[发明专利]三维人脸表情迁移方法及系统

说明书

本发明公开了三维人脸表情迁移方法及系统，包括：获取控制者当前三维人脸模型，获取被控者当前三维人脸模型；对控制者当前三维人脸模型进行特征提取，获得源基本表情模型序列；对被控者当前三维人脸模型进行特征提取，获得目标基本表情模型序列和目标模型细节特征向量；利用源序列映射函数，将源基本表情模型序列映射到低维度，得到低维度的源基本表情模型序列；利用目标序列重建函数，将低维度的源基本表情模型序列，传递给目标基本表情模型序列，得到具有源表情的目标模型；利用目标模型细节特征向量，对具有源表情的目标模型进行细节恢复。

技术领域

本公开涉及人脸表情迁移技术领域，特别是涉及三维人脸表情迁移方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

近年来，三维表情动画在计算机动画、影视特效和虚拟现实等领域取得了极其广泛地应用。然而，人脸生理结构的高复杂性，导致计算机在模拟面部表情变化时，通常会生成不自然的面部表情。发明人发现，如何重建出具有高度真实感的三维人脸表情模型，已成为计算机图形学领域的研究热点和难点。人脸表情迁移技术是将已有角色模型的表情迁移到新的三维人脸模型上，为新角色创建脸部表情。该技术降低了为新角色制作表情动画序列的时间成本，大大提高了已有动画的复用率和新表情动画的制作效率，为高真实感人脸表情动画的合成提供了新的思路，已成为目前人脸表情重现中最富有挑战性的工作之一。

传统的表情迁移算法大致分为：基于物理模型的三维人脸表情重建和基于参数化的人脸表情迁移。基于物理模型的三维人脸表情重建方法是对三维人脸构建肌肉或伪肌肉的物理模型，通过控制人脸各区域的物理形变，从而实现人脸表情的改变。这种方法通常需要人工调整，并且难以精确地模拟人脸皱纹细节。基于参数化的人脸表情迁移方法是指通过跟踪源模型人脸表情特征点的运动变化，控制人脸特征系数，进而调节目标模型的表情变化。然而，人脸表情处于高维流形，特征系数难以实现对人脸表情细节的细致刻画，降低了目标表情的真实程度。此外，传统的表情迁移方法往往只能迁移已有表情，限制了目标模型人脸表情的多样性。

机器学习是实现表情迁移的另一方法，它对人脸数据集中的样本进行统计分析，提取和控制人脸表情的特征和影响参数，从而实现人脸表情的传递。然而，机器学习训练一个数据集通常需要花费巨大的时间成本，且目标模型脸部表情的真实程度取决于所使用的机器学习方法和数据集质量。

表情迁移中，三维几何模型的细节特征直接影响着模型表情的真实感。细节特征恢复是指在模型发生大幅度变形后，准确地恢复物理模型的几何细节。多层次曲面变形和保细节编辑等方法在点采样模型或者曲面编辑等方面有了深度的应用，但是在人脸表情迁移领域的研究和应用才刚刚起步。

发明内容

为了解决现有技术的不足，本公开提供了三维人脸表情迁移方法及系统；

第一方面，本公开提供了三维人脸表情迁移方法；

三维人脸表情迁移方法，包括：

获取控制者当前三维人脸模型，获取被控者当前三维人脸模型；

对控制者当前三维人脸模型进行特征提取，获得源基本表情模型序列；对被控者当前三维人脸模型进行特征提取，获得目标基本表情模型序列和目标模型细节特征向量；

利用源序列映射函数，将源基本表情模型序列映射到低维度，得到低维度的源基本表情模型序列；

利用目标序列重建函数，将低维度的源基本表情模型序列，传递给目标基本表情模型序列，得到具有源表情的目标模型；

利用目标模型细节特征向量，对具有源表情的目标模型进行细节恢复。

第二方面，本公开提供了三维人脸表情迁移系统；

三维人脸表情迁移系统，包括：