（计算机应用技术专业论文）面向mpeg4模型基编码的人脸分析与合成.pdf

摘要 m p e g 一4 作为集中各种多媒体废用于一体的新一代压缩标准得至4 广泛廉鹰， 面其中嫠于内容酌编码标准因其藏掰豹优势成沟m p e g 4 禄准豹重要将色之一。 本文遮择视频信息中频繁出现的视觉对象一人脸作为编码内容，开展面向 m p e g - 4 模型基编磁人脸分析与含成静理论和方法研究。该项觋究工作涉及到三 个主癸环节：面向m p e g - 4 的入脸建模、 蠢人验渤画参数提取为舀的的入簸分析， 以及利用人脸动画参数进行模型驱动的人脸合成。 在入验建摸方舔，本文提窭一秘瑟囊m p e g 4 綦予兰缀黟交挨型进行良囊稼 人脸整建的方法。该方法针对基予重采样的规格化人脸数据进行网格简化，以便 适用予m p e g 4 模激基编码应用下的人脸重建，最终采用三维形变模型得到用于 久验遮动分毒蓐窝动灏瓣入验模登。 在人脸分析方厕，结合状态预测的解析优化，本文提出一种基于图象配准原 则提取人脸动面参数的算法。针对寄表情图像的面部跟踪，迢过引入预测模型来 绞索後仡搜索葱霭，燹热台莲魂攘述援索空闰，蔽指导搜索鹃正确遴毒亍，麓快速 度，提高效率。为综合考虑整体残簸和局部残麓表达的合理性，提出一个新的衡 量图像怒准的相似度准贝b ，计算颟部特征点的网性和弹性位穆，并最终转化为可 撰合簸螭邈行人验秘蕊驱动静露潞动葱参数。瑟辨，铮对有较大藤往运动鞠像兹 面部跟踪，提出结含头部姿势估计进行面部特，秘跟踪的方法。引入头部姿势估计 调整人脸网格模型遴行全局移动，通过对图像之间的剐性运动进行补偿，使跟踪 在耨静位置上继续，以便热浃迭我速度。 在人脸合成方砸，本文提出熬于局部训练的控制点运动扩散算法和撼于独立 分量分叛( i c a ) 熬入验垒局动灏驱动模式。梵了进行人黢凌画骆全局调整弱运 动特性分析，本文鏊于局部训练建立面部动画参数控制点与稚控带8 点之间的运动 关系模型，基于独立分量分析抽取人脸动画基本模式，构建可以组合表达真实人 脸运动瓣独立分量主元，绘出更加紧致准确翳一般久验动蕊装达模式，改黪人脸 动画纳真实性。 北京王效大学工学禧圭掌使论文 舅! 曼詈詈曾矗懋篁童皇曼曼蔓宴! ! 篡燃掌鼍鼍舅量蔓蔓篁蔓燃冀篡曼蔓! 曼曼曼鼍笪群簟黑圈皇量曼曼皇量曼燃i ,i 鼎兰曼曼 在以上各项研究的基础上，本文最终构建了丽向m p e g ，4 模型基编码，针对 久验撬频迸孬大脸分撬寒合成兹簇穗系统。该系绞孬羧完成觚籍定大验建壤，基 于视频分析的人脸动厕参数提取，到基于动画参数驱动的人脓视频合成等备部分 功能。 关键词m p e g 一4 ；f d p f a p ；人脸建模；人脸分析：人脸合成 a 8 s t 建a ( 了 a 8 s t 警c 墨 a san e wg e n e r a t i o nm u l t i m e d i a c o m p r e s s i o ns t a n d a r dc o l l e c tm a n y m u l t i m e d i aa p p l i c a t i o n si n t oo n ew h o l ef r a m e w o r k ，m p e g 一4h a sb e e nw i d e l yu s e d a n dc o n t e n tb a s e dc o d i n gh a sb e c o m eo n eo f i m p o r t a n tf e a t u r e so fm p e g 4b e c a u s e o fi t sa p p l i c a t i o na d v a n t a g e i nt h i st h e s i s 。w ec h o o s et h ev i s u a lo b j e c tf r e q u e n t l y a p p e a r si nv i d e oi n f o r m a t i o n ，i e h u m a nf a c e ，t ob ec o d i n gc o n t e n ta n ds p r e a do u r r e s e a r c ho nt h e o r i e sa n dm e t h o d sa b o u tf a c ea n a l y s i sa n ds y n t h e s i sf o rm p e g 4 m o d e lb a s e dc o d i n g 。t h i sr e s e a r c hi sc o m p o s e do f t h r e em a i n p a r t s ：f a c em o d e l i n gf 。r m p e g m 4 ，f a c ea n a l y s i sa i m i n ga tf a c ea n i m a t i o np a r a m e t e r se x t r a c t i o na n df a c e s y n t h e s i st h r o u g hm o d e ld r i v e nb yf a c ea n i m a t i o np a r a m e t e r s o nf a c em o d e l i n g , w ep r o p o s ea l la u t o m a t i cf a c em o d e l i n gm e t h o df o rm p e g - 4 b a s e do n3 dm o r p h a b l em o d e l a i m i n ga tt h en o r m a l i