写在前面
由于之前在申请专利，所以文章不能发出来，现在发出来帮助有需要的人。
Animoji
苹果在今年的十周年特别版iPhone X发布会上，推出了Animoji功能。该功能基于iPhone X的结构光传感器，捕捉用户的表情变化，生成相应的3D动画表情。本文介绍了基于ARKit + SceneKit的Animoji实现方案。
图1 发布会上的Animoji介绍
Animoji原理
在人脸建模后，通过获取人脸追踪与表情捕捉的数据，更新到虚拟形象上，使虚拟形象与用户人脸的位置与表情相同步。
（1） 人脸建模
在高端设备上，借助红外摄像头与结构光点阵投影仪，根据获取的点云数据，结合利用泛光照明器得到的红外图像，通过随机交替获取二者数据，做3D人脸建模。
（2）人脸追踪与表情捕捉
人脸追踪：依据人脸检测算法和SLAM（同步定位与地图构建）算法，实时追踪人脸在图像中的位置变化，并计算人脸在3D空间中的位置。
表情捕捉：依据基于深度学习的表情识别算法，通过匹配用户当前人脸数据到表情库，识别出用户当前表情。
（3）虚拟形象渲染
构建与真实世界相同坐标的虚拟世界，创建虚拟形象并实时计算它与人脸之间的位置映射关系，基于表情捕捉得到的数据来更新虚拟形象的动画表情。
Animoji效果
Animoji方案
本方案使用 变形动画+骨骼动画+骨骼控制 来实现Animoji。
变形动画：使用预先制作好的表情基作为变形目标，通过变形的方式来确定模型表面每个顶点最终的位置，使用SceneKit渲染的话，可以用SCNMorpher来实现。
骨骼控制：在设计师刷好骨骼对蒙皮的权重后，就可以通过骨骼控制或者加载骨骼动画来实现非变形部分的动画。
骨骼动画
建立虚拟形象模型
（1）虚拟形象静态模型
虚拟形象分为强表情部分和弱表情部分，以头部举例：脸部为强表情部分，眼睛牙齿耳朵等为弱表情部分。强表情部分用捕捉的表情数据更新，弱表情部分则根据用户头部的运动数据与表情变化来更新。
图2 强表情部分和弱表情部分
例如：用户边转头边做鬼脸，强表情部分，即脸部会更新为用户的表情形象，而弱表情部分，如耳朵骨骼会根据用户头部转动的速度变弯曲，舌头会在嘴巴长到一定幅度伸出。
（2）制作表情基
表情基分为普通表情基与混合表情基。表情基与静态模型的强表情部分的拓扑结构完全一致，且在同一个尺度空间下大小相同。不同表情基，模型的网格顶点数一样，多边形一一对应，不同的是顶点的位置不同（如大笑嘴部的顶点就会有位移）。
普通表情基是一些设计好的脸部模型，如图3。普通表情基代表一些固定的人脸表情，如张嘴、眨眼，为了缩减大小，表情基除了几何体没有其他任何信息，并且分割为若干子部分。
图3 不同的表情
混合表情基是若干特定的普通表情基的非线性组合，在运行时计算得出，用以扩展表情的丰富度，理论上有混合表情基的支持，虚拟形象能够模拟无限多个表情，而不是只在普通表情基这个维度，混合表情基的计算方式如下式， B( i )表示第i 个混合表情基，E( j )表示第j个普通表情基。
表情分割
本系统将表情分割成5部分，在加载表情时，只使用有效部分，（如眨眼就只加载眼部），缩小了表情的计算量。分割表情时，使用更平滑的顶点法线来避免分割后可能产生的裂缝。
表情权重分配机制
本系统对不同表情分配了不同的权重，在更新时，对于高权重的表情，会先加载先更新，提高每次更新表情的用户体验，缩短关键表情的等待时间，流程图如下。
分包加载
本系统的加载方式采用分包加载的方式，首先将分割好的表情基分布存储在若干文件中，在需要的时候分包加载，模型开始更新的时间是之前的20%。
建立骨骼
对于弱表情部分，他们是根据头部的运动与表情变化来做更新，本系统对弱表情部分建立骨骼来控制它们。当用户向右看时，控制眼球骨骼向右旋转；当用户张嘴时，控制下巴骨骼向下旋转；当用户向右转头时，耳朵会根据转头速度向左旋转。
图4 用于控制弱表情部分的骨骼
骨骼动画
除了上一点所说的更新方式，本系统还使用骨骼动画来来做更精致、可运营的表情。骨骼动画与命中逻辑可动态下发。
基于人脸追踪与表情捕捉数据更新虚拟形象
初始化之后，虚拟形象会添加到虚拟世界中，用户人脸在真实世界中的运动会同步到虚拟形象在虚拟世界的运动。同时通过表情捕捉数据，拆解用户表情为普通表情基和混合表情基的线性组合，利用此组合更新虚拟形象的强表情部分。如下式， E(user)是用户当前的表情，E是普通表情基，B是混合表情基。
更新方式是：遍历表情基E的网格的每一个顶点，通过下式计算其最终的位置。其中V(i)表示第i 个顶点，V(E1)表示在表情基E1中相应的顶点，A(i)表示表情Ei的权重。
对于弱表情部分，本系统根据头部的运动与表情的变化，通过骨骼控制它们。弱表情部分包括但不限于耳朵、下牙与舌头、眼球。
对于耳朵：
当头部转动时，通过判断转头的速度来控制耳朵骨骼的旋转，从而弯曲耳朵。计算公式如下式，Ear(eulerAngles)为耳朵骨骼的欧拉角，V(x), V(y) 分别为头部转动的偏航角速度、俯仰角速度，A、B分别为计算所需的补偿值，效果如图6。
图6 头部转动时耳朵弯曲
1） 当用户张大嘴时，耳朵向内弯曲，弯曲幅度由云端控制。
2） 当用户闲置时，耳朵部分播放骨骼动画，动画与触发逻辑由云端下发。
对于下牙与舌头：
1） 当用户张嘴时，下牙与舌头的骨骼配合张嘴表情向下旋转。计算公式如下，Jaw为下牙与舌头骨骼的欧拉角，H 为云端控制的最大俯仰角阈值，A为当前表情的张嘴表情系数。
2） 当用户张嘴且下唇特征点出现特定变化，判断用户在张嘴伸舌头，变形舌头并伸出舌头，效果如图9。
图9 虚拟形象张嘴伸舌头
3） 当用户张嘴伸舌头时，移动头部，控制舌头左右变形，以符合头部的运动。
对于眼球：
1） 眼球的转动主要根据眼部表情变化来控制，计算方式如下式，Eye为眼球骨骼的欧拉角，S为计算旋转的方向值，H为云端控制的最大俯仰角与偏航角阈值，A为当前表情的眼部表情变化系数。
全景背景与粒子特效
通过下发不同的360全景图片或视频作为背景。当用户做特殊表情或者特殊话语，触发全景背景的更改与粒子特效，当用户旋转手机时，能看到不同的内容，丰富了产品的应用空间，效果如下图。
图 10 背景为360全景图，用户转动手机可看到不同
更进一步
目前模型的体积较大，考虑采用运行时平滑、着色的方式，实现素材包的体积减少，使用运行时加顶点的平滑方式，可以让素材包减小80%左右。
与TTS结合，让用户可以通过语音控制一些彩蛋逻辑。
结合图像处理、深度学习算法，拓宽应用场景，实现更好玩的玩法。
网友评论