基于動作捕獲的三維動畫人物表情變形自動控制

李作山

(綏化學(xué)院 信息工程學(xué)院，黑龍江 綏化 152000)

三維動畫技術(shù)日趨成熟，三維動畫人物表情圖像識別技術(shù)應(yīng)用廣泛[1]，采用超分辨圖像特征提取進(jìn)行三維動畫人物表情視覺成像處理，建立視覺特征分析模型，結(jié)合對三維動畫人物表情的三維信息重構(gòu)方法，實(shí)現(xiàn)三維動畫人物表情信息重構(gòu)，提高三維動畫人物表情的控制能力[2]，相關(guān)的三維動畫人物表情變形控制方法研究受到人們的極大關(guān)注。

國內(nèi)外的研究中，對三維動畫人物表情變形自動控制方法主要有基于快速稠密對應(yīng)識別方法[3]、三維輪廓檢測方法[4]、多維特征提取方法等[5]，以及建立三維動畫人物表情變形的多維空間檢測模型，通過模糊度特征識別方法，進(jìn)行三維動畫人物表情變形自動檢測。但傳統(tǒng)方法進(jìn)行三維動畫人物表情變形檢測的特征識別精度不高，自適應(yīng)性不好。

對此，本研究提出基于動作捕獲的三維動畫人物表情變形自動控制方法。通過邊緣輪廓特征重構(gòu)方法進(jìn)行三維動畫人物表情變形控制和模糊信息識別，通過模糊信息融合和空間像素聚類分析方法，進(jìn)行三維動畫人物表情的變形狀態(tài)檢測，最后進(jìn)行仿真測試分析，展示了本文方法在提高三維動畫人物表情變形自動控制能力方面的優(yōu)越性能。

1 圖像信息采樣和預(yù)處理

三維動畫人物表情控制前需要采集人物表情的三維信息，引用多聚焦圖像融合方法，構(gòu)建動畫人物表情特征提取模型，結(jié)合高分辨率特征重構(gòu)技術(shù)建立邊緣輪廓檢測模型，及表情變形特征檢測。為減少采樣圖像混疊現(xiàn)象，創(chuàng)新性提出通過譜混疊方法構(gòu)建圖像混疊模型，實(shí)現(xiàn)圖像信息梯度處理，為表情變形控制提供基礎(chǔ)。

1.1 三維動畫人物表情變形特征檢測

動畫人物面部表情的變化涉及多個(gè)器官的共同作用，為使人物表情變形自動控制更自然、便捷，準(zhǔn)確提取人物表情特征是重要環(huán)節(jié)，因此采用相關(guān)特征點(diǎn)檢測和匹配方法進(jìn)行三維動畫人物表情變形特征檢測。由于人物表情變化特征涉及較多要素，因此利用多聚焦圖像融合方法，建立三維動畫人物表情特征的多分辨特征分解模型[6]，得到三維動畫人物表情圖像信息的特征提取模型為：

(1)

公式(1)中，w表示權(quán)重系數(shù)，(xi,yi,zi)表示三維動畫人物表情第i個(gè)特征點(diǎn)立體坐標(biāo)的特征數(shù)值，Ω表示三維動畫人物表情圖像模糊人臉特征個(gè)數(shù)。

在上述特征提取的基礎(chǔ)上，采用高分辨的特征重構(gòu)技術(shù)，進(jìn)行三維動畫人物圖像的變形特征檢測，建立三維動畫人物表情圖像的邊緣輪廓檢測模型如圖1所示。

圖1 三維動畫人物表情圖像的邊緣輪廓檢測模型

在圖1所示的三維動畫人物表情圖像的邊緣輪廓檢測模型中，通過模糊度檢測方法，得到動畫人物表情圖像變形的高維特征，其計(jì)算公式為：

u(t)=Trect(t)exp{-w[2πl(wèi)n(N-1)]}

(2)

式(2)中rect(t)=1，N表示人臉圖像面片區(qū)域內(nèi)檢測標(biāo)記點(diǎn)數(shù)量。計(jì)算相鄰兩個(gè)標(biāo)記點(diǎn)局部極大值，通過尺度因子進(jìn)行特征分割，得到尺度函數(shù)表示為：

(3)

式(3)中，βintu(t)表示取整后的人臉圖像高維特征值，βextu(t)表示零散的人臉圖像高維特征值。在多尺度函數(shù)計(jì)算結(jié)果的基礎(chǔ)上，在檢測面片的頻譜區(qū)間，對類動畫人物表情圖像變形特征進(jìn)行譜分解，得到變形強(qiáng)度表示為：