z e df a c em o d e ld a t ab a s e do n r e s a m p l i n g ，w ei n t r o d u c em e s hs i m p l i f i c a t i o n8 0t h a ti tc a l lb e u s e do nf a c e r e c o n s t r u c t i o nf o rm p e g 一4m o d e lb a s e dc o d i n ga p p l i c a t i o na n df i n a l l yg e taf a c e m o d e lf o rf a c ea n a l y s i sa n d s y n t h e s i sb y3 dm o r p h a b l em o d e l o nf a c ea n a l y s i s ，w ep r o p o s eam e t h o db a s e do ni m a g ea l i g n m e n tt of a c e a n i m a t i o ne x t r a c t i o n ，c o m b i n e da n a l y t i co p t i m i z a t i o na n ds t a t ep r e d i c t i o n + a i m i n ga t f e a t u r e t r a c k i n g o ni m a g es e q u e n c ew i md i f f e r e n t e x p r e s s i o n s w ei n t r o d u c e p r e d i c t i o nm o d e t oc o n s t r a i na n a l y t i es e a r c hr a n g et or e p r e s e n to n em o r er e a s o n a b l e s e a r c hs p a c el e a d sa c c u r a t es e a r c hr a p i d l ya n de f f e c t i v e l y b a s e do ni n t e g r a t e d c o n s i d e rf o rr e a s o n a b l er e p r e s e n t a t i o no fg l o b a le i r o ra n dl o c a le r r o r , w ep r o p o s ea n e wi m a g ea l i g n m e n tp r i n c i p l et om e a s u r es i m i l a r i t ya n dc a l c u l a t er i g i da n de l a s t i c d i s p l a c e m e n to ff a c ef e a t u r e st of i n a l l yt r a n s f o r mf a c ea n i m a t i o np a r a m e t e r su s e dt o d r i v ef a c em o d e la t d e c o d e r f u r t h e r m o r e ，a i m i n ga tf e a t u r et r a c k i n g0 ni m a g e s e q u e n c ew i t hl a r g e rr i g i dm o v e m e n t s ，w ep r o p o s eam e t h o dc o m b i n e dh e a dp o s e e s t i m a t i o nt ot a c k f a c ef e a t u r e s b yi n t r o d u c i n g 酶赫p o s ee s t i m a t i o n 。w eg l o b a l l y m o v ef a c em a s ka n dc o m p e n s a t ef o rr i 西dm o v e m e n tb e t w e e nc o n n e c t i v ei m a g e st o 靶京工渡大学工学鞲圭学能论文 c o n t i n u et r a c k i n gf r o mn e w p o s i t i o nw i t hf a s t e ri t e r a t i o n o nf a c es y n t h e s i s ，w ep r o p o s e dc o n t r o lp o i n t sp e r v a s i o nm o v e m e n ta l g o r i t h m b a s e do nl o c a lt r a i n i n ga n dg l o b a lf a c ea n i m a t i o nd r i v em o d eb a s e do ni n d e p e n d e n t c o m p o n e n ta n a l y s i s ( i c a ) a i m i n g a t g l o b a l l ya d j u s t i n g f a c ea n i m a t i o na n d a n a l y z i n gf a c em o t i o ns p e c i a l i t y , w eb u i l dt h