虚假视频处理的门道

今天视频号直播，与彭涛哥连麦聊天，从Python自动化办公聊到了程序自动化去赚钱，然后聊到了我前段弄的视频批量生成（目的在于对抗平台进行视频去重）。

直播完后，多位朋友私聊我相关的技术细节和处理后视频的效果，其结论是：技术这块我跑通过了，对少量视频进行测试，在抖音和shorts上是没啥问题的，至于大量测试嘛，因为心不在此，暂时没测，有心人可以利用本文提出的技术手段尝试一下，如果你愿意将测试结果告知于我，那就更好了。

本文主要是简单介绍一下，生成虚拟视频中我使用过的一些技术手段，我对视频处理并不是常规的混剪、换音乐、给视频加一些特效或加字幕等传统方式，而是通过对视频进行换脸处理、视频背景替换来实现的，当然在这过程中，我也尝试了其他方向，比如唇语视频生成实现对视频里的人说的内容进行操控，还比如实现一个虚拟播报人，对于一些常见的新闻视频做到虚拟生成视频播报等尝试。

二两：本文尽力少提技术细节，朋友们请放心食用。

换脸处理

换脸的底层技术是GAN（生成对抗网络），你想了解这块的技术细节可以购买我之前出的书籍《深入浅出GAN生成对抗网络》，此书质量不错，已输出到台湾（繁体版本），有兴趣的技术同学可以下单一本。

当然你也可以阅读我之前写的换脸技术浅析的文章。

广告时间结束，回到正题，我试过市面上绝大多数换脸相关的开源项目，从易上手角度来讲，推荐DeepFaceLab项目（https://github.com/iperov/DeepFaceLab）

对于Windows系统的同学，DeepFaceLab（简称：DFL）提供了非常完善的工具链，比如上图，就是DFL提供了扣脸工具XsegEditor，正常情况下，DFL会通过算法（s3fd算法）直接扣脸，但对于一些特殊情况，如上图半脸情况或脸部被话筒、眼镜等不规则物体遮挡时，就需要人为手动介入，借助XsegEditor工具完成人脸抠像。

一些视频中可能会存在遮挡物，如上文提到的脸部被话筒、眼镜等物体遮挡，对于常规的遮挡物，可以通过DFL提供的通用遮罩识别模型进行识别，但对于特殊的遮罩物，比如鲜花等，效果就比较差了。

DFL虽然提供了比较好的工具链，但它并没有提供预训练模型，所以你还是需要自己收集目标人脸，收集时，注意角度尽可能多，DFL集成了人脸数据集检测算法，对每个人脸25%的偏侧进行检测，从而判断人脸数据