(4)

公式(4)中，θ表示變形角度。綜上所述，根據(jù)圖像邊緣差異性進(jìn)行信息融合[7]，采用相關(guān)特征信息提取及對人臉表情變形強(qiáng)度的計(jì)算完成三維動畫人物表情變形特征檢測，提高三維表情圖像的識別能力。

1.2 三維動畫人物表情信息梯度處理

在圖像采集的基礎(chǔ)上，提取三維動畫人物表情變形的關(guān)聯(lián)分布特征點(diǎn)，利用邊緣強(qiáng)度識別三維動畫人物表情變形模糊信息[8]，得到三維動畫人物表情的多尺度特征分布集為：

(5)

公式(5)中，sx、sy和sz分別表示三個(gè)維度上人物表情的標(biāo)記值，再對公式(5)進(jìn)行歸一化處理，得到三維動畫人物表情圖像的超分辨率重建特征分布集。為進(jìn)一步提高采樣后圖像分辨率，最小化圖像混疊現(xiàn)象，以提高人物表情信息變形控制精度，在上述基礎(chǔ)上創(chuàng)新性提出利用譜混疊方法構(gòu)建三維動畫人物表情圖像的混疊模型，得到表情圖像的變形特征分布區(qū)域M×M，對像素矩陣的每一列進(jìn)行快速傅里葉變換，得到單幅圖像的列數(shù)為：

(6)

公式(6)中，Mmax表示分布區(qū)域內(nèi)面部表情臨界點(diǎn)極大值，Mmin表示分布區(qū)域內(nèi)面部表情臨界點(diǎn)極小值。根據(jù)獲得的圖像列數(shù)信息進(jìn)行梯度搜索，得到三維動畫人物的邊緣像素帶通方向子帶系數(shù)需滿足的條件：

(7)

公式(7)中，δ為對比度系數(shù)，分析空間像素特征分布區(qū)域內(nèi)三維動畫人物圖像表情像素灰度值。依據(jù)上述過程完成了三維動畫人物表情信息梯度處理，為表情變形控制提供基礎(chǔ)。

2 三維動畫人物表情變形控制

基于三維動畫人物表情變形特征的檢測與預(yù)處理，進(jìn)行表情變形控制。聚類變形特征的像素信息，構(gòu)建灰度直方圖并獲得三維灰度直方圖表情變形系數(shù)，提取表情變形特征；根據(jù)獲得的圖像表情突出信息重構(gòu)區(qū)域信息，實(shí)現(xiàn)表情變形自動控制。

2.1 變形特征提取

通過邊緣輪廓特征重構(gòu)方法進(jìn)行三維動畫人物表情變形控制和模糊信息識別，通過模糊信息融合和空間像素聚類分析方法，得到三維動畫人物表情變形特征的關(guān)聯(lián)特征分布集為：

(8)

公式(8)中，K表示區(qū)域內(nèi)像素灰度信息分量，Sk(ω)表示目標(biāo)圖像與背景圖像的差異度系數(shù)，采用融合圖像跟蹤識別的方法，得到三維動畫人物表情變形的模糊度序列為：

(9)

公式(9)中，A表示增強(qiáng)顯著圖的邊緣輪廓值，為N階方陣，即A={ai,j,0

(10)

公式(10)中D是一個(gè)無量綱的量，采用子空間分割方法進(jìn)行三維動畫人物表情變形特征的多維分割和灰度直方圖重構(gòu)，表示為：

(11)

(12)

(13)

公式(11)、公式(12)中，Mi、MT及Ml經(jīng)過Wi投影后得到三維動畫人物表情的變形特征量，完成了三維動畫人物表情變形特征提取。

2.2 三維動畫人物表情變形控制輸出

依據(jù)上述變形特征提取的特征量結(jié)果，通過顯著性特征提取的方法，進(jìn)行變形特征的動作捕獲，得到三維動畫人物表情變形特征的邊緣像素集為：

(14)

公式(14)中特征點(diǎn)中性位置偏移值Jdark(x)的計(jì)算公式為：

(15)

公式(14)、公式(15)中，η表示三個(gè)軸上存在的邊緣亞像素值，Jc為三維動畫人物表情變形特征相似度特征量，Ω(x)是鄰域大小，結(jié)合圖像中所含的表情突變信息進(jìn)行區(qū)域信息重構(gòu)，得到三維動畫人物表情變形特征的低頻融合特征量為：

