[发明专利]一种基于面部运动单元的三维非真实感表情生成方法

权利要求书

1.一种基于面部运动单元的三维非真实感表情生成方法，其特征在于，包括以下步骤：

步骤1、建立标准的三维面部中性模型，以中性模型为基础，建立与面部运动单元AU对应的三维模型基础训练集；

使用GAN网络生成面部运动单元AU与对应三维模型的扩增训练集；将已经建立的三维模型基础训练集中的面部运动单元AU模型，与目标对象模型作为GAN网络的输入，使用GAN网络生成目标对象的面部运动单元AU模型，建立目标对象的面部运动单元AU模型与三维人脸模型的对应关系，扩增训练集；

所述步骤1具体包括：

1.1)使用建模工具建立具有完整信息的三维中性面部模型；根据面部动作编码系统FACS和人体面部肌肉分布，以中性模型为基础，建立与AU对应的三维模型基础训练集；

1.2)生成目标对象的面部运动单元AU模型数据；

对于生成目标对象的面部运动单元AU模型，形成扩增训练集，采用构造对抗神经网络的方式；构造的对抗神经网络包括两部分：第一部分是输入目标对象的三维中性模型和步骤1.1)中的面部运动单元AU模型Y，网络职能提取模型的特征信息，根据面部运动单元AU模型的特征信息，逐步调整目标模型的参数，最后输出目标的三维面部运动单元AU模型；第二部分是输出模型的验证网络，网络职能是将调整参数后的目标模型与输入的目标模型、输入的面部运动单元AU模型对比，计算损失函数和生成模型的相似度，调整模型参数，生成可靠的模型；

步骤2、对所要生成的目标对象的面部表情进行分析，输入人脸二维图像，使用神经网络分析人脸表情，获取人脸表情的面部运动单元AU模型数据；

步骤3、根据得到的表情面部运动单元AU数据信息，以及目标对象的相关面部运动单元AU模型数据，目标对象的面部运动单元AU模型是由中性模型形变形成，独立提取每个面部运动单元AU模型特征，并叠加到中性模型，融合生成目标表情的三维模型。