数据。
[0044]通讯装置2包括一传输单元21、一储存单元22、一处理单元23以及一显示单元24。传输单元21、储存单元22以及显示单元24分别与处理单元23电性连接。
[0045]用户可以先利用通讯装置2之传输单元21接收来自于服务器3中的应用程序(APP)，并将应用程序储存至储存单元22。由于该应用程序中包括有一素体数据(dolldata)，所以在下载该应用程序的同时，通讯装置2亦下载了素体数据。换言之，在执行应用程序之前，素体数据已经预先被储存于通讯装置2之储存单元22。素体系指具有部分人体形框或轮廓的模型，例如头部模型，或本实施例之全身模型，图2为本实用新型实施例中所示之通讯装置显示素体数据的头部部分时的示意图。
[0046]在本实施例中，素体数据经通讯装置2开启后，可于显示单元24上显示出一个三维人形影像，且该三维影像至少包括一脸部。如图2所示，素体数据包括完整的头部、躯干与四肢，头部正面为脸部，脸部上具有眉毛、眼耳鼻口等五官。素体资料之建立可以由服务器3下载包括脸部数据之人体数据，透过三维建模的方式来达成。
[0047]图3为图2所示之素体并标志特征点后的示意图。请参考图3，本实施例之素体数据在建立时，定义眉毛、五官与脸型为特征区4，每一个特征区4内具有复数个特征区特征点41。以眼睛为例，特征区特征点41是依据眼睛周围轮廓排列，换言之，眼睛特征区4内的特征区特征点41排列出眼睛的轮廓外型。每一个特征区特征点41的空间坐标位置分别被记录在素体数据中。其中，空间坐标位置产生的方法可以是以脸部的中心点为参考坐标，计算出每一特征区特征点41的相对空间坐标。此外，每一特征区特征点41具有各自的注册编号，在本实施例中共有八十七个特征区特征点41，分布于例如但不限于眉毛、眼睛、鼻子、嘴巴、耳朵等特征区4内，所以编号依序由一号编号至八十七号，以作为各点之间的识别方式。惟须说明的是，为避免图面过于繁杂有碍理解，图3中并未将八十七个特征区特征点41悉数标出。
[0048]本实施例图2及图3所示，透过通讯装置2显示素体数据非为产生三维头像之必要步骤，也就是素体资料储存后不一定要显示出来，亦可以单纯储存于储存单元22内，供后续使用。
[0049]当使用者希望建立一个三维头像时，可以启动通讯装置2内之应用程序，并上传一张影像至服务器3。服务器3接收到该影像后会对其进行分析。在本实施例中，用户可以利用通讯装置2拍摄一张自己的平面头像，也就是具有脸部影像的照片，上传至服务器3进行分析。当然，在其他实施例中，也可以使用已储存在通讯装置2或任何其他地方的照片或影像替代。
[0050]当平面头像传送至服务器3后，服务器3之处理单元33可以依据算法或软件程序辨识平面头像内的脸部特征，以形成一脸部特征数据。具体来说，处理单元33可以依据与影像辨识有关的算法或软件程序辨识平面头像，以区别其中例如但不限于眉毛、五官以及脸型等具脸部特征代表性的特定区域，再以复数个点排列出该些区域的轮廓。接着，服务器3撷取该些点为脸部特征点，再将该些脸部特征点组成或再与其他内容共同组成脸部特征数据，便取得了脸部的特征。图4为本实施例中从平面头像中撷取脸部特征点之结果的示意图。请参考图4，本实施例系以主动外观模型算法(Active Appearance Model，简称AAM)分析平面头像5，并取得总共八十七个脸部特征点51。此八十七个脸部特征点51也具有注册编号，且是与素体数据之特征区特征点41相对应，以供将来进行调整素体脸部特征使用。为避免图面过于繁杂有碍理解，图4中同样未将八十七个脸部特征点51悉数标出。
