[发明专利]一种利用深度学习在多移动终端视频人物换脸的方法

说明书

一种利用深度学习在多移动终端视频人物换脸的方法，本发明涉及一种互联网AI视频处理方法，本发明为了解决现有技术中更换视频中人物的脸部的操作复杂、CPU配置很高、手动确认视频的频率，手动删除错误的图片、不支持在移动终端进行训练，训练进度无法实时获得。它包括如下步骤：获取多人脸视频中不同人脸的图像子集、多个终端上传并生成想要替换的人脸图片集、训练生成模型并与基准视频A合成多人换脸视频，本发明用于互联网AI视频处理领域。

技术领域

本发明涉及一种互联网AI视频处理方法，具体涉及一种利用深度学习在多移动终端视频人物换脸的方法。

背景技术

目前视频换脸技术的应用非常广泛，顾名思义，也就是在图像或视频中把一张脸替换成另一张脸，只需要把上百张人物的样图输入至一个算法，就能完成人脸交换，制作出非常逼真的视频效果。事实上，之前电影视频中的人脸交换非常复杂，专业的视频剪辑师和CGI专家需要花费大量时间和精力才能完成视频中的人脸交换。从技术的角度而言，深度图像生成模型是很成功的应用，它无需安装Python和Tensorflow等编程语言和开源软件库但是它的操作非常复杂，需要高配置电脑，且不支持在移动终端进行训练。

发明内容

本发明是为解决现有的视频换脸技术存在操作复杂、配置需求高、不能在移动终端进行训练的问题，进而提供一种利用深度学习在多移动终端视频人物换脸的方法。

本发明为解决上述问题采取的技术方案是：

一种利用深度学习在多移动终端视频人物换脸的方法，它包括如下步骤：

步骤一、获取多人脸视频中不同人脸的图像子集：在移动终端M₁上获取含多人脸的基准视频A中不同人脸的图像子集；根据人脸不同将图像集分为{a₁、a₂…a_n}；

步骤二、在移动终端M₂、M₃…M_n+1上传并生成想要替换的人脸图像集：根据多个移动终端上传的视频或图片对应生成想要替换的人脸图像集{b₁、b₂…b_n}；

步骤三、训练生成模型并与基准视频A合成多人换脸视频：通过机器深度学习将a₁替换为b₁,a₂替换为b₂，…a_n替换为b_n，训练出模型；

利用生成的模型与含多人脸的基准视频A合成多人换脸视频。

本发明的有益效果是：一、通过移动终端使更换视频中人物的脸部的操作简便无需电脑；二、CPU配置一般或较低的电脑也可实现同样效果；三、全过程通过终端可以自动确认视频的频率，删除错误的图片；四、可在移动终端进行训练，训练进度实时获得。

附图说明

图1为获取多人脸视频中不同人脸的图像子集流程图；

图2为多个终端上传并生成想要替换的人脸图片集流程图；

图3为训练生成模型并与基准视频A合成多人换脸视频流程图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。