目錄

開發環境

執行機制

案例效果

案例下載

• 開發環境

1. Python 2.X或Python3.X
2. OpenCV
3. NumPy
4. DLIB
5. pygame
6. PyOpenGL
7. 必須從此處下載面部對齊模型：http：//sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2並將其解壓縮到主專案目錄。

• 執行機制

首先，我們獲取輸入影象（我們想要在自己的臉上看到的人的影象）並找到面部區域及其地標。一旦我們得到了我們將3D模型擬合到那些地標（稍後更多），投射到影象空間的模型的頂點將是我們的紋理座標。一旦完成並且所有內容都已初始化，相機將開始捕獲影象。對於每個捕獲的影象，執行以下步驟：

1. 檢測面部區域並定位面部標誌。
2. 3D模型適用於定位的地標。
3. 使用pygame渲染3D模型，其中初始化期間獲得紋理。
4. 使用羽化（α混合）和非常簡單的顏色校正將渲染模型的影象與從相機獲得的影象混合。
5. 最終影象顯示給使用者。

整個過程中最關鍵的因素是3D模型的擬合。該模型本身包括：

1. 中性面的3D形狀（頂點集），
2. 一些混合形狀，可以新增到中性面，以產生張口，眉毛等，
3. 面部形狀的一組三元組，形成面部的三角形網格，
4. 兩組索引，用於建立由界標定位器找到的界標與3D面部形狀的頂點之間的對應關係。

使用以下等式將模型投影到影象空間中：

其中s是投影形狀，a是縮放參數，P是旋轉3D表面形狀的旋轉矩陣的前兩行，S_0是中性面形狀，w_1-n是混合形狀權重，S_1-n是blendshapes，t是2D平移向量，n是混合形狀的數量。

通過最小化投影形狀和區域性標誌之間的差異來完成模型擬合。使用高斯牛頓法，相對於混合形狀權重，縮放，旋轉和平移完成最小化。

• 案例效果

接下來使用實時視訊將愛因斯坦的臉移植到我的臉上~

原圖片如下：

移植後效果如下： 

• 案例下載

案例Demo下載：https://download.csdn.net/download/m0_38106923/10593086