人物造型模型与演出动画技术的制作方式Word文件下载.docx

1、最近也有人提出从人类学的概念构造一个具有人脸各类特点的通用模型，并施加必然的约束，产生知足要求的特定人脸模型。1.三维输入几何建模器（geometric modelers）是最传统的脸部造型工具。通过标准的运算机图形技术能够进行人脸脸部大多数器官的几何建模，而且能够设计任意的脸部模型。但由于脸部结构的复杂性，该设计进程需要较多的时刻和设计技术。利用三维扫描仪（3D scanner）和编码光距离传感器（coded light range sensor）是取得人脸几何形状最直接的方式，这两种方式都是依据三角测量学原理。 CT（运算机x射线断层扫描）和MRI（核磁共振成像术）通经常使用于医学领域，这

2、些方式不仅能够获取人脸的表面信息，而且还能够取得诸如骨骼和肌肉的内部结构。这些附加结构关于加倍精细的人脸建模和动画和在手术模拟等医学应用中超级有效。2.二维输入基于立体图像的照相测量术能够取得脸部形状。先从不同的视点获取物体的两幅图像，运用图像处置技术取得两幅图像中的匹配点，通过三角几何学测量这些点的三维坐标。由于自动搜寻匹配点是一个难题，因此有时需要在脸部刻画网格。若是向脸部投射一个规那么的结构光（如线阵或方形网格），那么就能够够直接从一幅二维图像中取得脸部的三维形状。3.人体测量学基于人类学知识而不用图像能够辅助构造不同的人脸模型。这种方式分两步构造一张新的人脸：第一步，依据人体测量学统计

3、数据产生对人脸形状的一组几何约束尺度集;第二步，用一个约束优化技术构造知足几何约束的曲面。尽管该方式能快速创建出令人称道的人脸几何的转变，但不能在颜色、皱纹、表情和头发方面取得真实的再现。模型重构和特定人脸适配利用距离扫描仪、数字化探针或立体视差能测量取得人脸模型采样点的三维坐标，但取得的几何模型因为没有人脸结构信息，通常不适于脸部动画。而且从各类途径取得的三维数据一般是庞大的散乱点集合，因此，为了能够用于动画制作，往往需要对其进行几何构形，将取得的数据精简到最少，如此才有利于生成有效的动画。人脸脸部特点通常以相同的顺序排列，人脸形态转变了，但大体结构可不能转变。因此，自然的方式是成立人脸的一

4、样网格模型，在那个模型中带有必需的结构和动画信息。然后将该模型适配到特定人脸的几何网格，创建出个性化的动画模型。当一样模型网格比采样数据网格的多边形少时，处置进程也包括了对采样数据的简化。1.插值方式假设大多数人脸的形状都能够由一个拓扑原型转变得来，那么，通过调整一个一样模型的构造参数能够成立不同的脸部模型。可是，这种参数模型仅仅局限于那些构造参数已知的情形，而且对特定人脸参数的调整超级困难。在离散数据的多变量插值问题方面，径向基函数（radial basis function，RBF）插值方式是一个行之有效的工具，因此也适用于类似人脸如此高维曲面的近似或滑腻插值。现有的许多方式利用了基于RB

5、F的插值技术，将一样人脸网格转变到特定人脸的形状。这种方式的优势在于：（1）通过插值能够取得丢失的数据点，因此源网格和目标网格不需要相同数量的结点;（2）若是选择了适合的匹配点，数学上能够保证能够将源网格变形到目标网格。2.运算机视觉方式依照运算机视觉原理，通过度析目标物体两幅图像或多幅图像序列，恢复其三维形状，这确实是所谓的从运动恢复形状（shape from motion）或从运动恢复结构（structure from motion）技术。在这方面值得一提的是Pighin等人提出的高度真实动人脸建模技术。第一，在多幅图像中手工概念一些彼此对应的特点点，并利用运算机视觉技术恢复摄像机参数（位

6、置、方向、焦距等）和特点点的坐标;然后，由这些特点点的坐标值计算出径向基插值函数的系数，并对一样网格进行变形;最后，通过利用更多对应特点点，将一样网格微调到与真实人脸超级接近的形状。Pighin等人用了13个特点点完成初始的变形，而在最后的调整中附加了99个特点点，故需要很多人机交互工作。3.深度图像分析方式将三维深度数据通过柱面投影映射到二维平面，能够降低处置和分析难度。Lee、Terzopoulos和 Waters等人给出了一个基于激光扫描的深度和反射数据自动构造个性化人头模型的方式。他们在一样网格适配之前利用了深度图像分析的方式，自动标记人脸特点点，包括眼睛轮廓、鼻子轮廓、嘴轮廓和下巴轮

7、廓。人脸变形技术通过三维重构的特定人脸模型网格仍然有较多的极点和多边形，只有成立了合理的变形机制才能对它们进行有效的操纵。1.弹性网格肌肉一些研究者以为，力通过肌肉弧的传递作用于弹性网格，从而产生脸部表情，因此他们将人脸模型表示成概念在特定人脸区域上的各功能块的集合，由数十个局部肌肉块组成，并通过弹性网格彼此连接，通过施加肌肉力对弹性网格进行变形，从而创建各类动作单元。2.物理肌肉模型Waters在人脸肌肉模型领域做出了开辟性的工作，他提出了一个极为成功的人脸肌肉模型。在该方式中，人脸用多边形网格表示，并用十几条肌肉向量来操纵其变形，用基于线性肌和轮匝肌模型产生了动气、可怕、惊奇、快乐等情绪动

