Pytorch 深度学习实战：视频自动打码

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

人脸识别

人脸识别是一门比较成熟的技术。

它的身影随处可见，刷脸支付，信息审核，监控搜索，人脸打码等。

更多的时候，它是方便了我们的生活，足不出户，就可以实现各种 APP 的实名认证，信息审核。

一些公司，也都有对内部员工开放的刷脸支付系统，不用带手机，不用带工卡，带着一张或美丽或帅气的脸庞，就可以在公司内部「买买买，刷刷刷」！

人脸打码

除了这些常规操作，还可以对视频里的特定人物进行打码。

仝卓自爆高考作弊，可谓＂教科书＂级别的＂仝＂归于尽的坑爹教程。

为避免风险，《快乐大本营》反应迅速，对仝卓出现的画面进行了打码处理。

这「任性」的打码方式，简单粗暴。

对于视频，人工后期的逐帧处理，打码任务无疑是个「体力活」。

但如果结合脸识别技术，那这个任务就会简单很多。

本文从原理出发，讲解人脸识别技术的视频打码应用。

过滤视频的敏感人物，就这么简单！

人脸识别技术

人脸识别技术包涵了多种算法，整个流程大致如下：

• 使用检测技术，检测出人脸位置。

• 使用 landmark 技术，检测出人脸关键点。

• 根据人脸位置和人脸关键点，裁剪出人脸区域，并根据关键点将人脸图片进行矫正，得到「标准脸」。

• 计算「标准脸」的人脸特征向量。

• 与「人脸库」的人脸特征向量比对，计算向量的距离，找到最接近的人，输出人脸识别结果。

1、人脸检测

输入：原始的可能含有人脸的图像。

输出：人脸位置的 bounding box。

这一步一般我们称之为“人脸检测”（Face Detection），人脸检测算法，可以使用的库有很多，例如 OpenCV、dlib、face_recognition、RetianFace、CenterFace 等等。

