[发明专利]一种基于面部表情捕捉的图像自适应逐帧追踪方法

说明书

技术领域

本发明涉及一种基于面部表情捕捉的图像自适应逐帧追踪方法。

背景技术

人脸运动捕捉数据处理的人脸表情动画很大程度上依赖于运动数据处理的精度。传统的数据追踪方法主要分为两种：

一.分步静态追踪。该方法中追踪与修复分步进行，首先根据采集的捕捉数据的特点设定合理的静态追踪半径，扫描所有的帧数据，若在追踪半径范围之内存在满足条件的点，则该点为有效点，否则，视该点为缺失点，以此识别出所有的有效点与缺失点。其次，在追踪完所有帧数据之后，对识别出的所有缺失数据进行修复，得到完整的运动数据。

该方法首先根据静态追踪识别出所有的有效点与缺失点，然后在追踪后的数据上修复缺失数据。然而由于该方法中数据追踪与修复分步进行，所以追踪过程是在非完整数据上进行的，因此追踪的数据不够精确，容易出现错误追踪。而且在追踪过程中设置的追踪半径是(固定的)静态的，每个标记点的追踪半径在整个追踪过程中保持一成不变，不适应人脸表情运动时的几何局部结构变化。采用该方法重构人脸表情动画，最终生成的表情动画容易产生扭曲变形，不够自然，缺乏真实性。

二.逐帧静态追踪。传统的数据追踪方法中，另一种数据追踪方法为逐帧静态追踪。该方法中数据追踪与修复同步进行逐帧操作，首先，根据捕捉的数据特点设定合理的静态阈值作为追踪半径，根据追踪半径对当前帧数据进行追踪，识别出当前帧中有效点及缺失点。然后，对追踪后当前帧的缺失数据进行修复。最后，以修复后的帧数据作为下一帧追踪的基础，重复追踪过程。

逐帧静态追踪方法明显区别于分步静态追踪，该方法在追踪完一帧后即对当前帧中缺失数据进行修复，以修复后的完整数据为基础，进行下一帧的数据追踪，因此该方法要求具有鲁棒的数据修复方法。逐帧追踪的数据较分步静态追踪准确。采用该方法重构后的人脸表情运动真实，但不够光顺。主要是因为追踪半径是静态的，不符合人脸表情运动的几何局部结构变化，追踪后的数据与真实的数据存在一定的误差。

发明内容

本发明针对以上问题的提出，而研制的一种面部表情捕捉的图像自适应逐帧追踪方法，具有如下步骤：

a.选择具有多个标记点的一帧人脸表情图像作为当前帧，计算所述当前帧中多个标记点的位置与前一帧中最邻近标记点位置的两点间距离的平均值I；

b.根据步骤a得出的平均值与经验值，设定多条长度不同的追踪半径；

c.计算前一帧中，当前点与当前帧的最小距离值II，根据该值II选择步骤b中的多条追踪半径中的一条作为当前帧标记点的追踪半径；

d.通过检测当前帧中标记点是否在以该标记点在上一帧的位置为圆心、半径为追踪半径的圆中，判断该点是否为缺失点；

e.针对步骤d中检测到的缺失点的数据，进行数据修复；

f.检测是否存在错误追踪，若不存在错误追踪，则完成当前帧所有标记点的追踪，进行下一帧的追踪；若存在错误追踪，则修改追踪半径，重新追踪整个当前帧数据标记点，重复步骤b-f。

在步骤a之前还包括在面部标定多个标记点，输入每个标记点的运动特征的数据，针对每个标记点设定。

在步骤f之后，对当前帧图像进行降噪处理：对每个标记点的运行轨迹采用三阶B样条曲线进行曲线拟合。

所述步骤a的运算公式为：

avedis=Σi=160tempdisisizept]]>

其中60为标记点的个数；所述步骤b所述的经验值为2，当avedis＜2时，判定此时表情变化较小，此时设定追踪半径1，traceradius₁＝3.5×avedis；当avedis＞2时判定此时表情变化较大，此时设定追踪半径2，traceradius₂＝1.5×avedis。

步骤c中计算所述前一帧中，当前点与当前帧的最小距离值II(该距离即前后帧中最近两点间的距离)：