PaddleHub人脸关键点检测实现猫脸人嘴特效

前段时间，下班后闲来无事，参加了百度PaddleHub的AI人像抠图创意赛，凭借着你们的阅读量，得到了一个第三名，得了一个小度音响，真香啊！

PaddleHub创意赛第二期又出来了，此次要作什么呢?

人脸检测主题创意赛，爱搞事的我确定是少不了搞一波事情的，想一想这能玩出什么花样来？

下班路上刷知乎，看见有人用dlib + 猫脸检测器 + 泊松融合实现了抖音猫脸人嘴的特效，瞬间……
<center>

</center>

程序主要结合PaddleHub的人脸关键点模型截取人嘴位置，opencv猫脸检测器定位猫脸（没找到猫脸关键点检测模型）和opencv泊松融合函数实现图像的融合，共三部分。

1、人脸关键点检测

PaddleHub关键点检测模型face_landmark_localization，该模型转换自 https://github.com/lsy17096535/face-landmark ，支持同一张图中的多我的脸检测。它能够识别人脸中的68个关键点。

NOTE： 若是您在本地运行该项目示例，须要首先安装PaddleHub。若是您在线运行，能够去底部阅读原文的百度AI Studio fork该项目。以后按照该示例操做便可。

import cv2
import paddlehub as hub
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg
import numpy as np
import math
%matplotlib inline

src_img = cv2.imread('images/youngni2.jpg')

module = hub.Module(name="face_landmark_localization")
result = module.keypoint_detection(images=[src_img])

tmp_img = src_img.copy()
for face in result[0]['data']:
    for index, point in enumerate(face):
        # print(point)
        # cv2.putText(img, str(index), (int(point[0]), int(point[1])), cv2.FONT_HERSHEY_COMPLEX, 3, (0,0,255), -1)
        cv2.circle(tmp_img, (int(point[0]), int(point[1])), 2, (0, 0, 255), -1)

res_img_path = 'face_landmark.jpg'
cv2.imwrite(res_img_path, tmp_img)

img = mpimg.imread(res_img_path) 
# 展现预测68个关键点结果
plt.figure(figsize=(10,10))
plt.imshow(img) 
plt.axis('off') 
plt.show()

2、猫脸检测

猫脸检测使用OpenCV自带的猫脸检测器（感受喵星人真的是要统治世界了😀），主要经过detectMultiScale函数对图像金字塔进行多尺度检测。

import cv2
import numpy as np

# 猫脸检测器
cat_path = "haarcascade_frontalcatface_extended.xml"
facecascade = cv2.CascadeClassifier(cat_path)

cat = cv2.imread('cat3.jpg')

cat_gray = cv2.cvtColor(cat, cv2.COLOR_BGR2GRAY)
cat_face_loc = facecascade.detectMultiScale(cat_gray,scaleFactor = 1.1,minNeighbors=3,minSize=(100,100),flags=cv2.CASCADE_SCALE_IMAGE)
cat_face_loc = np.array(cat_face_loc[0])
# 猫嘴中心位置
center = (int(cat_face_loc[0] + cat_face_loc[2] / 2), int(cat_face_loc[1] + cat_face_loc[3]*0.8))

cv2.rectangle(cat, (cat_face_loc[0], cat_face_loc[1]), (cat_face_loc[0] + cat_face_loc[2], cat_face_loc[1] + cat_face_loc[3]), (0, 255, 0), 2, 8)
cv2.circle(cat, center, 2,  (0, 0, 255), 3)
cv2.imwrite('cat_face.jpg', cat)
cv2.imshow('result', cat)
cv2.waitKey(0)

3、泊松融合

泊松融合是2004年论文《Poisson Image Editing》提出的方法，已经集成在OpenCV中，函数名：seamlessClone

泊松融合是将一个源图融合到目标图像中，放置位置根据目标图像中P点为中心的一个前景mask大小范围内。融合过程会改变源图像中颜色以及梯度，实现无缝融合效果，具体算法能够去看论文或者文末参考文献。

话很少说，下面用代码实现将人眼贴到手心上，人眼mask没有很精准，效果通常，胆小勿看😂

import cv2
import numpy as np

hand = cv2.imread('hand.jpg')
eye = cv2.imread('eye.jpg')
h, w, c = eye.shape
mask = np.ones((h, w, c)) * 255

center = (hand.shape[1] // 2 + 50, hand.shape[0] // 2 + 250)
normal_clone = cv2.seamlessClone(eye, hand, mask.astype(eye.dtype), center, cv2.NORMAL_CLONE)
cv2.imwrite('res.jpg', normal_clone)
cv2.imshow('res', normal_clone)
cv2.waitKey(0)

