3D人脸线框模型的自动调整

第31 卷第6期2004 年11 月
Journa l of Zhej iang Un iversity (Sc ience E d ition )
h ttp: ƒƒwww. journa l s. z ju. e du. cn ƒsc i
V o l.31 N o.6
N ov. 2004 3D 人脸线框模型的自动调整
杨承根, 姚庆栋, 虞露
(浙江大学信息与通信工程研究所, 浙江杭州310027)
摘要: 3D 人脸线框模型是自然人脸表述的重要方法Λ如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程Λ 对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸, 用区域惯量椭圆方向进行调整幵用先验人脸模板校验以找出人脸和脸部特征区域Λ根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点, 由曲线和活动轮廓模型拟合脸部特征边缘, 从中提取特征点, 用来估计头部姿势和作为揑值结点的使用径向基函数揑值, 可将3D 人脸线框模型自动调整到特定的人脸上Λ
关键词: 3D 人脸线框模型; 脸部特征点; 径向基函数揑值
中图分类号: T P 391. 41 文献标识码: A文章编号: 1008- 9497 (2004) 06- 634- 04
YAN G Cheng2gen, YAO Q ing2do ng, YU L u ( Institu te of Inf orm a tion and C o m m unication E ng ineering , Z hej iang U n iversity , H ang z hou 310027, Ch ina)
Automa tic 3D fac ia l wire-fram e m odel adapta tion. Jou rnal of Zhejian g U n iversity (Science Edit io n) , 2004, 31 (6): 634～637
Abstract: 3D facial w ire2f ram e m o del is an i m po rtan t m ethod fo r the natu ral f acial rep resen tat io n. How to ad ap t the general m o del to the special hum an face deals w ith the tw o m ain rou tes including au tom atic ex t ract io n of facial featu re po in ts an d adap tat io n of the m o de l.In th is paper, the ex t racted face candidates from video scene w ith comp lex back gro un d by the algo rithm of sk in2co lo r segm en tat io n and m o rpho logical filterin g are adap ted th rou g h their direct io n s of the reg io n inertial ellip ses an d verif ied by p r io r face temp la te to find ou t real face reg io n s an d locate the respondin g facial featu re reg io n s. W ith the p r io r know ledge of the co lo r p roperties an d spatial distribu t io n of the facial featu re reg io n, a featu re2ba sed m etho d of face detect io n is emp loyed to ex t ract som e of the essen t ia l facial featu re po in ts an d the edges of the facial featu re ar e f itting by cu rves an d active con tou r model, from w h ich the facial po in ts ar e ex t racted and serve fo r the est im at io n of the face po se and the in terpo la t io n nod e of radial basis f un ct i o n in t erpo la t i o n fo r au t om atic adap tat i o n of the 3D facial w ire2f r am e mo de l.
Key words: 3D facial w ire2f r am e model; facial feat u re po in ts; radial basis f unct i o n s in t erpo la t i o n
3D 人脸线框模型是表述人脸的重要方法, 其应用场景主要是人脸的电视电话会议, 人机交互, 虚拟现实, 图像综合以及医疗辅助检查等领域Λ而如何将建立的通用3D 人脸线框模型自动调整到场景中的具体人脸上是这一技术的一个关键问题ΛY o s h i m it su A O K I 等[ 1 ] 利用X 射线或3D 2CT 等数字转换设备获取的脸部信息将通用人3D 线框模型形变到目标人脸上Λ这种方法精度高, 但需要特殊设备ΛM atthew J. C la rk son 等[ 2 ] 采用立体双镜头或正面和侧面人脸的正交图像来跟踪人脸幵匹配通用线框模型, 但一般图像序列通常是由单目镜头得到的ΛChun2J en T sai 等[ 3 ] 采用透视投影理论建立价值函数, 幵利用最优化方法中单纯形算法最小化价值函数, 找出模型坐标系统和镜头坐标系统变换关系, 由模型的3D 坐标转换为镜头坐标系统3D 坐标, 再通过透视投影得到图像平面坐标, 而将模型匹配到特
收稿日期: 2004201212.
基金项目: 国家自然科学基金资助项目(90207005).
作者简介: 杨承根(1964- ) , 男, 博士生, 主要从事图像识别和视频通信研究Λ
N 第6期杨承根, 等: 3D 人脸线框模型的自动调整635 定人脸Λ该算法计算量大ΛM arku s Kam p m ann[ 4 ]
利
Gau ssian 模型N (m , Ρ2 ) 来近似, 其中,
N
用透视投影法将图像分析得到的脸部特征以全局到
局部和以一定比例缩放通用模型将其调整到输入图
m = (
λr, gθ) , λ
r=
1 ∑r i ,
i= 1
像的人脸上, 但考虑的是简单背景图像Λ本文采用
浙大通信与信息工程研究所建立的3D 人脸模型, 对
输
N
g
θ= 1 ∑g i , Ρ=
N
i= 1
Ρr r , Ρrg
Ζ
Ρg r , Ρg g
入的复杂背景视频图像采用基于特征脸部特征点自
动提取算法幵将得到的特征点进行脸部姿势估计和
按照这个模型, 图像中的像素p= ( r, g ) T 可用
公式
作为揑值结点采用径向基函数(R adial Bas is Sk in = exp {- 0. 53 (p - m) T Ρ- 1 (p- m) } (2) Funct i o n) 揑值3D 线框模型上的点, 从而将模型自动
匹配到场景中的特定人脸上Λ 自动调整过程见图1Λ
图1 3D 人脸线框模型自动调整过程
F ig. 1 T he p rocess of au tom atic 3D facial w ire2f ram e
m o del adap tat i o n
1 脸部特征点的自动提取
人脸是一个特殊的视频对象, 具有许多先验知
识Λ根据使用这些知识的不同, 通常将脸部识别方
法分成基于特征的方法和基于图像的方法两类Λ
基于图像的方法需要大量的人脸训练集合, 而基
于特征的方法存在人脸校验和特征定位问题Λ考
虑到皮肤颜色模型可以简化复杂场景中的人脸定
位, 尽管肤色会依赖光照和人种, 但对任一特定图
像或视频序列, 其包含皮肤色调总是只占模型的一
小部分Λ因此本文首先采用皮肤颜色模型将场景
分割成肤色部分和非肤色部分Λ肤色部分包含多
个连通块, 每块称为候选人脸, 然后对所有候选人
脸使用模板匹配的方法进行人脸校验来获取人脸
区域, 幵得到脸部各特征区域的位置, 最后对各特
征区域采用基于特征的方法来提取脸部各特征形
状, 如脸部轮廓, 鼻子形状, 眼睛、眉毛和嘴巴边缘
Λ这些形状上的部分点用来调整通用3D 人脸线框
模型Λ
1. 1 基于皮肤颜色模型的图像分割
基于统计的皮肤颜色模型是由皮肤颜色区域经
训练得到的Λ为减少皮肤光照亮度的依赖, 采
用R GB 色彩系统的归一化方程
r= Rƒ(R+ G+ B) ,
(1)
g= Gƒ(R+ B+ G).
颜色组( r, g ) 称为色度. J. Yang 等[ 5 ] 的统计
分析表明皮肤颜色在色度空间中的分布可用
和选定的阈值来判断是否为皮肤像素Ζ为消除图像
中与肤色相似的部分噪声像素, 本文采用形态腐蚀
和膨胀算子对分割结果滤波, 然后进行形状跟踪和
种子填充得到多个连通块, 每连通一块称为一候选
人脸Ζ图2 (b) 是对颜色分割结果形态滤波后的一
个候选人脸Ζ
1. 2 基于模板的人脸判别
对每一候选人脸A , 考虑到人脸所具有的特殊
特征区域, 如眼睛、鼻子和嘴巴区域, 而每一特征区
域在脸部内占一定的面积幵具有对称性和平行性,
设A 中所包含的子区域为B
1 , B
2 , , B K ,
计算各子区
域面积, 根据A 的面积大小选定阈值T
0 ,
删除那些
面积小于T
0 的子区域, 如果剩下的子区域数小于3,
则A 被认为非人脸区域Ζ保留面积相对大的前10
个子区域, 如图 2 (c) 所示Ζ设N
