流 年

前几天的折腾中，终于把基于英伟达 GPU 的 CUDA 计算引擎推理模型环境搭建起来， 相比 CPU 一下子快了不少。

在解读 roop 项目源码时，发现它其实引用了一个开源人脸识别库 InsightFace ， 查资料发现背后的团队竟然是国人主导的，并且这个开源项目在github上的关注度非常高， 突然很惊讶，原来国内的人脸识别技术还是全球领先的。

分析源码，整个换脸过程大概分为几个步骤：

• 将视频按帧数要求切成图片
• 对每一张图片进行处理：检测出其中的人脸及其特征，等待程模型推理；在该阶段使用经典的面部处理库insightface进行面部的检测和特征识别；
• 发现存在的源脸和需要更换的目标脸后，针对每一帧进行换脸模型（Inswapper128）的推理，并且引入图像处理（插值&缝合边缘的高斯模糊&…）和面部修复模型（GFPGAN/CodeFormer）来提高最终产生的图像质量；
• 用ffmpeg工具命令将换脸后的图片合成成视频;

roop 项目的换脸实际测试效果确实很不错，如下截图：

因此最关键的还是经典的面部处理库 InsightFace 的使用，在代码初始运行是，它需要下载 算法模型文件，模型文件如下：

用法用例如下所示：

from insightface.app import FaceAnalysis 
app = FaceAnalysis(name='buffalo_l', root='算法模型文件夹路径', providers=["CPUExecutionProvider"], allowed_modules=) 
app.prepare(ctx_id=0, det_thresh=0.75, det_size=(640, 640)) 
ret = app.get(img, max_num=10)