综合上面三部分，咱们能够将人嘴定位并截取融合到猫脸嘴巴位置，因为检测视频中猫脸会出现漏检状况，效果不是很好（找一只不爱动的猫片实在太难了），因而我用了一张静态的图片进行替换，另外唱歌视频也来自网络。

import cv2
import numpy as np
import paddlehub as hub

# 人脸关键点检测器
module = hub.Module(name="face_landmark_localization")
# 猫脸检测器
cat_path = "data/model/haarcascade_frontalcatface_extended.xml"
facecascade = cv2.CascadeClassifier(cat_path)

cat = cv2.imread('data/images/cat3.jpg')
cat_gray = cv2.cvtColor(cat, cv2.COLOR_BGR2GRAY)
cat_face_loc = facecascade.detectMultiScale(cat_gray, scaleFactor=1.1, minNeighbors=3, minSize=(100, 100),
                                            flags=cv2.CASCADE_SCALE_IMAGE)
cat_face_loc = np.array(cat_face_loc[0])
# 猫嘴中心位置
center = (int(cat_face_loc[0] + cat_face_loc[2] / 2), int(cat_face_loc[1] + cat_face_loc[3] * 0.8))


def human_mouth_paste_to_cat(human_frame, cat_frame):
    result = module.keypoint_detection(images=[human_frame])
    landmarks = result[0]['data'][0]
    landmarks = np.array(landmarks, dtype=np.int)

    mouth_landmark = landmarks[48:, :]
    # 扩个边
    border = 8
    mouth = human_frame[int(np.min(mouth_landmark[:, 1])) - border: int(np.max(mouth_landmark[:, 1]) + border),
            int(np.min(mouth_landmark[:, 0])) - border: int(np.max(mouth_landmark[:, 0])) + border, :]
    mouth_landmark[:, 0] -= (np.min(mouth_landmark[:, 0]) - border)
    mouth_landmark[:, 1] -= (np.min(mouth_landmark[:, 1]) - border)

    # 制做用于泊松融合的mask
    mask = np.zeros((mouth.shape[0], mouth.shape[1], 3)).astype(np.float32)
    for i in range(mouth_landmark.shape[0]):  # 先画线
        cv2.line(mask, (mouth_landmark[i, 0], mouth_landmark[i, 1]), (
        mouth_landmark[(i + 1) % mouth_landmark.shape[0], 0], mouth_landmark[(i + 1) % mouth_landmark.shape[0], 1]),
                 (255, 255, 255), 10)
    mask_tmp = mask.copy()
    for i in range(6, mask.shape[0] - 6):  # 将线内部的范围都算做mask=255
        for j in range(6, mask.shape[1] - 6):
            if (np.max(mask_tmp[:i, :j, :]) == 0 or np.max(mask_tmp[i:, :j, :]) == 0 or np.max(
                    mask_tmp[:i, j:, :]) == 0 or np.max(mask_tmp[i:, j:, :]) == 0):
                mask[i, j, :] = 0
            else:
                mask[i, j, :] = 255

    normal_clone = cv2.seamlessClone(mouth, cat_frame, mask.astype(mouth.dtype), center, cv2.NORMAL_CLONE)

    return normal_clone

# 合成视频
human_video_cap = cv2.VideoCapture("data/video/human2.mp4")

fourcc = cv2.VideoWriter_fourcc('m', 'p', '4', 'v')
video_writer = cv2.VideoWriter('cat_with_humanmouth2.MP4', fourcc, 25, (1080, 2340))

index = 0
while True:
    index += 1
    human_ret, human_frame = human_video_cap.read()
    if human_ret:
        human_frame = cv2.resize(human_frame, dsize=None, fx=2, fy=2)
        cat_with_human_mouth = human_mouth_paste_to_cat(human_frame, cat)
        video_writer.write(cat_with_human_mouth.astype(np.uint8))
        # cv2.imwrite("frame/%d.jpg" % index, cat_with_human_mouth)
    else:
        break

video_writer.release()

输出效果看文章最前面视频，音频是后来本身加上的。

视频地址：PaddleHub人脸关键点模型实现猫脸人嘴

项目地址：PaddleHub人脸检测：关键点检测实现猫脸人嘴

参考：

1. 猫脸人嘴特效
2. Seamless cloning泊松克隆
3. opencv猫脸检测器