em o t i o 盎r e l a t i o n s h i pb e t w e e nc o n t r o l p o i n t sa n dn o n c o n t r o lp o i n t sb a s e do nl o c a lt r a i n i n ga n de x t r a c tb a s i cf a c ea n i m a t i o n m o d e sb a s e do ni n d e p e n d e n tc o m p o n e n ta n a l y s i s f i n a l l yw ec o n s t r u c tas e to f i n d e p e n d e n tc o m p o n e n t se 疆b ec o m b i n e dt oe x p r e s sr e a l i s t i cf a c em o v e m e n ta n dc a n g i v em o l e c o m p a c ta n da c c u r a t eb a s i cf a c ea n i m a t i o nm o d e s t oi m p r o v et h er e a l i s mo f f a c ea n i m a t i o n b a s e do na l lo f a b o v er e s e a r c h e s ，w ef i n a l l yc o n s t r u c tm p e g - 4f a c em o d e lb a s e d c o d i n ge x p e r i m e n t a ls y s t e mt op r o c e s sf a c ea n a l y s i sa n ds y n t h e s i s t h i ss y s t e mc a n a c h i e v et h ef o l l o w i n gf u n c t i o n s ，i n c l u d i n gs p e c i f i cf a c em o d e l i n g 、f a c ea n i m a t i o n p a r a m e t e r se x t r a c t i o nb a s e do nv i d e oa n a l y s i sa n df a c ev i d e os y n t h e s i sb a s e do nf a c e a n i m a t i o np a r a m e t e r sd r i v i n g k e yw o r d s ：m p e g - 4 ；f d p f a p ；f a c em o d e l i n g ；f a c ea n a l y s i s ；f a c es y n t h e s i s 插图 图l - l 模型熬编码的基本框架3 圈1 - 2 面部定义参数4 嚣1 - 3a 黢动鬣参数萃元一5 图2 - 1p a r 雌的人脸模型，2 0 图2 - 2 基于j e 交图像的人脸模型特定化2 2 圈2 - 3 夫验三维扫箍数据2 5 图2 4 基于熬襄样的三维人脸建模，2 6 图2 - 5 边折盛算法2 8 蜇2 - 6 疆穰麓诧静实验结荣2 9 图2 * 7 可控的人脸网格简化3 l 图2 - 8 两个网格之间的对应，31 强2 - 9 两郝滤渡器豹设计3 3 图2 1 0 基于形变横挺的三维人脸建模3 5 图2 - 1 1 不同的特定人模型3 5 强3 - l 不嗣戆天验交纯获悉一4 3 图3 - 2 两个三角形之间的w a r p 变形4 7 图3 - 3 基于预测的解析优化算法框架5 l 蕊3 - 4 蒋旌跟踪静赛骏结巢激铰( 平均谖蓑) 5 8 圈3 - 5 特征跟踪的实验结粜b b 较( 最大误差) ，5 8 图3 - 6 特征跟踪的实验结粜( 1 ) ”5 9 匿 图 3 ，7 特征跟踪豹实验缩采( 2 ) t ，一6 1 4 - 1 坡跟踪的5 个特征点6 4 图4 - 2 相邻两帧之间的块照砑已6 5 图4 - 3 基子反馈的坎匹配酐 图 4 4 不固区域缩放因子的定义一6 s 阳 一 舟 - 型 模 射 透 的 义计定 估 的 势 度 姿 长 于 征 用 特 5 6 舢 舢图圈 北京工业大学工学博士学位论文 圈4 7 基于块匹配的特征跟踪结果7 5 图4 - 8 表示头部姿势的三个向量7 6 图5 - 1 基于区域分剖独立驱动的动画技术框架8 0 图5 2 本文中的多层动画控制模型8 2 图5 3 基于一般动嘶模式的人脸模型驱动8 3 图5 4f a p 训练数据的获取一。8 7 图5 5 基于p c a 和i c a 的投影比较9 4 图5 - 6 基于p c a 和i c a 的重建误差比较9 4 图5 7 第一个i c a 主元引起的网格变形9 6 图5 8 人脸模型的局部变形区域9 8 图5 - 9 动厕编辑器的界耐1 0 3 图5 1 0 不同独立分量对表情变化的不同影响一1 0 5 图5 1 1 动画合成的实验结果比较( 最大误差) 1 0 6 图5 1 2 动画合成的实验结果比较( 平均误差) 1 0 6 图6 1 集成系统的框架。