富强 民主 文明 和谐
自由 平等 公正 法治
爱国 敬业 诚信 友善

服务器环境：centos7，conda4.8

项目介绍

项目地址

github地址：https://github.com/deepfakes/faceswap
gitee镜像仓库地址：https://gitee.com/mirrors/faceswap
由于项目较大，Q内用户下载速度过慢，建议使用gitee仓库，该仓库每日定时更新

数据获取

在整个测试项目的过程中，数据获取是耗费我时间最多的环节，网上给出的一些Google开源数据集地址，我都没法使用，数据主要来源于两方面

• 1、在百度图片使用爬虫爬取https://www.jianshu.com/p/c23684942a72
• 2、找一些视频进行训练

建议使用方法二。测试下来发现，用爬虫爬取的图片都比较小，而且还需要耗费大量的时间进行人工筛选，为了方便快速出结果，直接找一些视频会更好些。

环境搭建

conda和tensorflow

这部分网上的教程很多，在这里略过了，有一点要说明的是，对于使用gpu的玩家，如果用的conda，并没有必要单独安装cuda，直接conda install tensorflow-gpu=1.12，会自动安装对应的cuda，我当时在这里白费了好多时间

速度过慢的话，记得修改源地址

项目环境

# 拉取项目
git clone https://gitee.com/mirrors/faceswap
cd faceswap
# 安装以来环境
conda install -r _requirements_base.txt

安装ffmpeg

ffmpeg可以很方便的进行视频与图片之间的转换，centos安装介绍参考
https://blog.csdn.net/weixin_44598071/article/details/103177910
另外，ffmpeg在centos中可能会不支持png格式的文件操作，据说在windows和ubuntu中不会出现这个问题，这种互转可以借助python的pillow模块进行操作，在安装环境的时候已经装上了pillow

• ffmpeg常用命令

# 从视频input.mp4中，裁剪出从1分30秒开始的一分钟视频
ffmpeg -ss 0:1:30 -t 0:1:0 -i input.mp4 -vcodec copy -acodec copy out.mp4
# 视频转图片，-r:每秒钟提取的帧数，默认为30
ffmpeg -i input.mp4 -r 10 output/video_%d.jpg
# 图片转视频，-b:v：控制视频码率，默认为200，所以合成的视频像素很低
ffmpeg -i input/video_%04d.jpg -b:v 5626k out.mp4
# 视频合成，分为两步，先把每个视频转成ts流，再合成一个视频
ffmpeg -i input1.mp4 -vcodec copy -acodec copy -vbsf h264_mp4toannexb input1.ts
ffmpeg -i input2.mp4 -vcodec copy -acodec copy -vbsf h264_mp4toannexb input2.ts
ffmpeg -i "concat:input1.ts|input2.ts" -acodec copy -vcodec copy -absf aac_adtstoasc concat.mp4

工作流程

文件夹规则定义

此处要把gakki的脸换成刘亦菲

• gakki：被换脸的人原图，即从爬虫爬的图片
• gakki_video：被换脸的人视频
• gakki_ready：被换脸的人，原始图片/视频进行脸部特征抽取后，放置的文件夹
• lyf：要换脸的人原图，即从爬虫爬的图片
• lyf_video：要换脸的人视频
• lyf_ready：要换脸的人，原始图片/视频进行脸部特征抽取后，放置的文件夹
• gakki_lyf_model：放置训练的模型文件
• convert：放置模型跑出来的最终结果，即已经换脸后的文件

操作步骤

1、抽取脸部特征

# 抽取图片的脸部特征，传入的是文件夹，会保留原本的格式，即jpg文件抽取后的图片依然是jpg
python faceswap.py extract -i gakki -o gakki_ready
python faceswap.py extract -i lyf -o lyf_ready
# 抽取视频里每帧图片的脸部特征，传入的是视频文件，默认保存为png格式
python faceswap.py extract -i gakki_video/gakki.mp4 -o gakki_ready
python faceswap.py extract -i lyf_video/lyf.mp4 -o lyf_ready

• 若是从网上下了多个短视频，可以使用上面的ffmpeg命令进行视频合并
• 对于有强迫症的，必须要把文件名变成一致的，这里可以使用python非常方便的进行批量替换文件名，主要就是os.listdir(); os.rename()
• 若传入的是视频，则提取面部特征后的图片数量一般会比较巨大，若是想自己控制输出图片的数量，可以使用ffmpeg将视频切成图片，然后当作图片进行处理。不过我的ffmpeg无法操作png格式，只能转成jpg格式，会导致丢失很多信息。png格式的文件一般要比jpg格式文件大得多，模型的效果也要好些

2、人工筛选

图片进行面部特征抽取后，会变成下面这种大头照。

这时候就需要进行人工筛选了，这一步是最耗时的，因为最后入模型的就是这些图片，因此需要仔细的筛选。

3、训练模型

python faceswap.py train -A /gakki_ready -B /lyf_ready -m /gakki_lyf_model/

模型训练没什么说的，这里的模型是手动停止的，自己觉得模型不再收敛，时间有差不多的时候，直接在命令行敲回车就可以直接停止了

• 这里有个点要额外注意一下，我在使用nohup进行后台运行的时候，程序直接崩了，我也没搞清楚是什么问题，如果出现了这种情况，建议使用jupyter-lab --port 9999 --allow-root开启jupyter，然后在本地windows浏览器打开jupyter的终端，然后在这里进行模型训练。就不用担心关电脑后程序自动终止。

4、调用模型进行换脸

• 对图片进行换脸

python faceswap.py convert -i /gakki -o /convert -m /gakki_lyf_model/

这一步只能对图片进行操作，而且必须是提取过面部特征之后的图片，即进行过第一步后的图片，因为当进行面部抽取的时候，会在当前文件夹生成一个识别文件。

• 对视频进行换脸
  • 如果想对视频进行换脸，必须调用ffmpeg把视频切成图片，然后再调用上面的命令，最后再自己把图片拼成视频。涉及的ffmpeg命令都在上面。
  • 换脸后生成的文件是png格式，如果ffmpeg操作不了png格式图片，就需要先转成jpg

from PIL import Image
img = Image.open('lyf_1.png')
img.save('lyf_1.jpg')

直接将png格式读进去，然后保存为jpg即可，再配合os模块即可批量转换

补充

使用频繁的linux命令

# 查看当前文件下的文件数量（仅文件）
ls -l | grep "^-" | wc -l
# 解压zip文件，可能会把一大堆文件直接解压在当前文件夹，建议在一个空文件夹内解压zip文件
unzip lyf.zip
# 压缩文件夹lyf内的所有文件
tar -zcvf lyf.tar.gz ./lyf
# 查看当前目录下所有的文件大小
du -sh *