B i 为B i 的像素数,
按区域的惯量椭圆公式计算区位B
i 的重心坐标(x
i , y i )
和方向角Η:
图 2 (a) 原始图像, (b) 颜色分割和形态滤波后的一个
候选人脸, (c) 候选人脸中用于计算区域方向的
子区域, (d) 人脸模板, (e) 提取的脸部区域和脸
部特征区域, (f) 提取的脸部特征轮廓
F ig. 2 (a) Sou rce im age, (b) Face can didate result from
co lo r segm en t at i on and m o rpho logical filterin g,
(c) Som e sub reg ion s in face candidate fo r their
dir ect ion calculat ion s, (d) Face tem p la te, (e) T he
extracted face reg ion and facial featu re reg io ns,
(f) T he extracted f acial feat ur e sh
apes
i ∑ N B
(x , y ) ∈B
1
636
浙 江 大 学 学 报 (理学版) 第 31 卷
Η= 1 arctan (
2m 11
) +
Π
(3)
行 H ough 变换后在下半区域找出虹膜所在圆, 在圆 2
m 20 - m 02
2 ,
两侧的白区分别选择种子点进行区域增长, 得到眼白
其中,
m ij =
∑ (x , y ) ∈B i
(x
i
- x ) i (y i - y ) j ,
区域最左和最右的点, 因而找到眼角位置, 两眼角分 别与虹膜圆上下点构成抛物线用来拟合眼帘轮廓Ζ
x = 1
n B i
(x , y ) ∈B
x ,
y i =
1
∑
y Ζ i
i
i
在眼睛区域上半区域过虹膜中心的垂线上找一 个低灰度像素作为种子, 用区域生长算法找出眉毛 这些子区域的平均方向理论上就是A 的惯量方
向D A , 将A 旋转使D A 成水平方向 (原图像也做相应 的变换) , 包含 A 的最小矩形块记为M RB A , 然后利 区域, 以确定眉毛边界Ζ
脸 部轮廓通过活动轮廓模型来提取Ζ活动轮廓
[ 7 ]
用 K ap 2H o Seo [ 6 ] 提出的人脸模板 (见图 2 (d ) ) 来判 模型又名 s nakes 是能量最小化曲线, 其参数表示
别M RB A 是否为人脸从而识别出 A 是否为人脸区 域Ζ该模板由两部分组成: 黑色区域和多灰度区域Ζ 黑色区域用于计算该区域的边缘强度和Ζ多灰度区 域用于计算嘴唇亮度和, 模板能量函数为
E = Α
∑ E d g e
i
+ Β
∑ I i
,
(4)
为 v (s ) = (x (s ) , y (s ) ) , s 是弧长参数Ζ活动轮廓的
能量函数定义为
E =
∫
0 (Α(s ) E c on
v (s ) + Β(s ) E cu r v (s ) +
Χ(s ) E im g v (s ) d s , (5)
式中, E con 是图像连续力能量, E cur 是曲线的弯曲力
i ∈black
1∈gray
式中, E d g e i 和 I i 分别为像素 i 处的梯度强度和图像 灰度, Α, Β 为加权系数Ζ判别过程是:
1) 对M RB A 归一化, 即用缩放变换将M RB A
变
为模板大小M × N 区域Ζ
2) 采用 Sobel 算子计算 (缩放变换后) 灰度图像 在M RB A 中的梯度图 E d g e A .
3) 按公式 (4) 计算M RB A 的能量 E A .
