基于多媒体数据库的三维动漫人脸高真实感建模方法研究

周泓智

(四川商务职业学院 设计艺术系，四 川 成都 610000)

0 引言

人脸是人类情感表述以及沟通最为直接的方式，通过人脸能够推算出人类的种族以及地域等.根据人脸复杂的变化能够获取不同人物的性格以及情绪等相关信息，例如厌恶、开心以及悲伤等基本情绪.由于人脸在情感中扮演十分重要的角色，所以从古至今人类对脸部问题的描述及刻画一直是研究的热点话题.

国内外相关专家重点针对三维动漫人脸建模方面的内容进行了大量的研究.侯守明等[3]通过Kinect获取脸部图像对应的彩色信息和深度信息，对深度图像进行滤波处理，对彩色图像今夕进行顶点定位，构建三维人脸模型，同时结合深度信息进一步对模型进行变形处理，获取更加真实的三维人脸模型.闫衍芙等[4]主要通过24个描述面部表情的运动单元参数，结合卷积神经网络，构建参数回归网络模型，获取对应的AU参数值，在自然条件下形成真实的人脸动画.虽然上述方法取得了较好的研究成果，但是依旧存在缺陷.为此，本文提出了一种基于多媒体数据库的三维动漫人脸高真实感的建模方法.仿真实验结果表明，该方法不仅能够提升三维动漫人脸特征标定结果的准确性，而且还能够获取更加真实的三维人脸模型.

1 建模方法

1.1 三维动漫人脸特征集合的建立

三维动漫人脸高真实感建模的主要研究内容就是将二维数码图片进行无缝拼接，然后映射到三维人脸模型上.其中纹理映射是一个十分重要的依据，即二维数码相片的特征点和三维人脸模型特征之间的对应关系.分析三维动漫人脸器官的主要组成特点、分布规律以及设定的特征点集，组建三维动漫人脸特征集合[5-6].在人脸扫描过程中，需要分别对三维动漫人脸数据进行平滑处理及切割操作，其中切割主要是将需要的人脸区域从头部数据中分离出来，剔除无利用价值的部分，例如头发以及肩膀等区域.人脸面部区域分离需要优先将边界区域进行分离，但是整个分离过程中面部特征关键点的表情和检测存在一定的难度，需要利用人脸的二维纹理图像确定面部发际线以及耳部边界位置，结合纹理映射确定脸部图像对应的分割线.另外，在扫描的过程中还需要注意以下问题：①通过人工交互方式对脸部图像进行调整和校正；②要求被扫描者目视前方，但是获取的图像信息仍然存在一定的误差；③需要及时校正人脸数据，并且将全部人脸统一放置到相同的坐标系内[7].分析切割后不同人脸数据的具体分布情况，采用人脸数据对应的离散点集模拟柱形曲面，获取不同人脸对应的全新坐标系.

由于人脸之间存在明显的差异，导致扫描获取的人脸数据也存在较大的差异.为此，需要将多媒体数据库的中三维动漫人脸进行规格化处理，进而获取以下的向量形式：

(1)

上式中，Si代表第i个三维动漫脸部图像组成的三维坐标建立的几何形状向量；Ti代表纹理向量；n代表经过规则化处理后人脸的数量.

针对三维动漫人脸，需要采用光流法进行计算，将人脸优先展开，转换为纹理图像，计算不同人脸图像之间的稠密对应[8-9]，将稠密对应传输至三维数据中，最终得到三维动漫人脸的稠密对应.

光流算法的前提是运动物体上的点在视频序列图像中对应亮度对比，假设利用I(x,y)代表图像在(x,y)上的取值，则在t时间段和t+Δt有以下公式成立：

I(x+Δx,y+Δy,t+Δt)=I(x,y,t).

(2)

光流能够表示为：

(3)

在实际计算的过程中，由于扫描获取的三维动漫人脸图像和真实图像两者之间存在较大的差异，因而通过光流算法无法获取理想的计算结果，需要对其进行改进，获取更加精准的计算结果.当得到二值柱面展开图后，再次返回到三维空间中获取全新的三维动漫人脸点和点间的对应[10].由于不同三维动漫人脸的点及面的数量完全不一致，通过插值等方法将不同的人脸几何点规划为相同数量.以下给出人脸重采样的过程.

