2021年3月1日更新2：
1.调整人脸区域为椭圆，比圆形更贴合脸型，占用的面积变小。
2.修复了人脸出现黑边的问题。
如果人脸区域不合适，可调整ratio参数。
2021年3月1日更新：
1.调整人脸区域为圆形，更贴合脸型，占用的面积变小。
2.增加ratio参数，可以调整人脸区域的面积，默认为1.0，代表圆形区域的半径为脸部的高度。
PaddleGAN套件gitee地址:
https://gitee.com/txyugood/PaddleGAN.git
驱动视频以及音频文件下载地址:
链接: https://pan.baidu.com/s/1scHNJtfFAFpYV4X2pGPKRA
提取码: 5m3f
公众号:人工智能研习社，欢迎大家关注。
抖音上的蚂蚁呀嘿火遍全网，很多小伙伴都不知道如何制作。本文抛弃繁琐的操作，利用PaddleHub与PaddleGAN框架一键生成多人版的”蚂蚁呀嘿“视频。
先放一张效果图：
首先我们需要安装PaddleHub,利用其中的face detection功能来定位照片中人脸。
安装方法如下：
pip install paddlehub==1.6.0
安装之后paddlehub之后，还需要安装一下人脸检测的模型，命令如下:
hub install ultra_light_fast_generic_face_detector_1mb_640
生成”蚂蚁呀嘿“视频需要用到PaddleGAN套件中的动作迁移功能，所以下一步需要安装PaddleGAN套件。因为我修改了PaddleGAN套件部分代码，所以这个代码已经保存在AIStudio环境中，直接安装就可以了。
AI Stuidio地址：(强烈推荐，fork后可一键运行，无需搭建环境)
https://aistudio.baidu.com/aistudio/projectdetail/1285661
也可以从以下地址下载：
https://gitee.com/txyugood/PaddleGAN.git
使用以下命令安装PaddleGAN。
cd PaddleGAN/
pip install -v -e .
安装PaddleGAN依赖的PaddlePaddle框架。
python -m pip install https://paddle-wheel.bj.bcebos.com/2.0.0-rc0-gpu-cuda10.1-cudnn7-mkl_gcc8.2%2Fpaddlepaddle_gpu-2.0.0rc0.post101-cp37-cp37m-linux_x86_64.whl
此处借用了GT大佬
https://aistudio.baidu.com/aistudio/projectdetail/1584416
项目中的驱动视频。
/home/aistudio/1.jpeg是测试的照片，可以使用右侧的上传功能上传自己的照片，然后替换–source_image 后面的路径后，运行脚本即可。
最终/home/aistudio/output/mayiyahei.mp4就是最终生成的"蚂蚁呀嘿"视频。
可以通过ratio参数调整用于动作迁移的人脸的图片尺寸，1.0代表半径等于人脸高度的圆形区域。
运行脚本生成视频:
cd /home/aistudio/PaddleGAN/applications/
python -u tools/first-order-mayi.py \
--driving_video /home/aistudio/MaYiYaHei.mp4 \
--source_image /home/aistudio/1.jpeg \
--relative --adapt_scale \
--output /home/aistudio/output \
--ratio 1.0
PaddleGAN/application/tools/first-order-mayi.py文件，是生成”蚂蚁呀嘿“视频的主程序。
下面简单解读一下代码：
import argparse
import os
import paddle
from ppgan.apps.first_order_predictor import FirstOrderPredictor
from skimage import img_as_ubyte
import paddlehub as hub
import math
import cv2
import imageio
import numpy as np
parser = argparse.ArgumentParser()
parser.add_argument("--config", default=None, help="path to config")
parser.add_argument("--weight_path",
default=None,
help="path to checkpoint to restore")
parser.add_argument("--source_image", type=str, help="path to source image")
parser.add_argument("--driving_video", type=str, help="path to driving video")
parser.add_argument("--output", default='output', help="path to output")
parser.add_argument("--relative",
dest="relative",
action="store_true",
help="use relative or absolute keypoint coordinates")
parser.add_argument(
"--adapt_scale",
dest="adapt_scale",
action="store_true",
help="adapt movement scale based on convex hull of keypoints")
parser.add_argument(
"--find_best_frame",
dest="find_best_frame",
action="store_true",
help=
"Generate from the frame that is the most alligned with source. (Only for faces, requires face_aligment lib)"
)
parser.add_argument("--best_frame",
dest="best_frame",
type=int,
default=None,
help="Set frame to start from.")
parser.add_argument("--cpu", dest="cpu", action="store_true", help="cpu mode.")
