CN113361320A - 基于稠密人脸关键点的视频换脸方法、系统、介质及设备 - Google Patents
基于稠密人脸关键点的视频换脸方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN113361320A CN113361320A CN202110372505.0A CN202110372505A CN113361320A CN 113361320 A CN113361320 A CN 113361320A CN 202110372505 A CN202110372505 A CN 202110372505A CN 113361320 A CN113361320 A CN 113361320A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- video
- source
- changing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000009466 transformation Effects 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000007499 fusion processing Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于稠密人脸关键点的视频换脸方法、系统、介质及设备,利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标,进而所述源人脸图像的源图脸;获得人脸对齐的变换矩阵,依据所述变换矩阵将进行人脸替换,得到初始换脸图;利用预设的人脸融合算法对所述初始换脸图进行融合处理,并映射到所述视频中对应帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。本发明的基于稠密人脸关键点的视频换脸方法、系统、介质及设备,适用于在硬件配置较低情况下的视频各个角色的人脸较高精度替换,并且易于落地部署,可适配不同摄像设备之间的差异。
Description
技术领域
本发明涉及人脸检测技术领域,特别是涉及一种基于稠密人脸关键点的视频换脸方法、系统、介质及设备。
背景技术
随着人工智能领域的发展,越来越多的人脸应用被大众所发掘,其中AI换脸由于其广泛的可应用性和趣味性成为了一个热点方向,早期的换脸应用多是因为电影的艺术需要,使用专业视频剪辑技术和特效技术实现人物角色替换等场景,现阶段AI换脸的应用则更为广泛,例如,部分美图APP通过换脸实现不同样貌的拍照;影视作品中通过换脸进行对应角色的演绎等等。
目前,主流的视频换脸技术大多是基于深度学习的Deepface框架进行换脸,此方法存在如下一些问题:其一,依赖于大量的人脸训练数据以及对设备的硬件要求较高,需要配备高频的CPU处理器或者大内存的GPU处理器;其二,Deepface框架每次训练特征提取器仅限于点对点的两张人脸,在应用时缺少泛化性,没法做到模型可以适用于各个不同人脸的替换。极大程度上影响了换脸功能在应用时可拓展性和广泛性。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于稠密人脸关键点的视频换脸方法、系统、介质及设备,用于解决现有技术中模型泛化性不足且成本高的问题。
为实现上述目的及其他相关目的,本发明提供一种基于稠密人脸关键点的视频换脸方法,所述方法包括:利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
于本发明的一实施例中,对所述视频进行取帧,并逐帧进行人脸检测定位,得到所述目标人脸图像的人脸框图和关键点坐标。
于本发明的一实施例中,通过所述三角剖分法对所述源人脸图像的关键点坐标进行分析,获得覆盖所述源人脸图像不同区域的封闭三角形,然后扣取所有的三角形组成仅有面部信息的图像以形成所述源图脸。
于本发明的一实施例中,对所述源图脸进行仿射变换,得到所述源人脸图像关键点坐标与所述目标人脸图像关键点坐标的对应关系,依据所述对应关系计算得到所述源图脸与所述目标人脸图像对齐的所述变换矩阵,进而通过像素覆盖的方式进行人脸替换。
于本发明的一实施例中,所述预设的人脸检测模型包括Dlib检测模型和/或retinaface检测器。
于本发明的一实施例中,所述预设的人脸融合法包括泊松融合和/或直方图融合,其中,所述泊松融合通过对换脸后的人脸贴合图构建泊松方程求解像素最优解,保留所述目标人脸图像的原始图像梯度,以实现人脸衔接处梯度域上的连续。
于本发明的一实施例中,更改所述源人脸图像的颜色以匹配所述目标人脸图像的颜色,以每个所述关键点坐标作为中心点,构建特定边长的正方形区域并计算其高斯模糊值,分别得到所述源人脸图像与所述目标人脸图像各关键点的高斯模糊值及对应关键点的比值,将所述源人脸图像的各点像素值与该点对应的所述比值进行相乘以完成所述修正颜色。
为实现上述目的及其他相关目的,本发明提供一种上述的基于稠密人脸关键点的视频换脸系统,所述系统包括:
检测模块,用于利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;
获取模块,用于利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;
