效果展示

动态效果

静态效果

未完待续。。。

素材

项目讲解、代码和素材

开发环境

win7sp1

python                 3.6.3

dlib                      19.7.0

tensorflow            1.3.0rc0

keras                     2.1.5

opencv-python      3.4.1+contrib

pillow                    4.2.1

numpy                   1.14.1+mkl

numpy                   1.12.1

实现步骤

1.读取图片

2.识别人脸

3.人脸区域用狗头图片替换

4.展示效果

通过对人脸大小(宽和高度)、左右、上下摆动、人脸倾斜度、色彩等计算，可以生成算法变换新脸，更优化新脸和背景的融合。

项目代码

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# video_face_swap.py

import os

import numpy as np

import sys

import time

import cv2

import dlib

from keras.preprocessing import image as imagekeras

from keras.models import load_model

from PIL import Image, ImageDraw, ImageFont

size = 150

save_dir = os.path.join(os.getcwd(), 'saved_models')

model_name = 'keras_face_trained_model.h5'

# 类别编码转换为中文名称返回

def return_name(codelist):

names = ['樊胜美', '关雎尔', '邱莹莹']

for it in range(0, len(codelist), 1):

if int(codelist[it]) == 1.0:

return names[it]

# 类别编码转换为英文名称返回

def return_name_en(codelist):

names = ['fsm', 'gje', 'qyy']

for it in range(0, len(codelist), 1):

if int(codelist[it]) == 1.0:

return names[it]

# 换脸

def swap_face(img1,rectangle1):

# 加载新脸图片

img2 = cv2.imread('dog2.png')

# 获取人脸宽度

w = (rectangle1.right() - rectangle1.left()) * 1.5

w = int(w)

# 调整新脸图片大小

img2 = cv2.resize(img2, (w, w))

# 截取背景图片被替换部分图片

top = rectangle1.top()- 20

left = rectangle1.left() - 20

roi = img1[top:top + w, left:left + w]

# 生成新脸掩码

img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

ret, mask = cv2.threshold(img2gray, 254, 255, cv2.THRESH_BINARY)

mask_inv = cv2.bitwise_not(mask)

# 取roi 中与mask 中不为零的值对应的像素的值，其他值为0

# 注意这里必须有mask=mask 或者mask=mask_inv, 其中的mask= 不能忽略

img1_bg = cv2.bitwise_and(roi, roi, mask=mask)

# 取roi 中与mask_inv 中不为零的值对应的像素的值，其他值为0。

# 提取新脸图片中脸部分(背景去掉)

img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)

# 背景和新脸合成

dst = cv2.add(img1_bg, img2_fg)

img1[top:top + w, left:left + w] = dst

return img1

# 区分和标记视频中截图的人脸

def face_rec():

global image_ouput

model = load_model(os.path.join(save_dir, model_name))

camera = cv2.VideoCapture("2.mp4") # 视频

# camera = cv2.VideoCapture(0) # 摄像头

while (True):

read, img = camera.read()

try:

# 未截取视频图片结束本次循环

if not (type(img) is np.ndarray):

continue

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图片转为灰度图

except:

print("Unexpected error:", sys.exc_info()[0])

break

# 使用detector进行人脸检测

# 使用dlib自带的frontal_face_detector作为我们的特征提取器

detector = dlib.get_frontal_face_detector()

dets = detector(gray_img, 1) # 提取截图中所有人脸

facelist = []

for i, d in enumerate(dets): # 依次区分截图中的人脸

x1 = d.top() if d.top() > 0 else 0

y1 = d.bottom() if d.bottom() > 0 else 0

x2 = d.left() if d.left() > 0 else 0

y2 = d.right() if d.right() > 0 else 0

img = cv2.rectangle(img, (x2, x1), (y2, y1), (255, 0, 0), 2) # 人脸画框

face = img[x1:y1, x2:y2]

face = cv2.resize(face, (size, size))

x_input = np.expand_dims(face, axis=0)

prey = model.predict(x_input) # 人脸标记预测

facelist.append([d, return_name(prey[0])]) # 存储一张图中多张人脸坐标和标记(姓名)

cv2_im = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cv2和PIL中颜色的hex码的储存顺序不同

pil_im = Image.fromarray(cv2_im)

# 图片上打印

draw = ImageDraw.Draw(pil_im)

# 第一个参数为字体文件路径，第二个为字体大小

font = ImageFont.truetype("simhei.ttf", 20, encoding="utf-8")

try:

for i in facelist:

# 人脸标记写入图片，第一个参数为打印的坐标，第二个为打印的文本，第三个为字体颜色，第四个为字体

draw.text((i[0].left() + int((i[0].right() - i[0].left()) / 2 - len(i[1]) * 10), i[0].top() - 20), i[1],

(255, 0, 0), font=font)

# PIL图片转换为cv2图片

cv2_char_img = cv2.cvtColor(np.array(pil_im), cv2.COLOR_RGB2BGR)

# 随机人脸用新脸替换

cv2_swap_img = swap_face(cv2_char_img, facelist[0][0])

except:

print("Unexpected error:", sys.exc_info()[0])

continue

# 显示标记和换脸后图片

cv2.imshow("camera", cv2_swap_img)

if cv2.waitKey(1) & 0xff == ord("q"):

break

cv2.destroyAllWindows()

if __name__ == "__main__":

face_rec()

完整项目下载

为方便没积分童鞋，请加企鹅，共享文件夹。

包括：代码、数据集合(图片)、已生成model、安装库文件等。