(1)人脸分片

人脸分片主要是将三维动漫人脸划分为多个面片进行重新采样.进行分片的主要目的是通过不同的人脸特征进行人脸划分，即分割节点和分割线需要设定在人脸的关键部位和边缘部位.

(2)三维人脸网格重采样

进行人脸数据重采样时，需要优先确定不同面片对应的4个角点.针对较为规则的矩形面片而言，主要通过最小内减法确定各个角点.为了能够在人脸范围内进行均匀采用，需要使脸部边缘部分的划分更加均匀，对全部矩形的边长度进行统计和初始化处理.

经过上述操作后，在媒体数据库中选取54个特征点，将其设定为三维动漫人脸特征集合.

1.2 基于多媒体数据库的三维动漫人脸高真实感建模

通过可视化技术对采集到的三维动漫人脸进行分析和处理，由于数据量较大，需要优先在背景区域内确定三维动漫人脸区域，通过投影结合五官的分布规律获取特征点的位置，主要操作流程如图1所示.

图1 特征点集合的建立

(1)手工裁剪出正侧面彩色图片

通过可视化技术将全部三维动漫人脸数据放置在CT机扫描台上进行扫描，由于每个人的位置存在明显的差异，背景和衣服会给三维动漫人脸区域带来不必要的困扰.以下主要通过第三方软件精准裁剪出整个人头部分的区域，将其设定为下一步需要进行处理的照片.

(2)灰度化

不论是彩色照片还是转换后的灰度照片，主要差别即为色彩，其中图像内各个像素点的位置是相同的.当脸部图像经过灰度化处理后，需要优先确定眼角特征点对应的行标和列标，使彩色图像对应的位置也一致[11-12].由于灰度图像代表数值矩阵，结构简单，经过灰度化处理之后能够获取灰度图像.

(3)对灰度图像进行去噪以及增强处理

虽然全部的数据均是在相同的背景和光照条件下获取，但是各个三维动漫人物的肤质和发色是完全不同的，经过转换后形成灰度图像，但是部分区域过亮或者过暗，即灰度图像的灰度值过于集中，需要对图像进行去噪和增强处理，为后续的研究奠定基础.

(4)边缘提取以及图像二值化处理

边缘即为脸部图像对应的结构信息或者灰度发生变化的像素点，即结束旧的区域，开始一个全新区域内的像素点.想要将三维动漫人脸的五官在图像中精准提取出来，需要通过选定的阈值方法，脸部图像对应的灰度值划分为不同的类型，将大于阈值的全部像素取值设定为1，小于阈值的则全部设置为0.由于背景和人脸部位灰度存在明显的差异，所以进行二值化处理能够很容易地将图像进行区分.针对灰度且增强的图像而言，主要通过线性Fisher判别法，将边缘检测获取的图像去噪经过简化后形成二值图像，方便后续研究的使用.

(5)投影

由于二值图像能够快速将图像内的背景和噪声滤除，剩余三维动漫人脸目标，目标图像经过简化处理之后分别进行水平以及垂直两个方向的投影，具体的计算式为：

(4)

(6)确定人脸区域

对正面人脸二值图像而言，利用投影曲线上两个略成对称的波峰[13]确定三维动漫人脸的具体范围.

(7)确定人脸特征器官的特征区域

当确定人脸区域之后，需要再次对三维动漫人脸区域进行投影，主要利用水平方向划定的五官区域分别进行垂直投影，以此确定三维动漫人脸的特征区域.

(8)特征点标定

当确定特征区域后，由于特征点的标定十分复杂，所以现阶段只能够针对不同的结构特点分别采取不同特征点标定方式.

当人脸器官各个区域确定以后，针对各个研究区域分别进行分析处理和定位.由于器官内的特征完全不同，需要一一对其进行分析.具体特征点定位方法如下.