替换模块,用于获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;
处理模块,用于利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
为实现上述目的及其他相关目的,本发明提供一种上述的计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述基于稠密人脸关键点的视频换脸方法。
为实现上述目的及其他相关目的,本发明提供一种上述的电子设备,所述电子设备包括:所述存储器用于存储计算机程序,所述处理器用于加载执行所述计算机程序,以使所述电子设备执行所述的基于稠密人脸关键点的视频换脸方法。
如上所述,本发明的基于稠密人脸关键点的视频换脸方法、系统、介质及设备,提出了一套完备的视频人脸替换方案,适用于在硬件配置较低情况下的视频各个角色的人脸较高精度替换,从而有效改善换脸技术在产品应用时的不易落地的情况,即本发明易于落地部署,适用于不同摄像设备之间的差异,图像拍摄的时间、地点随机,且光线、角度、姿态各异等情况下,能够快速有效进行换脸,无需大量的训练数据支撑,无需复杂的网络结构,仅通过Dlib库、仿射变换以及泊松融合等易实现的经典算法即可进行较高精度的换脸,完美解决Deepface带来的模型泛化性不足的问题,此外发明具有简单性、有效性,具有较高的迁移性和优化空间。
附图说明
图1显示为本发明的基于稠密人脸关键点的视频换脸方法于一实施例中的方法步骤图;
图2显示为本发明的基于稠密人脸关键点的视频换脸方法于一实施例中的人脸检测示意图;
图3显示为本发明的基于稠密人脸关键点的视频换脸方法于一实施例中的人脸关键点坐标示意图;
图4显示为本发明的基于稠密人脸关键点的视频换脸方法于一实施例中的三角剖分示意图;
图5显示为本发明的基于稠密人脸关键点的视频换脸方法于一实施例中的仿射变换示意图;
图6显示为本发明的基于稠密人脸关键点的视频换脸系统于一实施例中的结构示意图。
元件标号说明
S11~S14 步骤
60 基于稠密人脸关键点的视频换脸系统
61 检测模块
62 获取模块
63 替换模块
64 处理模块
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,于发明一实施例中,本发明的基于稠密人脸关键点的视频换脸方法包括如下步骤:
步骤S11、利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;
具体地,所述预设的人脸检测模型包括Dlib检测模型和/或retinaface检测器,本实施例以所述Dlib检测模型为例,首先对所述源人脸图像利用Dlib检测器进行人脸框和关键点检测,得到所述源人脸图像的人脸框图和关键点坐标,对所述视频进行取帧,并逐帧进行人脸检测定位,对每一帧的所述目标人物图像利用Dlib检测器进行人脸框和关键点检测,得到所述目标人脸图像的人脸框图和关键点坐标。优选地,所述预设的人脸检测模型还包括鲁棒性更优的深度学习人脸检测模型和关键点检测模型。
进一步地,参照图2,对所述源人脸图像利用所述Dlib检测模型进行人脸检测得到所述人脸框图,对所述人脸框图内的图像利用所述Dlib检测模型的预测模型得到所述源人脸图像的关键点坐标,同样的步骤可以得到所述目标人脸的人脸框图和关键点坐标,此实施例不进行过多展示;其中,如图3所示,所述关键点坐标具体为“68”个。
步骤S12、利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;
具体地,如图4所示,通过所述三角剖分法对所述源人脸图像的关键点坐标进行分析,通过给定的人脸关键点获得覆盖所述源人脸图像不同区域的封闭三角形,然后扣取所有的三角形组成仅有面部信息的图像以形成所述源图脸。
步骤S13、获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;
具体地,如图5所示,对所述源图脸进行仿射变换,得到所述源人脸图像关键点坐标与所述目标人脸图像关键点坐标的对应关系,依据所述对应关系计算得到所述源图脸与所述目标人脸图像对齐的所述变换矩阵,进而通过像素覆盖的方式进行人脸替换。优选地,人脸关键点对齐方法可以由所述仿射变换替换成深度学习模型计算变换矩阵。
步骤S14、利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
具体地,所述预设的人脸融合法包括泊松融合和/或直方图融合,其中,所述泊松融合通过对换脸后的人脸贴合图构建泊松方程求解像素最优解,保留所述目标人脸图像的原始图像梯度,融合所述源人脸图像与所述目标人脸图像,通过所述源人脸图像的边界求解泊松方程,实现在人脸衔接处梯度域上的连续,从而达到人脸贴合时边界处的像素自然衔接。
进一步地,于发明一实施例中,更改所述源人脸图像的颜色以匹配所述目标人脸图像的颜色,以每个所述关键点坐标作为中心点,构建特定边长的正方形区域并计算其高斯模糊值,分别得到所述源人脸图像与所述目标人脸图像各关键点的高斯模糊值及对应关键点的比值,将所述源人脸图像的各点像素值与该点对应的所述比值进行相乘以完成所述修正颜色。
