从多张非标定图像重建三维人脸

为了在人脸动画中方便地重建真实感强的三维人脸模型,提出一种从多角度、非标定图像重建三维人脸的方法.首先利用一种基于规则网格变形的模型归一化方法建立人脸形变模型;然后分别在5幅人脸图像上手动标注不超过14个关键点,通过拟合图像上的关键点重建个性化的人脸几何形状;最后从每个角度渲染出一幅形状无关纹理,并将5幅形状无关纹理融合成一幅平滑的纹理图像.重建结果显示,该方法能在较少的手动交互的情况下重建出具有真实感的个性化人脸模型.

综合鲁棒特征和在线学习的自适应三维人脸多特征跟踪

提出一种灰度与边强度信息相结合的鲁棒特征并综合在线学习方法来进行自适应视频人脸多特征跟踪。算法思想是利用三维参数化网格模型对人脸及表情进行建模,利用弱透视模型对头部姿态建模,求取归一化后的形状无关灰度和边强度纹理组合成一种鲁棒特征,建立单高斯自适应纹理模型,并采用梯度下降迭代算法进行模型匹配得到姿态和表情参数。实验证明,本方法比单纯利用灰度特征在复杂光线和表情下具有更好的鲁棒性。

用于表情克隆的基于混合边缘外观模型的面部动作追踪技术

提出了基于混合观察模型的实时、全自动面部特征追踪技术.用一个三维参数化的模型用来为人脸和面部动作建模,同时用弱透视投影技术为头部姿态建模.WSF混合外观模型从基于非线性归一边缘强度的形状无关的局部片面被构建出来.实验结果表明,从观察模型和可适应混合学习中边缘强度的测量可以提高追踪的精确度和鲁棒性.