1.一种基于AI人脸识别的直播换脸系统,其特征在于:包括图像采集模块、图像分析模块和AI换脸模块,所述图像采集模块、图像分析模块和AI换脸模块通信连接,其中:所述图像采集模块,用于采集直播视频流中的实时直播图像;
所述图像分析模块,用于识别实时直播图像的人脸区域,提取并分析人脸图像特征,获取人脸未被遮挡区域,包括以下步骤:S1、人脸检测:采用人脸检测算法定位实时直播图像的人脸区域,同时识别人脸区域的关键特征点,获得人脸区域图像,所述关键特征点包括眼睛、鼻子、嘴巴、耳朵、脸部和头发;
S2、图像尺寸标准化:将所获得的每一帧人脸区域图像缩放到相同的尺寸大小;
S3、建立图像坐标系:以人脸区域图像中心作为原点,建立图像直角坐标系;
S4、识别人脸遮挡特征:将人脸区域图像各坐标的特征数据与目标完整人脸图像进行对比,得到特征数据出现差异的坐标,确定为人脸遮挡区域,所述目标完整人脸图像是指未被遮挡时的人脸区域图像;所述目标完整人脸图像,配置为在直播流中距离出现遮挡人脸情况前最近一帧的图像;
S5、确定人脸未被遮挡区域:通过排除人脸遮挡区域的坐标,确定人脸未被遮挡区域;
所述AI换脸模块,用于通过对比待换人脸图像和目标完整人脸图像的坐标,将人脸未被遮挡区域坐标的待换人脸图像覆盖于目标完整人脸图像;其中,将所获得的每一帧人脸区域图像缩放到相同的尺寸大小,将人脸区域图像各坐标的特征数据与目标完整人脸图像进行对比;
所述AI换脸模块,还应用了3D处理技术,具体为建立目标人脸的三维坐标,当直播人员发生转头或转脸时,待换人脸图像通过跟踪目标人脸的三维坐标对目标完整人脸图像进行换脸操作,包括以下步骤:T1、基于检测得到人脸区域的关键特征点,使用3D建模技术构建目标人脸的三维模型;
T2、实时跟踪目标人脸,并预估其在三维空间中的姿态变化;
T3、待换人脸图像根据目标人脸的三维坐标和预估姿态进行相应处理,以适应目标人脸的形状和角度;
T4、结合待换人脸图像和目标完整人脸图像的三维坐标信息,进行换脸操作;
T5、对换脸结果进行细节调整和优化,包括颜色、光照和纹理的调整。
2.根据权利要求1所述的一种基于AI人脸识别的直播换脸系统,其特征在于:步骤S1中,所述人脸检测算法,配置为Viola‑Jones算法、卷积神经网络、HOG算法、MTCNN算法或YOLO算法。
3.根据权利要求1所述的一种基于AI人脸识别的直播换脸系统,其特征在于:步骤S2中,所述将所获得的每一帧人脸区域图像缩放到相同的尺寸大小,还记录了对图像的缩放比例。
4.根据权利要求1所述的一种基于AI人脸识别的直播换脸系统,其特征在于:步骤S4中,所述将人脸区域图像各坐标的特征数据与目标完整人脸图像进行对比,得到特征数据出现差异的坐标,确定为人脸遮挡区域,包括以下步骤:S41、特征提取:对人脸区域图像和完整人脸图像进行图像特征提取,建立特征向量表示每个坐标点;
S42、特征比较:将人脸区域图像中的特征数据与完整人脸图像中对应坐标的特征数据进行比较,计算特征数据之间的差异程度;
S43、遮挡区域检测:若坐标点的特征数据差异超过设定阈值,则认定坐标点存在遮挡;
S44、遮挡区域标记:标记检测到的遮挡区域,通过在图像上绘制边界框或者在坐标点附近添加标记来表示。
5.根据权利要求4所述的一种基于AI人脸识别的直播换脸系统,其特征在于:步骤S41中,所述图像特征,包括每个坐标点的颜色值、亮度值和梯度信息。
6.根据权利要求4所述的一种基于AI人脸识别的直播换脸系统,其特征在于:步骤S42中,所述计算特征数据之间的差异程度,具体通过计算人脸区域图像中的特征数据与完整人脸图像中对应坐标的特征数据之间的欧氏距离。
7.根据权利要求1所述的一种基于AI人脸识别的直播换脸系统,其特征在于:所述AI换脸模块,还配置特征融合技术。
8.根据权利要求7所述的一种基于AI人脸识别的直播换脸系统,其特征在于:所述特征融合技术,包括点对点对准、纹理融合、光照一致性处理、骨骼动画融合和表情融合。
9.一种基于AI人脸识别的直播换脸方法,应用于如权利要求1‑8任一项所述的一种基于AI人脸识别的直播换脸系统,包括以下步骤:采集直播视频流中的实时直播图像;
采用人脸检测算法定位实时直播图像的人脸区域,同时识别人脸区域的关键特征点,获得人脸区域图像,所述关键特征点包括眼睛、鼻子、嘴巴、耳朵、脸部和头发;
将所获得的每一帧人脸区域图像缩放到相同的尺寸大小;
以人脸区域图像中心作为原点,建立图像直角坐标系;
将人脸区域图像各坐标的特征数据与目标完整人脸图像进行对比,得到特征数据出现差异的坐标,确定为人脸遮挡区域,所述目标完整人脸图像是指未被遮挡时的人脸区域图像;
通过排除人脸遮挡区域的坐标,确定人脸未被遮挡区域;
通过对比待换人脸图像和目标完整人脸图像的坐标,将人脸未被遮挡区域坐标的待换人脸图像覆盖于目标完整人脸图像。