具体地,由于换脸之后的所述初始换脸图存在肤色和光照差异导致重叠区域边缘周围的不连续问题,给人视觉上以反差,观看效果不佳,所以需要进行颜色平滑修正,更改所述源人脸图像的颜色以匹配所述目标人脸图像颜色,使的换脸贴合更自然,观看效果得以显著提升,以所述目标人脸图像的每个关键点坐标作为中心点,构建边长为x的正方形区域,对其计算高斯模糊值Gt,同理可得到所述源人脸图像各关键点的高斯模糊值Go,进而得到所述对应关键点的比值R,通过公式P*R(R=Gt/Go),以实现颜色修正,其中,P为所述源人脸图像各个关键点的像素值,x指的是选择进行高斯模糊值计算的正方形区域的边长,例如:可以取边长为“x=5”的像素区域对其正方形区域内像素进行高斯模糊值计算。
进一步地,通过人脸融合与颜色修正后,所述源人脸图像与所述目标人脸图像的颜色光照风格接近一致,再对所述视频帧间进行人脸关键点平滑,从而应对所述视频中人脸大角度变化,实现帧间平滑过渡。
请参阅图6,在一实施例中,为实现视频换脸,本实施例提供的一种基于稠密人脸关键点的视频换脸系统60,所述系统包括:
检测模块61,用于利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;
获取模块62,用于利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;
替换模块63,用于获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;
处理模块64,用于利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
由于本实施例的具体实现方式与前述方法实施例对应,因而于此不再对同样的细节做重复赘述,本领域技术人员也应当理解,图6实施例中的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个或多个物理实体上,且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。
除此之外,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一项所述车载摄像头多媒体内容侦听检测方法。
除此之外,本发明还提供一种电子设备,详细的,电子设备至少包括通过总线连接的:存储器、处理器,其中,存储器用于存储计算机程序,处理器用于执行存储器存储的计算机程序,以执行前述方法实施例中的全部或部分步骤。
综上所述,本发明提出了一套完备的视频人脸替换方案,适用于在硬件配置较低情况下的视频各个角色的人脸较高精度替换,且方案易于落地部署,适用于不同摄像设备之间的差异,图像拍摄的时间、地点随机,且光线、角度、姿态各异等情况下,能够快速有效进行换脸,无需大量的训练数据支撑,无需复杂的网络结构,仅通过一些经典算法即可进行较高精度的换脸,完美解决现有模型中的模型泛化性不足的问题,此外发明具有简单性、有效性,具有较高的迁移性和优化空间。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于稠密人脸关键点的视频换脸方法,其特征在于,包括:
利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;
利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;
获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;
利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
2.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,对所述视频进行取帧,并逐帧进行人脸检测定位,得到所述目标人脸图像的人脸框图和关键点坐标。
3.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,通过所述三角剖分法对所述源人脸图像的关键点坐标进行分析,获得覆盖所述源人脸图像不同区域的封闭三角形,然后扣取所有的三角形组成仅有面部信息的图像以形成所述源图脸。
4.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,对所述源图脸进行仿射变换,得到所述源人脸图像关键点坐标与所述目标人脸图像关键点坐标的对应关系,依据所述对应关系计算得到所述源图脸与所述目标人脸图像对齐的所述变换矩阵,进而通过像素覆盖的方式进行人脸替换。
5.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,所述预设的人脸检测模型包括Dlib检测模型和/或retinaface检测器。
6.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,所述预设的人脸融合法包括泊松融合和/或直方图融合,其中,所述泊松融合通过对换脸后的人脸贴合图构建泊松方程求解像素最优解,保留所述目标人脸图像的原始图像梯度,以实现人脸衔接处梯度域上的连续。
7.根据权利要求1所述的基于稠密人脸关键点的视频换脸方法,其特征在于,更改所述源人脸图像的颜色以匹配所述目标人脸图像的颜色,以每个所述关键点坐标作为中心点,构建特定边长的正方形区域并计算其高斯模糊值,分别得到所述源人脸图像与所述目标人脸图像各关键点的高斯模糊值及对应关键点的比值,将所述源人脸图像的各点像素值与该点对应的所述比值进行相乘以完成所述修正颜色。
8.一种基于稠密人脸关键点的视频换脸系统,其特征在于,包括:
检测模块,用于利用预设的人脸检测模型对源人脸图像和视频中每一帧的目标人脸图像进行人脸检测,分别获得对应的人脸框图和关键点坐标;
获取模块,用于利用所述源人脸图像的关键点坐标在其对应的人脸框图上进行三角剖分处理以得到人脸各部分的凸包,拼接各所述凸包以得到所述源人脸图像的源图脸;
替换模块,用于获得人脸对齐的变换矩阵,依据所述变换矩阵将所述源图脸对齐所述目标人脸图像并进行替换,得到初始换脸图;
处理模块,用于利用预设的人脸融合算法对所述初始换脸图进行融合处理,并修正颜色映射到所述视频中每一帧的目标人脸图像上,对所述视频的每一帧进行人脸平滑作业以完成换脸。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7任一项所述基于稠密人脸关键点的视频换脸方法。
10.一种电子设备,其特征在于,所述电子设备包括:所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行如权力要求1至7中任一项所述基于稠密人脸关键点的视频换脸方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372505.0A CN113361320A (zh) | 2021-04-07 | 2021-04-07 | 基于稠密人脸关键点的视频换脸方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372505.0A CN113361320A (zh) | 2021-04-07 | 2021-04-07 | 基于稠密人脸关键点的视频换脸方法、系统、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361320A true CN113361320A (zh) | 2021-09-07 |
Family
ID=77525165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110372505.0A Pending CN113361320A (zh) | 2021-04-07 | 2021-04-07 | 基于稠密人脸关键点的视频换脸方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361320A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114007099A (zh) * | 2021-11-04 | 2022-02-01 | 北京搜狗科技发展有限公司 | 一种视频处理方法、装置和用于视频处理的装置 |
CN114429666A (zh) * | 2022-04-06 | 2022-05-03 | 深圳市大头兄弟科技有限公司 | 视频的人脸替换方法、装置、设备及存储介质 |
CN114821717A (zh) * | 2022-04-20 | 2022-07-29 | 北京百度网讯科技有限公司 | 目标对象融合方法、装置、电子设备及存储介质 |
CN117196937A (zh) * | 2023-09-08 | 2023-12-08 | 天翼爱音乐文化科技有限公司 | 一种基于人脸识别模型的视频换脸方法、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965740A (zh) * | 2018-07-11 | 2018-12-07 | 深圳超多维科技有限公司 | 一种实时视频换脸方法、装置、设备和存储介质 |
CN111476710A (zh) * | 2020-04-13 | 2020-07-31 | 上海艾麒信息科技有限公司 | 基于移动平台的视频换脸方法及系统 |
-
2021
- 2021-04-07 CN CN202110372505.0A patent/CN113361320A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965740A (zh) * | 2018-07-11 | 2018-12-07 | 深圳超多维科技有限公司 | 一种实时视频换脸方法、装置、设备和存储介质 |
CN111476710A (zh) * | 2020-04-13 | 2020-07-31 | 上海艾麒信息科技有限公司 | 基于移动平台的视频换脸方法及系统 |
Non-Patent Citations (2)
Title |
---|
FOURPIECES: ""泊松图像融合(Seamless cloning)的原理及API实现"", 《HTTPS://BLOG.CSDN.NET/TIAN_FOURPIECES/ARTICLE/DETAILS/79762764》 * |
张明丽: ""人脸关键点检测算法研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114007099A (zh) * | 2021-11-04 | 2022-02-01 | 北京搜狗科技发展有限公司 | 一种视频处理方法、装置和用于视频处理的装置 |
