Download presentation
Presentation is loading. Please wait.
1
Two-dimensional facial expression retargeting 二維人臉表情摹擬 學生:郭祥德 吳俊霖 指導教授:劉興民
Introduction 2. Radial Basis Function （RBF） 我們在這裡使用RBF是讓Target face跟Source face計算出其內差函式，增加變化的正確性，將偵測時得到的特徵點T0、S0、Si送進RBF裡，使其產生出對應Si的Ti。 以下是有無RBF的差別: 3. 變形（Image warping） 另一方面，由於形變需要建立三角形網格，因此我們把原始目標臉部的特徵點T0，利用Delaunay triangulation來做三角化 最後利用T0三角化後得到的mesh以及Ti的特徵點資訊去做image warping，以產生形變後的結果圖。 本專題是想讓使用者可以在最簡單的環境下，達到摹擬人臉表情的效果，我們使用簡單的webcam，讓圖片上的人臉去摹擬使用者的表情，且讓使用者可以持續的看到變化結果，除此之外，圖片的人臉也可以作替換，增加其趣味性，使用者只需在鏡頭前作表情變化 ，結果圖便會呈現在螢幕上。 Development Tools 無 編譯器 Microsoft Visual 開發平台 OpenCV 開發軟體 Microsoft Visual Studio 2010、Matlab 2013a 作業系統 Windows 7 CPU I5-2400 RAM 8G 硬體設備 Logitech c170 webcam (解析度：640x480) 有 S Si T Ti Methodology 變形前 變形後 ※註 S0,Si=>Source face特徵點 T0,Ti=>Target face特徵點 1. 臉部特徵點偵測 （Face feature detection） 首先去偵測圖片上目標人臉（Target face）的臉部特徵，並藉由webcam 持續擷取當下的使用者影像（Source face）同樣對圖片做特徵點偵測產生特徵點 S0,Si。 Conclusion 此專題是希望能夠即時並正確的做出形變，在多次的測試之後，我們對於此系統檢討結果及結論如下： 特徵點的偵測速度不夠快，導致無法達到很即時的形變效果，影響使用者體驗。 形變的正確性雖然經RBF的運算後已大幅增加，但形變的還是不夠穩定。 未來希望能夠讓形變更加順暢，並延伸到三維的人臉摹擬。 臉部特徵點(S0) 臉部特徵點(T0)
Similar presentations
