导读:本文包含了表情模拟论文开题报告文献综述及选题提纲参考文献，主要关键词:表情模拟,径向基函数,形变模型,肌肉模型
表情模拟论文文献综述
姚世明,李维浩,李蔚清,苏智勇[1]（2019）在《面向虚拟化身的人脸表情模拟技术》一文中研究指出为了实现基于增强现实的电子沙盘环境中的异地可视化交互功能,提出了一种面向虚拟化身的叁维表情模拟技术。首先,使用RGB摄像头跟踪异地作业人员的表情,基于约束局部模型(CLM)提取人脸特征点数据后传输到本地;然后,采用基于径向基函数的插值算法计算虚拟化身面部网格点的坐标,驱动模型模拟出与异地作业人员相同的表情;最后,为了提高变形算法的精度和效率,提出一种基于贪心算法与人脸肌群分布的插值控制点选取和分区域插值方法。实验结果表明,该算法能够满足实际应用对实时性和真实感的需求。(本文来源于《图学学报》期刊2019年03期）
黄佳男[2]（2019）在《机器人表情识别与模拟研究》一文中研究指出机器人根据不同的应用需求,会被设计成不同的形状,仿人机器人便是用于模仿人类形态或行为的机器人。表情机器人作为仿人机器人中的一种,模仿的是人类的情感交流能力。人们希望表情机器人具有真实的情感,并能同人类进行自然的交流。为了实现表情机器人的情感交流能力,需要对表情机器人在识别情感和表达情感两方面的功能进行研究。由于人类的大多数情感都通过面部表情来表达,人脸表情的识别和机器人头部的运动便是表情机器人识别和表达情感的途径,本文对这两方面的功能进行了研究。论文首先研究了在复杂环境中提取人脸区域的方法。首先分析了基于Haar特征进行人脸检测的原理。在该方法的基础上,结合了基于肤色检测的人脸区域预搜索方法和基于模板匹配的人脸追踪方法,提高了检测效率,实现了实时人脸区域提取的算法,用于表情识别和表情模拟。然后研究了基于特征融合的表情识别方法。针对SIFT特征在表情特征提取方面的不足,在特征层上融合了 CLM特征和SIFT特征,结合了人脸图像的形状信息和局部纹理信息,弥补了 SIFT特征的缺点。针对人脸不同区域对表情存在不同影响的情况,提出了基于误差的加权求和方法,在分数层上对人脸的局部区域特征进行了融合。最后研究了面部表情编码系统,提取了影响人脸表情的关键特征点,在此基础上设计了一种表情机器人头部的运动模拟机构。此外,基于人脸特征点的几何关系,计算了人脸的姿态角和表情控制点的偏移量,用于表情模拟。(本文来源于《浙江大学》期刊2019-01-24）
丁莎莎[3]（2018）在《基于深度图像的卡通人脸表情模拟》一文中研究指出叁维人脸表情动画是计算机图形学的研究热点和重点。近年来,虚拟角色动画越来越多的出现在影视制作、视频聊天、网络游戏以及广告制作等领域,使得虚拟角色动画在生产生活中占有广泛空间。因此,本文提出了一种基于深度图像的卡通人脸表情动画的模拟方法,使用叁维卡通人脸模型模拟视频中真实人脸的表情,完成实时的人脸表情动画模拟。本文的人脸表情模拟系统主要分为叁部分,首先使用Kinect相机采集人脸的深度图像,对深度图像进行去噪处理及前景提取,采集过程中对人脸进行识别跟踪以及对面部特征点的空间位置坐标进行提取;其次利用Kinect的IFTModle类接口为视频中真实人脸提供一个泛化的Candide-3人脸模型,利用FaceGen完成叁维卡通人脸的网格布线,使用OpenGL完成纹理映射和渲染,根据MPEG-4标准完成卡通人脸特征点的手工标定;最后完成基于面部特征点的映射建立两个模型之间的对应关系,然后通过基于高斯函数插值的变形实现人脸模型的对齐,再利用拉普拉斯变形算法保留人脸细节的性质,添加Bézier曲线约束,实现人脸表情模拟。实验结果表明,本文的方法能够完成实时的人脸表情模拟,并且有较强的真实感。相对于基于叁维扫描数据和动作捕捉技术的人脸表情模拟系统,本文在实验成本和效率上有了显着提高,通过与其它文献对比分析总结出本文算法的优势。(本文来源于《长春理工大学》期刊2018-06-01）
陈思[4]（2017）在《基于视频驱动的面部表情实时模拟研究与实现》一文中研究指出人脸是人类表达情感的窗口,人的面部表情提供了丰富的视觉信息。人脸面部表情模拟在影视特效制作、动画电影制作等娱乐方面以及客户服务、辅助教学、视频会议等诸多领域都有着十分广泛的应用。基于视频的面部表情实时模拟技术涉及人脸识别技术、人脸特征点自动定位技术、人脸姿态估计及表情分析以及人脸表情动画等多方面的技术。本文设计并实现了一个基于视频驱动的面部表情模拟系统。该系统可以定位视频中人脸部特征点的位置,并结合人脸特征点位置信息进行人脸姿态估计和表情分析。然后结合叁维网格Morphing技术,根据人脸表情数据,对各基础人脸表情进行融合,实现真实感较强的人脸表情模拟动画。本文的主要工作体现在以下几点:1、人脸及人眼检测。利用Adaboost学习算法对视频图像中人脸及人眼进行检测,为后续人脸特征点定位提供初始模型的优化定位数据。2、人脸特征点自动定位。利用主动形状模型特征点定位方法,根据给定样本训练图像,生成形状模型和灰度纹理模型,并根据生成的模型进行特征点的迭代搜索。提出一种改进的ASM特征点定位方法,利用人眼检测进行模型精确化初定位,利用多分辨率的图像搜索策略增强算法的精确度,并结合算法在视频中的应用提出一种基于视频的ASM特征点搜索优化方法。3、人脸姿态估计。利用人脸特征点位置信息,采用一种基于线性回归模型的人脸姿态估计算法对视频图像中偏转人脸的偏转角度进行估计。4、人脸表情分析。根据人脸特征点位置信息以及人脸姿态估计信息,提出一种基于人脸运动单元的人脸表情分析方法,根据相关特征点之间的位置距离关系分析人脸局部运动,将人脸特征点位置信息转换为人脸表情数字信息,用来驱动叁维模型动画。5、叁维人脸动画。通过获得的人脸姿态和表情信息,对叁维模型进行驱动。采用一种网格Morphing方法对各基础人脸表情模型进行加权融合,形成真实感的人脸表情动画。(本文来源于《电子科技大学》期刊2017-04-06）
何钦政,王运巧[5]（2016）在《基于Kinect的人脸表情捕捉及动画模拟系统研究》一文中研究指出叁维人脸表情动画技术是一个具有巨大应用前景和研究意义的学科方向。在研究现有表情捕捉和动画合成技术的基础上,提出了一种基于Microsoft Kinect设备的人脸表情动画系统。该系统首先利用Kinect设备捕捉人脸并提取相关表情参数,同时利用Autodesk Maya动画软件建立对应的人脸叁维模型,之后将模型导入到OGRE动画引擎并把提取的表情参数传递给OGRE,渲染生成实时人脸表情动画。实验结果表明该技术方案可行,实时表情动画效果达到实际应用水平,相比于现有其他表情动画技术,系统采用通用的Kinect设备,成本更大众化且更容易进行操作。(本文来源于《图学学报》期刊2016年03期）
孙世全[6]（2015）在《表情驱动的实时Laplacian网格变换面部表情模拟》一文中研究指出最近几十年中,随着影视及游戏业的发展,表情驱动领域得到了各大研究机构的重视,并且逐渐成为了计算机图形学领域研究的热点。在表情驱动领域中,常用的方法主要有两种,即表情库的方法和网格直接驱动的方法。而近几年来,网格直接驱动的方法慢慢被人们所抛弃,这是因为虽然此方法有着不用建立表情库、不用针对不同表演者独立建模等优点,但是却存在着一个致命的缺陷,就是延迟较大、实时性不好。本文主要从模型及特征点等多个方面进行改进,使得网格驱动方法的实时性得到了提高,达到了与表情库方法相同的效果。首先,实时的对表演者面部数据进行获取,通过分析市面上各类的运动捕获设备,选定Microsoft公司研发的Kinect深度摄像机作为实验设备,这部分是全文的基础,为后面的工作提供了基础数据。其次,针对人类在产生表情时面部肌肉的变化幅度展开分析,通过研究人类面部的生物学特征确定肌肉变化区域以及主要的施力肌肉组织,根据变化幅度的大小对其进行特征点的标记,并将其映射到模型上,进行区域划分。再次,通过模型精简算法对建立的模型点数进行精简,网格直接驱动模型的方法的瓶颈在于实时性不高,而影响实时性的主要因素就是建立的模型是否完全符合人类面部的生理学特征,所以在驱动时有许多非关键点对时间开销进行了消耗。而模型精简的目的就是减少这些非关键点,以此来提高实时性。最后,通过特征点位置坐标的变化,使用Laplacian网格变换算法对模型的其他特征点进行驱动,以达到表情模拟的效果。并且对上述方法的有效性和可行性进行了实验的验证。本方法在影视、游戏、以及移动端都有很广泛的应用。(本文来源于《燕山大学》期刊2015-05-01）
