[发明专利]一种基于区域分割和分段学习的三维人脸动画制作的方法

权利要求书

1.一种基于区域分割和分段学习的三维人脸动画制作的方法，其特征在于：该方法包括如下步骤：

1)首先获取稀疏的三维运动捕获数据和三维人脸曲面网格；

2)然后在三维人脸网格上标定运动捕获数据的对应控制点；

3)采用聚类算法对三维人脸模型进行区域分割；

4)分割得到的曲面片来训练分段径向基函数，控制三维人脸曲面网格的变形；

5)对边缘运动采用改进的Voronoi-Cell算法进行融合。

2.根据权利要求1所述的一种基于区域分割和分段学习的三维人脸动画制作的方法，其特征在于，所述的获取稀疏三维运动捕获数据：在人面部的关键运动部位粘贴反光标记点，采用三维运动捕获设备，对反光标记点进行视觉跟踪，对面部标记点的三维空间位置进行三维重建，然后用文件的方式记录。

3.根据权利要求1所述的一种基于区域分割和分段学习的三维人脸动画制作的方法，其特征在于，所述的获取三维人脸曲面网格数据：采用光学三维扫描仪，获取人脸的三维几何信息和彩色纹理信息，并用三维绘图软件包绘制在显示器上。

4.根据权利要求1所述的一种基于区域分割和分段学习的三维人脸动画制作的方法，其特征在于，所述的在三维人脸网格上标定运动捕获数据的对应控制点：对于已经获取的人脸的三维模型，采用三维绘图软件包绘制在显示器上，用计算机鼠标交互方法，对人脸模型上的关键运动部位进行选取，所选取的特征点与所获取的运动数据对应的特征点一致，建立运动捕获数据和三维曲面网格特征点的对应关系。

5.根据权利要求1所述的一种基于区域分割和分段学习的三维人脸动画制作的方法，其特征在于，所述的采用聚类算法对三维人脸模型进行区域分割：基于运动捕获数据的位移向量的余弦距离和三维人脸网格顶点的短程距离对运动捕获数据标记点进行聚类；采用短程距离，即三维曲面上的最短路径，采用图论中的最短路径算法，将两点之间的最短路径作为距离度量，用来表达三维曲面上的拓扑结构；把输入的人脸网格看作一个无向图，其中无向图的结点和弧由人脸网格的顶点和边表示，由人脸网格构造的无向图构造一个邻接矩阵，无向图上结点和之间的短程距离δ_ij由邻接矩阵的最短路径算法，即Dijkstra算法得到：δij=dijk(vvi,vvj),]]>在三维人脸网格上的控制点到其他所有点的短程距离，并以矩阵的形式存储起来；

将余弦距离和短程距离的复合相似度函数嵌入到单连接阶层聚类算法包括如下：

1)在一个特征帧Eⁱ，0≤i≤N_F′，其中E⁰是带有中立表情的初始帧，对两个标记点m_kⁱ，m_jⁱ，1≤k，j≤N_M，其相似度量函数为：S(mkj,mji)=Gk,ji·Dk,ji,]]>1≤i≤N_F′，1≤k，j≤N_M。其中：Gk,ji=1-G(pki,pji)maxa,b{G(pai,pbi)},]]>Dk,ji=12[(mki-mk0)||mji-mj0||·(mji-mj0)||mki-mk0||+1],ifmki-mk0≠0andmji-mj0≠00,otherwise,]]>

p_kⁱ，p_jⁱ是m_kⁱ，m_jⁱ在人脸网格上的对应特征点。对所有特征帧计算S(m_kⁱ，m_jⁱ)取最大值作为m_k，m_j的相似度：S(mk,mj)=max(S(mki,mij)),1≤i≤NF′i.]]>

2)将每一个标记点分为一个类别，类之间的相似度定义为其包含的标记点之间的相似度；

3)找到最大相似度的两个类并将其合并为一类；

4)计算新产生的类与其他类的相似度，类之间的相似度定义为一个类中的任意标记点与另一类中的任意标记点之间的最大相似度；

5)重复步骤2和3直到类之间的最大相似度小于某个阈值θ。