百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

玩转人脸特效,就使用这些有趣的人脸镜像功能

ztj100 2024-10-30 05:12 17 浏览 0 评论

前期文章我们介绍了很多关于人脸识别,人脸检测方面的文章,小伙伴们可以直接到小编的主页查看,或者直接搜索人脸识别与人脸检测方面的文章,本期我们延续以前的人脸检测功能的基础上,进行人脸特效的知识点的分享。

人脸特效,现在很多app都有类似的功能,包括人脸美白,人脸瘦脸以及抖音上的人脸镜像视频等等,本期介绍几个人脸的镜像功能

本期主要使用VCAM:虚拟摄像机来创建不同的人脸镜像功能

首先需要安装vcam 直接使用pip install 安装即可

import cv2
import numpy as np
import math
from vcam import vcam,meshGen
paths = ["./image/img.jpg"]

首先导入vcam 虚拟相机

定义图片 的来源数据

for mode in range(8):
	for i, path in enumerate(paths):
		img = cv2.imread(path)
		img = cv2.resize(img,(300,300))
		H,W = img.shape[:2]
		c1 = vcam(H=H,W=W)
		plane = meshGen(H,W)
		if mode == 0:
			plane.Z += 20*np.exp(-0.5*((plane.X*1.0/plane.W)/0.1)**2)/(0.1*np.sqrt(2*np.pi))
		elif mode == 1:
			plane.Z += 20*np.exp(-0.5*((plane.Y*1.0/plane.H)/0.1)**2)/(0.1*np.sqrt(2*np.pi))
		elif mode == 2:
			plane.Z -= 10*np.exp(-0.5*((plane.X*1.0/plane.W)/0.1)**2)/(0.1*np.sqrt(2*np.pi))
		elif mode == 3:
    	plane.Z -= 10*np.exp(-0.5*((plane.Y*1.0/plane.W)/0.1)**2)/(0.1*np.sqrt(2*np.pi))
		else:
			exit(-1)

cv2.imread(path)来读取图片

cv2.resize(img,(300,300))获取图片的尺寸并resize为300*300

c1 = vcam(H=H,W=W)

plane = meshGen(H,W)


通过以上2行代码我们创建了一个虚拟的相机与映布,这里小编提供 了4种人脸镜像的函数,当然,你也可以自己搭建自己的镜像函数,或者修改里面的数字来达到自己的效果

		pts3d = plane.getPlane()
		pts2d = c1.project(pts3d)
		map_x,map_y = c1.getMaps(pts2d)

		output = cv2.remap(img,map_x,map_y,interpolation=cv2.INTER_LINEAR)
		output = cv2.flip(output,1)
		cv2.imshow("Input and output",np.hstack((img,np.zeros((H,2,3),dtype=np.uint8),output)))
		cv2.waitKey(0)

plane.getPlane() 提取生成的三维平面

c1.project(pts3d)在虚拟摄像机中投影平面

c1.getMaps(pts2d)导出基于网格的扭曲的映射函数。

最后把映射函数应用到图片上,并显示图片


当然,你也可以使用以前分享的实时视频检测来处理这个人脸镜像功能

实时人脸镜像

import cv2
import numpy as np
import math
from vcam import vcam,meshGen
import sys
import time
cap = cv2.VideoCapture(0)
time.sleep(2.0)
ret, img = cap.read()
H,W = img.shape[:2]
c1 = vcam(H=H,W=W)
plane = meshGen(H,W)
plane.Z += 20*np.exp(-0.5*((plane.X*1.0/plane.W)/0.1)**2)/(0.1*np.sqrt(2*np.pi))
pts3d = plane.getPlane()
pts2d = c1.project(pts3d)
map_x,map_y = c1.getMaps(pts2d)
while True:
	ret, img = cap.read()
	if ret:
		output = cv2.remap(img,map_x,map_y,interpolation=cv2.INTER_LINEAR,borderMode=4)
		out1 = np.hstack((img,output))
		out1 = cv2.resize(out1,(700,350))
		cv2.imshow("output",out1)
	key = cv2.waitKey(1) & 0xFF
	if key == ord("q"):
		break
cv2.stop()
cv2.destroyAllWindows()

以上代码不做过多的介绍了,跟图片镜像完全一样,使用视频的人脸镜像功能,你可以看到很多抖音小姐姐玩的人脸镜像视频,其实底层代码便是如此,哈哈,小伙伴们赶紧撸起来吧。


最后,小编再提供4个镜像功能的函数,小伙伴们可以自己运行代码尝试


			plane.Z += 20*np.sin(2*np.pi*((plane.X-plane.W/4.0)/plane.W)) + 20*np.sin(2*np.pi*((plane.Y-plane.H/4.0)/plane.H))
			plane.Z -= 20*np.sin(2*np.pi*((plane.X-plane.W/4.0)/plane.W)) - 20*np.sin(2*np.pi*((plane.Y-plane.H/4.0)/plane.H))
			plane.Z += 100*np.sqrt((plane.X*1.0/plane.W)**2+(plane.Y*1.0/plane.H)**2)
			plane.Z -= 100*np.sqrt((plane.X*1.0/plane.W)**2+(plane.Y*1.0/plane.H)**2)


本期代码介绍了人脸镜像特效的基础知识,其实本期文章并没有对人脸进行检测,小伙伴们可以自行使用前期分享的代码,首先进行人脸的检测,然后使用本期文章的代码进行更精确的人脸特效

相关推荐

再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)

在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...

python编程:如何使用python代码绘制出哪些常见的机器学习图像?

专栏推荐...

python创建分类器小结(pytorch分类数据集创建)

简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...

matplotlib——绘制散点图(matplotlib散点图颜色和图例)

绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...

python实现实时绘制数据(python如何绘制)

方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...

简单学Python——matplotlib库3——绘制散点图

前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...

数据分析-相关性分析可视化(相关性分析数据处理)

前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...

免费Python机器学习课程一:线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...

用Python进行机器学习(2)之逻辑回归

前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...

【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂

一、拟合和回归的区别拟合...

推荐2个十分好用的pandas数据探索分析神器

作者:俊欣来源:关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...

神经网络基础深度解析:从感知机到反向传播

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...

取消回复欢迎 发表评论: