week8

在電腦視覺監控產學研聯盟中發現一篇技術報導-人臉模型的個體差異與表情差異， 內容是假設表情可以量化的話，那就可以透過人臉模型，在A的臉上合成出與B同樣燦爛的笑容。現在新的數位相機裡，有一種對微笑聚焦的功能，也是有運用到搜尋微笑的形狀在照片中位置是多少這個原理吧！
其內容還說到表情的產生，是由皮膚下的肌肉收縮牽動皮層而產生變化。網站上有提到兩種量化找尋，[1] Lu Xiaoguang 是以特徵點，其意義有如肌肉與皮膚和骨骼相連之處，紀錄這六個點因為表情所產生的改變，在不同的人臉上加上這些變化，而在人臉模型上有如臉皮一樣的紋理(texture)則以Thin Plate Spline (TPS) 的方式做扭曲。如此可在不同人的樣板上，合成出相似的表情變化。

其[2]是醫學研究告訴我們，人臉共有88條肌肉，我們很難找出所有相連的點來合成他的變化。因此在 [2] 中，Chang 以雙線性(Bilinear)的來組合人臉與表情的變化。



後來一位研究人員 Costen 在 2000 年的研究報告中提出更簡單的方法。他們將人臉的訓練資料再分成四個子集合(個體、表情、角度、光線)，每個以PCA來分析其子空間。假設，這些子空間，彼此是非正交(orthogonal)的。那麼，要將人臉分成不同特性的成份時，要能夠讓下式
最小化。 是第 j 子空間中，相對於第 i 個特徵向量的特徵值。 則是輸入資料相對於這個特徵向量得的權重。而在他的實驗結果中發現，個體與表情的子空間彼此的重疊性極少，這個發現即有助於我們能簡單的將他們區分出來。