自动裁剪人脸:简化你的数字人素材准备

在做数字人时,需要对采集的数据进行预处理,然后才能进行模型训练, 预处理常用的操作有:去背景音频重采样视频裁剪音频特征提取等等,今天我们来分享一个自动化脚本: 对原图/视频进行人脸检测并根据目标尺寸以人脸为中心进行裁剪.

1. 效果

2. 对图片进行裁剪

3.对视频进行裁剪

一. 效果

1.1 对图片处理

1.2 对视频处理

比如最近做的下面这个数字人效果,在训练阶段就用到了该脚本对视频进行自动裁剪

训练微调后的数字人

二. 对图片进行裁剪

图片的处理比较简单: 读取图片,进行人脸检测,根据un人脸中心点坐标和目标尺寸对原图进行裁剪

def get_face_coordinates(image):    #cv读取的图片转为RGB格式,然后使用dlib进行人脸检测    rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)    detections = dlib.get_frontal_face_detector(rgb_image)    face = detections[0]    #计算并返回人脸中心点    center_x = (face.left() + face.right()) // 2    center_y = (face.top() + face.bottom()) // 2    return center_x, center_y#读取图片frame = cv2.imread(inputFile)
#进行人脸关键点检测,返回人脸中心点坐标face_coords = get_face_coordinates(frame)center_x, center_y = face_coords
#根据目标尺寸,计算出以人脸为中心点进行裁剪的起止坐标crop_size = targetWH//2 start_x = max(center_x - crop_size, 0)start_y = max(center_y - crop_size, 0)
#把裁剪的关键点坐标信息记录,由于后期融合处理crop_coordinates = {    "start_x": start_x,    "start_y": start_y,    "width": targetWH,    "height": targetWH}crop_coordinates_path = outputFamesFolder + '/crop_coordinates.json'with open(crop_coordinates_path, 'w') as file:    json.dump(crop_coordinates, file, indent=4)
#对原图进行裁剪cropped_image = frame[start_y:start_y + targetWH, start_x:start_x + targetWH]frame_filename = f"{outputFamesFolder}/frame_crop.png"#保存裁剪后的图片cv2.imwrite(frame_filename, cropped_image)

三. 对视频进行裁剪

如果是视频,想比较图片稍微复杂一些,

首先要分离音频和视频,

可以根据需要对音频按照目标采样率进行重采样

获取视频的第一帧,进行人脸关键点检测,作为后续所有帧的人脸坐标(所以采集的视频人脸进来不要动作太大)

逐帧读取视频裁剪获取裁剪后的帧

对把裁剪后的帧和音频重新生成视频作为后续流程的输入

#读取视频video_capture = cv2.VideoCapture(inputFile)#获取第一帧的人脸坐标ret, first_frame = video_capture.read()face_coords = get_face_coordinates(first_frame)center_x, center_y = face_coords
crop_size = targetWH//2  start_x = max(center_x - crop_size, 0)start_y = max(center_y - crop_size, 0)
#根据第一帧的人脸坐标信息,逐帧进行裁剪frame_number = 0while video_capture.isOpened():    ret, frame = video_capture.read()    if not ret:        break    cropped_image = frame[start_y:start_y + targetWH, start_x:start_x + targetWH]    frame_filename = f"{outputFamesFolder}/frame_{frame_number:04d}.png"    cv2.imwrite(frame_filename, cropped_image)    frame_number += 1
video_capture.release()
 #最终裁剪后的视频pathoutput_video_path = outputFolder + f"/{name}_face_crop.mp4"
# 提取视频的音频cmd = [    "ffmpeg",    "-i",inputFile,    '-f','wav',    '-ar','16000',    '-y',audio_output]
out = subprocess.run(cmd,\        stdout=subprocess.PIPE,\        stderr=subprocess.STDOUT,\        text=True)
#把裁剪人脸后的视频帧和音频无损合并为 最终的视频cmd =[    "ffmpeg",    "-i",frame_pattern,    "-i",audio_output,    "-c:v","libx264",    "-framerate", str(targetFps),    "-c:a","copy",    "-crf","0",    "-preset","veryslow",    "-pix_fmt", "yuv420p",    "-movflags","faststart",    "-shortest",    "-y",output_video_path]
out = subprocess.run(cmd,\        stdout=subprocess.PIPE,\        stderr=subprocess.STDOUT,\        text=True)