(16)

(17)

公式(16)、公式(17)中，J(x)為三維動畫人物表情的變形尺度，I(x)為邊緣特征量。根據(jù)上述分析，進(jìn)行區(qū)域方差融合，實(shí)現(xiàn)三維人物圖像的特征識別和表情變形自動控制處理。

3 仿真實(shí)驗(yàn)分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)三維動畫人物表情的變形控制和檢測中的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)測試分析。使用的實(shí)驗(yàn)平臺為IBM Intelli Station Z Pro，CPU 是Intel Xeon 3.0GHz，系統(tǒng)內(nèi)存為6 GB。實(shí)驗(yàn)中的人臉數(shù)據(jù)集來自于三維動畫人物數(shù)據(jù)庫EURECOM Kinect，設(shè)定三維動畫人物表情信息采集的亮度分量為0.45，相似度系數(shù)為0.34，候選區(qū)域的大小為120*120，梯度信息分布為0.16，根據(jù)上述參數(shù)設(shè)定，得到原始三維動畫人物表情樣本數(shù)據(jù)如圖2所示。

圖2 三維動畫人物表情樣本數(shù)據(jù)

根據(jù)圖2的數(shù)據(jù)采集結(jié)果，進(jìn)行三維動畫人物表情的變形控制，得到人物表情的變形特征提取結(jié)果如圖3所示。

圖3 人物表情的變形特征提取結(jié)果

分析圖3得知，本文方法能準(zhǔn)確提取三維動畫人物表情的變形特征，且與對應(yīng)的樣本表情識別相一致。因?yàn)椴捎昧讼嚓P(guān)特征點(diǎn)檢測和匹配方法，并構(gòu)建了多分辨特征分解模型，從而提高了任務(wù)表情變形特征的提取的精確度。

為驗(yàn)證本文方法的對三維動畫人物表情的控制效果，以文獻(xiàn)[4]、文獻(xiàn)[5]方法作為實(shí)驗(yàn)對照組，對比三種方法在不同旋轉(zhuǎn)角度下表情自動控制的收斂性，具體實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 不同方法控制過程收斂性對比

由圖4可知，本文方法對三維動畫人物表情的控制過程的收斂性較好，能夠快速地進(jìn)行收斂，較對比的兩種方法收斂性能更好。之所以有如此效果是因?yàn)楸疚姆椒ㄔ谧冃慰刂魄疤崛×俗冃翁卣?，使之能夠較快速地收斂。

為進(jìn)一步驗(yàn)證本文方法的表情控制效果，以構(gòu)建的無表情灰色人物面部掩模為基礎(chǔ)，進(jìn)行大笑、悲傷與微笑三個(gè)經(jīng)典表情的變形控制，具體實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 經(jīng)典表情變形控制結(jié)果

由圖5實(shí)驗(yàn)結(jié)果可知，本文方法可以實(shí)現(xiàn)對三種經(jīng)典表情變化的準(zhǔn)確控制，因?yàn)樵诒砬榭刂魄皩θS人物表情圖像的特征檢測與預(yù)處理，且在預(yù)處理過程中考慮了采樣圖像易出現(xiàn)混疊現(xiàn)象，創(chuàng)新地提出利用譜混疊方法構(gòu)建混疊模型，進(jìn)一步提高了表情控制的準(zhǔn)確度。

4 結(jié)論

本研究建立了視覺特征分析模型，結(jié)合對三維動畫人物表情的三維信息重構(gòu)方法，實(shí)現(xiàn)三維動畫人物表情信息重構(gòu)，并提出基于動作捕獲的三維動畫人物表情變形自動控制方法。提取三維動畫人物表情變形的關(guān)聯(lián)分布特征點(diǎn)，采用一維經(jīng)驗(yàn)小波生成方法，得到三維動畫人物表情圖像的超分辨率重建特征分布集，通過顯著性特征提取的方法，進(jìn)行變形特征的動作捕獲和變形檢測。分析得知，本文方法進(jìn)行人物表情的變形控制和檢測的準(zhǔn)確性較高，收斂性較好。但此次研究的三維動畫人物表情控制方法仍需要完善，在復(fù)雜動畫背景下，人物表情特征提取的準(zhǔn)確率難以滿足商業(yè)需求，因此，改進(jìn)復(fù)雜環(huán)境下表情特征提取算法是未來的研究方向。