本文提出的动态表情回归模型本质上是对视频中的人脸进行追踪,利用二维面部信息驱动三维卡通模型,使其表现出相同的面部动画效果。人脸识别和追踪是人工智能、图像处理、模式识别等研究领域中的热点和焦点,而基于普通二维视频的三维信息重建工作更是难上加难。传统的三维形状回归模型融合了级联姿态回归模型与动态表情模型,使用一个单目摄像机就可以进行准确且稳定的面部追踪和动画驱动,但是对于每一个用户需要一个耗时的校准步骤。该模型需要被追踪用户几十张不同头部姿态和表情的图像参与模型的训练,得到一个可以识别自己特征的模型,但是该模型却无法有效的用于其他用户。针对这种不足,本文提出了一个无需校准相对自动化的方法。这种方法可以从公开图像数据集学习得出一个通用的回归器,当视频拍摄对象始终为同一用户时,此回归器可以通过任意单目摄像机准确定位二维面部关键点进而生成三维人脸形状。在这之后,利用得出的二维面部关键点来调整相机投影矩阵和用户特征,以便更好地匹配当前用户的面部表情。通过交替的方式执行回归和优化过程,有效地创建反馈循环,达到模型的自适应。当视频中越来越多的面部表情被观察到,整个过程便快速收敛,得到更准确的面部追踪和动画。通过相关的实验和数据分析,可以发现:(1)本文模型在无需校准的前提下,同样达到了较高的准确性和实时性。(2)本文模型仅需要一次训练便可以应用于不同的用户,具备了传统模型不具备的普适性。在以上各项研究的基础上,本文设计并实现了基于单目摄像机的实时面部追踪与动画系统。系统测试表明,该系统可完成视频人脸的追踪,三维卡通人脸动画等功能,并且实时、准确且稳定,具有很强的娱乐色彩和消费级应用价值。