人物動畫最顯著的應用是影視制作。在《終結者Ⅱ》、《玩具總動員》、《真實的謊言》、《奪面雙雄》等電影的制作中都無不體現了人物造型模型和動畫技術的魅力。

      動畫師總在不斷尋求更具發展潛力的動畫系統，希望利用最新的學術研究成果來修改和擴展當前的動畫制作系統。人物造型模型就是使用圖形建模工具，建立或者直接從真實環境中獲取人物的三維模型。

      由于人臉形狀的復雜性和多樣性，通過手工方法建立模型需要具備相應的生理學和圖形學知識，并且需要較多的時間和精力，所以，目前的發展趨勢是使用專用的設備或通過計算機視覺的方法自動獲得人物的三維模型以及表面的顏色信息。

　　人物動畫一直是計算機圖形學中的一個難題，涉及人臉面部多個器官的協調運動，而且由于人臉肌肉結構復雜，導致表情非常豐富。在現有的技術水平下，惟有表演驅動的人臉動畫技術能實現真實感三維人臉動畫合成的目的。

　　人臉形狀獲取

　　為了獲得面部幾何形態，通常有兩種主要的輸入途徑：三維輸入和二維輸入。最近也有人提出從人類學的定義構造一個具備人臉各種特征的通用模型，并施加一定的約束，產生滿足要求的特定人臉模型。

　　1.三維輸入

　　幾何建模器(geometric modelers)是最傳統的面部造型工具。通過標準的計算機圖形技術可以進行人臉面部大多數器官的幾何建模，并且可以設計任意的面部模型。但由于面部結構的復雜性，該設計過程需要較多的時間和設計技巧。

　　使用三維掃描儀(3D scanner)和編碼光距離傳感器(coded light range sensor)是獲得人臉幾何形狀最直接的方法，這兩種方法都是依據三角測量學原理。 CT(計算機x射線斷層掃描)和MRI(核磁共振成像術)通常用于醫學領域，這些方法不僅能夠獲取人臉的表面信息，而且還可以得到諸如骨骼和肌肉的內部結構。這些附加結構對于更加精細的人臉建模和動畫以及在手術模擬等醫學應用中非常有用。

　　2.二維輸入

　　基于立體圖像的照相測量術可以獲得面部形狀。先從不同的視點獲取物體的兩幅圖像，運用圖像處理技術得到兩幅圖像中的匹配點，通過三角幾何學測量這些點的三維坐標。由于自動搜尋匹配點是一個難題，所以有時需要在臉部描繪網格。如果向面部投射一個規則的結構光(如線陣或方形網格)，那么就可以直接從一幅二維圖像中得到面部的三維形狀。

　　3.人體測量學

　　基于人類學知識而不用圖像可以輔助構造不同的人臉模型。這種方法分兩步構造一張新的人臉：第一步，依據人體測量學統計數據產生對人臉形狀的一組幾何約束尺度集;第二步，用一個約束優化技術構造滿足幾何約束的曲面。盡管該方法能快速創建出令人稱道的人臉幾何的變化，但不能在顏色、皺紋、表情和頭發方面得到真實的再現。

　　模型重構和特定人臉適配

　　利用距離掃描儀、數字化探針或立體視差能測量得到人臉模型采樣點的三維坐標，但獲得的幾何模型因為沒有人臉結構信息，通常不適于臉部動畫。而且從各種途徑獲得的三維數據通常是龐大的散亂點集合，所以，為了能夠用于動畫制作，往往需要對其進行幾何構形，將得到的數據精簡到最少，這樣才有利于生成有效的動畫。

　　人臉面部特征通常以相同的次序排列，人臉形態變化了，但基本結構不會變化。因此，自然的想法是建立人臉的一般網格模型，在這個模型中帶有必需的結構和動畫信息。然后將該模型適配到特定人臉的幾何網格，創建出個性化的動畫模型。當一般模型網格比采樣數據網格的多邊形少時，處理過程也包括了對采樣數據的簡化。

