AI 换脸

事先说明，该篇文章中的代码是我无意中发现的，这里仅做一个分享，文末会给出参考文章，不喜勿喷。

完整源码和预训练模型可在公众号：「01二进制」后台回复：「AI换脸」获取

前言

作为一个经常逛b站的肥宅，前段时间无意中看到了一个名为"换脸哥"做的换脸视频，让杨幂“穿越”到了1994年版的《射雕英雄传》里，“代替”了朱茵，“出演”了黄蓉这个角色。视频如下（b站视频已经被删了，只能转载知乎的视频了，原地址是[杨幂“换脸”，AI换脸究竟有多可怕 - 科技富能量的文章 - 知乎]( https://zhuanlan.zhihu.com/p/57863071)）：

看完我便虎躯一震，这也太厉害了吧，这种技术一旦流行起来，ab不用去片场就能拍戏了啊，真的是躺着赚钱啊。这要是运用到H片上，岂不是:sweat_smile::sweat_smile::sweat_smile:

言归正传，作为一个coder，在看到这个视频之后我就很想知道这究竟是怎么做出来的，在查阅了一些资料后，我才发现最悲伤的事情莫过于，好不容易把源码找到了，数据集下载好了，结果显卡带不起来…

既然条件不允许，那我们只能降低成本，既然视频里的脸不好换，那就退而求其次，换一下图片里面的脸，果然在我的苦苦寻觅后，我找到了一个低配版的 Python 换脸大法：

《Switching Eds: Face swapping with Python, dlib, and OpenCV》（https://matthewearl.github.io/2015/07/28/switching-eds-with-python/）

以下内容均参考上述所标注的文章，在这感谢原作者。

接下来我将会介绍如何通过一段简短的 Python 脚本（200行左右）将一张图片中面部特征自动替换为另外一张图片中的面部特征。

具体过程分为四个步骤：

• 检测面部标志；

• 旋转、缩放和平移图 2 以适应图 1；

• 调整图 2 的白平衡以匹配图 1；

• 将图 2 的特征融合到图 1 中；

实验环境

• MacOS 10.14.3

• Python 3.7

• PyCharm

• 用到的库有：

• numpy

• dlib

• opencv-python

工具说明

numpy大家应该都很熟悉了，这里我简单介绍下dlib和opencv。

dlib

官网介绍其为：A toolkit for making real world machine learning and data analysis applications，简单来说他就是一个开源的机器学习库，包含了很多机器学习的算法。同时对外提供了C++和Python的接口。使用dlib可以大大简化开发，比如人脸识别，特征点检测之类的工作都可以很轻松实现。同时也有很多基于dlib开发的应用和开源库，比如face_recogintion库（据说识别率高达93%，有兴趣的可以查阅相关资料）。python下的安装也很简单，执行 pip install dlib 即可。

opencv

OpenCV是Intel®开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。是计算机视觉领域非常重要的一个开源库。官网地址：https://opencv.org/

开始换脸

提取面部特征

既然要换脸，我们肯定要先在图片中找到人脸，dlib中有一个函数 get_frontal_face_detector() 实现了面部特征提取，核心算法来自于 Vahid Kazemi 和 Josephine Sullivan 的论文《One Millisecond Face Alignment with an Ensemble of Regression Tree》，我也没有读过这篇论文就不解释了。提取面部特征的代码如下：

get_landmarks() 函数接受一个图片，经过处理后以 numpy 数组的形式进行处理，并返回一个 68x2 的元素矩阵。矩阵的每一行与输入图像中特定特征点的 x，y 坐标相对应。

特征提取器（predictor）需要一个大概的边界框作为算法的输入。这将由传统的面部检测器（detector）提供。该面部检测器会返回一个矩形列表，其中每一个矩形与图像中的一张人脸相对应。

生成 predictor 需要预先训练好的模型。该模型可在微信公众号「01二进制」后台回复"AI换脸"获得。

人脸对齐

有了上述方法，我们就可以提取出图片中的人脸了，但是两张照片中的人脸方向肯定都是不一致的（毕竟你不能保证每张都是证件照啊），就像下面这两张图：

这两个人脸的方向明显不一致啊，所以我们还需要对人脸进行对齐。我们现在已经获取到每张图片中人脸矩形的坐标了，剩下的就是弄明白如何旋转、平移和缩放第一个向量的所有点，使其尽可能匹配第二个向量中的点就可以了。这里运用到了一个名为 普氏分析法（Ordinary Procrustes Analysis） 的方法解决这个问题的，数学能力有限，数学依据参考注释中的链接，这里就直接放出代码吧：

之后我们再把对齐的结果利用 OpenCV 的 cv2.warpAffine 函数，将第二个图片映射到第一个图片上：

校正图片颜色

两张图片由于不同的 肤色 和 光线 造成了覆盖区域边缘的不连续。所以我们需要修正它：

图片融合

用一个蒙版（mask）来选择图 2 和图 1 应被最终显示的部分：

值为 1 (白色)的地方为图 2 应显示的区域，值为 0 (黑色)的地方为图 1 应显示的区域。值在 0 和 1 之间的地方为图 1 图 2 的混合区域。

这是生成上述内容的代码：

GetFaceMask() 函数定义是：为一张图像和一个标志矩阵生成一个蒙版。蒙版会画出两个白色的凸多边形：一个是眼睛周围的区域，一个是鼻子和嘴部周围的区域。之后，蒙版的边缘区域向外羽化 11 个像素，这可以帮助消除剩下的不连续部分。

参考

本文参考了下述文章：

1. 《Switching Eds: Face swapping with Python, dlib, and OpenCV》

2. 《萌新如何用Python实现人脸替换？》

完整源码和预训练模型可在公众号：「01二进制」后台回复：「AI换脸」获取

最后

至此，一个低配版的AI换脸就完成了，结果就如开头那样。此次实验虽然已有换脸的雏形，但是精度还远远不够，而且这种换脸如果用到视频中肯定是不堪入目的，毕竟做得好的已经是下面这样了：

方法教给大家了，图片素材大家可以自己找，玩一玩，要是能转发到朋友圈让更多人看到就更好了！

下篇更新"美国校队蔡徐坤"打篮球视频的txt版，这里先放个预览的GIF图：

喜欢的小伙伴可以长按下方二维码关注哦～。:point_down: