AI换脸-faceswap

17年底一个网名叫“deepfakes”的人出现，在Reddit(新闻网站)上发布了一段成人视频，而视频的主角却从根本从未参加过拍摄，一时之间受害的女星还很多，不过她们却发现deepfakes做法好像没有什么对应的法律能够约束,只能转向Reddit投诉,后来Reddit近于压力干脆直接封杀了deepfakes的帐号，不过这次封杀却让deepfaks直接开源了其AI换脸项目的代码。

faceswap项目就是由deepfakes衍生而来的开源项目，其在github上的更新与讨论十分热烈。假设我们将原视频中的人物面部信息简称为faceA，将要被替换人物的面部信息简称为faceB。faceswap换脸的基本原理:

1) 人脸侦测和识别

首先要让机器通过含有faceA的视频定位并识别到其中的人脸特征值，通过深度学习将faceA还原到正面、平行均匀光照、标准亮度的场景下。接下来对含faceB的视频进行相同操作，将faceB也还原到正面、平行均匀光照、标准亮度的场景下。

2) 确定变换矩阵

接下来我们对原视频的人脸信息进行定位与侦测，并进行特征提取（以下简称featureA），然后用featureA与faceA对比，找出faceA转换到featureA的所需扭曲、光照等变换的矩阵（以下简称transferA）。

3) 人脸替换

对faceB进行基于transferA的变换，也就是把faceB还原到原视频的拍摄角度及光源场景下，形成新的人脸信息featureB,使用featureB对featureA进行替换。

4) 对于视频中的每一帧信息重复以上操作直至结束

整体来说完成AI换脸需要两个步骤：

训练阶段

faceA编码，再通过A解码还原。faceB编码，再通过B解码还原。A/B可以看成是一个编码器，A/B使用不同的解码器。可以理解为，编码是提取脸部的共性特征。解码是还原脸部的个性特征，所以A/B使用不同的解码器。

测试阶段

B的脸通过编码器后，由A的解码器还原，结果就是B的脸看起来像A，实现换脸动作。

举个栗子:

假设我们的世界里只有两个画家，A和B。画家A很喜欢猫，他游历大江南北只为了见识不同外表不同姿态的猫，并用画笔把它们记录下来。久而久之，他变成了一名职业画猫师。是的，他只会画猫。同样，画家B与A有极其类似的经历，只是他的兴趣是画狗。

一天，猫画家A偶遇了一条凶悍的狗，狗狗怕生，龇牙咧嘴，不停地朝他吠。”真是有力量的生物”，他想，一时画意顿生，把眼前的景象随手画了下来。只是因为常年的话猫经历让他不管画什么看起来都是猫，所以这次他画出来的，是一只龇牙咧嘴的猫。

画家B拜访朋友家，见到了一只正在玩线团的猫，被它的古灵精怪吸引，他也随手将景象画了出来，只是他笔下画出的，是一条摆弄线团的狗。

AI的世界里也有两个画师: 生成器A和生成器B。

如果我们想交换特朗普和尼古拉斯凯奇的脸，只需要让生成器A不停地学习画特朗普，生成器B不停地画凯奇。他们就像是只会画猫的画师A和只会画狗的画师B。

在生成器A和B学习完画各自对应的人物后，我们就可以做到换脸了。比如我们要把特朗普的脸换成凯奇的脸，很简单。首先通过某种检测算法把特朗普的脸框出来，然后将框出来的脸给生成器B看，生成器B心想: 哦，真是美丽的脸蛋，我要画下来，可是因为他常年只会生成凯奇的脸，所以他临摹出来的，是和特朗普拥有同样表情、姿势和光亮度的凯奇的脸，这时候我们把凯奇的脸拼回原来特朗普的那张图片里，就完成了换脸过程。

1.2?举例

2. 环境准备

2.1??安装Anconda3

Anaconda是一个开源的Python发行版本，python是一个编译器，如果不使用Anaconda那么安装起来会比较痛苦，各个库之间的依赖性就很难连接的很好。Anaconda可以看做Python的一个集成安装,里面集成了很多关于python科学计算的第三方库，安装它后就默认安装了python、IPython、集成开发环境Spyder和众多的包和模块,包含了conda(conda 是开源包(packages)和虚拟环境(environment)的管理系统。)、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大，大概几百兆左右，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

我们可以从Anaconda官网 Anaconda | The World’s Most Popular Data Science Platform?下载Anaconda，一般官网下载比较慢，可以选择使用镜像下载，地址如下：

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

现在之后直接双击安装即可，注意安装路径中不要有中文和空格。安装完成之后，配置环境变量，如下图:

配置完成之后，打开CMD命令窗口输入：conda，验证是否安装成功:

2.2?安装Python3

基于Anconda安装Python3，这里安装python使用至少python3.7版本。命令如下：

#安装python环境

conda create --name python37_face python=3.7



#卸载python环境

conda remove --name python37_face --all

2.3?安装CUDA

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU（图形处理器）能够解决复杂的计算问题。

在Window中安装CUDA，可以进入网址：
CUDA Toolkit 12.3 Update 2 Downloads | NVIDIA Developer?

也可以从这里下载：链接：https://pan.baidu.com/s/1VqzN4hgOHanP_gGYOgTG9g?pwd=8888?
提取码：8888

下载后直接双击exe文件安装即可。默认安装在了C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3，也可以指定路径安装。

另外，可能某些电脑环境问题，安装CUDA时缺少dll库，不能自动准备dll文件，那么我们将下载好的dll目录中的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin?目录下（这里下载dl：https://download.csdn.net/download/qq_32020645/88714133）。这样后期GPU能正常工作。下载解压后的dll文件如下：

???????2.4?安装CUDNN

NVIDIA CUDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA CUDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。CUDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装CUDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

在https://developer.nvidia.com/zh-cn/cudnn网站中下载CUDNN,可能需要科学上网需要注册后，需要填写问卷才能下载，这里需要与CUDA版本对应关系。也可以从这里下载：链接：https://pan.baidu.com/s/1vVKPMWe0AYFzBbzCjBGurg?pwd=8888?
提取码：8888

下载完成之后解压，进入解压目录，如下图：

找到CUDA的安装目录，替换对应目录里面对应的文件即可：

bin文件夹里面有一个文件需要替换。
include文件夹里面有一个文件需要替换。
lib文件夹里面有个x64文件夹中有一个文件需要替换。

3.?项目运行

3.1 安装python模块

AI换脸项目需要一些python对应的模块，进入D:\ProgramData\Anaconda3\envs\python36_face\Scripts?路径下,执行如下命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.18.1

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tqdm==4.42

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple psutil==5.7.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pathlib==1.0.1

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==4.1.2.30

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow==7.0.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn==0.22.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple fastcluster==1.1.26

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib==3.0.3

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imageio==2.8.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imageio-ffmpeg==0.4.2

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ffmpy==0.2.3

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pywin32==227

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pynvx==1.0.0



pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.2.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plaidml-keras==0.7.0



pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.2.0



pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pynvml==11.0.0

???????3.2?检查GPU是否开启

训练模型不使用GPU训练也可以，但是使用GPU训练模型会更快。有些电脑不支持GPU，可以不使用。

进入使用D:\ProgramData\Anaconda3\envs\python37_face，运行“python.exe”,运行以下代码来检测tenflow是否能正常调用GPU，最后看到true说明可以使用GPU。

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

????????

???????3.3?启动faceswap项目

可以在github上下载faceswap项目，地址如下：

GitHub - deepfakes/faceswap: Deepfakes Software For All

下载完成之后解压。进入D:\ProgramData\Anaconda3\envs\python37_face?路径，执行“python J:\工作资料\公开课相关\人脸识别\faceswap-master\faceswap.py ?gui”命令，启动faceswap项目。

启动后页面如下：

4.?AI换脸数据准备

4.1 AI换脸目标

将原视频src.mp4中人物图像替换成其他图像，效果如下：

???????4.2?准备数据

创建AIface目录，创建AIface/video目录，将src.mp4、dist1.mp4、dist2.mp4、dist3.mp4、dist4.mp4五个视频放入该目录。src视频是进行AI换脸操作的视频，dist视频是替换人脸的换脸来源。

