前言

之前出過三篇換臉的博文，遇到一個問題是表情那一塊不好處理，可行方法是直接基于2D人臉關鍵點做網格變形，強行將表情矯正到目標人臉，還有就是使用PRNet的思想，使用目標人臉的頂點模型配合源人臉的紋理，可以讓表情遷移過來，但是這個表情是很僵硬的。比如笑臉的3D頂點模型，結合不笑人臉的紋理圖，生成的笑臉是非常奇怪的。有興趣可以翻csdn前面的文章，或者關注公眾號檢索人臉相關文章。

這里針對表情，采用另一種方案——blendshape。這個理論在表情動畫中經常使用到，目的就是驅動人臉表情，無論是動畫人臉還是真人的人臉，只要你這個人臉具有對應的頂點模型、紋理，還有很多標準的blendshape模型，分別對應不同的表情。

我們這里采用eos庫實現表情變換，一來是很多blendshape數據集獲取難度比較大，二來是這個庫還是蠻好用的，有C++/python/matlab的接口，而且與之前研究的PRNet有很多相似的的。

國際慣例，參考博客：

基于PRNet的3D人臉重建與替換

eos官方文檔

eos源碼

eos作者提供的model的可視化工具，包括blendshape控制

算法流程

分為四步：

• 人臉關鍵點提取
• 3D人臉擬合
• 表情驅動
• 渲染

注意，一般來說，人臉重建是基于人臉關鍵點，不斷去調整3D標準人臉的，使其變換到目標人臉的關鍵點形狀，這一點可以去知乎上看看3DMM人臉重建相關文章，擬合過程一般涉及到兩類參數：形狀、表情

預備

先安裝一些必備的環境，直接用pip安裝eos-py、opencv-python、opencv-contrib-python

導入必要的庫：

import eos import numpy as np import cv2 from matplotlib import pyplot as plt

然后把eos的源碼下載保存在一個文件夾中，我們寫的代碼都在eos源碼文件夾并列的代碼中寫，不要進到eos文件夾里面寫代碼，面得污染了環境。

人臉關鍵點提取

之前人臉替換系列的博客都用的opencv人臉關鍵點檢測方法，這里也就不再說了，直接貼代碼：

#初始化檢測器 cas = cv2.CascadeClassifier('./facemodel/haarcascade_frontalface_alt2.xml') obj = cv2.face.createFacemarkLBF() obj.loadModel('./facemodel/lbfmodel.yaml')# 檢測人臉關鍵點 def detect_facepoint(img):img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)faces = cas.detectMultiScale(img_gray,2,3,0,(30,30))landmarks = obj.fit(img_gray,faces)assert landmarks[0],'no face detected'if(len(landmarks[1])>1):print('multi face detected,use the first')return faces[0],np.squeeze(landmarks[1][0])#可視化圖片 def vis_img(img):plt.imshow(cv2.cvtColor(img.copy(),cv2.COLOR_BGR2RGB))

測試看看

img_file = "./images/zly.jpg" img = cv2.imread(img_file) face_box,coords = detect_facepoint(img)# 轉換為eos庫所需要的關鍵點輸入格式 landmarks = [] ibug_index = 1 # count from 1 to 68 for all ibug landmarks for l in range(coords.shape[0]):landmarks.append(eos.core.Landmark(str(ibug_index), [float(coords[ibug_index-1][0]), float(coords[ibug_index-1][1])]))ibug_index = ibug_index + 1#可視化關鍵點 img_show = img.copy() for kps in landmarks:face_kps = kps.coordinatescv2.circle(img_show,(face_kps[0],face_kps[1]),5,(0,255,0),-1) vis_img(img_show) plt.axis('off')

使用eos 重建人臉

因為是要用標準人臉和blendshape去擬合圖片人臉關鍵點，所以需要先初始化一堆內容，這個是固定套路：

# 初始化eos model = eos.morphablemodel.load_model("./eos/share/sfm_shape_3448.bin") blendshapes = eos.morphablemodel.load_blendshapes("./eos/share/expression_blendshapes_3448.bin") # Create a MorphableModel with expressions from the loaded neutral model and blendshapes: morphablemodel_with_expressions = eos.morphablemodel.MorphableModel(model.get_shape_model(), blendshapes,color_model=eos.morphablemodel.PcaModel(), vertex_definitions=None, texture_coordinates=model.get_texture_coordinates()) landmark_mapper = eos.core.LandmarkMapper('./eos/share/ibug_to_sfm.txt') edge_topology = eos.morphablemodel.load_edge_topology('./eos/share/sfm_3448_edge_topology.json') contour_landmarks = eos.fitting.ContourLandmarks.load('./eos/share/ibug_to_sfm.txt') model_contour = eos.fitting.ModelContour.load('./eos/share/sfm_model_contours.json')

