论文部分内容阅读
三维人脸表情研究是计算机辅助设计研究领域、图形学研究领域和计算机视觉研究领域的重点研究内容。该研究对人脸识别、计算机影视动画制作以及人机交互的发展均起着重要的作用，正受到越来越多研究人员的关注。目前，三维人脸表情的研究主要问题有表情合成、表情识别和表情去除。(1)、表情合成。表情合成在计算机辅助的游戏、动画，影视设计等领域，也有着重要的作用；(2)、表情识别。人脸表情能够揭示人的心理状态和情感状态。因此，表情识别的研究有助于改进并提高目前人机交互系统的性能；(3)、表情去除。由于表情的存在影响人脸识别系统的性能。因此，表情去除研究有望提高人脸识别系统的鲁棒性和准确率。研究上述三个问题通常需要对人脸表情进行建模，即建立三维人脸表情模型。因此，三维表情建模是表情研究的基础，而表情合成、识别与去除是建立在表情模型基础上的主要研究问题。
本文针对三维人脸表情研究中遇到的问题进行分析和探索，提出了一个三维人脸表情建模方法并将该模型用于表情合成、识别及去除的研究。本文的主要工作和贡献主要集中在以下四点：
1、建立有效的三维人脸表情模型。本文第四章提出了一种有效的三维人脸表情建模方法，即基于拉普拉斯的三维人脸表情模型。该模型借鉴了主测地分析方法，是主测地分析方法的一般化表示。主测地分析方法是基于拉普拉斯的三维人脸表情模型的特殊化形式。我们将该人脸表情模型用于三维人脸表情合成、去除和识别的研究，也验证了表情建模的有效性。
2、提出一个准实时的三维人脸表情合成方法。三维人脸表情合成是计算机图形学领域的重点研究问题。表情合成的有效性和实时性受到研究人员的关注。本文第五章提出了一个基于GPU加速的三维人脸表情合成方法。该方法利用第三章中的基于主测地分析的三维人脸表情模型，对输入的三维人脸进行分析并自适应地对其进行表情合成。实验结果表明，本文提出的表情合成方法对单张高分辨率三维人脸数据(包含15000个三角面片，8000个数据点)仅需0.98秒，而使用双核CPU需要耗时12.37秒。本文提出的表情合成方法在速度上提升12.6倍，并且合成出的人脸表情真实、有效。与此同时，由于该方法具有并行计算的特点，我们充分利用了GPU海量线程并发执行的特性，极大提高了表情合成的速度，达到准实时要求。
3、提出一个有效的三维人脸表情识别方法。本文第六章提出了的表情识别方法建立在第三章基础上，构造拉普拉斯主测地分析的三维人脸表情模型，将其用于三维人脸表情识别。通过分析表情建模后的样本数据分布，我们发现利用表情模型能够有效地区分不同表情的样本数据。本文提出的三维人脸表情识别方法对BU-3DFED三维人脸数据库中所有人的数据进行表情识别。实验结果显示该方法的平均正确率达到94.83％，高于目前同类的三维人脸表情识别方法。该方法能够有效地揭示不同表情的内在特征，从而能够正确、鲁棒地进行表情识别。
4、提出了一个有效的三维人脸表情去除方法。本文第七章中提出的三维人脸表情去除方法能够有效地对输入的有表情三维人脸数据进行表情去除操作，得到中性三维人脸数据。三维人脸表情去除在此之前没有得到计算机视觉研究人员的关注，是一个新的研究问题。由于表情的存在会影响三维人脸识别系统的识别性能，三维人脸表情去除方法有望提高三维人脸识别的准确率。与此同时，三维人脸表情去除方法也可作为影视、动画制作的一个重要组成部分。提出三维人脸表情去除并探索性地解决这一问题是本文的另一个创新。最终的实验结果也表明使用该方法得到的中性三维人脸表情数据在去除表情分量的同时，保留了人脸的个性差异特征。