???????4.3?对src原视频抽取帧图片

我们需要对src、dist两类视频通过facewap将视频转换成帧图片，这样方便后期模型的训练。创建AIface/src_zhuyin 目录，使用facewap将src视频转换成帧图片存入当前目录中，操作如下：

抽取过程如下：

抽取完成之后，在对应的原视频目录会有对应的alignments.fs文件存放对应视频每帧图片对应视频中位置信息，这个文件在后期AI换脸时需要用到。

???????4.4?对换脸来源视频抽取帧图片

换脸来源视频对应是dist1.mp4、dist2.mp4、dist3.mp4、dist4.mp4几个视频，我们需要对这些视频抽取帧图片，存放在AIface/dist_libingbing目录下。操作如上，抽取帧图片过程如下：

dist1.mp4:

dist2.mp4:

dist3.mp4:

dist4.mp4

我们将所有dist视频抽取的帧图片都存放在了“J:\AIface\dist_libingbing”路径下，我们需要对抽取的图片进行人工赛选，剔除模糊图片，非目标脸图片等质量不高的图片，例如，以下图片我们可以剔除掉，避免模型学习到不好的图像：

???????5.?AI换脸模型训练

在faceswap中点击“Train”选项卡，在Faces标签下的Input A中选择src_zhuyin帧图片集，在InputB中选择dist_libingbing 帧图片集，在Model标签下的Model Dir中填写训练模型存储路径，这里填写“J:\AIface\model”，点击“Train”开始训练模型：

模型训练过程中，在console框中可以看到对应的损失，损失越小说明模型训练越好，对应的模型时间越长。在企业中一般都是以周为单位训练模型，甚至模型训练2-3个月，训练模型迭代次数达到几百万次，甚至千万次。以下是训练10小时后对应的损失值，迭代次数为13万：

在训练模型一段时间，停止后重新启动训练，可以继续基于上次训练的位置继续训练。此外模型每隔25000次会自动保存防止模型丢失，我们可以基于自动保存的模型继续训练模型，自动保存如下：

训练模型过程中机器GPU使用率和CPU使用率都会很高，显卡和CPU温度也很高。在训练模型时尽量不要操作其他，避免机器“过劳”卡死，训练过程中GPU、CPU、温度图片如下：

???????6.?转换视频进行AI换脸

在faceswap中点击“Convert”选项卡下：

在Data标签下的Input Dir中选择原始视频“J:\AIface\video\src.mp4”
Output Dir中选择当前视频中AI换脸转换出的帧图片存放位置“J:\AIface\covered”
Alignments中选择src.mp4视频对应的alignments.fsa文件“J:\AIface\video\src_alignments.fsa”
Model Dir选择训练好的模型“J:\AIface\model”

点击"Convert"转换视频，点击"Stop"停止转换。

Convert转换之后对应的图片文件如下：

???????7.?合成视频

点击Tool标签，选择“Effmpeg”选项卡:

在Action中选择“Gen-Vid”

在Data的选项卡下：

Input中选择AI换脸后的帧图片存放目录“J:/AIface/covered”
Output目录指定合成视频生成的文件，这里指定“J:/AIface/covered.mp4”
Reference Video指定源src文件”J:/AIface/video/src.mp4”，这个文件作用是合并对应视频时参照此视频对应的参数
在Output中选择“Mux Audio”，指定生成视频包含声音。点击“Effmpeg”合并帧图片生成最终视频文件

生成的视频可以使用PotPlayer进行正常播放，使用QQ影音好像有问题，如果感觉转换可以那么可以通过格式工厂进行视频格式转换，转换成正常播放视频。

???????8.?AI换脸推广

训练好的模型也可以对其他视频进行转换，步骤如下：

对源文件进行帧文件提取，同时生成对应的alignments.fsa位置文件
使用训练好的模型对帧图片进行识别替换
合并生成最终视频

示例如下：

原图片：

转换后：

原图片:

转换后：

文章来源:https://blog.csdn.net/qq_32020645/article/details/135442206
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！