(a)眼睛特征点定位

由于瞳孔大部分是圆形的，颜色更深一些.为了进行精准定位，可以将区域图像中各个点的灰度值减去区域内最小灰度值，进而得到不同区域内灰度值之间的差异：

(5)

式中，Y代表不同区域内灰度值差异，X代表局部点灰度值.

(b)鼻子特征点定位

鼻子位于三维动漫人脸的中轴线中央，是左右对称的.所以，可以在鼻孔连线纵向向上搜索灰度投影的第一个高亮点，将其设定为鼻尖，通过鼻尖完成剩余特征点定位.

(c)嘴巴特征点定位

由于嘴唇上下边缘和抛物线十分近似，当确定嘴部的大致位置以后，需要对该区域内的灰度值差别进行放大，结合改进的Sobel算子，重新对区域边缘进行特征提取.通过曲线拟合对嘴唇上下边缘部分进行拟合，最终获取嘴巴特征点定位.

1.3 三维动漫人脸建模方法

由于现阶段已经存在的三维人脸模型主要用来和实际三维模型配准后变形成为特定人脸模型所使用.模型的结构越复杂，后续的对齐修正就越困难.在保存人脸共有特征的前提下，需要将三维动漫人脸模型进行简化处理[14]，同时结合阈值确定三维动漫人脸轮廓的边界点，具体操作步骤如下.

(1)将经过预处理的数据直接进行分层处理，同时读入内存；

(2)分别扫描邻近两个切面对应位置之间组成的立方体，对比各个顶点的灰度值以及获取等值面阈值判定最终的相交方式；

(3)提取目标图像不同边和等值面两者的交点[15]；

(4)分别通过中心差分法以及线性差值法计算不同顶点和三角面片的法向量；

(5)通过步骤(4)得到的不同法向量后，将其作为研究依据分别绘制等值面图像.

在上述分析的基础上，根据DFFD(Dirichlet free-form deformation)算法对三维动漫人脸模型进行局部变形调整，将经过调整的模型设定为最终的三维动漫人脸模型，即

Gk=REDUCE(Gk-1).

(6)

同时采用立体点云数据Morphable Model表示，获取逼真切评估的三维动漫人脸模型.

2 仿真实验

为了验证所提基于多媒体数据库的三维动漫人脸高真实感建模方法的有效性，需要进行仿真实验测试，主要通过微软的Visual Studio程序开发环境和VTK图形工具箱实现.

为了各个方法性能的好坏，优先对比不同方法的三维动漫人脸特征点标定结果，具体结果如图2和图3所示.

图2 测试对象

(a)所提方法的三维动漫人脸特征点标定结果

分析图3中的实验数据可知，本文方法能够精准标定三维动漫人脸的特征点位置，而另外两种方法只能标注局部位置，由此证明所提方法的优越性.

为了更进一步验证所提方法的优越性，以下实验主要对比3种不同方法的三维动漫人脸高真实感建模平均误差，具体实验对比结果如表1所列.

表1 不同方法的三维动漫人脸高真实感建模平均误差对比结果

分析表1中的实验数据可知，随着三维动漫人脸数量的持续增加，各个方法的三维动漫人脸高真实感建模平均误差也在不断发生变化.但是由于所提方法能够精准标定人脸特征点，所以整个方法的三维动漫人脸高真实感建模平均误差明显更低一些，同时也说明用本文方法进行建模具有较强的真实性.

3 结语

真实感三维动漫人脸建模技术是最近几年的研究热点，本文提出一种基于多媒体数据库的三维动漫人脸高真实感建模方法，有效实现从通用模型到特性模型的变形过程，提升三维动漫人脸特征点标定精度，极大程度增加了人脸重构的真实感.所提方法是一种新的人脸建模方法，具有一定研究价值和应用前景，受到越来越多人的关注，后续将重点针对以下几方面的内容进行研究：①由于数据量较大，在目前的研究过程中如何提升重建效率是一个值得思考的问题；②构建更加完整的头部模型，进一步加强模型的真实感.