基于拉普拉斯算子的人脸表情克隆优化方法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (6): 178-181.

基于拉普拉斯算子的人脸表情克隆优化方法

张满囤1，葛新杰1，霍江雷1，肖智东2，游理华2，张建军2

1.河北工业大学计算机科学与软件学院，天津 300401
2.伯恩茅斯大学英国国家动画中心，英国伯恩茅斯 BH12 5BB

出版日期:2016-03-15 发布日期:2016-03-17

Facial expression cloning optimization method based on Laplace operator

ZHANG Mandun1, GE Xinjie1, HUO Jianglei1, XIAO Zhidong2, YOU Lihua2, ZHANG Jianjun2

1.School of Computer Science and Engineering, Hebei University of Technology, Tianjin 300401, China
2.National Centre for Computer Animation, Bournemouth University, Bournemouth BH12 5BB, UK

Online:2016-03-15 Published:2016-03-17

摘要/Abstract

摘要： 针对人脸克隆表情的真实性和表情重建的效率，提出了一种基于运动捕捉数据的人脸表情克隆新方法。使用运动捕捉设备捕捉人脸六种基本表情数据，并对数据进行归一化处理，使其位于同一区间范围，保证克隆表情数据的有效性；在表现人脸表情的关键区域选取41个特征点，通过采用凸权值的拉普拉斯变形算法将人脸表情转移到目标模型上，很好保留了人脸表情的细节，克服了均一权值保真度低和余切权值计算不稳定的问题。实验结果表明，该方法合成的克隆表情真实、自然，人脸表情克隆的效率得到了显著提高。

关键词: 运动捕捉, 表情克隆, 拉普拉斯算子, 人脸表情

Abstract: In view of the reality of facial expression cloning and efficiency of expression reconstruction, a novel method based on motion capture data is proposed. After capturing the data of six fundamental expressions, it normalizes these data to make them in the same range. Then 41 points are chosen in critical areas of facial expression and it gets cloning expression using Laplace deformation algorithm with convex weight which can preserve the details of facial expression to avoid the low fidelity of uniform weights and unstable calculation of cotangent weights. Experimental results show that this method can generate realistic and natural expression animations and the efficiency of facial expression cloning is improved significantly.

Key words: motion capture, expression cloning, Laplace operator, facial expression

张满囤1，葛新杰1，霍江雷1，肖智东2，游理华2，张建军2. 基于拉普拉斯算子的人脸表情克隆优化方法[J]. 计算机工程与应用, 2016, 52(6): 178-181.

ZHANG Mandun1, GE Xinjie1, HUO Jianglei1, XIAO Zhidong2, YOU Lihua2, ZHANG Jianjun2. Facial expression cloning optimization method based on Laplace operator[J]. Computer Engineering and Applications, 2016, 52(6): 178-181.

[1]	张宏丽，白翔宇. 利用优化剪枝GoogLeNet的人脸表情识别方法[J]. 计算机工程与应用, 2021, 57(19): 179-188.
[2]	孙晓，丁小龙. 基于生成对抗网络的人脸表情数据增强方法[J]. 计算机工程与应用, 2020, 56(4): 115-121.
[3]	胡晓瑞，林璟怡，李东，章云. 基于面部动作编码系统的表情生成对抗网络[J]. 计算机工程与应用, 2020, 56(18): 150-156.
[4]	胡建平1，李玲1，谢琪1，2，李鑫1. 多通道图像EMD及应用[J]. 计算机工程与应用, 2019, 55(5): 211-218.
[5]	张志禹1，王瑞琼1，魏敏敏1，周杰2. 堆栈式混合自编码器的人脸表情识别方法[J]. 计算机工程与应用, 2019, 55(13): 140-144.
[6]	宋博1，姜万里2，孙涛1，熊正强1，芮华建1. 快速特征提取与感知哈希结合的图像配准算法[J]. 计算机工程与应用, 2018, 54(7): 206-212.
[7]	钱勇生，邵洁，季欣欣，李晓瑞，莫晨，程其玉. 基于改进卷积神经网络的多视角人脸表情识别[J]. 计算机工程与应用, 2018, 54(24): 12-19.
[8]	汤春明，赵红波，张小玉. 基于流形学习2D-LDLPA的东亚人脸表情识别算法[J]. 计算机工程与应用, 2018, 54(17): 146-150.
[9]	张满囤1，2，霍江雷1，2，单新媛1，2，王小芳1，2，吴鸿韬1，2. 基于Kinect与网格几何变形的人脸表情动画[J]. 计算机工程与应用, 2017, 53(14): 172-177.
[10]	王珍珍1，王思明1，巩红东2. 铁路扣件图像边缘检测中LoG参数优化[J]. 计算机工程与应用, 2016, 52(9): 267-270.
[11]	兰娇1，覃锡忠1，贾振红1，陈丽2. 基于改进半监督SVR算法的忙时话务量预测[J]. 计算机工程与应用, 2014, 50(20): 211-214.
[12]	穆国旺1，王阳2，郭蔚1. 基于生物启发特征和SVM的人脸表情识别[J]. 计算机工程与应用, 2014, 50(17): 164-168.
[13]	陈光平. 基于时间序列数据特性的缺失值估计算法[J]. 计算机工程与应用, 2012, 48(12): 135-138.
[14]	黄勇. 基于图像优化局部保留投影的人脸表情识别[J]. 计算机工程与应用, 2011, 47(27): 210-211.
[15]	白雪飞^1，2，李茹^1，2. 神经网络集成的多表情人脸识别方法[J]. 计算机工程与应用, 2010, 46(4): 145-148.