導(dǎo)語：表演二維表情動畫思索一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

在卡通動畫制作中，如何創(chuàng)作出形象生動的卡通表情動畫是一個值得討論的問題．完全依靠動畫師手工完成的卡通表情動畫不但難以確保其效果生動、形象，而且對動畫師的制作技術(shù)、經(jīng)驗和工作量也是一種挑戰(zhàn)．如何自動或半自動地生成出較為生動形象的表情動畫，已成為CAD領(lǐng)域的一個熱門話題，也是學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)心的問題．事實上，在卡通人臉動畫制作中，靜態(tài)二維卡通人臉圖像的繪制對于動畫師而言并非難事，且隨著光學(xué)運動捕獲系統(tǒng)的使用，稀疏二維動態(tài)人臉表情數(shù)據(jù)的獲取也越來越容易和普及．因此，基于靜態(tài)二維卡通人臉圖像及動態(tài)人臉表情數(shù)據(jù)融合，高效生成二維卡通人臉表情動畫是一個可行的思路．本文使用靜態(tài)二維卡通人臉圖像，配合動作捕獲設(shè)備獲取的表情數(shù)據(jù)進(jìn)行人臉表情動畫生成．輸入的人臉圖像首先被矢量化，并隨之對人臉五官區(qū)域進(jìn)行劃分；進(jìn)而將捕獲得到的二維人臉表情數(shù)據(jù)重定向到卡通人臉矢量圖上；最后使用移動最小二乘［1］（movingleastsquares，MLS）算法對矢量人臉的面部及五官進(jìn)行變形，以自動合成與原始表情數(shù)據(jù)類似的卡通人臉動畫．

1相關(guān)工作

現(xiàn)有的人臉表情動畫制作技術(shù)主要分為以下幾類：1）基于關(guān)鍵幀插值的動畫制作技術(shù)．動畫師制作若干關(guān)鍵幀表情，通過差值生成2幀之間的過渡幀，這類方法被稱為關(guān)鍵幀差值方法．傳統(tǒng)的二維卡通動畫制作大多采用這類方法，其優(yōu)點是簡單、便捷，有經(jīng)驗的動畫師通過制作高質(zhì)量的關(guān)鍵幀就可以做出較生動的卡通動畫；同時作為許多前沿的動畫制作技術(shù)的基本框架［2］，它有很強的兼容性．但這類方法的效果依賴于關(guān)鍵幀的質(zhì)量和數(shù)目，對動畫師的經(jīng)驗要求較高，也無法生成較為復(fù)雜的人臉表情變化．2）基于參數(shù)化的表情動畫制作技術(shù)．此類方法將人臉表情抽象成若干不同的參數(shù)，用戶只需要調(diào)整參數(shù)即可實現(xiàn)不同表情之間的變化．最常用的參數(shù)化方法有面部動作編碼系統(tǒng)［3］（facialactioncodingsystem，F(xiàn)ACS）和MPEG－4［4］的人臉動畫驅(qū)動方法．此類方法在組合的參數(shù)相互之間產(chǎn)生沖突時大多缺乏調(diào)度機(jī)制，導(dǎo)致表情不自然；同時為了得到某一個特定的表情需要調(diào)整很多參數(shù)，這需要煩瑣的手工調(diào)試．3）基于混合模型的表情動畫制作技術(shù)．此類方法在三維動畫中被廣泛應(yīng)用，其思路是不考慮人臉的物理屬性，而是直接采用一組三維表情模型（即變形目標(biāo)）來定義一個線性空間，新的人臉表情由這組模型的線性組合來構(gòu)成［5－6］．此類方法直觀方便，但缺點是變形目標(biāo)的創(chuàng)建過程復(fù)雜，需要大量藝術(shù)家的工作；且當(dāng)變形目標(biāo)的數(shù)量較大時，模型線性組合系數(shù)的人工調(diào)整會較煩瑣，致使動畫師難以實現(xiàn)制作意圖．4）基于表演驅(qū)動的表情動畫制作技術(shù)．此類方法是請演員來表演一段表情，然后使用這段表情數(shù)據(jù)來驅(qū)動卡通形象做出相同的表情．捕獲表情的過程又分為使用動作捕獲設(shè)備捕獲表情和普通表情視頻驅(qū)動2種類型，前者驅(qū)動的動畫較為生動形象［7－8］，而后者的優(yōu)點在于數(shù)據(jù)捕獲更加方便快捷［9－10］．該類方法較為高效，且能夠生成相對形象的表情動畫，因此其在表情動畫制作中的應(yīng)用日益廣泛；但其運動數(shù)據(jù)與人臉模型融合的步驟仍然需要大量的人工干預(yù)．相對以上卡通動畫制作方法，本文提出的卡通人臉合成方法主要具有高效性和易用性的特點．在整個驅(qū)動流程中，除指派輪廓線到特定的面部器官和在卡通表情上設(shè)置相應(yīng)的特征點這2個步驟需要用戶交互以外，其余部分都可以自動實時完成，因此只需動畫師制作一張靜態(tài)人臉的卡通形象，以及演員在鏡頭面前表演相應(yīng)表情，即可快速地生成表情動畫．整個算法流程圖如圖1所示．

2卡通人臉矢量化

輸入的卡通人臉圖像一般有位圖和矢量圖2種形式．相對于位圖，矢量圖可以在后續(xù)變形中被直接方便地使用，且存儲效率較高；此外，矢量圖也有利于處理噪聲、修正量化誤差，從而提高編輯效率和實際變形效果．本文方法以矢量圖作為卡通人臉表情動畫合成的輸入，所以當(dāng)用戶提供的卡通人臉為普通圖像時，需要預(yù)先對其進(jìn)行矢量化．此外，在矢量化人臉的基礎(chǔ)上，還需要將矢量圖中的曲線集合指派給不同面部器官，從而實現(xiàn)對不同面部器官分別進(jìn)行驅(qū)動變形的目的．卡通人臉圖像矢量化一般由輪廓提取與跟蹤、輪廓特征點抽取以及輪廓矢量化3部分工作構(gòu)成．關(guān)于這方面的研究已經(jīng)有很多，如文獻(xiàn)［11－12］等．本文基本采用文獻(xiàn)［12］描述的矢量化流程，并將面部五官指派的步驟整合在輪廓跟蹤中進(jìn)行，其流程如圖2所示．

2．1輪廓抽取與五官輪廓指派

由于卡通人臉及五官輪廓一般比較清晰，圖像構(gòu)成色塊明顯，因此只需將原始圖像轉(zhuǎn)化為灰度圖像，即可采用邊緣檢測算法提取其輪廓．本文使用Canny邊緣檢測算法進(jìn)行輪廓提??；為了消除該算法產(chǎn)生的噪聲，在進(jìn)行下一步工作之前還需進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹和骨架抽取操作，這樣既可以保證得到的邊緣信息不失真，又達(dá)到了消除細(xì)微噪點的目的．圖3展示了輪廓抽取以及五官指派的結(jié)果，其中輪廓跟蹤的結(jié)果已區(qū)分，不同的面部器官分別保存．圖3輪廓抽取和五官指派結(jié)果為了利用表情捕獲數(shù)據(jù)驅(qū)動人臉五官，需要將每條輪廓指派給某個特定的面部器官（包括臉、眼鏡、眉毛、鼻子、嘴），這個步驟可通過用戶手動操作來完成．在用戶選取了某條輪廓上的點時，系統(tǒng)將以此點作為根節(jié)點來跟蹤輪廓，并將跟蹤得出的輪廓賦于相應(yīng)的面部器官．輪廓跟蹤采用常用的像素八鄰域搜索算法，即在當(dāng)前點的八鄰域中搜索下一個點．但由于骨骼抽取后的邊緣可能存在“雙重邊”（既寬度為2的邊），所以本文對像素八鄰域搜索算法加以調(diào)整：即在得到每個新點之后，將其八鄰域全部標(biāo)記為“已檢測”，然后在八鄰域外的區(qū)域搜索下一個邊界點（如圖4所示，圖中黑色部分為特征邊緣．標(biāo)記Vi的像素為被識別的邊界；標(biāo)記C的像素為標(biāo)記為“已檢測”的像素；“雙重邊”如（1，2）、（1，3）、（2，2）和（2，3））．由于骨骼抽取后的邊緣寬度最大為2，所以該算法可以避免由雙重邊導(dǎo)致的搜索回溯甚至搜索中止，其具體步驟如下：Step1．建立輔助矩陣M，以保存每個點是否已訪問，將M初始化為FALSE．Step2．由用戶選取曲線上某點作為根節(jié)點．Step3．初始化搜索尺度s＝1，以當(dāng)前節(jié)點為中心、邊長為2s＋1按照順時針方向搜索正方形邊上的點（當(dāng)s＝1時，此正方形邊上的點代表節(jié)點的八鄰域）．a(chǎn)）當(dāng)搜索到一個邊界節(jié)點時，檢測其已訪問性；若已訪問，則繼續(xù)進(jìn)行搜索；若未訪問，則將此點加入邊界點列數(shù)組中，并將其八鄰域內(nèi)各個點均設(shè)為已訪問，然后將此點作為根節(jié)點重復(fù)Step2；b）若未搜索到下一節(jié)點，則認(rèn)為遇到斷邊溝，將s＋＝1重復(fù)Step2；Step4．當(dāng)搜索尺度s大于一個特定值，則循環(huán)結(jié)束，此時的邊界點列數(shù)組即為跟蹤所得的邊界輪廓．

2．2輪廓特征點抽取與矢量化

通過輪廓抽取與輪廓跟蹤步驟得到的輪廓是細(xì)密排列的邊界點列，需要在這些輪廓點中抽取特征點作為錨點，再經(jīng)過曲線擬合得到與原始圖像相近的矢量化結(jié)果．本文采用曲線簡化算法經(jīng)過輪廓特征點抽取，原始曲線被處理為一系列特征點的集合，這些點反映了原始圖像的邊緣信息．下一步需要基于特征點集合對原始人臉圖像中的輪廓邊緣信息進(jìn)行矢量化，即曲線擬合．本文采用Bézier曲線來擬合原始輪廓邊緣，Bézier曲線擬合出的是經(jīng)過所有特征點的光滑曲線，這可能與原始圖像有一定的出入，但一般情況下，這種誤差是可以接受的．部分卡通人臉圖像矢量化結(jié)果如圖6所示．

3表情重定向及驅(qū)動

3．1表情數(shù)據(jù)捕獲

在實驗中，本文利用自主研發(fā)的近紅外光學(xué)運動捕獲系統(tǒng)來采集二維表情數(shù)據(jù)，其硬件設(shè)備為一臺或多臺近紅外高速攝像機(jī)；該系統(tǒng)能夠通過對粘貼與人臉表面的特殊反光材質(zhì)標(biāo)記點進(jìn)行自動捕獲與跟蹤．由于近紅外攝像機(jī)成像時能夠過濾掉除近紅外光線外其他頻譜的光線，且粘貼與人臉表面的反光標(biāo)記對LED近紅外光源發(fā)出的光線具有非常高的反射率，因此能夠很容易地獲取二維人臉表情數(shù)據(jù)．圖7所示為系統(tǒng)所采用的近紅外攝像機(jī)及表情捕獲結(jié)果的截圖．

3．2表情重定向

從某個演員面部采集得到的表情數(shù)據(jù)并不能直接用來驅(qū)動動畫師預(yù)先繪制好的卡通人臉圖像，因為源人臉（真實演員人臉）和目標(biāo)人臉（卡通人臉）在形狀甚至結(jié)構(gòu)上都會有所差異，如果直接用源人臉表情數(shù)據(jù)對卡通人臉進(jìn)行驅(qū)動，則會造成卡通人臉形狀的較大失真與風(fēng)格丟失．基于以上理由，在表情驅(qū)動繪制之前需要對表情數(shù)據(jù)進(jìn)行重定向，其大致思路如圖8所示．

4實驗結(jié)果

本文實驗中在人臉上共使用圖9所示20個標(biāo)記點，分別位于下頜、下嘴唇、左右嘴角、上嘴唇、左右顴骨、左右鼻翼、眉心、雙眼的上下邊緣、左右眉的兩端，以及左右眉的上部．本文采用自行研制的近紅外光學(xué)運動捕獲系統(tǒng)以60幀?s的幀速率、320×240的分辨率捕獲一系列具有代表性的表情數(shù)據(jù)獲取二維表情數(shù)據(jù)，包括驚訝、瞪眼、挑眉和沮喪等．在驅(qū)動面部表情變形時，針對某一面部器官，使用特定的某些標(biāo)記點來驅(qū)動．表1所示為每個面部器官對應(yīng)的驅(qū)動點列表．本文采用的捕獲系統(tǒng)運行于Windows7平臺，計算機(jī)配置為Pentium?Dual－CoreCPUE5300＠2．6GHz，內(nèi)存為2GB．在整個實驗過程中，除了人臉器官指派與重定向首幀標(biāo)注需用戶手動交互外，其余步驟均能自動完成．最終生成相應(yīng)的表情特征視頻，圖10所示視頻截圖．

5總結(jié)與討論

本文詳細(xì)描述了使用動作捕獲設(shè)備來驅(qū)動二維非真實卡通表情的一個較為完備的過程，整個過程除有兩處需要用戶交互以外，其余部分都可以自動、實時地完成，得到的結(jié)果可以滿足一般動畫制作的需要．對于需要更加細(xì)致表情表現(xiàn)的動畫制作需求，在不要求紋理細(xì)節(jié)的非真實卡通表情的范疇內(nèi)，可適當(dāng)增加標(biāo)記點的設(shè)置個數(shù)來滿足需求，因此，此流程有一定的拓展性．此外，對于非真實夸張風(fēng)格的表情需求，可以結(jié)合論文文獻(xiàn)［14］方法對捕獲的表情數(shù)據(jù)進(jìn)行LoG濾波，從而用演員非夸張的表情數(shù)據(jù)模擬卡通人物夸張的表情．但此流程也有明顯的不足：

1）其受限制于矢量化技術(shù)，第2節(jié)敘述的矢量化方法僅僅適用于紋理簡單的位圖的矢量化，對較復(fù)雜的位圖可能不能正常的工作：事實上目前仍沒有完備的位圖矢量化算法．

2）其僅能處理卡通人臉正面表情的變化：由于輸入缺少深度信息，因此無法建立三維數(shù)據(jù)模型，亦無法處理非正面的卡通人臉的情形．下一階段可以考慮用一些自動或者半自動的方法自動生成表情數(shù)據(jù)的深度信息，這樣用戶只需提供在某一時刻卡通人物的面部朝向，既可將此方法生成出的卡通表情動畫移植至任何動畫片段中，而不是僅僅拘泥于正面的表情動畫的生成．