[0051]当然，为提升主动外观模型算法的功效，在使用之前亦可以先经过一组或一组以上的参考影像进行训练此外，为更进一步改善主动外观模型算法，在撷取脸部特征点51的过程中，亦可以同时搭配模型预测，以及YCbCr色彩空间中肤色范围差异化之处理。
[0052]同时，服务器3之处理单元33还会依据图4所示之平面头像5进行辨识，以产生一个脸部模型数据。服务器3的储存单元32中可以储存大量的脸部模型，惟各模型之间略有差异。服务器3之处理单元33可依据上述撷取到之脸部特征点51之集合的几何中心位置为参考标准，将脸部特征点51之集合划分成一个坐标系，并依据中心位置与各脸部特征点51之距离与夹角进行相似度运算，从而于脸部模型数据库中找出相似度较高者。请参考图5，其为依据本实施例之方式选择出来之脸部模型的示意图。
[0053]脸部模型数据6包括复数个脸部对位点61。脸部对位点61系默认于各脸部模型数据中，且实质上脸部对位点61的排列会形成脸部模型的轮廓，如图5所示。
[0054]服务器3会透过传输单元31将脸部特征数据以及脸部模型数据传送至通讯装置2。当通讯装置2以传输单元21接收该二数据后，通讯装置2会以处理单元23进行以下动作。图6为依据本实用新型实施例进行素体数据调整时的示意图。请参考图6，首先，处理单元23会利用脸部特征数据中脸部特征点51与素体数据中特征区特征点41之间的注册编号关系，依据各个脸部特征点51的空间坐标，分别修改各个特征区特征点41的空间坐标，结果会改变特征区特征点41的排列，从而使得素体数据被显示时的像素位置发生变化，让素体的脸部，例如但不限于五官相对位置、表情等，看起来近似平面头像5的脸部。在本实施例的一个态样中，处理单元23是先计算注册编号相同之脸部特征点51与特征区特征点41之间的空间坐标差异，再利用径向基底函数(Radial basis funct1n,RBF)网络此种类似类神经网络的软件系统将差异用于修正素体数据，使得素体的脸部可以呈现出非常接近平面头像5的样貌。
[0055]图7为依据本实施例进行脸部模型与素体对位结合的示意图。请同时参考图7与图3，因为脸部对位点61具有各自的注册编号，另外相对的，储存于通讯装置2内之素体数据也具有素体对位点71且同样具有注册编号，因此处理单元23可依据二者对位点之间的注册编号关系，将脸部模型与素体结合。上述步骤类似在素体上「贴脸皮」，也就是将挑选出来具有近似平面头像5脸型特征的脸部模型贴到素体上，让素体具有平面头像5之脸型特征，例如但不限于脸型宽窄、下巴尖阔等。
[0056]然而，因为素体的脸型是预设的标准脸型，当脸部模型与素体结合后必然会有存在差异。举例来说，当平面头像5是属于窄脸尖下巴时，脸部模型也是窄脸尖下巴，若将此种脸部模型贴在素体上，显示出来的三维头像会在两颊处发生素体凸出，但是下巴处脸部模型与素体间存有空隙的问题。此时，处理单元23需再依据脸部模型的脸部对位点61调整素体的素体对位点71。在本实施例中，处理单元23之调整是改变素体对位点71之空间坐标，连带使得素体数据被显示时的像素位置发生变化，从而使得脸部模型与素体共同显示时，二者之间不会有素体凸出，或脸部模型与素体间有空隙的问题。因为调整素体对位点71的空间坐标可使素体对位点71向几何中心位置靠拢或远离，显示出来的效果如同素体被移除或增加了一部分。
[0057]接着，处理单元23会将经过脸部特征数据与脸部模型数据调整好的素体数据，与脸部模型数据共同显示于显示单元24，即可产生与平面头像5对应之三维头像。再进一步说明，也就是显示的三维头像中，五官、眉毛等是来自于被脸部