专利名称：一种三维人脸动画模型自动构造方法及系统的制作方法
技术领域：
本发明属于计算机技术领域，尤其涉及一种三维人脸动画模型自动构造方法及系统。
背景技术：
随着人脸动画的研究的深入，其应用领域越来越广泛，人脸配合运动能够帮助用户理解噪声环境下的讲话内容，使用户更加集中注意力，使服务对用户更具有吸引力，提高硬件设备与用户的交互能力，人脸动画还可以应用于虚拟现实、动漫和游戏等领域。随着图形处理技术的发展，用户对人物的表情的真实性和丰富性提出了更高的要求，同时也对人脸表情动画的生成效率提出了更高的要求，然而现有的三维人脸动画的构造和生成方法过程需要手工进行特征点和运动控制区域内顶点的标定和参数的调整，导致生成的人脸动画效果差，三维人脸动画模型的可移植性较差。现有代表性的三维人脸构造方法主要有(1)基于几何插值的方法基于几何插值的方法通过在人脸形状的关键帧之间进行某种形式的加权插值，生成中间状态的插值图像形状，由于基于几何插值的方法依赖于关键帧，因此生成的人脸表情也受到了关键帧表情的限制，不可能生成关键帧插值范围之外的人脸动作，因此基于几何插值的方法只适用于少量表情的人脸动画需求。(2)基于变形的方法基于变形的方法能较好地模拟人脸形状的变化，代表性工作有Aederberg 等人提出的 free form deformation (FFD)、Kalra 等人提出的 rational free from deformation (RFED)，以及 Noh 等人提出的基于径向基函数(radial basis function, RBF) 变形的方法。但由于没有考虑人脸的特殊纹理，难以生成逼真的人脸动画纹理，或者是基于曲面的变形，不能保证人脸体积不变。(3)基于参数的方法基于参数的方法是指用一组参数来定义人脸表情，通过设置参数值来模拟人脸表情，通过参数的不同组合能够产生不同的表情动作，实现在低比特率的条件下的人脸动画。 参数被划分为特定人标识参数和人脸表情控制参数。由于人脸的复杂性，很难设计完全相互独立的参数，当用对同一个顶点都起作用但有冲突的两个参数去生成表情时，缺乏仲裁和控制机制。参数化方法的另一个缺陷是，必须根据具体的人脸网格的拓扑结构来选择参数集，难以做到完全通用的参数化。(4)基于生理模型的人脸动画方法。将人脸组织简化成皮肤、肌肉和骨骼三个层次，表情运动主要通过肌肉层的弹性作用控制，通过皮肤层来表现。代表性工作有=Platt 和Badler的质点弹簧系统，采用38条肌肉块作用于人脸的弹性网格结构使之产生变形，生成人脸动作。Waters通过肌肉向量域的方向、原点和插入点的位置来定义人脸肌肉，将其嵌入在三维网格模型的特定位置，构造圆锥形类似于高度场的空间。然而目前这类方法还不能定量地给出人脸的准确构造和运动方式，所采用的生理模型难以移植到不同人的脸部进
6行建模，且需要进行精确的肌肉定位和参数调节，需要花费大量的手工操作。上述方法中，Waters的肌模型实现的人脸表情及口型动画实时性好，真实感较高， 应用得较普遍。Waters肌模型定义了线性肌和括约肌的拓扑结构和计算参数，见Waters K 于 1987 年公开发表在 SIGGRAPH 年会的论文 A muscle model for animating three dimensional facial expressions (ACM SIGGRAPH, 1987, 21 (4) :17-24)。但是 Waters 肌肉模型方法的缺点是需要实现进行精确的肌肉定位和参数调节，这部分工作目前都是由美工设计人员手工进行，需要花费大量的人力和时间，且精确度不高，另外，肌肉模型由骨骼结点、作用起点、作用终点和作用夹角确定，并不反映作用区域表面网格的特征，影响了三维人脸的动画效果。
发明内容