1 1 3 图6 2 集成系统不同模块的界面1 1 4 f i g u r e f i g u r e f i g u r e l - 1b a s i cf r a m e o f m o d e l - b a s e d c o d i n g 3 f i g u r e l 2f a c ed e f i n i t i o n p a r a m e t e r ，4 f r i u r e l - 3 f a c e a n i m a t i o n p a r a m e t e r u n i t ! ； f i g u r e 2 1p a r k e sf a c em o d e l 2 ( f i g u r e 2 2f a c em o d e l i n gb a s e do no r t h o g o n a li m a g e s s 2 2 f i g u r e 2 33 ds c a n d a t a o f f a c e ，2 5 f i g u r e 2 43 d f a c e m o d e l i n gb a s e d o n r e s a m p l e 2 6 f i g u r e 2 5e d g e c o l l a p s e a l g o r i t h m ，2 8 f i g u r e 2 - 6e x p e r i m e n t e n tr e s u l t sa b o u tm e s hs i m p l i f i c a t i o n 2 9 f i g u r e 2 - 7c o n t r o l l a b l e f a c e m e s hs i m p l i f i c a t i o n 3 l f i g u r e 2 8c o r r e s p o n d e n c e o f t w o m e s h e s 3 1 f i g u r e 2 9d e s i g no fl o c a l f i l t e r 3 3 f i g u r e 2 1 03 df a c em o d e l i n gb a s e do nm o r p h a b l em o d e l 。3 5 f i g u r e 2 1 lm o d e l s o f d i f f e r e n ts p e c i f i cf a c e s ： 5 f i g u r e 3 - ld i f f e r e n t f a c e t r a n s f o r m a t i o n s t a t e 4 3 f i g u r e 3 2 w a r p b e t w e e n t w o t r i a n g l e s 4 7 f i g u r e 3 3 a l g o r i t h mf r a m e w o r k a n a l y t i c o p t i m i z a t i o n b a s e d o np r e d i c t i o n 5 l f i g u r e 3 4c o m p a r i s o no ff e a t u r et r a c k i n gr e s u l t s ( m e a ne r r o r ) 5 8 f i g u r e 3 5c o m p a r i s o no ff e a t u r et r a c k i n gr e s u l t s ( m a xe r r o r ) 5 8 f i g u r e 3 - 6s o m e e x p e r i m e n t a l r e s u l t s o f f e a t u r e t r a c k i n g ( 1 ) 5 9 f i g u r e 3 7s o m ee x p e r i m e n t a lr e s u l t so ff e a t u r e t r a c k i n g ( 2 ) ，6 1 f i g u r e 4 15f e a t u r ep o i n t s t o b e t r a c k e d 6 4 f i g u r e 4 - 2b l o c km a t c h i n gb e t w e e nc o n n e c t i v ef r a m e s 6 5 f i g u r e 4 3b l o c km a t c h i n gb a s e do nf e e d b a c kl o o p ，6 7 f i g u r e 4 - 4d e f i n i t i o no fs c a l e ri nd i f f e r e n t a r e a 6 8 f i g u r e 4 ，5 p e r s p e c t i v e m o d e l f o rp o s e e s t i m a t i o n ，7 0 f i g u r e 4 6d e f i n i t i o no ff e a t u r el e n g t h ，7 0 j b 京工业犬学工学博士攀饺论文 f i g u r e 4 - 7s o m e t r a c k i n g r e s u l t sb a s e d o nb l o c k m a t c h i n g ，+ 。7 5 f i g u r e 4 8 t h r e e v e i o r s 髓p r e s e n t h e a d p o s e 7 6 f i g u r e 5 * 1f r a m e w o r k o f a n i m a t i o nb a s e d o n 朋卧s e g m e n t a t i o n a n d l n d e p e n d e n t l y d r v i n g 8 0 f i g u r e 5 2 m u l t i l a y e r a n i m a t i o n c o n t r o l m o d e l i n t h i s p a p e r 8 2 f i g u r e 5 3 f a c e m o d e l d r i v e n b a s e d o n g e n e r a - a n i m a t i o n m o d e 。