人脸表情驱动通过表演者的面部运动来控制虚拟模型,使之产生与前者相似的表情效果,在电影、游戏、虚拟主播、会话代理等领域具有广泛的应用。表情驱动过程涵盖了虚拟模型制作、表情识别和表情动画等方面。其中,写实的虚拟模型制作需要预先对真实人脸进行三维重建,再进行繁复的手工表情编辑工作。这使得在实时表情驱动系统中使用即时创建的写实人脸模型受到了较大限制,因而现有的系统通常使用预先准备好的、带有多种表情基的三维角色作为被驱动者。对表情驱动过程涉及的关键技术进行探究,设计并实现了一个集成可形变人脸模型重建、表情识别和表情动画于一体的自动化系统。该系统包含两条数据通道,一是以单张人脸RGB图像为输入,输出带有表情基的可形变人脸模型;二是以人脸视频为输入,捕获表情参数来控制重建的人脸模型,从而输出与输入人脸相似的表情动画。主要工作包括:对现有的基于深度学习的人脸重建网络模型进行改进,提升其重建速度,将形变传递和表情融合算法作用于重建结果,实现了基于单张输入图像的自动化可形变人脸重建;集成可形变人脸重建、表情识别和表情动画三个模块,实现了实时的人脸表情驱动效果。实验结果表明,改进的可形变人脸重建技术具有更优的速度,且规避了传统方法中的多种手工操作,实现的表情驱动系统达到了预期效果,具有低成本、易移植、自动化的特点。