[发明专利]一种基于深度学习的视频人物面部替换方法

权利要求书

1.一种基于深度学习的视频人物面部替换方法，其特征在于：包括以下步骤，

步骤S1，采集多组被替换人物以及目标人物的面部影像资料；

步骤S2，训练面部特征部位的深度学习模型，包括，

步骤S2.1，将面部影像中的输入像素作为模型的可见层，

步骤S2.2，将色块的边界作为第一隐藏层，

步骤S2.3，将边界组成的轮廓作为第二隐藏层，

步骤S2.4，将面部特征部位作为输出层；

步骤S3，将输出层的面部特征组合至面部整体轮廓中，作为面部表情，建立并训练表情深度学习模型，包括，

步骤S3.1，将面部表情作为可见层，

步骤S3.2，将面部表情对应轮廓的变化作为第一隐藏层，

步骤S3.2，将情绪特征作为输出层；

步骤S4，将待替换视频每帧画面输入至表情深度学习模型中，分析出对应的情绪特征；

步骤S5，根据步骤S4中得出的情绪特征，将对应情绪特征的被替换人物面部表情替换为目标人物的面部表情；

步骤S6，将步骤S5中替换后画面帧重新组合为视频。

2.根据权利要求1所述的一种基于深度学习的视频人物面部替换方法，其特征在于：所述步骤S1中，

步骤S1.1，人工选取一定数量的被替换人物以及目标人物的面部影像资料，

步骤S1.2，将步骤S1.1中影像输入训练模型，得出被替换人物以及目标人物的特征值，

步骤S1.3，以特征值自主在互联网中检索提取更多影像资料，

步骤S1.4，截取影像资料中的面部部分。

3.根据权利要求1所述的一种基于深度学习的视频人物面部替换方法，其特征在于：所述步骤S2中，选取以下学习参数：动量项因子为0.65、学习率为0.25、初始的权值和阈值为[-0.618，0.618]之间的随机数，隐层和输出层的激活函数分别为tangent sigmoid和log-sigmoid、学习算法为BP算法。

4.根据权利要求1所述的一种基于深度学习的视频人物面部替换方法，其特征在于：所述步骤S5中，采用贴图方式，将对应情绪特征的被替换人物面部表情替换为目标人物的面部表情。

5.根据权利要求4所述的一种基于深度学习的视频人物面部替换方法，其特征在于：将贴图之后的人物面部图像进行分析，若面部图像贴合之后，面部轮廓不贴合，则采用以下方式进行替换，

将目标人物的面部表情分解为面部中边界组成的轮廓，并且将轮廓按照比例替换贴合至被替换人物的面部。