8 3 f i g u r e 5 - 4 d a t a a c c q u i r e m e n tf o r f a p t r a i n i n g ，8 7 f i g u r e 5 。5c o m p a r i s o no fp r o j e c t i o nb a s e do np c aa n di c a 9 4 f i g u r e 5 - 6 c o m p a r i s i o n o f r e c o n s t r u c t i o n e r r o r b a s e d o n p c a a n d i c a ，。， f i g u r e 5 - 7 m e s h d e f o r m a t i o n c a u s e d b y t h e f i r s t i c a c o m p o n e n t ，9 6 f i g u r e 5 8 l o c a l d e f o r m a t i o n a r e a o f f a c e m o d e l + ，。，。9 8 f m u r e 5 。9i n t e r f a c e o f a n i m a t i o n c o m p i l e r , 。，。，。，。，。，。，。，+ ，+ 。，1 0 3 f i g u r e 5 。1 0 d i f f e r e n t i n d e p e n d e n t c o m p o n e n t a f f e c t d i f f e r e n t f a c e e x p r e s s i o n 1 0 5 f 1 g u r e 5 1 lc o m p a r i s o n o f a n i m a t i o ns y n t h e s i s r e s u l t s ( m a x e r r o r ) ，1 0 6 f i g u r e 5 1 2c o m p a r i s o no f a n i m a t i o ns f n t h e s i sr e s u l t s ( m e a ne r r o r ) 。；。+ 。1 0 6 f i g l p r e6 1f r a m e w o r ko fi n t e g r a t e ds y s t e m ，i1 3 f i g u r e 6 - 2 i n t e r f a c e o f d i f f e r e n t m o d u l e i n i n t e g r a t e d s y s t e m ，+ ，1 1 4 捶表 插表 表2 - 1 人脸建模方法的比较3 7 表3 - i 姆 委鼹踩兹实骏结果爨较( 致迸黢鼗建准蛰，5 4 表3 - 2 特征跟踪效率的比较( 改进的优化准则) 。5 4 表3 - 3 特征跟踪的实验结果比较( 基于预测的解析优化) 5 5 表3 - 4 黪垤躁踩簸率熬戳骏( 基于霰溅懿解辑爨纯，5 5 表3 - 5 特征跟踪效率的比较( 改进的仿射变换) 5 6 表3 - 6 特征跟踪的培终实验结果比较5 7 褒3 7 酶 蒌舔黯；效率憩最终魄较5 7 表4 - i 特征跟踪结果的比较7 5 表4 - 2 不同人脸特征跃艘的比较7 7 表4 - 3 褥经鼗踩缝条熬 较 表5 - i 动画结果的比较，1 0 6 豫b l 正 t a b l e t a b l e 2 w 1c o m p a r i s o no fm e t h o d sf o rf a c em o d e l i n g ：1 7 t a b l e 3 * ic o m p a p u s o n o f f e a t u r e t r a c k i n g r e s l r l t s ( i m p r o v e d o p t i m i z a t i o n p r j n c | p l e ) + + 。5 4 t a b l e 3 2 c o m p a r i s o n o ff e a t u r e t r a c k i n g e f f i c i e n c y ( i m p r o v e d o p t i m i z a t i o np r i n c i p l e ) ，5 4 t ：l b l e 3 w 3c o m p a r i s o n o ff e a t u r e t r a c k i n g r e s u l t s ( p r e d i c t i v e a n a l y t i c o p t i m i z a t i o n ) ，5 5 t a b l e 3 - 4 c o m p a r i s o n o f f e a t u r e t r a c k i n g e f f i c i e n c y ( p r e d i c t i v e a n a l y t i c o p t i m i z a t i o n ) ，。