你动、蒙娜丽莎跟着一起动，OpenCV这么用，表情口型造假更难防了

　　有没有想过让蒙娜丽莎跟着你的表情动，来一番亲切的交流？

　　Aliaksandr 的一阶运动模型（First Order Motion Model）可以实现，但是实现过程非常复杂且繁琐。

　　一阶运动模型功能强大，可以在未经预训练的数据集上对图像和视频进行特效生成，但代价是安装配置比较繁琐。

　　能不能简单一点，再简单一点？

　　印度一位程序员阿南德·帕瓦拉（Anand Pawara）设计了基于 OpenCV 实现的实时动画特效。

　　毕竟 OpenCV 是成名已久的跨平台视觉库，是事实上的计算机视觉领域的标准库。

　　项目中涉及的人脸识别、动作识别和运动跟踪，均在 OpenCV 库中原生支持。

　　几天前，阿南德在 GitHub 上开源了完整代码，并给出实现具体过程。

　　走过路过，不要错过。

　　安装过程

　　1、安装依赖模块

　　安装依赖模块：

　　安装 pytorch 1.0.0 :

　　2、下载配置文件（如果不能下载，文件链接在文末）

　　3、运行程序

　　运行文件 :

　　针对摄像头的实时特效生成 :

　　针对既有视频的特效生成 :

　　如果你想上手试试，只需要调整相关配置文件即可。

　　模型分为两种使用模式，一种是较为常规的导入视频常规方法，另外一种就是实时生成视频特效。

　　但是，请注意，一定要使用pytorch 1.0.0 版本，因为更高的版本在后端依赖的一阶模型上存在问题。

　　按照作者的后续计划，会推出客户端程序，并且会增加假声（deepfake voice）功能。

　　立足 OpenCV 的优化

　　阿南德所做的工作是简化现有的一阶运动模型（First Order Motion Model），使用 OpenCV 对视频进行特效生成。

　　项目的后端支持由 OpenCV 库完成，避免使用复杂的模型，降低使用门槛。

　　按照作者观点，使用这个模型只需要对一类数据集进行训练后，便可应用到对其全部事物上去，即具有较好的泛化能力。

　　不同于原一阶模型的多个数据集测试效果，现在阿南德实时动态特效模型还只在人脸数据集上进行测试，后续后持续增加其他数据集。

　　这个模型的特点是易用，配置非常简单，基本可以开箱即用，即使是训练自己的数据集也会比较简单。

　　因为立足于对现有资源进行优化配置，操作简易，功能强大。

　　当然，简单也会带来问题，比如现在数据集较为单一，针对的主要是人脸数据集。

　　此外，对人脸的轮廓识别效果还不那么令人满意，需要加以改造。

　　作者简介

　　项目作者阿南德·帕瓦拉（Anand Pawara）是印度 AvenDATA 公司的一名深度学习工程师，现居孟买。

　　繁琐的工作自动化，大幅度降低上手的难度。

　　完整实现过程连接在下面，如果有兴趣，欢迎自己去试试哟~

　　参考链接：