3.6 创建你的Avatar
Kinect可以识别追踪你的声音和肢体语言，但是面部表情呢？在CES 2011上，微软CEO鲍尔默曾以卡通形象出场，并且介绍Kinect Avatar服务，如图3-49所示。
Avatar卡通人物与真人相比特征鲜明，其可对你的面部表情进行识别并展示。Avatar Kinect为用户提供了一个虚拟平台，免费提供给所有Xbox Live会员，你可以与好友进行面对面的聊天交流。它能识别你的表情、眼神、口形、皱眉，这样可使用户更加“真实”地进行聊天，仿佛聚会时围坐一圈畅谈人生。
你站在那里，Kinect Avatar就出现了，举手投足，动作一致；一颦一笑，栩栩如生。这些在技术上如何实现的呢？
3.6.1 “有骨有肉”
前面我们花了很多篇幅来分析Kinect如何从深度图像中识别出人体骨骼，事实上Avatar是在人体骨骼基础上的进一步丰满的肢体。Avatar构建的整个过程好比人体素描，先勾勒出人体骨骼，再画出肌肉。
3.6.2 泊松方程噪声滤除
首先，我们来看如何创建与用户体型一致的Avatar身体。事实上，由于Kinect受成本所限，硬件能力并不强，因此，深度图像分辨率也不高。人体经过Kinect扫描得到的深度图，仿佛月球表面一样凹凸不平。如何将粗糙的表面还原为平滑的表面呢？传统图像处理中，中值滤波这种非线性平滑技术常用来保护边缘信息，是一种经典的平滑噪声的方法。
Kinect采用了泊松方程等算法进行噪声滤除，通过这种方法可判断人体表面特征点是噪声还是真实的存在。从技术算法层面上来看，先抓取特征点周边表面的角度和朝向，进而判断该点可能存在于空间的位置。同时根据朝向判断，在特征点周围形成一个虚拟的距离场。
泊松方程用于帮助建立这个距离场。根据采样特征点的位置，尽可能平均估计它对周围的影响，估计周围表面距离场情况。如果真实物体表面有一个洞的话，那么它的影响可以很好地扩散到周围，进而获得非常平滑的形状。每个特征点的最终状态和特征并不仅仅取决于它本身，还取决于周围很多点。如果在采样面中有一个凸起的点，这个点周围的点在朝向特性上都没有表现出这里有凸起的趋势，那么这个点就被判定为噪声并被去除，反之则保留。由于Kinect采样精度的限制，细小的表面特征信息也可能被误判为噪声。
3.6.3 粗糙变平滑、缺陷自动补齐
鲜活的Avatar表情是如何创建的呢？对很多需要实时绘制的娱乐类游戏来说，3000个顶点的人脸3D模型已经十分真实，目前Kinect的红外摄像头可以提供320×240的分辨率，可采集的特征点已经远远超过10000，除了脸上的皱纹之外，生成的多边形顶点人脸可表现绝大部分的表情特征。前面已经谈到，人脸表面的深度图像会出现缝隙和不连续的区域，修补这些缺陷主要借助上面所提到的泊松方程和平滑算法，判断漏洞附近的表面朝向，进而实现自动修补，从而粗糙变平滑、缺陷自动补齐。因此，你看到的Kinect Avatar一颦一笑，栩栩如生。
这其中涉及广泛的计算机视觉和图形学的知识，它们在深入理解问题并创建有效视觉交流方面的作用，已得到公认。