，5 5 t a b l e 3 * 5c o m p a r i s o n o ff e a t u r e t r a c k i n g e f f i c i e n c y ( i m p r o v e d a f f i n e t r a n s f o r m a t i o n ) 5 6 t a b l e 3 6 c o m p a r i s o n o f f i n a l f e a t u r e t r a c k i n g r e s u l t s 5 7 t a b l e 3 * 7c o m p a r i s o no ff i n a l f e a t u r e t r a c k i n ge f f i c i e n c y 。，。，。，。，。，+ 。+ 。5 7 t a b l e 4 1c o m p a r i s o no ff e a t u r e t r a c k i n gr e s u l t s ，7 5 t a b l e 4 。2 c o m p a r i s i o n o f d i f f e r e n t f a c ef f a t u r e l e n g t h ，。7 7 t a b l e 4 - 3c o m p a r i s o n o f f f 烈 r u r e t r a c k i n g r e s u l t s ，。+ 。，。，+ 。，。；，。，。，。；。，7 7 t a b l e 5 1c o m p a r i s o no f a n i m a t i o nr e s u l t s ，+ ，1 0 6 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签名： 关于论文使用授权的说明 日期：丝型 f 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有 权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部 或部分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名： 塑! l 导师签名： 第l 章缝论 第1 牵绪论 麓餐多媒钵瘦蠲豹强趋广泛，久翻对裁续鞠像豹佟输遮液和质量要浓越来 越高，从而对视频编码技术提出慰高的挑战。猩这种情况下，模型基编码因其 具有筒向对象的结构化特性，并且能够在低码察下避免传绕编码方法带来的方 获效巍，保籍囊孬豹主麓程觉凄爨，蠢魏褥銎l 广泛关注。 本文的目的是研究面向m p e g 4 模型基编码的人脸分析与合成的理论方 法，并在此基础上绘出算法模型，建立原型系绞。 1 。1 研究背景及意义 基予互联网络的流媒体应用的普及使得流媒体信息的传输和储存变褥| j ! ! l 益 重要。入稻对传输傣遥皱码率氇不辑遣鬟鑫嚣灏煞要求，耱握麓蠢瘸袋肖较窄 的信邋传输流媒体，而虚拟视频会议、可视电话等就是甚低码率视频编码的典 型应用。 对视频信号逡杼编码压缩静蒸穑在予，撬频穿剜中静每一颊图像本身及相 邻帧之间存在大量的冗余信息，这些冗余信息可以是在时间上也可以是猩空间 上发生。通过去除这些冗余信息，编码技术即可实现对视频债息的压缩。在上 述两静冗余信怠之外，强像序弼中还包括魏下凡种冗余信惑：信怠藕冗余，结 构冗余，视觉冗余和知识冗余。信息熵冗余也称编码冗余，宦与时间和警闻冗 余信怠一样都取决予图像数据的绒诗特性，绞称为统计冗余；结构冗余和襁觉 冗余题括人眼将泣殿纹理结陶等毪矮带来瓣冗众；知识冗佘，携图像中酝含的 信息与某些先验的知识有关，比如包含有人脸的序列中应有特定的先验知识。 从最褥单的脉鸸调制，降采徉技术到基予统计鲍熵编码，以及预测编码， 交换编码等传统编弼技术，都蔗建立在香农信爨论基础上，考虑信号鹩隧枫特 性来进行压缩的川。8 0 年代中后期，相关学科的迅速发展和新兴学科的不断出 现为图像编码的发溪注入了新的活力。人们在图像信息方藤剐增的需求墩存力 地诞谶了强豫压缩编褥技术的送疹。许多学者结合模式谈粼、诗算枫图形学、 北京工业大学工学博士学位论文 计算机视觉、神经网络、小波分析和分形几何等理论开始探索图像压缩编码的 新途径。于是，相继又涌现出一些低码率图像编码的方法，如子带编码，小波 编码，分形编码，面向对象的图像编码，模型基图像编码和语义基图像编码等。 其中9 0 年代初发展起来的基于模型的图像编码技术，是一种很有前途的适用于 低比特率的编码方法。 基于以上的技术进步，现在的国际标准在充分考虑视频的高倍压缩，保留 传统波形编码的同时，加入了对新一代基于模型编码的规定。继h 2 6 1 ，h 2 6 3 ， m p e g 一1 和m p e g 2 之后，针对视频会议、可视电话等低码率应用场合的要求， m p e g 一4 标准提出一种面向对象的图像编码方式，可以根据要求灵活地操纵控 制对象。 新一代的多媒体压缩标准m p e g 4 引入对象的概念，提出基于对象的编码 合成模式。具体地说，就是将对象定义为画面中分割出的不同物体，可以是场 景中的某一物体或背景，一段音频，也可以是计算机合成的二维、三维图形。 其中，人的头肩部图像作为一种经常出现的对象，具有典型对象的意义。 m p e g 一4 中特别引入“人脸对象”作为一种人脸的表现方式，因此本文选择面向 m p e g 4 模型基编码的人脸分析与合成问题开展研究。 1 2 面向m p e g - 4 的模型基编码 本节将介绍人脸模型基编码的一般框架，比较其与传统编码方式的区别， 并在此基础上介绍兼容于m p e g 4 模型基编码的参数标准，最后介绍m p e g 4 模型基编码的研究方向和应用。 1 2 1人脸模型基编码的一般框架 模型基编码( m o d e lb a s e dc o d i n