[发明专利]基于人工智能的换脸方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的换脸方法，其特征在于，包括：

获取第一样本数据集，并根据所述第一样本数据集对第一生成式对抗网络模型进行迭代训练，直至所述第一生成式对抗网络模型收敛；

获取第二样本数据集，并根据所述第二样本数据集对第二生成式对抗网络模型进行迭代训练，直至所述第二生成式对抗网络模型收敛；

获取源人像和目标人像，并运行收敛后的所述第一生成式对抗网络模型对所述源人像和所述目标人像进行处理，得到第一人脸图像；

确定所述第一人脸图像的关键点特征向量，并从所述目标人像中提取第一目标面部图像和从所述第一人脸图像提取第二目标面部图像；

运行收敛后的第二生成式对抗网络模型，利用所述关键点特征向量、第一目标面部图像和第二目标面部图像对所述第一人脸图像进行处理，得到第二人脸图像；

对所述第二人脸图像和所述目标人像进行融合，得到目标换脸人像。

2.根据权利要求1所述的基于人工智能的换脸方法，其特征在于，所述第一生成式对抗网络模型包括面部特征提取网络、属性特征提取网络和第一生成式对抗网络，所述第一样本数据集包括多个人像对，所述人像对包括第一源人像和第二目标人像，所述根据所述第一样本数据集对第一生成式对抗网络模型进行迭代训练，直至所述第一生成式对抗网络模型收敛，包括：

从所述第一样本数据集中选择一个人像对作为目标人像对；

将所述目标人像对中的第一源人像输入所述面部特征提取网络进行面部特征提取，得到第一面部特征向量；

将所述目标人像对中的第一目标人像输入所述属性特征网络进行属性特征提取，得到第一属性特征向量；

将所述第一面部特征向量和第一属性特征向量输入第一生成式对抗网络进行处理，得到第一预测人脸图像；

确定所述第一预测人脸图像的第二面部特征向量以及所述第一预测人脸图像的第二属性特征向量；

根据所述第一面部特征向量、第一属性特征向量、第二面部特征向量、第二属性特征向量、第一源人像和第一预测人脸图像，计算第一模型损失值；

根据第一模型损失值确定所述第一生成式对抗网络模型是否收敛；

若第一生成式对抗网络模型未收敛，则更新第一生成式对抗网络模型的模型参数；

返回执行所述从所述第一样本数据集中选择一个人像对作为目标人像对的步骤，直至所述第一生成式对抗网络模型收敛。

3.根据权利要求2所述的基于人工智能的换脸方法，其特征在于，所述根据所述第一面部特征向量、第一属性特征向量、第二面部特征向量、第二属性特征向量、第一源人像和第一预测人脸图像，计算第一模型损失值，包括：

确定所述第一面部特征向量与所述第二面部特征向量之间的第一相似度；

确定所述第一属性特征向量与所述第二属性特征向量之间的第二相似度；

确定所述第一源人像与所述第一预测人脸图像之间的第三相似度；

根据所述第一相似度、第二相似度和第三相似度，计算第一模型损失值。

4.根据权利要求3所述的基于人工智能的换脸方法，其特征在于，所述根据所述第一相似度、第二相似度和第三相似度，计算第一模型损失值，包括：

获取第一加权系数、第二加权系数和第三加权系数；

计算所述第一相似度与所述第一加权系数之间的乘积，得到第一损失值；

计算所述第二相似度与所述第二加权系数之间的乘积，得到第二损失值；

计算所述第三相似度与所述第三加权系数之间的乘积，得到第三损失值；

对所述第一损失值、所述第二损失值和所述第三损失值进行求和，得到所述第一模型损失值。