parser.add_argument("--ratio", dest="ratio",type=str,default="1.0", help="area ratio of face")
parser.set_defaults(relative=False)
parser.set_defaults(adapt_scale=False)
if __name__ == "__main__":
args = parser.parse_args()
if args.cpu:
paddle.set_device('cpu')
cache_path = os.path.join(args.output,"cache")
if not os.path.exists(cache_path):
os.makedirs(cache_path)
image_path = args.source_image
origin_img = cv2.imread(image_path)
image_width = origin_img.shape[1]
image_hegiht = origin_img.shape[0]
ratio = float(args.ratio)
#获取人脸模型
module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
#对照片进行人脸检测
face_detecions = module.face_detection(paths = [image_path], visualization=True, output_dir='face_detection_output')
#获取人脸检测结果
face_detecions = face_detecions[0]['data']
#截取人脸图片，并保存人脸图片的属性在face_list列表中。
face_list = []
for i, face_dect in enumerate(face_detecions):
left = math.ceil(face_dect['left'])
right = math.ceil(face_dect['right'])
top = math.ceil(face_dect['top'])
bottom = math.ceil(face_dect['bottom'])
width = right - left
height = bottom - top
center_x = left + width // 2
center_y = top + height // 2
size = math.ceil(ratio * height)
new_left = max(center_x - size, 0)
new_right = min(center_x + size, image_width)
new_top = max(center_y - size, 0)
new_bottom = min(center_y + size, image_hegiht)
origin_img = cv2.imread(image_path)
face_img = origin_img[new_top:new_bottom, new_left:new_right, :]
face_height = face_img.shape[0]
face_width = face_img.shape[1]
cv2.imwrite(os.path.join(cache_path,'face_{}.jpeg'.format(i)), face_img)
face_list.append({"path" : os.path.join(cache_path,'face_{}.jpeg'.format(i)),
"width":face_width, "height":face_height,
"top":new_top, "bottom":new_bottom,
"left":new_left, "right":new_right, "center_x":center_x, "center_y":center_y,
"origin_width":width, "origin_height":height})
#遍历face_list，对每一个人脸进行动作迁移。
frames = 0
for face_dict in face_list:
predictor = FirstOrderPredictor(output=args.output,
weight_path=args.weight_path,
config=args.config,
relative=args.relative,
adapt_scale=args.adapt_scale,
find_best_frame=args.find_best_frame,
best_frame=args.best_frame)
predictions,fps = predictor.run(face_dict["path"], args.driving_video)
#将迁移后的结果保存到face_dict中
face_dict['pre'] = predictions
frames = len(predictions)
images = []
#遍历动作迁移后的帧，将人脸放置到原图上。
for i in range(frames):
#从原始图像上拷贝一帧图像
new_frame = origin_img.copy()
new_frame = new_frame[:,:,[2,1,0]]
for j, face_dict in enumerate(face_list):
pre = face_dict["pre"][i]
face_width = face_dict["width"]
face_height = face_dict["height"]
top = face_dict["top"]
bottom = face_dict["bottom"]
left = face_dict["left"]
right = face_dict["right"]
img = cv2.resize(pre,(face_width, face_height))
img_expand = np.zeros(origin_img.shape).astype('uint8')
img_expand[top:bottom, left:right, :] = img_as_ubyte(img)
mask = np.zeros(origin_img.shape[:2]).astype('uint8')
center_x = face_dict["center_x"]
center_y = face_dict["center_y"]
origin_width = face_dict["origin_width"]
origin_height = face_dict["origin_height"]
#绘制一个椭圆的蒙版，更贴近脸型。
cv2.ellipse(mask, (int(center_x), int(center_y)),
(math.ceil(ratio * origin_width) - , math.ceil(ratio * origin_height) - 1), 0,0,360,
(255,255,255), -1 ,8 ,0)
#利用蒙版将生成后的帧拷贝到原图上。
new_frame = cv2.copyTo(img_expand, mask, new_frame)
if isinstance(new_frame, cv2.UMat):
new_frame = new_frame.get()
# cv2.imwrite("face_{}.jpg".format(i), img_expand)
# cv2.imwrite("test_{}.jpg".format(i), new_frame)
#方形放置
# new_frame[top:bottom, left:right, :] = img_as_ubyte(img)
#将生成后的帧保存。
images.append(new_frame)
#将图片合并为视频
imageio.mimsave(os.path.join(args.output, 'result.mp4'),
[img_as_ubyte(frame) for frame in images],
fps=fps)
#合并音视频
os.system("ffmpeg -y -i " + os.path.join(args.output, 'result.mp4') + " -i /home/aistudio/MYYH.mp3 -c:v copy -c:a aac -strict experimental " + os.path.join(args.output, 'mayiyahei.mp4'))
该程序目前还有许多可以改进的地方，后续会继续优化。
推荐使用AI Studio运行该程序，不但有免费的V100算力可使用，还可以方便的一键运行脚本生成视频。
欢迎关注我的公众号:人工智能研习社，分享更多的人工智能技术干货。