　　1.插值方法

　　假設大多數人臉的形狀都可以由一個拓撲原型變化得來，那么，通過調整一個一般模型的構造參數可以建立不同的面部模型。但是，這種參數模型僅僅局限于那些構造參數已知的情況，并且對特定人臉參數的調整非常困難。在離散數據的多變量插值問題方面，徑向基函數(radial basis function，RBF)插值方法是一個行之有效的工具，所以也適用于類似人臉這樣高維曲面的近似或平滑插值?，F有的許多方法使用了基于RBF的插值技術，將一般人臉網格變化到特定人臉的形狀。這種方法的優點在于：(1)通過插值可以得到丟失的數據點，所以源網格和目標網格不需要相同數目的結點;(2)如果選擇了合適的匹配點，數學上可以保證能夠將源網格變形到目標網格。

　　2.計算機視覺方法

　　根據計算機視覺原理，通過分析目標物體兩幅圖像或多幅圖像序列，恢復其三維形狀，這就是所謂的從運動恢復形狀(shape from motion)或從運動恢復結構(structure from motion)技術。在這方面值得一提的是Pighin等人提出的高度真實感人臉建模技術。首先，在多幅圖像中手工定義一些相互對應的特征點，并使用計算機視覺技術恢復攝像機參數(位置、方向、焦距等)和特征點的坐標;然后，由這些特征點的坐標值計算出徑向基插值函數的系數，并對一般網格進行變形;最后，通過使用更多對應特征點，將一般網格微調到與真實人臉非常接近的形狀。Pighin等人用了13個特征點完成初始的變形，而在最后的調整中附加了99個特征點，故需要很多人機交互工作。

　　3.深度圖像分析方法

　　將三維深度數據通過柱面投影映射到二維平面，可以降低處理和分析難度。Lee、Terzopoulos和 Waters等人給出了一個基于激光掃描的深度和反射數據自動構造個性化人頭模型的方法。他們在一般網格適配之前使用了深度圖像分析的方法，自動標記人臉特征點，包括眼睛輪廓、鼻子輪廓、嘴輪廓和下巴輪廓。

　　人臉變形技術

　　通過三維重構的特定人臉模型網格仍然有較多的頂點和多邊形，只有建立了合理的變形機制才能對它們進行有效的控制。

　　1.彈性網格肌肉

　　一些研究者認為，力通過肌肉弧的傳遞作用于彈性網格，從而產生臉部表情，所以他們將人臉模型表示成定義在特定人臉區域上的各功能塊的集合，由數十個局部肌肉塊組成，并通過彈性網格相互連接，通過施加肌肉力對彈性網格進行變形，從而創建各種動作單元。

　　2.物理肌肉模型

　　Waters在人臉肌肉模型領域做出了開創性的工作，他提出了一個極其成功的人臉肌肉模型。在該方法中，人臉用多邊形網格表示，并用十幾條肌肉向量來控制其變形，用基于線性肌和輪匝肌模型產生了生氣、害怕、驚奇、高興等情緒動畫，如圖1所示。

　　然而，按照生理學正確設置肌肉向量的位置是一項令人生畏的工作，至今還沒有一個自動的方法將肌肉向量放置到一般或特定的人臉網格中去。但該模型具有緊湊的表示形式并且獨立于人臉的網格結構，所以得到了廣泛的應用。

　　3.模擬肌肉(偽肌肉)

　　按照人類生理學的描述，基于物理的肌肉造型能產生真實感的結果，但只有通過精確的造型和參數調節才能模擬特定的人臉結構。模擬肌肉(偽肌肉)提供了一個可供選擇的方法。

　　4.體變形(volume morphing)

　　上述的肌肉模型涉及到對人臉肌肉物理特性的模擬，計算復雜且耗時，大多不能用于實時應用。人臉面部運動時，多數運動都集中在某些區域，所以在基于表演驅動的面部動畫系統中可以使用局部體變形方法。

　　動畫控制的表演驅動技術

　　通過手工進行人臉模型的精細調整以獲得生動的表情動畫固然可行，但這是一項極其乏味的工作，必須是熟練的動畫師才能完成?？梢栽O想，如果三維角色面部的一些特征點運動與真實運動相吻合，那么，動畫效果必然令人信服。這就驅使人們研究基于表演驅動的面部動畫控制方法，其根本思想就是使用各種手段跟蹤表演者面部特征點的二維或三維運動軌跡，并使其控制三維面部網格的變形，最終生成動畫序列。如何定義面部特征點和如何跟蹤特征點是這種技術的關鍵問題。

　　1.FACS和MPEG-4系統

　　美國心理學家 Paul Ekman和Friesen較早地對臉部肌肉群的運動及其對表情的控制作用做了深入研究，開發了面部動作編碼系統(Facial Action Coding System，FACS)來描述面部表情。他們根據人臉的解剖學特點，將其劃分成若干既相互獨立又相互聯系的運動單元(AU)，并分析了這些運動單元的運動特征及其所控制的主要區域以及與之相關的表情，并給出了大量的照片說明。許多人臉動畫系統都基于FACS。 MPEG-4是一種基于內容的通用的多媒體編碼標準，它將多媒體數據分為各種視頻和音頻對象，針對不同的對象使用不同的編碼方法。"人臉對象"是MPEG-4中定義的一類較特殊的對象，因為圖像中最典型的物體就是人本身，而最受觀眾關注的部分就是人臉。人臉對象主要包括兩類參數：臉部定義參數(face definition parameters，FDP)和臉部動畫參數(face animation parameter,FAP)。FDP參數包括特征點坐標、紋理坐標、網格的標度、面部紋理、動畫定義表等臉部的特征參數。與靜態的FDP參數相對應的是動態的FAP參數,它分為10組，分別描述人面部的68種基本運動和7種基本表情。FAP是一個完整的臉部基本運動的集合，它是基于對人臉細微運動的研究，與臉部肌肉運動密切相關，所以用 FAP可以描述自然的臉部表情，當然也可以創作出夸張的非自然所能達到的表情。

　　2.表演驅動方法

　　從連續視頻圖像序列中提取的信息可作為動畫系統的控制輸入。這些信息對應于人臉模型中向量肌肉的收縮或者FACS動作單元。面部變形或者肌肉參數的自動提取非常困難，這是當前計算機視覺研究的重要部分。

　　通過跟蹤表演者面部的各個特征點并將圖像紋理映射到多邊形模型上，僅僅需要很少的計算消耗且不需分析就可以得到實時的面部動畫。表演驅動的方法可以創建生動的臉部動畫，其中動畫受控于被跟蹤的人。實時的視頻處理允許交互動畫，演員可以隨時觀察他們的情緒和表情。通常將被跟蹤的二維或三維特征運動進行濾波或變形，從而產生驅動特定動畫系統的運動數據。運動數據能被直接用于產生臉部動畫，或經過分析轉化為面部動作編碼系統(FACS)的動作單元(AU)而產生臉部表情。

　　精確跟蹤特征點或邊界對于獲得一致而生動的動畫至關重要。最初，人們使用在人臉或嘴唇上做一些彩色標識的方法，輔助跟蹤人臉的表情或從錄像序列識別說話人。如果將反射球粘貼在人臉上，那么光學運動跟蹤系統自然也可以跟蹤人臉的運動，如圖2所示。這在三維動畫制作的商業軟件中得到了廣泛的應用。

　　然而，在人臉上做標記很冒昧，有時也很不切實際。而且，對標記的依賴性限制了從標記位置獲取幾何信息的范圍。研究者試圖不通過做標記的方法直接從視頻序列恢復人臉運動，由此產生了時空相關度量規范化和光流場跟蹤的方法。它們能自然地跟蹤特征，避免了在人臉上做標識的尷尬。

　　人臉上的器官都有比較顯著的形狀和色彩特征。如眉毛是黑色、嘴唇是紅色，這些都可以作為特征分析和跟蹤的依據。如果一個算法能夠準確區分和跟蹤這些特征點，那么面部運動就能夠被動畫系統理解，并能用于動畫變形。

　　基于自動控制理論，MIT媒體實驗室的Essa等人使用光流測量技術從圖像中提取面部動作參數。他們比較了使用光流場進行表演驅動動畫的方法和基于FACS系統的方法的優缺點。FACS 的缺點是：AU是純粹的局部模式，而實際的臉部運動幾乎都不是局部發生的;FACS 提供了空間運動的描述而沒有時間分量的描述。

　　我們可以將人臉建模和表演動畫合成過程分為如下三個步驟:第一步，通過三維掃描技術或者計算機視覺技術獲取特定人臉的幾何模型，并適配到用于動畫的一般人臉模型;第二步，基于各種肌肉模型和變形方法操作重建的人臉模型產生人臉模型運動;第三步，直接跟蹤視頻序列中真實人臉產生各種控制參數。

　　人臉建模和動畫技術是一個跨學科、富有挑戰性的前沿課題。雖然國內外研究人員在某些方面獲得了一定的成績并出現了一些實用化的系統，但是離用戶的要求仍有較大距離。