CN119494893A 基于ai的面部图像替换方法及系统 （浙江华娱网络科技有限公司）

中点矫正与尺寸校准，确保集合内图像的一致2S2、目标面部图像替换：从头像面部图像集合{IfS3、迭代替换：利用AI边缘算法，在目标集合(Gnce}中代入所有待替换面部图像Thncelil，对目标面部图像替换进行多次替换并求取均值，直到所有待替换面部图像;边长满足maa(wu,h)=min(w,H)时，不做缩放矫正；当最小外接矩形[M]的边长满其中，maa(u,h)表示最小外接矩形[M]的横向宽度w和纵向宽度h之间的较大值；min(w,H)表示图像宽度w和图像高度H中的较小值。S21、待替换面部图像的提取：确定待替换面部集合(Tace}内的所有待替换面部图像3;和分别表示第个目标面部图像的横比例中值和纵比例中值；(u1Tace)/(h1Trace)表示待替换面部图像{Iface}中自动分析，按照目标面部图像与待替换面部图像的最小外接矩形的长宽比差异对目标面部图像与待替换面部图像提取边缘轮廓并进行位移变换7.根据权利要求5所述的一种基于AI的面部图像替8.一种基于AI的面部图像替换系统，用于实施如权利要求1_7任一项所述的一种基于4[0003]现有的面部图像替换技术主要依赖于传统图像处理算法或者基于深度学习的生Thncelil，对目标面部图像替换进行多次替换并求取均值，直到所有待替换面部图像5[0009]进一步的，步骤S1中的头像裁剪取整时，作为集合元素的每个目标面部图像(ar',y)=·(a,y)+(1-y)·((0.5w,0.5H)-(MS,MY))[0010]其中，w和H分别表示图像宽[0011]进一步的，步骤S1中的头像裁剪取整时，作为集合元素的每个目标面部图像S12、头部尺寸校准：计算面部轮廓的最小外接矩形[M]；当最小外接矩形S21、待替换面部图像的提取：确定待替换面部集合(Tace}内的所有待替换面部[0013]其中，(M,1Trace)和(M,1Tace)分别表示待替换面部的横比例中值和纵比例(a1Inelil)/(h1Incelil)分别表示参考面部图像的宽高比例；表示待6集合{Iface}中自动分析，按照目标面部图像与待替换面部图像的最小外接矩形的长宽比后的目标面部图像的边缘轮廓的横比例值、纵比例值、中心点横坐标、中心点纵坐标；本发明提供了一种基于AI的面部图像替换方法，能够在多种复杂场景下实现高动分析选择机制确保了在多样化场景中都能选择出最相似的替换目标，满足不同应用需7Thncelil，对目标面部图像替换进行多次替换并求取均值，直到所有待替换面部图像[0030]进一步的，步骤S1中的头像裁剪取整时，作为集合元素的每个目标面部图像(ar',y)=·(a,y)+(1-y)·((0.5w,0.5H)-(MS,MY))[0031]其中，w和H分别表示图像宽[0032]进一步的，步骤S1中的头像裁剪取整时，作为集合元素的每个目标面部图像8S12、头部尺寸校准：计算面部轮廓的最小外接矩形[M]；当最小外接矩形S21、待替换面部图像的提取：确定待替换面部集合(Tace}内的所有待替换面部[0034]其中，(M,1Trace)和(M,1Tace)分别表示待替换面部的横比例中值和纵比例(a1Inelil)/(h1Incelil)分别表示参考面部图像的宽高比例；表示待集合{Iface}中自动分析，按照目标面部图像与待替换面部图像的最小外接矩形的长宽比r;分别表示优化前及优化后的目标面部图像的边缘轮廓的横比例值、纵比例值、中心点横坐标、中心点纵坐标；9下面给出一个具体实施例，以一段分辨率为640×480、长度约为120帧的视频为人脸检测模型：假设使用常见的深度学习人脸检测算法(如MTCNN、RetinaFace为了使人脸中心更接近于全图中心，本方案加权后满足：y'=0.8x0.45+0.01=0.36+0.01=0.37；(0.4375x640,0.37x480)~(280,177.6)，并可进一步根据实际场景做四舍五入处廓的最小外接矩形ul的实际宽高为：;合{I。在确认了哪些Thncelil符合条件后，需在目标面部图像集合{Iface}中自动分析并逐一计算(a1Iacelil)/(h1Incelil)和的差值，按集合(Gnce}，如此便可得到目标集合(Gnce}，其中每一张图像都较为接近当前要替换的针对得到的目标集合与对应的待替换面部图像，执行AI边缘算[0065]以某个目标面部图像Ifauceli的边缘信息为基准，计算与Taceli中心坐标(IS,IY)~(0.46,0.37)，将通过平移变换与其相用迭代序号n=1,2,3...表示替换