目前三维人脸识别算法包括基于深度学习的算法吗 人脸三维模型

今天来了解一个模型，Candide3人脸动画模型。

了解Candide前，先来了解下Mpeg4的一个标准。

Mpeg是一种图像压缩编码技术，Mpeg技术定义了一些标准。其中有一部分就制定了3D人脸动画的规范化标准。这里有2个主要概念来描述3D人脸动画：

1. FDPS(人脸定义参数 Facial Definition Parameters)
   用来描述人脸几何结构和纹理信息。
2. FAPS(人脸动画参数 Facial Animation Parameters)
   用于描述人脸的动态变化。在上述FDPS生成个性化人脸的基础上，使用FAPS参数实现表情动画变形。比如描述关于眉毛的上扬或者下沉，而不同的FAP组合形成某一特定表情或人脸动画

总之，FDP与FAP构成了人脸结构和表情动画集合，而Candide 3模型是这个集合的子集。

2. Candide 3包含了部分FDP顶点、部分FAP的表情定义，摒弃了如耳朵舌头等次要表情变化。有113个特征点和168个三角面片，构成3D人脸模型。
   



3. Candide 3面向另一个人脸动画标准——FACS(面部动作编码系统：Facial Action Coding System)。

FACS基于面部肌肉运动以及表情控制原理，定义了一系列人脸动画参数AU，AU之间的相互关联构成表情。

如下表所示为FACS中AU参数以及意义：

AU参数意义

下表为AU组合成为表情：

AU组合成为表情

3. Candide 3模型由以下公式映射图像空间：

Candide模型映射公式

其中：

s是最终带入表情的3D人脸模型；

a、P、t是控制模型缩放、旋转、位移的参数；

S_0 是标准脸模型；

S_1-n是人脸动画参数；

w_1-n 是S_1-n是动画参数权重；

n 动画参数的个数。

这里的动画参数，就是来自人脸表情动画单元AU。

给一张照片，我们可以根据二维人脸照片上的特征点，确定三维candide人脸模型，同时，可以通过AU参数控制人脸的表情动画，也就是控制3D模型顶点的空间位移。

下面准备一张朱莉的照片：

生成个性人脸，模型中加入咧嘴动画（看不清可点击看大图）：

绘制嘴部动画：

反方向撅嘴

总结：Candide3是一个人脸动画模型。它的数据中，包含一个标准脸模型——顶点和纹理信息，和一系列动画单元——基于肌肉控制和表情原理的顶点位移组合AU。

中间脸模型通过人脸特征点进行定制，生成个性化人脸模型，同时可以通过AU提供的动画参数，和其他旋转、缩放等参数一起，改变模型顶点空间位置形成表情，以及动画。

人脸动画生成过程