8、画，如图1所示。但是，依照生理学正确设置肌肉向量的位置是一项令人一辈子畏的工作，至今尚未一个自动的方式将肌肉向量放置到一样或特定的人脸网格中去。但该模型具有紧凑的表示形式而且独立于人脸的网格结构，因此取得了普遍的应用。3.模拟肌肉（伪肌肉）依照人类生理学的描述，基于物理的肌肉造型能产生真实感的结果，但只有通过精准的造型和参数调剂才能模拟特定的人脸结构。模拟肌肉（伪肌肉）提供了一个可供选择的方式。4.体变形（volume morphing）上述的肌肉模型涉及到对人脸肌肉物理特性的模拟，计算复杂且耗时，大多不能用于实时应用。人脸脸部运动时，多数运动都集中在某些区域，因此在基于演出驱动的脸部动画系统

9、中能够利用局部体变形方式。动画操纵的演出驱动技术通过手工进行人脸模型的精细调整以取得生动的表情动画固然可行，但这是一项极为乏味的工作，必需是熟练的动画师才能完成。能够假想，若是三维角色脸部的一些特点点运动与真实运动相吻合，那么，动画成效必然令人信服。这就驱令人们研究基于演出驱动的脸部动画操纵方式，其全然思想确实是利用各类手腕跟踪演出者脸部特点点的二维或三维运动轨迹，并使其操纵三维脸部网格的变形，最终生成动画序列。如何概念脸部特点点和如何跟踪特点点是这种技术的关键问题。和MPEG-4系统美国心理学家 Paul Ekman和Friesen较早地对脸部肌肉群的运动及其对表情的操纵作用做了深切研究，开

10、发了脸部动作编码系统（Facial Action Coding System，FACS）来描述脸部表情。他们依照人脸的解剖学特点，将其划分成假设干既彼此独立又彼此联系的运动单元（AU），并分析了这些运动单元的运动特点及其所操纵的主要区域和与之相关的表情，并给出了大量的照片说明。许多人脸动画系统都基于FACS。 MPEG-4是一种基于内容的通用的多媒体编码标准，它将多媒体数据分为各类视频和音频对象，针对不同的对象利用不同的编码方式。人脸对象是MPEG-4中概念的一类较特殊的对象，因为图像中最典型的物体确实是人本身，而最受观众关注的部份确实是人脸。人脸对象要紧包括两类参数：脸部概念参数（face

11、definition parameters，FDP）和脸部动画参数（face animation parameter,FAP）。FDP参数包括特点点坐标、纹理坐标、网格的标度、脸部纹理、动画概念表等脸部的特点参数。与静态的FDP参数相对应的是动态的FAP参数,它分为10组，别离描述人脸部的68种大体运动和7种大体表情。FAP是一个完整的脸部大体运动的集合，它是基于对人脸细微运动的研究，与脸部肌肉运动紧密相关，因此用 FAP能够描述自然的脸部表情，固然也能够创作出夸张的非自然所能达到的表情。2.演出驱动方式从持续视频图像序列中提取的信息可作为动画系统的操纵输入。这些信息对应于人脸模型中向量肌肉的

12、收缩或FACS动作单元。脸部变形或肌肉参数的自动提取超级困难，这是当前运算机视觉研究的重要部份。通过跟踪演出者脸部的各个特点点并将图像纹理映射到多边形模型上，仅仅需要很少的计算消耗且不需分析就能够够取得实时的脸部动画。演出驱动的方式能够创建生动的脸部动画，其中动画受控于被跟踪的人。实时的视频处置许诺交互动画，演员能够随时观看他们的情绪和表情。通常将被跟踪的二维或三维特点运动进行滤波或变形，从而产生驱动特定动画系统的运动数据。运动数据能被直接用于产生脸部动画，或通过度析转化为脸部动作编码系统（FACS）的动作单元（AU）而产生脸部表情。精准跟踪特点点或边界关于取得一致而生动的动画相当重要。最初，

13、人们利用在人脸或嘴唇上做一些彩色标识的方式，辅助跟踪人脸的表情或从录像序列识别说话人。若是将反射球粘贴在人脸上，那么光学运动跟踪系统自然也能够跟踪人脸的运动，如图2所示。这在三维动画制作的商业软件中取得了普遍的应用。但是，在人脸上做标记很冒昧，有时也很不切实际。而且，对标记的依托性限制了从标记位置获取几何信息的范围。研究者试图不通过做标记的方式直接从视频序列恢复人脸运动，由此产生了时空相关气宇标准化和光流场跟踪的方式。它们能自然地跟踪特点，幸免了在人脸上做标识的为难。人脸上的器官都有比较显著的形状和色彩特点。如眉毛是黑色、嘴唇是红色，这些都能够作为特点分析和跟踪的依据。若是一个算法能够准确区分

14、和跟踪这些特点点，那么脸部运动就能够够被动画系统明白得，并能用于动画变形。基于自动操纵理论，MIT媒体实验室的Essa等人利用光流测量技术从图像中提取脸部动作参数。他们比较了利用光流场进行演出驱动动画的方式和基于FACS系统的方式的优缺点。FACS 的缺点是：AU是纯粹的局部模式，而实际的脸部运动几乎都不是局部发生的;FACS 提供了空间运动的描述而没有时刻分量的描述。咱们能够将人脸建模和演出动画合成进程分为如下三个步骤:第一步，通过三维扫描技术或运算机视觉技术获取特定人脸的几何模型，并适配到用于动画的一样人脸模型;第二步，基于各类肌肉模型和变形方式操作重建的人脸模型产生人脸模型运动;第三步，直接跟踪视频序列中真实人脸产生各类操纵参数。人脸建模和动画技术是一个跨学科、富有挑战性的前沿课题。尽管国内外研究人员在某些方面取得了必然的成绩并显现了一些有效化的系统，可是离用户的要求仍有较大距离。