[发明专利]一种轻量级快速人脸交换的算法

说明书

本发明涉及一种轻量级快速人脸交换的算法。该算法包括以下步骤：S1：检测第一图像的面部特征；S2：旋转、缩放和平移第二图像，使所述第二图像与所述第一图像相适应；S3：调整所述第二图像的色彩平衡，使所述第二图像与所述第一图像相匹配；以及S4：将所述第二图像的特性混合在所述第一图像中。本发明解决了在人脸交换中模型建立过程的长期性与特定性的问题，使得换脸过程更加便捷、轻量化。

技术领域

本发明涉及计算机多媒体技术领域，具体地涉及一种轻量级快速人脸交换的算法。

背景技术

目前，人脸交换的出现最早源于网络上流传的视频，视频中普通人物的人脸被当红明星的人脸所替换，看起来几乎毫无破绽，达到了以假乱真的效果。随着类似视频的大量传播，网络上不断有人发表文章和报道，抨击人脸交换技术的滥用，断言这项技术将对社会产生巨大的负面影响。比如侵犯明星人物的肖像权、加剧虚假新闻的散播和动摇视频作为证据的可信度等。但是，一切事物都具有两面性。如何将这项技术用上正道，发挥它的积极作用是值得思考的问题。

人脸交换技术，顾名思义，将目标图片中的人脸转移到指定图片中的人脸进行替换，使得输出的图片具备未编辑的真实感。它可能在以下领域被应用：一、视频内容制作。事实上，人脸交换在电影制作领域早已实际应用，但其过程相当复杂，需要专业的视频剪辑师和CGI专家花费大量时间和精力才能实现。深度学习在人脸交换技术的应用改变了这一现状，只需要一个GPU、相应模型和足够的训练数据，即使对视频剪辑一窍不通，只要将足够的人脸图像样本输入至模型(算法)就能够制作出逼真的换脸视频。该技术在影视领域能带来新的机遇，比如，让一些不知名的演员来拍电影，根据市场需求以及观众的喜好，用大牌演员的脸进行替换。这不仅可以降低视频的制作成本，而且能降低对视频剪辑师的专业性要求。二、社交App。目前市面上已有不少软件，将用户的人脸替换于古装、卡通和玄幻等各种风格人物造型面部，兴起了换脸的潮流，以此吸引了一大批忠实用户。随着人脸交换技术的发展，它势必将以更成熟的形式呈现在我们的视线当中。比如，可以具备生成不同发色、性别、年龄甚至表情等自定义功能；自由选择场景制作视频贺卡；让用户体验成为经典电影主角的乐趣。无论是哪种形式，它必将在社交App方面有一席之地。三、明星人脸许可认证。商家在支付明星相应费用的前提下，在人体模特上拍摄配套的服装，挑选明星的脸和对应姿势，一键生成可以投放市场宣传的照片。这不仅可以增加社交网络上任何有影响力的人的收入来源，其次还为商家提供了品牌推广的新途径。更重要的是，还可以在没有模特或摄影师的情况下随意改变照片的风格。四、人脸数据增强。在深度学习应用领域，往往需要大量的样本数据，才能使得模型具有较好的效果。但不同于公众人物，大多数普通人物，通常没有足够的图像样本。而人脸交换技术提供了潜在的可能性，只需要一张图像样本，即可生成足够多的样本，从而解决训练数据不足的问题。

DeepFakes作为人脸交换技术前期的代表作品，其呈现的效果令人惊讶。但就目前而言，它的局限性同样很明显。首先，它必须拥有大量的目标图片作为样本，才能取得较好的效果。通常需要300-2000张目标人脸照片，这个数量取决于样本人脸的变化程度，以及与原始目标照片的匹配程度。因此，极大程度上限制了DeepFakes的发挥，它比较适用于公众人物，而不适用于大众人物。其次，训练的数据必须具有一定的代表性。比如，要生成特定的面部表情，训练数据中必须大量包含该表情。同样地，这将体现在大众人物和公众人物的表现效果上。对于大众人物，DeepFakes生成的人脸主要是正面朝前的。而对于公众人物，生成的效果会更加的自然和逼真，因为能够轻松的取得其各个角度的样本图片。最后，对于DeepFakes而言，建立一个换脸模型伴随着大量的时间与金钱的消耗。比如使用GPU经过72小时的训练才能取得较好的换脸效果。最严重的问题是，一个模型只是针对进行人脸交换的特定人物，也就意味着，一个模型的投资并不能解决其他的人脸交换。