這個操作不用管，只要使用這個eos庫重建人臉，只需把這一串代碼復制下來用就行了，把模型路徑改改就行；這些路徑對應文件都在官方源碼上有。

稍微解釋一下作者為什么不把這一串操作封到一個對象里面，我們使用的時候直接一句話初始一個對象就行了？原因在于這個庫是可以支持三種人臉模型(Surrey Face Model (SFM), 4D Face Model (4DFM), Basel Face Model (BFM))，而且對應的blendshape表情數也可以增加，還有很多其他的映射關系表也根據不同的模型而變化，所以還不如全部暴露出來，用戶自行設置修改。

【注】上述初始化使用的人臉模型是SFM，作者提供的這個模型對應的blendshapes只有六種表情anger, disgust, fear, happiness, sadness, surprise，所以重建或者驅動效果其實不是特別理想，但是能看出來有驅動。如果讀者其它兩種模型，比如4DFM的人臉模型精細度(網格數目)就比較高，而且多達36種表情，就建議使用高精度模型嘗試一波

初始化完畢，就可以針對關鍵點進行擬合：

# 重建人臉 (mesh, pose, shape_coeffs, blendshape_coeffs) = eos.fitting.fit_shape_and_pose(morphablemodel_with_expressions,landmarks, landmark_mapper, image_width, image_height, edge_topology, contour_landmarks, model_contour)

注意上面的返回值，shape_coeffs和blenshape_coeffs就是3DMM人臉重建中經常說的形狀系數和表情系數了，前者擬合臉型，后者擬合表情。待會表情驅動就是利用表情系數來做的。

如果還記得之前寫的PRNet人臉重建文章，里面有幾個信息比較重要：3D頂點、人臉紋理圖、網格頂點索引，在eos庫中，可以直接通過下面這句話獲取紋理信息

# 提取紋理 isomap = eos.render.extract_texture(mesh,pose,img).swapaxes(0,1)

因為后面使用meshlab打開重建的人臉需要這個紋理文件，所以提前保存一下，順便可視化一波：

cv2.imwrite("result.isomap.png",isomap) vis_img(isomap)

接下來就是需要根據得到的形狀參數和表情系數，將標準人臉變換成咱趙麗穎的人臉，這里需要注意在issuee 35有人提到過C++中使用這句話

auto merged_shape = morphable_model.get_shape_model().draw_sample(fitted_coeffs) + to_matrix(blendshapes) * Mat(blendshape_coefficients);

但是在python中并未提供表情系數乘法對應的函數，那么直接寫一個

def blendshape_add(bss,bc):bs_array = []for bs in bss:bs_array.append(bs.deformation)bs_array = np.array(bs_array).transpose()bc = np.array(bc)return np.dot(bs_array,bc)

再仿照C++代碼寫重建方法：

merge_shape = morphablemodel_with_expressions.get_shape_model().draw_sample(shape_coeffs) + blendshape_add(blendshapes,blendshape_coeffs);

表情驅動

如果要驅動表情，那么僅僅改改表情系數就可以了，比如

# 改變表情 anger, disgust, fear, happiness, sadness, surprise blendshape_coeffs = [0,1,0,0,0,0]

這只是獲取了形狀，我們最終需要渲染的是mesh，所以還需要做一個轉換，記錄一下顏色信息，頂點信息什么的

merged_mesh = eos.morphablemodel.sample_to_mesh(merge_shape,morphablemodel_with_expressions.get_color_model().get_mean(),morphablemodel_with_expressions.get_shape_model().get_triangle_list(),morphablemodel_with_expressions.get_color_model().get_triangle_list(),morphablemodel_with_expressions.get_texture_coordinates());

渲染

接下來介紹兩種可視化方法

• 使用meshlab可視化，因為上面我們保存過紋理文件，所以這里只需要把mesh保存一下

  outputfile = "result.obj" eos.core.write_textured_obj(merged_mesh,outputfile);

  這時候我們就有了result.obj、result.mtl、result.isomap.png三個文件，直接雙擊obj用meshlab打開

• 使用代碼可視化，按照之前學習PRNet中得到的知識，需要分別獲取到人臉模型的3D頂點坐標，每個人臉網格頂點索引，每個頂點的顏色信息，這些在eos求取的mesh中都有，分別取出來

  triangles = np.array(merged_mesh.tvi) # 人臉網格對應的頂點索引 # 人臉頂點 vertices = [] for v in merged_mesh.vertices:vertices.append(np.array([v[0],-v[1],v[2]])) vertices = np.array(vertices) vertices = vertices-np.min(vertices) # 紋理坐標 texcoords = [] for tc in merged_mesh.texcoords:texcoords.append(tc) texcoords = np.array(texcoords) # 根據紋理坐標獲取每個頂點的顏色 colors = [] for i in range(texcoords.shape[0]):colors.append(isomap[int(texcoords[i][1]*(isomap.shape[0]-1)),int(texcoords[i][0]*(isomap.shape[1]-1)),0:3]) colors = np.array(colors,np.float32)

  然后利用頂點的顏色，求平均得到網格的顏色

  #獲取三角形每個頂點的color，平均值作為三角形顏色 tri_tex = (colors[triangles[:,0] ,:] + colors[triangles[:,1],:] + colors[triangles[:,2],:])/3.

