如何把小電影女主角換成Angelababy,一百行程式碼搞定AI換臉技術
如果說識別只是AI對人臉做出的第一件事,那麼第二件事是什麼呢?從種種跡象來看,答案只有一個,那就是給人換臉。
當然,AI不會真的去給人整容(至少目前不會),它能做的是在視訊裡給人換臉。比如最近刷屏級的小視訊可能大家都已經看過了。
視訊中的女主角(確切的說是女主角的臉)是《神奇女俠》的扮演者蓋爾·加朵。但這當然不是其本人出演了什麼令人羞恥的小電影。而是有人用深度學習技術把蓋爾·加朵的臉替換到了原片女主角的身體上。乍看之下基本沒什麼破綻,但其實兩個人是不怎麼像的。
(左為原片角色,二人差距其實不小)
接下來我將介紹如何寫一個簡短(200行)的 Python 指令碼,來自動地將一幅圖片的臉替換為另一幅圖片的臉。
這個過程分四步:
- 檢測臉部標記。
- 旋轉、縮放、平移和第二張圖片,以配合第一步。
- 調整第二張圖片的色彩平衡,以適配第一張圖片。
- 把第二張影象的特性混合在第一張影象中。
1.使用 dlib 提取面部標記
該指令碼使用dlib的 Python 繫結來提取面部標記(landmark landmark主要是把人臉的那些關鍵點定位好,就可以大概確定人臉的角度偏移等資訊,以便接下來的人臉對準之類的操作。):
dlib配置:
1. 官網下載dlib包並解壓:
tar xvfj dlib**.tar.bz2
2. 進入dlib root 路徑,並執行setup.py.
python setup.py install
這個過程要是遇到要安裝包就根據提示一步步安裝吧~
3. 新增dlib的環境變數:
sudo gedit .bashrc
export PYTHONPATH=/path/to/dlib/python_examples:$PYTHONPATH
source .bashrc
4. 測試安裝是否成功:
python
import dlib
Dlib 實現了 Vahid Kazemi 和 Josephine Sullivan 的《使用迴歸樹一秒臉對準》論文中的演算法。演算法本身非常複雜,但dlib介面使用起來非常簡單:
PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(PREDICTOR_PATH)
def get_landmarks(im):
rects = detector(im, 1)
if len(rects) > 1:
raise TooManyFaces
if len(rects) == 0:
raise NoFaces
return numpy.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()])
get_landmarks()函式將一個影象轉化成numpy陣列,並返回一個68×2元素矩陣,輸入影象的每個特徵點對應每行的一個x,y座標。
特徵提取器(predictor)需要一個粗糙的邊界框作為演算法輸入,由一個傳統的能返回一個矩形列表的人臉檢測器(detector)提供,其每個矩形列表在影象中對應一個臉。
2.用 Procrustes 分析調整臉部
現在我們已經有了兩個標記矩陣,每行有一組座標對應一個特定的面部特徵(如第30行的座標對應於鼻頭)。我們現在要解決如何旋轉、翻譯和縮放第一個向量,使它們儘可能適配第二個向量的點。一個想法是可以用相同的變換在第一個影象上覆蓋第二個影象。
將這個問題數學化,尋找T,s 和 R,使得下面這個表示式:
結果最小,其中R是個2×2正交矩陣,s是標量,T是二維向量,pi和qi是上面標記矩陣的行。
事實證明,這類問題可以用“常規Procrustes分析法”解決:
def transformation_from_points(points1, points2):
points1 = points1.astype(numpy.float64)
points2 = points2.astype(numpy.float64)
c1 = numpy.mean(points1, axis=0)
c2 = numpy.mean(points2, axis=0)
points1 -= c1
points2 -= c2
s1 = numpy.std(points1)
s2 = numpy.std(points2)
points1 /= s1
points2 /= s2
U, S, Vt = numpy.linalg.svd(points1.T * points2)
R = (U * Vt).T
return numpy.vstack([numpy.hstack(((s2 / s1) * R,
c2.T - (s2 / s1) * R * c1.T)),
numpy.matrix([0., 0., 1.])])
