python实现视频ai换脸源代码,ai换脸视频生成

　　留胡子的绿茶/L

　　head.jpgface.jpgoutput.jpg

　　#-* -编码：utf-8-* -

　　#版权2015年年伊格迪丘伯爵

　　#特此许可任何人免费获取副本

　　# of thioftwareandassociateddocumentationfiles(软件),以交易

　　# inthesoftwarewarewithouttrestriction，包括没有限制权利

　　#使用、复制、修改、合并、发布、分发、再许可和/或销售

　　#软件的副本，以及操作人员的家庭软件

　　#按照以下条件3360提供

　　#包含上述版权通知和许可通知

　　#软件得所有副本或实体部分。

　　#软件按"原样"提供，不含任何形式的明示担保

　　#或隐含，包括包括但不限于其他担保

　　#适销性，适合特定用途完美的未来e和不侵权。在…里

　　#损害赔偿或其他责任，无论是在合同、侵权或

　　#否则，产生于、出于与软件相关联

　　# useorotherdealingsinthesoftware。

　　thisithecodehindtheswitchedsblogpost:

　　马修earl.github.io/2015/07/28街3358号交换- eds-with-python /

　　见下面代码的解释。

　　torunthecriptyou llneedtoinstalldlib(http://dlib . net)包括其

　　sourceforge:

　　3358来源forge.net/projects/DC lib/files/dlib/v 18.10/shape _ predictor _ 68 _ face _ landmarks。dat。bz2

　　用" bunzip2 "解压缩，并将"预测器_路径"更改为" torefertothisfile "

　　脚本是这样运行的：/faceswap.py

　　如果成功，一个文件" output.jpg "将与面部特征一起产生

　　来自`

　　从""中替换了。

　　数组

　　sys.argv=[faceswap.py ， head.jpg ， face.jpg]

　　# PREDICTOR _ PATH=/home/matt/DLI b-18.16/shape _ PREDICTOR _ 68 _ face _ landmarks。“日期”

　　PREDICTOR_PATH= ./dat/shape _ predictor _ 68 _ face _ landmarks。“日期”

　　比例因子=1

　　FEATHER_AMOUNT=11

　　FACE_POINTS=list(范围(17,68))

　　MOUTH_POINTS=list(range(48，61))

　　RIGHT _ BROW _ POINTS=list(range(17，22))

　　LEFT_BROW_POINTS=list(range(22，27))

　　RIGHT_EYE_POINTS=list(range(36，42))

　　LEFT_EYE_POINTS=list(范围(42,48))

　　NOSE_POINTS=list(range(27，35))

　　JAW_POINTS=list(范围(0,17))

　　#用于排列图像的点数。

　　ALIGN_POINTS=(左眉点右眼点左眼点

　　右眉分鼻分口分)

　　#第二幅图像中要叠加在第一幅图像上的点。每个的凸包

　　#元素将被覆盖。

　　OVERLAY_POINTS=[

　　左_眼_点右_眼_点左_眉_点右_眉_点，

　　鼻子_分嘴巴_分，

　　#色彩校正期间使用的模糊量，作为的一部分

　　#瞳孔距离。

　　颜色_正确_模糊_FRAC=0.6

　　检测器=dlib。get _ frontier _ face _ detector()

　　预测值=dlib。形状预测器(预测器路径)

　　类太多面（异常):

　　及格

　　类别无表情(例外):

　　及格

　　def get_landmarks(im):

　　如果透镜（矩形)1:

　　如果len(rects)==0:

　　定义注释_地标(即时消息，地标):

　　对于idx，指向枚举（地标):

　　pos=(点[0,0],点[0,1])

　　cv2.putText(im，str(idx)，pos，

　　fontFace=cv2 .FONT_HERSHEY_SCRIPT_SIMPLEX，

　　fontScale=0.4，

　　color=(0，0，255))

　　cv2.circle(im，pos，3，color=(0，255，255))

　　def draw_convex_hull(im，points，color):

　　points=cv2 .凸包(点数)

　　cv2。fillclunpoly(im，points，color=color)

　　def get_face_mask(即时消息，地标):

　　对于覆盖点中的组：

　　draw_convex_hull(im，

　　地标[群],

　　color=1)

　　定义转换点(点1,点2):

　　返回仿射变换[s * R T]，使得：

　　总和s*R*p1，i T - p2,i^2

　　被最小化。

　　#通过减去形心来解决古代希腊的强盗问题

　　#标准差，然后使用德拉贡诺夫狙击步枪（Snayperskaya Vinyovka Dragunov的缩写）来计算旋转。看见

　　#以下为更多详情：

　　# https://en.wikipedia.org/wiki/Orthogonal_Procrustes_problem

　　点1=点1。as类型(numpy。浮动64)

　　点2=点2。as类型(numpy。浮动64)

　　c1=numpy .均值(点1,轴=0)

　　c2=numpy .均值(点2,轴=0)

　　点1 -=c1

　　点2 -=c2

　　s1=numpy.std(点s1)

　　s2=numpy.std(点s2)

　　点s1 /=s1

　　点s2 /=s2

　　u，S，Vt=numpy.linalg.svd(points1 .T *点2)

　　#我们寻求的稀有实际上是U * Vt给出的稀有的转置。这

　　#是因为上面的公式假设矩阵在右边

　　#(带行向量)其中我们的解决方案要求矩阵位于

　　#左（带列向量)。

　　R=(U * Vt).T

　　c2 .T - (s2/s1) * R * c1 .t))，

　　numpy.matrix([0 . 0. 1.])])

　　def read_im_and_landmarks(fname):

　　s=获取地标(即时消息)

　　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 .边框透明，

　　flags=cv2 .WARP_INVERSE_MAP)

　　定义正确_颜色(im1、im2、地标1):

　　模糊_数量=颜色_正确_模糊_ FRAC *数量。利纳格。lmd由(

　　numpy。均值(界标S1[左眼点]，轴=0) -

　　numpy.mean(地标1[右眼点],轴=0))

　　模糊数量=int(模糊数量)

　　如果模糊数量% 2==0:

　　模糊数量=1

　　#避免被零除的错误。

　　m=transformation _ from _ POINTS(landmark s 1[ALIGN _ POINTS])，

　　地标2[对齐点])

　　mask=get_face_mask(im2，landmarks2)

　　扭曲_遮罩=扭曲_im(遮罩，M，im1.shape)

　　combined _ mask=numpy。max([get _ face _ mask(im1，landmarks1)，warped_mask)，

　　轴=0)

　　warped_im2=warp_im(im2，M，im1.shape)

　　warped _ corrected _ im2=correct _ colors(im1，warped_im2，landmarks1)

　　output_im=im1 * (1.0 -组合_掩码)扭曲_校正_im2 *组合_掩码

　　cv2.imwrite(output.jpg ，output_im)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读