| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 相关技术和知识 | 第19-30页 |
| 2.1 Blendshape动画技术 | 第19-21页 |
| 2.1.1 Blendshape概念 | 第19页 |
| 2.1.2 Blendshape分类 | 第19-20页 |
| 2.1.3 Blendshape权值 | 第20页 |
| 2.1.4 重定向方法的分类 | 第20-21页 |
| 2.2 张量 | 第21-23页 |
| 2.2.1 基本概念 | 第21-22页 |
| 2.2.2 张量分解 | 第22-23页 |
| 2.3 表情映射 | 第23-26页 |
| 2.3.1 解一般二次规划的有效集法 | 第24-25页 |
| 2.3.2 计算Blendshape权重 | 第25-26页 |
| 2.4 非线性最小二乘问题 | 第26-29页 |
| 2.4.1 问题描述 | 第26-27页 |
| 2.4.2 Gauss-Newton(G-N)法 | 第27-28页 |
| 2.4.3 Levenberg-Marquardt(L-M)法 | 第28-29页 |
| 2.5 小结 | 第29-30页 |
| 第3章 表情数据捕获和表情子空间建立 | 第30-41页 |
| 3.1 表情数据捕获 | 第30-34页 |
| 3.1.1 三维数据捕获技术 | 第30-31页 |
| 3.1.2 基于光学运动捕捉人脸数据 | 第31-32页 |
| 3.1.3 基于Kinect捕捉人脸数据 | 第32-34页 |
| 3.2 表情子空间建立 | 第34-38页 |
| 3.2.1 三维人脸特征点提取 | 第34-37页 |
| 3.2.2 基于PCA构建表情子空间 | 第37-38页 |
| 3.2.3 基于张量构建表情子空间 | 第38页 |
| 3.3 实验结果 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第4章 基于样例的Blendshape表情基自动生成 | 第41-54页 |
| 4.1 常用面部模型库 | 第41-43页 |
| 4.2 变形传输 | 第43-46页 |
| 4.2.1 变形传输定义 | 第43-44页 |
| 4.2.2 顶点公式表示 | 第44-45页 |
| 4.2.3 对应关系设置 | 第45-46页 |
| 4.3 Blendshape表情基自动生成 | 第46-49页 |
| 4.3.1 基于样例的表情合成技术 | 第46-47页 |
| 4.3.2 基于样例自动生成表情基 | 第47-48页 |
| 4.3.3 优化Blendshape表情基 | 第48-49页 |
| 4.3.4 优化混合权重 | 第49页 |
| 4.4 实验结果 | 第49-53页 |
| 4.5 小结 | 第53-54页 |
| 第5章 表演驱动人脸表情动画系统实现 | 第54-62页 |
| 5.1 系统框架设计 | 第54-55页 |
| 5.2 系统环境配置 | 第55页 |
| 5.3 系统模块功能 | 第55-61页 |
| 5.4 系统优势分析 | 第61页 |
| 5.5 小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第69-70页 |
| 致谢 | 第70页 |