本发明实施例的目的在于提供一种三维人脸动画模型自动构造方法，旨在解决由于现有的三维人脸动画的构造需要手工进行特征点及运动控制区域内顶点的标定、建模和计算参数的调整，导致工作量巨大，生成的人脸动画效果不佳，三维人脸动画模型的可移植性较差的问题。本发明实施例是这样实现的，一种三维人脸动画模型自动构造方法，所述方法包括下述步骤根据预设的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点和纹理特征候选点；对所述几何特征候选点进行聚类分析，识别出所述三维人脸模型的几何特征点；对所述纹理特征候选点进行聚类分析和端点检测，识别出所述三维人脸模型的纹理特征点；根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。本发明实施例的另一目的在于提供一种三维人脸动画模型自动构造系统，所述系统包括候选点搜索判别单元，用于根据预设的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点和纹理特征候选点；几何特征点识别单元，用于对所述几何特征候选点进行聚类分析，识别出所述三维人脸模型的几何特征点；纹理特征点识别单元，用于对所述纹理特征候选点进行聚类分析和端点检测，识别出所述三维人脸模型的纹理特征点；以及模型确定单元，用于根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。本发明实施例从预设的三维人脸模型的种子点出发，通过邻域生长及特征判别算法搜索出其搜索区域内的几何特征候选点和纹理特征候选点，对几何特征候选点和纹理特征候选点分别进行聚类分析识别出三维人脸模型的几何特征点和纹理特征点，从而根据几何特征点和纹理特征点自动生成三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，最后确定三维人脸动画模型，并实现了旋转运动模型控制区域内顶点的自动标定，提高了三维人脸动画模型的可移植性和三维人脸动画效果。
图1是本发明第一实施例提供的三维人脸动画模型自动构造方法的实现流程图；图2是本发明第二实施例提供的三维人脸动画模型的几何特征候选点的判别方法的实现流程图；图3是本发明第三实施例提供的三维人脸动画模型的纹理特征候选点的判别方法的实现流程图；图如和图4b是本发明第四实施例提供的根据识别出的特征点自动生成的Waters 肌肉模型的实例图；图5是本发明第五实施例提供的对旋转运动模型控制区域内的顶点进行自动标注的实例图；图6a、图6b是本发明第六实施例提供的Waters肌肉模型的原理图；图6c是本发明第六实施例提供的三维人脸动画效果图；图7是本发明第七实施例提供的三维人脸动画模型自动构造系统的结构图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。本发明实施例从预设的三维人脸模型的种子点出发，通过邻域生长及特征判别算法搜索出其搜索区域内的几何特征候选点和纹理特征候选点，对几何特征候选点和纹理特征候选点分别进行聚类分析识别出三维人脸模型的几何特征点和纹理特征点，从而根据几何特征点和纹理特征点自动生成三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，最后确定三维人脸动画模型，并实现了旋转运动模型控制区域内顶点的自动标定，提高了三维人脸动画模型的可移植性和三维人脸动画效果。以下结合具体实施例对本发明的具体实现进行详细描述实施例一图1示出了本发明第一实施例提供的三维人脸动画模型自动构造方法的实现流程，详述如下在步骤SlOl中，根据预设的三维人脸模型的种子点以及该种子点的搜索区域，通过邻域生长及特征判别算法搜索出搜索区域内的几何特征候选点和纹理特征候选点。在本发明实施例中，为了标识出三维人脸模型各个部分的种子点，首先设置一个初始种子，根据三庭五眼的人脸先验知识，从该初始种子点出发，搜索三维人脸模型各个部分的种子点，并确定各个种子点所搜索的范围，即搜索区域。具体地，在本发明实施例中，以右手空间坐标系为例，Z值最大的顶点作为鼻心，由 X方向的最大值和最小值计算出面颊间的宽度、，由Y方向的最大值和最小值计算出头顶
8和下巴间的高度hy，由Z方向的最大值和最小值计算出头部的最大深度hz。首先将鼻心设置为初始种子点，其搜索区域的半径定为hy/3。根据“三庭五眼”的人脸先验知识可以确定相关的比例关系，由鼻心出发分别沿X的正、负方向hx/3处找到的顶点分别作为左、右脸颊的种子点，对应搜索区域的半径设置为hx/4 ；由鼻心出发沿Y方向hy/3、(2*hy)/5处搜索到的顶点作为眉心和额头的种子点，眉心种子点的搜索区域的半径设置为hx/6，额头种子点的搜索区域的半径设置为G*hx)/5。在完成种子点的搜索和各个种子点对应的搜索区域的设置后，通过邻域生长及特征判别算法搜索出搜索区域内的几何特征候选点和纹理特征候选点，具体搜索和判别方式在后续实施例具体进行描述，在此不用以限制本发明。在步骤S102中，对步骤SlOl中判别出的几何特征候选点进行聚类分析，识别出三维人脸模型的几何特征点。 在本发明实施例中，通过步骤SlOl可以获得三维人脸模型各个部分的几何特征候选点，三维人脸模型各个部分的几何特征候选点一般有多个，因此需要对各个部分的几何特征候选点进行聚类分析，得到三维人脸模型各个部分的几何特征点，在具体实施过程中，可以采用层次聚类法、合并法或K均值聚类法，在此不用以限制本发明。在步骤S103中，对步骤SlOl中判别出的纹理特征候选点进行聚类分析和端点检测，识别出三维人脸模型的纹理特征点。在本发明实施例中，通过步骤SlOl可以获得三维人脸模型纹理特征候选点，三维人脸模型纹理特征候选点一般有多个，因此需要对纹理特征候选点进行聚类分析，得到三维人脸模型的纹理特征点，在具体实施过程中，可以采用层次聚类法、合并法或K均值聚类法，在此不用以限制本发明。当完成纹理特征候选点的判别后，还要对满足预设纹理特征的区域中的纹理特征候选点进行端点检测，识别出预设纹理特征的区域的两端端点，也作为纹理特征点。在步骤S104中，根据几何特征点和纹理特征点自动生成三维人脸模型的Waters 肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。在本发明实施例中，将步骤S102和S103获得几何特征点和纹理特征点作为三维人脸模型的Waters肌肉模型和旋转运动控制模型的特征点，自动生成其拓扑结构和计算参数，从而确定三维人脸动画模型。具体地，将所述识别出的几何特征点和纹理特征点与 Waters线性肌肉相关联，将其设置为对应的肌肉向量的起点和终点，以及圆锥形运动控制范围的限制点，建立起Waters线性肌肉模型的拓扑结构，在具体实施过程中，根据识别出的嘴角、鼻翼和耳根部特征点，可以建立控制面颊部运动的线性肌肉模型拓扑结构，并确定模型的计算参数。例如，通过公式I IM0MstartI I = cj IM0MskiJ I获取Waters线性肌肉模型中肌肉向量的运动控制范围的起始点Mstot,通过公式I |MQMend| I = C2 IM0MskiJ I获取Waters 线性肌肉模型中肌肉向量的运动控制范围的末尾点Mend，Waters线性肌肉模型中肌肉向量的圆锥形运动控制范围的圆锥夹角为空间直线MtlMmd与Mc^的夹角，其中线性肌肉向量的起点为特征点M0，终点为特征AMskin, C1为预设的小于1的参数，C2为预设的大于1的参数， 特征点Mr为圆锥形运动控制范围的限制点。同样的方法，可以建立起控制脸部其它运动的线性肌肉模型拓扑结构。对于控制嘴部运动的括约肌模型，根据识别出来的一对嘴角特征点Mlrft以及嘴唇中心上端点Mup，获得括约肌受力中心C为(Mlrft+M,ight)/2，括约肌的长轴参数为