CN114429666A (zh) * | 2022-04-06 | 2022-05-03 | 深圳市大头兄弟科技有限公司 | 视频的人脸替换方法、装置、设备及存储介质 |
CN114821717A (zh) * | 2022-04-20 | 2022-07-29 | 北京百度网讯科技有限公司 | 目标对象融合方法、装置、电子设备及存储介质 |
CN114821717B (zh) * | 2022-04-20 | 2024-03-12 | 北京百度网讯科技有限公司 | 目标对象融合方法、装置、电子设备及存储介质 |
CN117196937A (zh) * | 2023-09-08 | 2023-12-08 | 天翼爱音乐文化科技有限公司 | 一种基于人脸识别模型的视频换脸方法、设备及存储介质 |
CN117196937B (zh) * | 2023-09-08 | 2024-05-14 | 天翼爱音乐文化科技有限公司 | 一种基于人脸识别模型的视频换脸方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113361320A (zh) | 基于稠密人脸关键点的视频换脸方法、系统、介质及设备 | |
CN109697688B (zh) | 一种用于图像处理的方法和装置 | |
US11410320B2 (en) | Image processing method, apparatus, and storage medium | |
Le Pendu et al. | Light field inpainting propagation via low rank matrix completion | |
Hedman et al. | Instant 3d photography | |
JP6561216B2 (ja) | 光学フローを使用した中間ビューの生成 | |
Xiong et al. | Fast panorama stitching for high-quality panoramic images on mobile phones | |
CN110390640B (zh) | 基于模板的泊松融合图像拼接方法、系统、设备及介质 | |
CN111243071A (zh) | 实时三维人体重建的纹理渲染方法、系统、芯片、设备和介质 | |
KR101923845B1 (ko) | 이미지 처리 방법 및 장치 | |
WO2019101113A1 (zh) | 一种图像融合方法及其设备、存储介质、终端 | |
CN111598993B (zh) | 基于多视角成像技术的三维数据重建方法、装置 | |
CN106600686A (zh) | 一种基于多幅未标定图像的三维点云重建方法 | |
US11270415B2 (en) | Image inpainting with geometric and photometric transformations | |
CN112288628B (zh) | 基于光流跟踪和抽帧映射的航拍图像拼接加速方法及系统 | |
US9437034B1 (en) | Multiview texturing for three-dimensional models | |
US11393076B2 (en) | Blurring panoramic image blurring method, terminal and computer readable storage medium | |
US10885708B2 (en) | Automated costume augmentation using shape estimation | |
CN113781621A (zh) | 三维重建处理的方法、装置、设备及存储介质 | |
CN112243518A (zh) | 获取深度图的方法、装置及计算机存储介质 | |
CN108648141A (zh) | 一种图像拼接方法及装置 | |
CN107292822B (zh) | 一种图像的拼接方法和装置 | |
CN110689609B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114862734A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN114066715A (zh) | 图像风格迁移方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 201203 No. 6, Lane 55, Chuanhe Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Winner Technology Co.,Ltd. Address before: 201505 Room 216, 333 Tingfeng Highway, Tinglin Town, Jinshan District, Shanghai Applicant before: Winner Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |
|
RJ01 | Rejection of invention patent application after publication |