梁海燕[7]（2013）在《基于Kinect动作驱动的叁维细微面部表情实时模拟》一文中研究指出产生引人注目的动态面部表情动画在计算机图形学中是一个具有挑战性的方面。近年来，虚拟角色越来越多的出现在计算机游戏、广告以及电影制作中，使得具有细微面部表情的角色动画变得越来越重要。本文提出一种生成叁维细微面部表情实时动画的新技术，驱动叁维面部网格模型生成带有细微面部表情特征运动的虚拟叁维角色动画。首先，为了实时捕获用户的不同表情状态特征，利用微软的Kinect3D体感摄影机对用户的面部表情进行实时的跟踪，通过分析捕捉得到的人脸运动数据，将运动数据分解为两个部分：头部的刚性运动和面部表情的运动。相对于依赖特定硬件设备的人体运动捕捉系统来说，Kinect降低了系统的硬件成本和调试维护费用，并且对于自然环境的复杂背景具有很好的适应性。其次，在用户面部表情的捕获和数据处理的基础上，利用拉普拉斯坐标局部细节保留的性质，使用拉普拉斯变形的方法把捕获的面部表情映射到一个中性的叁维人脸模型上，对虚拟的叁维人脸模型进行姿态重建，产生具有睁眼闭眼和嘴部运动等与用户表情状态一致的虚拟叁维角色动画。再次，为了产生带有皱纹等细微面部表情特征的实时表情动画，生成带有毛孔、胡须以及凹凸不平粗糙感的皮肤纹理，利用GPU进行光照和法线贴图渲染，再根据Kinect捕获的动作单元计算动态纹理映射和皱纹产生的权重，并通过引入皱纹函数实时模拟皱纹运动状态，产生动作驱动的面部表情实时动画。最后，利用专业图形程序接口OpenGL和高级着色语言GLSL设计并实现了实时细微面部表情仿真系统。实验表明，利用本文的方法可以产生动作驱动的逼真细微面部表情实时动画，适用于数字娱乐、视频会议等领域。(本文来源于《燕山大学》期刊2013-12-01）
王小平[8]（2010）在《舞蹈模拟生活与表情达意剖析》一文中研究指出模拟生活场景,模拟自然状态是舞蹈常用的艺术手法。古代原始、简单的舞蹈逐渐脱离了"生产"的直接需要,由单纯的模拟形式向更高的艺术阶段发展,但总不能凭空臆造。舞蹈是人们社会生活和精神的反映。(本文来源于《通化师范学院学报》期刊2010年11期）
常江龙,郑颖,汪增福[9]（2010）在《利用双线性分析的叁维人脸表情模拟技术》一文中研究指出具有真实感的叁维人脸表情合成是计算机应用领域的一个热点问题.提出一种基于双线性分析的叁维人脸表情生成方法.在对人脸数据进行分区域统计分析的基础上,建立了表情与身份相独立的双线性统计模型.设计了该模型的肌肉驱动方法,通过肌肉参数来驱动相应表情统计参数变化来生成丰富表情.对于输入的特定二维或叁维人脸,利用形变模型(MorphableModel),可自动实现其模型匹配.实验结果表明,该方法能够模拟各种具有较高真实感的人脸表情.(本文来源于《小型微型计算机系统》期刊2010年06期）
严若鹤[10]（2009）在《基于叁维网格模型的参数化人脸表情模拟方法研究》一文中研究指出人脸表情模拟动画是计算机图形学中最富有挑战性的课题之一,可以广泛应用于计算机动画行业、游戏行业、远程会议、代理和化身等许多领域,是近几年来国际上的研究热点。本文在广泛阅读国内外现有的关于人脸表情模拟动画技术的文献,比较和借鉴现有成功的人脸表情模拟方法后,研究出自己独特的人脸表情模拟方法。本文使用标准化的参数化模型来描述人脸表情运动特征,并对表情运动参数的组织、提取与驱动等关键技术进行改进和完善,在此基础上开发出相应的人脸表情模拟系统。本文的主要研究工作包括以下几方面:(1)使用改进的Candide-3模型作为标准人脸网格模型。