K =\\^lefMnght\，短轴参数为iy = I ICMupI |。同样的方法，根据识别出的成对眼角特征点
以及眼球中心上端点可以计算出眼部括约肌的受力中心点坐标以及长轴、短轴的参数，于是确定出眼部括约肌模型的结构和计算参数。具体地，根据识别出的几何特征点和纹理特征点可以自动建立下述Waters肌肉模型以耳根部特征点作为肌肉向量的起点，嘴角特征点作为肌肉向量的终点，鼻翼特征点作为圆锥形控制区域限制点，自动建立颧大肌模型；以眉毛中点作为肌肉向量的终点，以眉毛中点垂直眉毛方向作为肌肉向量方向， 眉毛两端端点作为圆锥形控制区域限制点，自动建立额眉肌模型；以眉毛内端点作为肌肉向量的终点，以眉毛内端点与眼角内端点方向作为肌肉向量方向，眉毛中点作为圆锥形控制区域限制点，自动建立内额眉肌模型；以眉毛外端点作为肌肉向量的终点，以眉毛外端点与眼角外端点方向作为肌肉向量方向，眉毛中点作为圆锥形控制区域限制点，自动建立外额眉肌模型；以眼内角特征点作为肌肉向量的起点，鼻翼特征点与鼻心的中点作为肌肉向量的终点，鼻翼特征点作为圆锥形控制区域限制点，自动建立鼻内侧肌模型；以鼻梁中点作为肌肉向量的起点，眉毛内端点作为肌肉向量的终点，同侧眼角内端点特征点作为圆锥形控制区域限制点，自动建立皱眉肌模型；以下巴中心下端点作为肌肉向量的起点，唇中心下端点作为肌肉向量的终点，嘴角特征点作为圆锥形控制区域限制点，自动建立颏肌模型；以下颂点作为肌肉向量的起点，嘴角特征点作为肌肉向量的终点，下巴中心下端点作为圆锥形控制区域限制点，自动建立颊肌模型；以左嘴角特征点、右嘴角特征点、唇中心上端点，自动建立口轮匝肌模型以左右眼角特征点、眼球中心上端点，自动建立眼眶肌模型。为了获得更加细腻的人脸动画效果，可以为运动控制范围大的Waters线性肌肉模型建立辅助肌肉模型，确定辅助肌肉模型的拓扑结构和计算参数。例如，首先，将Waters 线性肌肉模型中肌肉向量划分成预设数量的分段，得到相应的分割点，计算每个分割点与 Waters线性肌肉模型作用区域中所有顶点的连线的长度，将其中最短的连线所对应的顶点作为该分割点对应的辅助肌肉向量的终点。再次，将Waters线性肌肉模型中的肌肉向量的起点设置为每条辅助肌肉向量的起点，第i条辅助肌肉向量的控制深度为I IMtlMimdI I =Ci IMtlMiskinI I，其中Ci是预设的大于 1的参数，M0为第i条辅助肌肉向量的起点，Mimd为第i条辅助肌肉的作用末端点，Mimd在 M0Miskin向量的延长线上。然后，根据辅助肌肉向量和Waters线性肌肉模型中肌肉向量的长度比例关系，确定第i条辅助肌肉向量的圆锥夹角A =义.Ι^Η . W = U-D⑴其中，Θ。为Waters线性肌肉模型中肌肉向量的圆锥夹角，N为预设的分段数量，Wi是预设的参数，Mtl为Waters线性肌肉模型中肌肉向量的起点，Mskin为Waters线性肌肉模型中肌肉向量的终点，Miskin为第i条辅助肌肉向量的终点。实施例二 在本发明实施例中，三维人脸模型的种子点所在搜索区域的几何特征候选点的搜索通过邻域生长及特征判别算法来实现。图2示出了本发明第二实施例提供的三维人脸动画模型的几何特征候选点的判别方法的实现流程，详述如下在步骤S201中，将种子点设置为当前搜索点，清空预先建立的备选搜索队列。在本发明实施例中，首先将预设的种子点设置为当前搜索点，在预设的搜索区域内进行几何特征候选点的搜索，同时建立一个备选搜索队列，存储本轮搜索到的相邻顶点， 依次作为下轮搜索的当前搜索点。在步骤S202中，逐一搜索与当前搜索点相邻的顶点，将搜索到的顶点中未超出搜索区域、未经判别以及尚未入队的顶点加入备选搜索队列。在本发明实施例中，逐一搜索与当前搜索点相邻的顶点，当搜索到顶点位于预先设置的搜索区域内，也没有进行过几何特征候选点判别计算，并且还没有加入到备选搜索队列时，将该顶点加入到备选搜索队列。