太多了，数不过来。

当然，自己用 yolo 、ssd 这类经典的检测算法，自己实现一个也是可以的。

2、人脸裁剪及矫正

输入：原始图像 + 人脸位置 bounding box。

输出：“校准”过的只含有人脸的图像。

这一步需要使用 landmark 算法，检测人脸中的关键点，然后根据这些关键点对人脸做对齐校准。

所谓的关键点，就是下图所示的绿色的点，通常是眼角的位置、鼻子的位置、脸的轮廓点等等。

有了这些关键点后，我们就可以把人脸“校准”，或者说是“对齐”。

解释就是原先人脸可能比较歪，这里根据关键点，使用仿射变换将人脸统一“摆正”，尽量去消除姿势不同带来的误差。这一步我们一般叫 Face Alignment 。

3、人脸特征

输入：校准后的单张人脸图像。

输出：一个向量表示。

这一步就是使用深度卷积网络，将输入的人脸图像，转换成一个向量的表示。这个向量就是人脸的特征，例如：

这密密麻麻的 128 维的向量，就是一张人脸的特征，你也可以叫做人脸的编码。

提取特征这种事，卷积神经网络很在行。

举个例子，VGG16 是深度学习中一个比较简单的基本模型。

输入卷积神经网络的是图像，经过一系列卷积后，全连接分类得到类别概率。

整个过程是这样的：

其实，卷积神经网络不断的进行卷积，下采样，这就是一个提取特征的过程，最后通过全链接层得到类别概率。

人脸特征提取，我们也可以这么操作。我们可以去掉全连接层，用计算的特征（一般就是卷积层的最后一层，e.g. 图中的conv5_3）来当作提取的特征进行计算。

与分类任务不同的是，最后使用的 loss 损失函数是不同的。

在理想的状况下，我们希望“向量表示”之间的距离就可以直接反映人脸的相似度：

• 对于同一个人的人脸图像，对应的向量的欧几里得距离应该比较小。

• 对于不同人的人脸图像，对应的向量之间的欧几里得距离应该比较大。

所以，每个人脸的类别中心，应该尽可能远一些，这样才能用于区别不同的人。

人脸常用的 loss 有 center loss 、 arcface loss 等。

人脸识别类似于，细粒度的分类。

训练过分类任务的，应该都知道。

训练人和猪的二分类，很好训练，因为人和猪的特征差别很明显。

但训练男人和女人的二分类，就要难一些，因为男人和女人的特征很相近。

为了更好区分男人和女人，就需要使用类别中心间距大的损失函数。

人脸识别，更是一种细粒度的区分，都是人，但你要区分出张三、李四、王二麻。

4、人脸识别

人脸识别，一般是需要建立一个「检索库」。

简单解释一下，我们要识别张三、李四、王二麻。

那么，我们就要选张三、李四、王二麻每个人的 10 张（自己定）图片。

然后使用我们训练好的人脸特征模型，提取每个人的人脸特征。

这样每个人，就都有 10 个人脸特征了，这就是一个「检索库」。

需要识别的图片，提取人脸特征后，依次与检索库已有的人脸特征去比对，投票选出最接近的人。

人脸打码

人脸识别技术原理清楚了，我们就可以使用这个技术，给仝卓打码。

可以看到，人脸识别技术涉及到的算法较多，自己依次实现是需要时间的。

但这，难不倒身为优秀「调包侠」的我。

开源的第三方库有很多，比如 face_recognition。

里面集成了人脸检测、人脸识别等接口。

我们先看下今天的任务。

使用人脸识别技术，对这一小段视频，给仝卓的人脸进行打码。

整理一下思路：

首先，我们使用 opencv 这类的程序处理视频，只能处理画面，不能处理声音。

所以，需要先将音频保存，再将处理好的视频和音频进行合成，这样既保证了画面打码，又保证了声音还在。

这块可以使用 ffmpeg 实现。

安装好 ffmpeg 并配置好环境变量。

ffmpeg 下载地址：
https://ffmpeg.zeranoe.com/builds/

编写如下代码：

import subprocess
import os
from PIL import Image


def video2mp3(file_name):
    """
    将视频转为音频
    :param file_name: 传入视频文件的路径
    :return:
    """
    outfile_name = file_name.split('.')[0] + '.mp3'
    cmd = 'ffmpeg -i ' + file_name + ' -f mp3 ' + outfile_name
    subprocess.call(cmd, shell=True)


def video_add_mp3(file_name, mp3_file):
    """
     视频添加音频
    :param file_name: 传入视频文件的路径
    :param mp3_file: 传入音频文件的路径
    :return:
    """
    outfile_name = file_name.split('.')[0] + '-f.mp4'
    subprocess.call('ffmpeg -i ' + file_name
                    + ' -i ' + mp3_file + ' -strict -2 -f mp4 '
                    + outfile_name, shell=True)

视频转音频，视频加音频的函数写好了，接下来，我们写视频自动打码的程序。

首先，安装 face_recognition。

python -m pip install face_recognition

face_recognition 有详细的 API 文档：

https://face-recognition.readthedocs.io/en/latest/face_recognition.html

我们先将要处理的视频保存到本地：
https://cuijiahua.com/wp-content/uploads/2020/07/cut.mp4

然后就可以使用 opencv 读取视频检测画面的每一张人脸。

import cv2
import face_recognition
import matplotlib.pyplot as plt
# %matplotlib inline # 在 jupyter 中使用的时候，去掉注释


cap = cv2.VideoCapture('cut.mp4')
ret, frame = cap.read()
if ret:
    face_locations = face_recognition.face_locations(frame)
    for (top_right_y, top_right_x, left_bottom_y,left_bottom_x) in face_locations:
        cv2.rectangle(frame, (left_bottom_x,top_right_y), (top_right_x, left_bottom_y), (0, 0, 255), 10)
    plt.imshow(cv2.cvtColor(frame, cv2.COLOR_RGB2BGR))
    plt.show()

运行效果：

这样，对画面中检测到的每张人脸，进行人脸识别，是仝卓，那就打码。

打码图片，咱也用个简单粗暴的。

打码图片下载地址：

https://cuijiahua.com/wp-content/uploads/2020/07/mask.jpg

将 mask.jpg 保存到本地。

再截取一张仝卓的人脸图片，作为对比库，当然多张也是可以的，这里用一张就够了。

我们选择这张图片，图片下载地址：

https://cuijiahua.com/wp-content/uploads/2020/07/tz.jpg

将图片下载到本地，编写如下代码，就可以提取人脸的特征。

import face_recognition
known_image = face_recognition.load_image_file("tz.jpg")
biden_encoding = face_recognition.face_encodings(known_image)[0]
print(biden_encoding)

