python实现面部特效_【AI美颜算法】300行Python实现基于人脸特征的美颜算法

先上效果图：

AI美颜

人类一直是一个看脸的物种，人人都希望可以变得更美是无可争议的，而美颜类应用的出现拯救了所有人，从此人类进入了美(照)颜(骗)时代。

。。。。

每次写技术blog都要写一堆废话引言，现在懒得写，大概就是美颜很重要，美女主播靠它活，没了它大部分妹子不敢发朋友圈blabla。

美颜算法的基础是人脸识别技术，市面上的美颜应用普遍使用了CV科技类公司的人脸识别（特征点提取）接口：MeituKiss超级自拍神器手机，前置摄像头搭载自动美颜技术。Face++为该款手机提供领先的人脸检测和关键点检测技术，实现实时美颜，自动美肌，智能美型，极致美瞳。

美颜相机是一款专为爱自拍的女生量身定制的美图软件。Face++为美颜相机提供领先的人脸检测和关键点检测技术，在图像中精准定位人脸和五官位置，让多款细腻的人像特效瞬间呈现，让用户快速拥有惊艳的面容。

也有小米新机所搭载的AI美颜技术：

需要人脸识别技术的原因是显而易见的，每张图片面部所占区域不同，五官位置各异，我们针对不同区域要做的美化操作也各不相同。我们需要人脸识别技术为我们定位面部并标记面部不同的区域。如果直接对整张图片进行暴力操作，效果会非常难看~

人脸识别（特征提取）技术目前已经较为成熟，旷视、face++提供的接口可以精确提取100个以上的特征点，根据这些特征点，我们可以针对不同部位进行美化：皮肤磨皮、美白，嘴唇增红、眼睛提亮、瘦脸等等。

在本项目中，使用了开源库dlib C++ Library来提取面部特征。这个库我在另外两篇人脸识别文章【换脸系列1】军装照刷爆朋友圈？教你用Python+深度学习自制换脸软件！（改进）和【换脸系列2】浪漫七夕♥和你的TA交♂换身体吧！（单身狗慎入）有过使用和介绍。这是一个优秀的cv&dl&人脸识别库，提供的预训练模型可以提取68个特征点，精确度较高。

实现

本章代码只起演示作用，不完整不保证运行，完整代码请看GitHub

对象分析

美颜算法的处理对象是人像图片（废话），我们分析一下一张人像图片内的对象：

图片里有若干人脸区域和非人脸区域，我们只希望处理那些人脸区域。

每个人脸，由五官、脸颊、下巴、额头等部件组成。（奇怪的名字，逃

每个部件都有自己的特点，美颜算法需要针对不同的部件进行具体的美化操作，即美颜操作的最小对象是部件。

现在，我们知道了一张图片有两种主要对象：脸、部件，若干部件构成一张脸。我们希望，每个部件对象都有若干方法来美化自身。

我们发现，脸和部件对象都需要坐标点来实例化，而且脸部整体也需要若干方法来美化自身。所以我们可以让脸对象继承自部件对象。

class Organ():

pass

class Forehead(Organ):

pass

勾画有效区域

我们首先要知道每个脸和部件的位置（坐标），我们用dlib来检测并提取特征点坐标。

PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat"

detector = dlib.get_frontal_face_detector()

predictor = dlib.shape_predictor(PREDICTOR_PATH)

def get_landmarks(im):

rects = detector(im, 1)

return [numpy.matrix([[p.x, p.y] for p in predictor(im, rect).parts()]) for rect in rects]

这样我们就得到了一个列表，每个元素是一个人脸的特征点坐标数

根据标记点序号，我们可以得到人脸和各个部件的特征坐标：

#五官名称

self.organs_name=['jaw','mouth','nose','left eye','right eye','left brow','right brow']

#五官等标记点

self.organs_points=[list(range(0, 17)),list(range(48, 61)),list(range(27, 35)),list(range(42, 48)),list(range(36, 42)),list(range(22, 27)),list(range(17, 22))]

我们怎么利用这些坐标来针对每个部件的有效区域进行美化处理呢？

首先，获得特征点坐标的边界，再根据区域大小，适当扩大一部分，取对应的储存图片数据的numpy数组的切片。这样我们就得到了全局图片的一个局部切片（引用）。

def get_rect(self):

'''获得定位方框'''

ys,xs=self.landmark[:,1],self.landmark[:,0]

self.top,self.bottom,self.left,self.right=np.min(ys),np.max(ys),np.min(xs),np.max(xs)

self.shape=(int(self.bottom-self.top),int(self.right-self.left))

self.size=self.shape[0]*self.shape[1]*3

self.move=int(np.sqrt(self.size/3)/20)

patch&#