在步骤S203中，计算当前搜索点的单位法向量，依次计算与该搜索点相邻的各个顶点的单位法向量，并依次计算该搜索点与其相邻各顶点的单位法向量的差向量。在本发明实施例中，三维人脸模型由大量的网格顶点组成，相邻顶点的单位法向量的差向量反映了各网格平面之间的变化程度。在步骤S204中，当差向量中任意差向量的模大于预设的阈值时，计算当前搜索点的高斯曲率。在本发明实施例中，应预先设置一个阈值，当计算到的差向量中存在一差向量的模大于预设的阈值时，则表明该当前搜索点可能为几何特征候选点，需要进一步计算该当前搜索点的高斯曲率K，当高斯曲率K > 0为椭圆点，K < 0为双曲点，K = 0为平面或抛物点。在本发明实施例中，高斯曲率的计算通过下述公式进行
权利要求
1.一种三维人脸动画模型自动构造方法，其特征在于，所述方法包括下述步骤根据预设的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点和纹理特征候选点；对所述几何特征候选点进行聚类分析，识别出所述三维人脸模型的几何特征点；对所述纹理特征候选点进行聚类分析和端点检测，识别出所述三维人脸模型的纹理特 iiE ；^^ ’根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。
2.如权利要求1所述的方法，其特征在于，所述根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数的步骤之后，所述确定三维人脸动画模型的步骤之前，所述方法还包括确定所述Waters线性肌肉模型的辅助肌肉模型的拓扑结构和计算参数。
3.如权利要求2所述的方法，其特征在于，所述确定所述Waters线性肌肉模型的辅助肌肉模型的拓扑结构和计算参数的具体步骤包括下述步骤将Waters线性肌肉模型中肌肉向量划分成预设数量的分段，得到相应的分割点，计算每个分割点与所述Waters线性肌肉模型作用区域中所有顶点的连线的长度，将其中最短的连线所对应的顶点作为该分割点对应的辅助肌肉向量的终点；将所述Waters线性肌肉模型中的肌肉向量的起点设置为每条辅助肌肉向量的起点， 第i条辅助肌肉的控制深度为IM0MienJ =Ci I |MQMiskin| I，其中Ci是预设的大于1的参数， M0为第i条辅助肌肉向量的起点，Miskin为第i条辅助肌肉向量的终点，Mimd为第i条辅助肌肉的作用末端点，Miend在MtlMiskin向量的延长线上；根据所述辅助肌肉向量和所述Waters线性肌肉模型中肌肉向量的长度比例关系，确定第i条辅助肌肉向量的圆锥夹角
4.如权利要求1所述的方法，其特征在于，所述根据预先确定的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点的步骤具体包括下述步骤(1)将所述种子点设置为当前搜索点；(2)计算当前搜索点的单位法向量，依次计算与当前搜索点相邻的各个顶点的单位法向量，并依次计算当前搜索点与其相邻各顶点的单位法向量的差向量；(3)当所述差向量中任意差向量的模大于预设的阈值时，计算当前搜索点的高斯曲率
5.如权利要求1所述的方法，其特征在于，所述根据预先确定的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述三维人脸模型的纹理特征候选点的步骤具体包括下述步骤(1)将所述种子点设置为当前搜索点；(2)获取当前搜索点的纹理特征值，当所述纹理特征值位于预设的RGB颜色区间时，将当前搜索点确定为纹理特征候选点；(3)依次将与当前搜索点相邻的各个顶点作为新的当前搜索点，向外搜索与新的当前搜索点相邻的顶点，重复所述步骤( ，已经判别过的顶点不再处理，直到搜索区域内所有顶点都被搜索及判别为止，获得所述搜索区域内的纹理特征候选点集合。