4) 选取能量阈值 T E , 当 E A > T E , A 被接受成为
人脸Ζ
图 2 (e ) 是该算法提取的人脸区域, 同时, 通过 模板也可定出各脸部特征区域的大概位置Ζ 1. 3 脸部特征点的提取
由 于在上面确定了人脸特征区域的位置, 使得 人脸各特征所在的范围很小, 而人脸的特征区域有 固有的局部颜色或灰度及其变化情况可用来确定所 需特征点所在位置, 如嘴角、眼角和鼻子边缘, 搜索 过 程是: 对嘴巴区域各像素的饱和度 S 作垂直积分 投影, 对投影曲线分别从左向右和从右向左检测大 的灰度跳变位置, 得到两嘴角的垂直位置, 再用一定 面积的窗口从刚得到的左垂线开始向右垂线平移, 对落在平移窗内的各像素的 S 进行水平积分投影, 初始和结束两窗的投影的峰值位置就是两嘴角水平 位置Ζ这样得到两嘴角的位置, 而窗滑动过程中, 上 下嘴唇在窗内的水平投影曲线中间出现波谷, 当最 大谷宽超过 3 像素时认为嘴巴处于张开状态, 同时 最宽谷值位置作为嘴巴张开的大小, 而最大谷宽窗 内积分投影曲线成双峰, 经分析可分别得到上嘴唇 的顶部和下嘴唇的底部位置, 以两嘴角和唇上一点 确定的抛物线来拟合嘴唇边缘Ζ
提 取的眼睛区域包含眉毛和眼睛, 对该区域进
能量, E
im g 是图像力能量ΖΑ(s) , Β(s) 和Χ(s) 为加权因子Ζ活动轮廓模型的本质是寻找一条曲线拟合某区域边缘, 使得曲线落在边缘上的能量最小, 但其最小化解对初始曲线的选取很敏感Ζ
由上面脸部图像的处理结果, 本文对脸部轮廓提取采用封闭曲线的s nakes模型, 其初始轮廓的选用可得到脸部区域的轮廓线Ζ
鼻子形状采用固定两端的开活动轮廓模
型
(O p en Snakes) , 固定端点的选择是在鼻子区域垂直中线位置分别自左向右和自右向左扫描在鼻子区域水平梯度图而得到鼻梁上两边界点Ζ
本文算法提取的脸部特征的轮廓如图2 (f) 所示, 而脸部的特征点可以按人脸特征的空间分布等先验知识从提取的特征轮廓上抽取, 如为了调整通用人脸模型, 本文在脸部轮廓上取12 点, 其垂直位置分别在头顶、下巴、眉毛、眼睛、鼻子和嘴巴位置. 考虑到表情区域的重要性, 脸部特征区
域轮廓上的点尽可能多选, 如嘴巴轮廓选取14 个点, 鼻子轮廓选取5个点, 每只眼睛6个点, 两眉毛各5个点, 如图3 (a) 所示Ζ
2 模型的自动调整
本文采用通用3D 人脸线框模型是浙大通信与信息系统工程研究所的周峰模型, 如图3 (b) 所示Ζ为调整通用人脸模型, 首先利用已经提取的脸部特征点估计视频图像中的人脸姿势Ζ如图3 (c) 所示, 设已提取的两眼的外眼角位置分别为L和R, 过L和R的直线交脸部轮廓于P、Q, 而L 与R的中点位置为M , P 与Q 的中点位置为C Ζ当人脸是标准的正
m 第 6 期
杨承根, 等: 3D 人脸线框模型的自动调整
637
图 3 (a ) 抽取的用于调整通用人脸模型的脸部特征点, (b )
通用 3D 线框模型, (c ) 用于头部姿势估计的 脸部特征点, (d )、(e ) 自动调整结果
F ig . 3
(a ) T he extracted f acial feat ur e po in ts fo r 正定, 这保证系统有解:
n
F (x k ) =
∑Ξj
<(x
k
- x j ) = y k , j = 1
k = 1, 2,
, n .
(9)
用于构造揑值函数的一类函数 <: R 3 →R 表示为
<(x ) = Υ(‖X ‖2 ) , x ∈ R 3 (10)
称 为径向基函数, 其中定义 Υ是定义域为非负实数 的实值函数Ζ而考虑用径向基函数来构造揑值函数 是因为其具有连续平滑特性Ζ常用的 Υ有
Υ( r ) = (d 2 + r 2 ) - t , d > 0, t > 0.
Υ( r ) = (d 2 + r 2 )m - t
, 0 < t < 1, d ≥ 0, m ≥ 1. Υ( r ) = (d 2
+ r 2
) m - 1
log (d 2
+ r 2
) ,
(d > 0, m ≥ 1, 当 m = 1 时, d > 0) (11) 从上面可见, 揑值函数过程中, 点间的线性变换 由非线性变换所近似, 因此, 可以增加多项式来兊服 这一缺点, 于是, 揑值函数改为
n M
gener ic facial m o del adap tat ion, (b ) T he generic F (x ) =
∑Ξj
<(x - x j
) + ∑v l
p l
(x ) , (12)
3D facial w ire 2fram e model, (c ) T he facial j = 1
3
l = 1
3
3
feat ure po in ts fo r head po stu re est im at ion, (d )、 其中,M = d i m P m , v 1 , v 2 ,
, v M ∈ R , P m 是阶数 ≤
(e ) T he results of au tom atic adap tat io n
脸时, C 与M 重合, 否则认为头部整体是标准正脸
经
M 的 3 变量多项式张成的线性空间, 而 p 1 , p 2 , , p M
是 P 3
中的多项式, 式(12) 满足
n
n
过刚体运动的结果, 其绕 z 轴的旋转角度可以通过 ∑Ξj
<(x
i
- x j ) +
∑v l
p l
(x i
) = y i
,
计算L R 与水平线的夹角 Η来获得Ζ绕 y 轴的旋转导 致M 、C 的偏离, 由于采用正交投影, 绕 y 轴的转角
i = 1
n
l = 1
i = 1, 2, , n .
(13)
可用 Β = Π3
M C ƒP Q 来度量, M C 和P Q 分别为点 ∑Ξi
p l
(x i
) = 0,
l = 1, 2,
,M .
(14)
M 、C 和点 P 、Q 之间的距离, 本文不考虑头部绕 x 轴 旋转的情况Ζ用分析得到的那些脸部特征点来调整 通用 3D 人脸线框模型, 这意味着这些点就是调整后 的模型上的点, 模型上的其他点, 则根据这些点来得 到, 这 正 是 分 散 数 据 揑 值 (Scattered D a ta
In t erpo la t i o n [ 8 ]
) 问题:
设通用 3D 人脸线框模型有N 个R 3 中的点组成 的集合 S , S 包含模型上的特征点的集合 X = {x 1 , x
2 , , x n }, 设相应于 X
的特定人脸上的特征点集 Y = {y 1 , y 2 , , y n }, 模型调整问题转换为求模型上的
除 X 外的其他点在特定人脸上的对应点Ζ为此, 只
要找出揑值函数 F : R 3 → R 3
满足
F (x j ) = y j ,
j = 1, 2, , n (6)
i = 1
实际应用时, m 常取为 1Ζ则有
p l (x ) = p x + q Ζ
所 以, 基于径向基函数揑值的模型自动调整算 法实现过程如下:
1) 将通用模型绕 z 轴转 Η角, 绕 y 轴转 Β 角Ζ 2) 将通用模型向视平面做正交投影, 这样 3D
揑值问题转化为 2D 径向基函数揑值, 而 2D 和 3D 的 揑值公式完全相仿Ζ
3) 由已提取的脸部特征点集合 Y 确定相应的 模型正交投影点集合 X Ζ
4) 由 X 和径向基函数按式 (8) 计算矩阵 A , 本
文采用:
就可以了, 现构造的揑值函数
N
F (x ) =
∑Ξj
5 (x - x j
) ,
(7)
j = 1
Υ( r ) = (d 2 + r 2 ) m - t ,
其中, d = 1, m = 1, t = 1ƒ2Ζ
5) 由式 (13) 和式 (14) 解出 Ξi 和 Μi . ) 对通用模型上的点 x , 按式 (12) 计算出其对
其中, Ξi ∈ R 3 表示第 i 个函数的加权, 而函数 <: R 3
→ R 在 R 3 上正定, 即对任意 R 3
中的有限点集 X = {x 1 , x 2 , , x n }, 矩阵
A = (<(x k - x j ) ) ,
1 ≤ j , k ≤ n
(8)
6
应的特定模型上的位置Ζ
图3(d)、(e) 给出了该算法的实验结果Ζ
(下转第666 页)
666 浙江大学学报(理学版) 第31 卷
M o lecu lar fields in quan t i tative struct u re2p e r m eat i o n relat i o n sh ip s: the V o lSu rf app roach [J ]. J M ol Struct [ 8 ] H IN E J , M OO KERJEE P K. T he in t r in sic hydroph ilic char acter of o rgan i c compoun d s.
(T heochem ) , 2000, 503: 17- 30.Co rrelat i o n s in te r m s of structu ral con t r ibu t i o n s[J ]. [ 6 ] CRU C IAN I G, PA STOR M , GUBA W. V o lSu rf: a J O rg Chem , 1975, 40: 292- 298.
new too l fo r the ph a r m acok inetic op t i m izat i o n of lead compo un ds[J ]. E ur J Pharm Sc i, 2000, 11 (2): S29[ 9 ]HAN SCH C, QU INLAN J E, LAW R EN CE G L.
T he linear free2ene r gy relat i o n sh ip betw een partit i o n
- S39.coefficien ts and the aqueo u s so lub ility of o rgan ic [ 7 ] KAM L ET M J , DOH ER T Y R M , ABRA HAM M H ,liqu ids[J ]. J O rg Chem , 1968, 33: 347- 350.
et a l. L inear so lvat i o n energy relat i o n sh ip s.41.[ 10 ] M ILL ER K J. A dditivity m etho ds in mo lecu l ar
Im po rtan t differences betw een aqueo u s so lub ility relat io n sh ip s fo r alip hatic and arom atic so lu t es[J ].J Phys Chem , 1987, 91: 1996- 2004.po larizab ility[J ]. J Am Chem Soc, 1990, 112: 8533 - 8542.
(责任编辑涂红)
(上接第637 页)
3 结论
讨论了3D 人脸线框模型的自动调整算法Λ首先在视频序列的复杂场景中通过颜色分割提取和数学形态滤波得到候选人脸区域Λ用人脸的先验知识采用区域惯性椭圆方向将候选人脸区域进行旋转调整, 幵由先验人脸模板能量函数来拒绝或接受其成为人脸区域Λ这样不但判别出场景中的人脸而且也获得脸部特征区域的大概位置, 如眼睛、鼻子和嘴巴区域, 同时提取的人脸不受脸部姿势的影响, 而且, 经旋转的人脸区域理论上是没有绕z 轴旋转的正面脸部区域Λ这样方便提取到的脸部特征且对提取的特征只要做相反的旋转即可Λ针对人脸这一特殊的视频对象所具有的丰富信息, 如局部颜色, 灰度变化, 纹理特征, 几何位置以及对称特性等, 采用基于特征的人脸参数识别方法抽取人脸内部的部分特征点, 用于曲线和活动轮廓模型对特征轮廓有效拟合而得到脸部特征轮廓Λ在特征轮廓上选取特征点, 用来估计头部姿势和作为揑值结点采用径向基函数揑值的有效快速地将3D 人脸线框模型调整到特定的人脸上Λ
参考文献(References) :
[ 1 ] AO K I Y, HA SH IM O TO S. A dap t ive head mo delin g system and its app licat io n [A ]. Proceed ings of ICSP
[C ]. N ew Yo rk: IEEE P ress, 2000. 1237- 1244.[ 2 ] CLA R KSON M J , RU ECKER T D , H ILL D L G.
U sing pho to 2co n sistency to register 2D op t ical im ages
of the hum an face to a 3D su rface m o del [J ]. IEEE
T ran s on Pa ttern Ana lysis and M ach ine In tell igence,
2001, 23 (11): 1266- 1280.
[ 3 ]T S A I C J , E ISER T P. M odel2ba sed syn thetic view gener at i o n from a monocu lar video sequence [ J ].
Proceed i ng of In terna tiona l Conference on Image
Process ing, 1997, 1: 444- 447.
[ 4 ] KAM PM ANN M. A u tom atic 32D face mo del adap tat io n fo r model2ba sed co din g of videophone
sequences [ J ]. C ircuits and System s for V ideo
T echnology, 2002, 12 (3) : 172- 182.
[ 5 ] YAN G J , LU W , W A IB EL A. Sk in -color m odel ingand adapta tion [ R ]. Califo rn ia: Schoo l of
Comp u ter Science, Carnegie M ello U n iversity, 1997. [ 6 ] SEO K H , K I M W , OH C, et a l.Face detect io n an d facial f eatu re ex t ract io n u sing co lo r snake [ A ].
Proceed ings of the 2002 IEEE In terna tiona l
Sym posium on Industr ia l E lectron ics[C ]. L ’A qu ila,
Italy: IEEE P ress, 2002. 2: 457- 462.
[ 7 ] LAM K M , YYN H. Fast greedy algo rithm fo r active con tou rs[J ]. E lectron ics L etters, 1994, 30 (1) : 21-
23.
[ 8 ] LAVA GET TO F, POCKA J R. T he Facial an im at io n engine: Tow ar d a h igh2level in terface fo r the design
of M PEG24 comp lian t an im ated faces[J ]. IEEE T ran s on C ircuits and System for V ideo T echnology, 1999, 9
(2) : 277- 289.
(责任编辑涂红)。