕捉得到的人脸运动数据,将运动数据分解为两个部分:头部的刚性运动和面部表情的运动。相对于依赖特定硬件设备的人体运动捕捉系统来说,Kinect降低了系统的硬件成本和调试维护费用,并且对于自然环境的复杂背景具有很好的适应性。其次,在用户面部表情的捕获和数据处理的基础上,利用拉普拉斯坐标局部细节保留的性质,使用拉普拉斯变形的方法把捕获的面部表情映射到一个中性的叁维人脸模型上,对虚拟的叁维人脸模型进行姿态重建,产生具有睁眼闭眼和嘴部运动等与用户表情状态一致的虚拟叁维角色动画。再次,为了产生带有皱纹等细微面部表情特征的实时表情动画,生成带有毛孔、胡须以及凹凸不平粗糙感的皮肤纹理,利用GPU进行光照和法线贴图渲染,再根据Kinect捕获的动作单元计算动态纹理映射和皱纹产生的权重,并通过引入皱纹函数实时模拟皱纹运动状态,产生动作驱动的面部表情实时动画。最后,利用专业图形程序接口OpenGL和高级着色语言GLSL设计并实现了实时细微面部表情仿真系统。实验表明,利用本文的方法可以产生动作驱动的逼真细微面部表情实时动画,适用于数字娱乐、视频会议等领域。(本文来源于《燕山大学》期刊2013-12-01)
李婷,詹永照,周庚涛[2](2008)在《基于混合特征和分类树的细微表情识别方法》一文中研究指出目前多数人脸表情识别的研究仅限于6种基本表情,未考虑到人脸表情变化是细微的。因此提出了基于混合特征和分类树的细微表情识别方法。对眼睛区域采用Gabor小波变换提取纹理变化特征,对鼻子区域采用2D-DCT提取纹理变化特征,而对嘴巴区域采用改进的AAM提取形状变化特征。分类识别时,将易混淆表情先归为一类进行表情的粗分类,然后对类内的表情选择相应表情贡献较大的特征子区域中的特征,进行表情细分类。在每级分类识别过程中,对每个区域采用离散HMM得出表情概率,最后采用在训练阶段得到的贡献权值进行加权融合得到分类结果。实验结果表明,该方法能够得到较好的识别效果,且处理速度快,适合于实时图像序列的细微表情识别。(本文来源于《计算机工程与设计》期刊2008年22期)
史东承,王栋,于明会[3](2008)在《基于MPEG-4的细微表情转换方法》一文中研究指出介绍了基于MPEG-4标准的人脸动画工作原理,并提出了一种构造人脸动画定义表的方法。首先对照人脸定义参数(Facial Definition Parameter,FDP)选取一些特征点,然后用人脸动画参数(Facial Animation Parameter,FAP)驱动人脸动画。最后通过结合局部表情比例图(Partial Expression Ratio Image,PERI),实现了具有细微表情特征的真实感人脸动画。(本文来源于《长春工业大学学报(自然科学版)》期刊2008年01期)
晶志文[4](2005)在《汽车保养须注意轮胎“细微表情”》一文中研究指出在每天的用车中,轮胎状况往往能显示目前爱车的车况,作为有车一族的你,是否注意过轮胎的“细微表情”。近日,走访了长春市的几家4S店,向维修专家请教了相关轮胎的自检方法,有车的你,不妨关注一下。(本文来源于《吉林日报》期刊2005/08/31)
朱文辉[5](2005)在《基于FAP的细微表情合成》一文中研究指出细微表情(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。叁、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。(本文来源于《北京工业大学》期刊2005-05-01)
细微表情论文开题报告
(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:
目前多数人脸表情识别的研究仅限于6种基本表情,未考虑到人脸表情变化是细微的。因此提出了基于混合特征和分类树的细微表情识别方法。对眼睛区域采用Gabor小波变换提取纹理变化特征,对鼻子区域采用2D-DCT提取纹理变化特征,而对嘴巴区域采用改进的AAM提取形状变化特征。分类识别时,将易混淆表情先归为一类进行表情的粗分类,然后对类内的表情选择相应表情贡献较大的特征子区域中的特征,进行表情细分类。在每级分类识别过程中,对每个区域采用离散HMM得出表情概率,最后采用在训练阶段得到的贡献权值进行加权融合得到分类结果。实验结果表明,该方法能够得到较好的识别效果,且处理速度快,适合于实时图像序列的细微表情识别。
(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。
细微表情论文参考文献
[1].梁海燕.基于Kinect动作驱动的叁维细微面部表情实时模拟[D].燕山大学.2013
[2].李婷,詹永照,周庚涛.基于混合特征和分类树的细微表情识别方法[J].计算机工程与设计.2008
[3].史东承,王栋,于明会.基于MPEG-4的细微表情转换方法[J].长春工业大学学报(自然科学版).2008
[4].晶志文.汽车保养须注意轮胎“细微表情”[N].吉林日报.2005
[5].朱文辉.基于FAP的细微表情合成[D].北京工业大学.2005