运行结果：

可以看到使用几行代码，就可以提取 128 维的人脸特征。

整体流程是：

• 使用 ffmpeg 保存音频

• 处理视频，给仝卓打码。

• 为处理好的视频添加音频。

直接看代码。

# Author : Jack Cui
# Website: https://cuijiahua.com/
import cv2
import face_recognition
import matplotlib.pyplot as plt
# %matplotlib inline # 在 jupyter 中使用的时候，去掉注释


import subprocess
import os
from PIL import Image


def video2mp3(file_name):
    """
    将视频转为音频
    :param file_name: 传入视频文件的路径
    :return:
    """
    outfile_name = file_name.split('.')[0] + '.mp3'
    cmd = 'ffmpeg -i ' + file_name + ' -f mp3 ' + outfile_name
    print(cmd)
    subprocess.call(cmd, shell=True)




def video_add_mp3(file_name, mp3_file):
    """
     视频添加音频
    :param file_name: 传入视频文件的路径
    :param mp3_file: 传入音频文件的路径
    :return:
    """
    outfile_name = file_name.split('.')[0] + '-f.mp4'
    subprocess.call('ffmpeg -i ' + file_name
                    + ' -i ' + mp3_file + ' -strict -2 -f mp4 '
                    + outfile_name, shell=True)


def mask_video(input_video, output_video, mask_path='mask.jpg'):
    # 打码图片
    mask = cv2.imread(mask_path)
    # 读取视频
    cap = cv2.VideoCapture(input_video)
    # 读取视频参数,fps、width、heigth
    CV_CAP_PROP_FPS = 5
    CV_CAP_PROP_FRAME_WIDTH = 3
    CV_CAP_PROP_FRAME_HEIGHT = 4
    v_fps = cap.get(CV_CAP_PROP_FPS)
    v_width = cap.get(CV_CAP_PROP_FRAME_WIDTH)
    v_height = cap.get(CV_CAP_PROP_FRAME_HEIGHT)
    # 设置写视频参数，格式为 mp4
    size = (int(v_width), int(v_height))
    fourcc = cv2.VideoWriter_fourcc('m', 'p', '4', 'v')
    out = cv2.VideoWriter(output_video,fourcc, v_fps, size)


    # 已知人脸
    known_image = face_recognition.load_image_file("tz.jpg")
    biden_encoding = face_recognition.face_encodings(known_image)[0]
    # 读取视频
    cap = cv2.VideoCapture(input_video)
    while(cap.isOpened()):
        ret, frame = cap.read()
        if ret:
            # 检测人脸
            face_locations = face_recognition.face_locations(frame)
            # 检测每一个人脸
            for (top_right_y, top_right_x, left_bottom_y,left_bottom_x) in face_locations:
                unknown_image = frame[top_right_y-50:left_bottom_y+50, left_bottom_x-50:top_right_x+50]
                unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
                # 对比结果
                results = face_recognition.compare_faces([biden_encoding], unknown_encoding)
                # 是仝卓，就将打码贴图。
                if results[0] == True:
                    mask = cv2.resize(mask, (top_right_x-left_bottom_x, left_bottom_y-top_right_y))
                    frame[top_right_y:left_bottom_y, left_bottom_x:top_right_x] = mask
            # 写入视频
            out.write(frame)
        else:
            break


if __name__ == '__main__':
    # 将音频保存为cut.mp3
    video2mp3(file_name='cut.mp4')
    # 处理视频，自动打码，输出视频为output.mp4
    mask_video(input_video='cut.mp4', output_video='output.mp4')
    # 为 output.mp4 处理好的视频添加声音
    video_add_mp3(file_name='output.mp4', mp3_file='cut.mp3')

程序有详细的注释，最终生成的视频会保存为 output-f.mp4，让我们看下效果吧。

最后

face_recognition 无论是检测还是识别的效果一般，想实现更强大、更稳定的自动打码效果，就需要自己有针对的优化订制了。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~