  對每個網格上色

  img_3D = np.zeros_like(img,dtype=np.uint8) for i in range(triangles.shape[0]):cnt = np.array([(vertices[triangles[i,0],0],vertices[triangles[i,0],1]),(vertices[triangles[i,1],0],vertices[triangles[i,1],1]),(vertices[triangles[i,2],0],vertices[triangles[i,2],1])],dtype=np.int32)img_3D = cv2.drawContours(img_3D,[cnt],0,(int(tri_tex[i][0]), int(tri_tex[i][1]), int(tri_tex[i][2])),-1)

  可視化

  plt.figure(figsize=(8,8)) vis_img(img_3D)

  有人奇怪，我上傳的圖片，講道理沒張嘴啊，為什么張嘴了，因為我們驅動了表情

  # 改變表情 anger, disgust, fear, happiness, sadness, surprise blendshape_coeffs = [0,1,0,0,0,0]

  所以現在看起來是disgust這個表情，為啥看起來不自然，當然是因為麗穎的照片本來就在笑，導致默認紋理在笑，然后再加上blendshape比較粗糙，看起來就有點怪怪的。

生成表情驅動的gif

通過上面的一系列操作，我們可以基于eos自帶的6種表情blendshape改變大穎妹子的面部表情，那么來搞個gif玩玩，思路就是對blendshape_coeffs做一個線性過渡即可

buff = [] frame_num = 20 for i in range(frame_num): #一個gif 10幀# 改變表情 anger, disgust, fear, happiness, sadness, surpriseblendshape_coeffs = [1.0 - i/frame_num,0,0,0,0,i/frame_num]merge_shape = morphablemodel_with_expressions.get_shape_model().draw_sample(shape_coeffs) + blendshape_add(blendshapes,blendshape_coeffs);merged_mesh = eos.morphablemodel.sample_to_mesh(merge_shape,morphablemodel_with_expressions.get_color_model().get_mean(),morphablemodel_with_expressions.get_shape_model().get_triangle_list(),morphablemodel_with_expressions.get_color_model().get_triangle_list(),morphablemodel_with_expressions.get_texture_coordinates());triangles = np.array(merged_mesh.tvi) # 人臉網格對應的頂點索引# 人臉頂點vertices = []for v in merged_mesh.vertices:vertices.append(np.array([v[0],-v[1],v[2]]))vertices = np.array(vertices)vertices = vertices-np.min(vertices)# 紋理坐標texcoords = []for tc in merged_mesh.texcoords:texcoords.append(tc)texcoords = np.array(texcoords)# 根據紋理坐標獲取每個頂點的顏色colors = []for i in range(texcoords.shape[0]):colors.append(isomap[int(texcoords[i][1]*(isomap.shape[0]-1)),int(texcoords[i][0]*(isomap.shape[1]-1)),0:3])colors = np.array(colors,np.float32)#獲取三角形每個頂點的color，平均值作為三角形顏色tri_tex = (colors[triangles[:,0] ,:] + colors[triangles[:,1],:] + colors[triangles[:,2],:])/3.img_3D = np.zeros_like(img,dtype=np.uint8)for i in range(triangles.shape[0]):cnt = np.array([(vertices[triangles[i,0],0],vertices[triangles[i,0],1]),(vertices[triangles[i,1],0],vertices[triangles[i,1],1]),(vertices[triangles[i,2],0],vertices[triangles[i,2],1])],dtype=np.int32)img_3D = cv2.drawContours(img_3D,[cnt],0,(int(tri_tex[i][0]), int(tri_tex[i][1]), int(tri_tex[i][2])),-1)buff.append(cv2.cvtColor(img_3D,cv2.COLOR_BGR2RGB)) gif=imageio.mimsave('expression.gif',buff,'GIF',duration=0.1)

從憤怒到驚訝的效果圖

后記

當前只是針對之前人臉替換的表情問題，按照blendshape驅動的方法，做了一個實驗，至于還有其它問題，比如為啥這個人臉上有黑洞洞啊、怎么把人臉拼接到原圖上，這個后續有機會再去折騰了，這個eos庫的python接口文檔不是特別詳細，而且沒C++那么完善。建議真有興趣的老鐵多看看issues，里面有很多有趣的問題。

代碼上面都放出來了，如果想要我實驗的代碼，直接關注微信公眾號，在公眾號簡介中的github中獲取，同時本博文也同步更新到微信公眾號中：

總結

以上是生活随笔為你收集整理的3D人脸表情驱动——基于eos库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。