6.如权利要求1所述的方法，其特征在于，所述根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型的拓扑结构和计算参数的步骤具体包括下述步骤将所述识别出的几何特征点和纹理特征点与Waters线性肌肉模型相关联，将其设置为对应的肌肉向量的起点和终点，以及圆锥形运动控制范围的限制点，建立Waters线性肌肉模型的拓扑结构；所述自动建立Waters线性肌肉模型的计算参数的步骤具体包括下述步骤通过公式I |MQMstart| I = C1 IM0MskiJ I获取Waters线性肌肉模型中肌肉向量的运动控制范围的起始AMstart，通过公式I IMtlMendI I = C2 IM0MskiJ I获取Waters线性肌肉模型中肌肉向量的运动控制范围的末尾点Mend，Waters线性肌肉模型中肌肉向量的圆锥形运动控制范围的圆锥夹角为空间直线MtlMmd与M0Mr的夹角，其中线性肌肉向量的起点为特征点Mtl，终点为特征点Mskin，C1为预设的小于1的参数，c2为预设的大于1的参数，特征点Mr为圆锥形运动控制范围的限制点；将所述识别出的几何特征点和纹理特征点与Waters括约肌模型相关联，作为括约肌的短轴和长轴的端点，建立Waters括约肌模型的拓扑结构，控制眼睛和嘴部的运动；所述自动建立Waters括约肌模型的计算参数的步骤具体包括下述步骤根据识别出来的一对嘴角的特征点Mlrft和MHght以及嘴唇中心的上端点Mup，获得嘴部括约肌的受力中心点
7.如权利要求1所述的方法，其特征在于，所述根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的旋转运动控制模型的拓扑结构和计算参数的步骤具体包括下述步骤根据人脸的运动规律，获取三维人脸模型的旋转运动控制模型中绕两个特征点P1和已决定的直线旋转的旋转矩阵
8.如权利要求7所述的方法，其特征在于，所述方法还包括下述步骤根据建立的旋转运动控制模型，对位于其运动控制区域内的顶点进行自动检选和标注，并赋予运动权重。
9.一种三维人脸动画模型自动构造系统，其特征在于，所述系统包括候选点搜索判别单元，用于根据预设的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点和纹理特征候选点；几何特征点识别单元，用于对所述几何特征候选点进行聚类分析，识别出所述三维人脸模型的几何特征点；纹理特征点识别单元，用于对所述纹理特征候选点进行聚类分析和端点检测，识别出所述三维人脸模型的纹理特征点；以及模型确定单元，用于根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的 Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。
全文摘要
本发明适用于计算机技术领域，提供了一种三维人脸动画模型自动构造方法及系统，所述方法包括下述步骤根据预设的三维人脸模型的种子点以及所述种子点的搜索区域，通过邻域生长及特征判别算法搜索出所述搜索区域内的几何特征候选点和纹理特征候选点；对所述几何特征候选点进行聚类分析，识别出所述三维人脸模型的几何特征点；对所述纹理特征候选点进行聚类分析和端点检测，识别出所述三维人脸模型的纹理特征点；根据所述几何特征点和纹理特征点自动生成所述三维人脸模型的Waters肌肉模型和旋转运动控制模型的拓扑结构和计算参数，确定三维人脸动画模型。本发明实现了三维人脸动画的自动建模，同时，提高了三维人脸动画效果。
文档编号G06T13/40GK102184562SQ20111011956
公开日2011年9月14日 申请日期2011年5月10日 优先权日2011年5月10日
发明者乔宁博, 徐 明, 采振祥 申请人:深圳大学