参照MPEG-4人脸标准和人脸表情编码系统(FACS),对Candide-3模型的不足进行完善与修改。(2)基于Cohn-Kanade人脸数据库提取表情运动参数。根据Cohn-Kanade人脸表情库的AU编码描述,记录每个图像序列各关键帧的表情状态,然后通过改进Candide模型匹配进行表情运动参数的提取。(3)合理地组织和设计人脸表情模拟的语义系统,构建人脸表情模拟的脚本引擎系统。调查与研究人脸细微运动与区域运动,表情运动与区域运动之间的联系,构建人脸表情模拟的叁层语义系统,然后将表情模拟语义描述符号化、参数化,在此基础上设计与实现文本驱动的人脸表情模拟引擎系统。本文的创新点主要有以下两点:(1)使用基于人脸肌肉模型的人脸动作编码系统(FACS)与传统的基于人脸几何模型的MPEG-4人脸标准相结合的表情模拟方法,不仅简化了表情参数的定义与提取过程,也使得产生的人脸表情更加逼真。(2)构建参数化的人脸表情运动模型。参数化模型建立了高层语义描述(眉毛上扬,上嘴唇张开等)到低层网格控制之间的纽带,且人脸网格的数据量小,便于人脸表情的传输、分解与再现。在各项研究的基础上,应用软件工程的思想,本文最终实现了一个人脸表情模拟动画系统,取得了较理想的效果。(本文来源于《厦门大学》期刊2009-05-01）
表情模拟论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器人根据不同的应用需求,会被设计成不同的形状,仿人机器人便是用于模仿人类形态或行为的机器人。表情机器人作为仿人机器人中的一种,模仿的是人类的情感交流能力。人们希望表情机器人具有真实的情感,并能同人类进行自然的交流。为了实现表情机器人的情感交流能力,需要对表情机器人在识别情感和表达情感两方面的功能进行研究。由于人类的大多数情感都通过面部表情来表达,人脸表情的识别和机器人头部的运动便是表情机器人识别和表达情感的途径,本文对这两方面的功能进行了研究。论文首先研究了在复杂环境中提取人脸区域的方法。首先分析了基于Haar特征进行人脸检测的原理。在该方法的基础上,结合了基于肤色检测的人脸区域预搜索方法和基于模板匹配的人脸追踪方法,提高了检测效率,实现了实时人脸区域提取的算法,用于表情识别和表情模拟。然后研究了基于特征融合的表情识别方法。针对SIFT特征在表情特征提取方面的不足,在特征层上融合了 CLM特征和SIFT特征,结合了人脸图像的形状信息和局部纹理信息,弥补了 SIFT特征的缺点。针对人脸不同区域对表情存在不同影响的情况,提出了基于误差的加权求和方法,在分数层上对人脸的局部区域特征进行了融合。最后研究了面部表情编码系统,提取了影响人脸表情的关键特征点,在此基础上设计了一种表情机器人头部的运动模拟机构。此外,基于人脸特征点的几何关系,计算了人脸的姿态角和表情控制点的偏移量,用于表情模拟。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
表情模拟论文参考文献
[1].姚世明,李维浩,李蔚清,苏智勇.面向虚拟化身的人脸表情模拟技术[J].图学学报.2019
[2].黄佳男.机器人表情识别与模拟研究[D].浙江大学.2019
[3].丁莎莎.基于深度图像的卡通人脸表情模拟[D].长春理工大学.2018
[4].陈思.基于视频驱动的面部表情实时模拟研究与实现[D].电子科技大学.2017
[5].何钦政,王运巧.基于Kinect的人脸表情捕捉及动画模拟系统研究[J].图学学报.2016
[6].孙世全.表情驱动的实时Laplacian网格变换面部表情模拟[D].燕山大学.2015
[7].梁海燕.基于Kinect动作驱动的叁维细微面部表情实时模拟[D].燕山大学.2013
[8].王小平.舞蹈模拟生活与表情达意剖析[J].通化师范学院学报.2010
[9].常江龙,郑颖,汪增福.利用双线性分析的叁维人脸表情模拟技术[J].小型微型计算机系统.2010
[10].严若鹤.基于叁维网格模型的参数化人脸表情模拟方法研究[D].厦门大学.2009