程式碼實現了這幾步:
1.將輸入矩陣轉換為浮點數。這是後續操作的基礎。
2.每一個點集減去它的矩心。一旦為點集找到了一個最佳的縮放和旋轉方法,這兩個矩心 c1 和 c2 就可以用來找到完整的解決方案。
3.同樣,每一個點集除以它的標準偏差。這會消除元件縮放偏差的問題。
4.使用奇異值分解計算旋轉部分。可以在維基百科上看到關於解決正交 Procrustes 問題的細節。
5.利用仿射變換矩陣返回完整的轉化。
其結果可以插入 OpenCV 的 cv2.warpAffine 函式,將影象二對映到影象一:
def warp_im(im, M, dshape):
output_im = numpy.zeros(dshape, dtype=im.dtype)
cv2.warpAffine(im,
M[:2],
(dshape[1], dshape[0]),
dst=output_im,
borderMode=cv2.BORDER_TRANSPARENT,
flags=cv2.WARP_INVERSE_MAP)
return output_im
對齊結果如下:
3.校正第二張影象的顏色
如果我們試圖直接覆蓋面部特徵,很快會看到這個問題:
這個問題是兩幅影象之間不同的膚色和光線造成了覆蓋區域的邊緣不連續。我們試著修正:
COLOUR_CORRECT_BLUR_FRAC = 0.6
LEFT_EYE_POINTS = list(range(42, 48))
RIGHT_EYE_POINTS = list(range(36, 42))
def correct_colours(im1, im2, landmarks1):
blur_amount = COLOUR_CORRECT_BLUR_FRAC * numpy.linalg.norm(
numpy.mean(landmarks1[LEFT_EYE_POINTS], axis=0) -
numpy.mean(landmarks1[RIGHT_EYE_POINTS], axis=0))
blur_amount = int(blur_amount)
if blur_amount % 2 == 0:
blur_amount += 1
im1_blur = cv2.GaussianBlur(im1, (blur_amount, blur_amount), 0)
im2_blur = cv2.GaussianBlur(im2, (blur_amount, blur_amount), 0)
# Avoid divide-by-zero errors.
im2_blur += 128 * (im2_blur <= 1.0)
return (im2.astype(numpy.float64) * im1_blur.astype(numpy.float64) /
im2_blur.astype(numpy.float64))
結果如下:
此函式試圖改變 im2 的顏色來適配 im1。它通過用 im2 除以 im2 的高斯模糊值,然後乘以im1的高斯模糊值。這裡的想法是用RGB縮放校色,但並不是用所有影象的整體常數比例因子,每個畫素都有自己的區域性比例因子。
用這種方法兩影象之間光線的差異只能在某種程度上被修正。例如,如果影象1是從一側照亮,但影象2是被均勻照亮的,色彩校正後影象2也會出現未照亮一側暗一些的問題。
也就是說,這是一個相當簡陋的辦法,而且解決問題的關鍵是一個適當的高斯核函式大小。如果太小,第一個影象的面部特徵將顯示在第二個影象中。過大,核心之外區域畫素被覆蓋,併發生變色。這裡的核心用了一個0.6 *的瞳孔距離。
4.把第二張影象的特徵混合在第一張影象中
用一個遮罩來選擇影象2和影象1的哪些部分應該是最終顯示的影象:
值為1(顯示為白色)的地方為影象2應該顯示出的區域,值為0(顯示為黑色)的地方為影象1應該顯示出的區域。值在0和1之間為影象1和影象2的混合區域。
這是生成上圖的程式碼:
LEFT_EYE_POINTS = list(range(42, 48))
RIGHT_EYE_POINTS = list(range(36, 42))
LEFT_BROW_POINTS = list(range(22, 27))
RIGHT_BROW_POINTS = list(range(17, 22))
NOSE_POINTS = list(range(27, 35))
MOUTH_POINTS = list(range(48, 61))
OVERLAY_POINTS = [
LEFT_EYE_POINTS + RIGHT_EYE_POINTS + LEFT_BROW_POINTS + RIGHT_BROW_POINTS,
NOSE_POINTS + MOUTH_POINTS,
]
FEATHER_AMOUNT = 11
def draw_convex_hull(im, points, color):
points = cv2.convexHull(points)
cv2.fillConvexPoly(im, points, color=color)
def get_face_mask(im, landmarks):
im = numpy.zeros(im.shape[:2], dtype=numpy.float64)
for group in OVERLAY_POINTS:
draw_convex_hull(im,
landmarks[group],
color=1)
im = numpy.array([im, im, im]).transpose((1, 2, 0))
im = (cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT), 0) > 0) * 1.0
im = cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT), 0)
return im
mask = get_face_mask(im2, landmarks2)
warped_mask = warp_im(mask, M, im1.shape)
combined_mask = numpy.max([get_face_mask(im1, landmarks1), warped_mask],
axis=0)
我們把上述過程分解:
- get_face_mask()的定義是為一張影象和一個標記矩陣生成一個遮罩,它畫出了兩個白色的凸多邊形:一個是眼睛周圍的區域,一個是鼻子和嘴部周圍的區域。之後它由11個畫素向遮罩的邊緣外部羽化擴充套件,可以幫助隱藏任何不連續的區域。
- 這樣一個遮罩同時為這兩個影象生成,使用與步驟2中相同的轉換,可以使影象2的遮罩轉化為影象1的座標空間。
- 之後,通過一個element-wise最大值,這兩個遮罩結合成一個。結合這兩個遮罩是為了確保影象1被掩蓋,而顯現出影象2的特性。
最後,使用遮罩得到最終的影象:
output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask
再附上兩張圖片素材給大家做到實時換臉:
需要完整程式碼練習的可以掃描二維碼: