数字人模型优化

经过之前SadTalker源码解读，并且经过实验发现，数字人三个阶段preprocess，audio_to_coeff，animate_from_coeff中，第一阶段preprocess花了近一半时间，故考虑优化这部分。

之前的源码分析可以发现，preprocess主要是进行图片的裁剪，标准化，然后进行3DMM特征的提取，其中特征提取部分使用的是resnet50，如果是视频输入则每一帧都要过resnet50，图片的话只要一次就行。该模块就是总体模块中的monocular3D face recon部分：

英语口语训练助手实际上不需要每次自己传图片，而是可以让用户选则特定的角色来进行对话，对于特定的角色，实际上可以用固定的图片和音频，音频的实现再之后讨论。

由于我们各个阶段的函数和模块都封装的很好了，只需要将第一阶段的模块单独拿出来，图片路径设置为我们提供的角色图片，预先提取出preprocess产生的参数，即存到mat文件中，下次使用直接访存就行了：

from src.utils.init_path import init_path
from src.utils.preprocess import CropAndExtract
import os

config_path='/root/avatar/src/config'
checkpoint_path='/root/avatar/checkpoints'
devi