于泗泓，于 洋，王爾博，王存睿

(大連民族大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，遼寧 大連 116650)

人臉融合技術(shù)在諸多領(lǐng)域具有廣泛的應(yīng)用，其中具有代表性的技術(shù)有DeepFake、FaceSwaps等。以生成對(duì)抗網(wǎng)絡(luò)(GAN)為代表的方法已成為最常使用的技術(shù)之一[1]。人臉融合技術(shù)在生活中的使用度逐漸提高，目前雖然計(jì)算機(jī)識(shí)別圖像已經(jīng)在多個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集中呈現(xiàn)穩(wěn)定的狀態(tài)，但真實(shí)應(yīng)用場景中，仍然存在著大量非標(biāo)準(zhǔn)的人臉姿勢(shì)，如圖1。當(dāng)遇到側(cè)面圖像時(shí)無法完美的融合到源圖像中。

目前解決不同姿勢(shì)識(shí)別問題的主流方法有以下兩類：一類采用手繪(hand-crafted)或?qū)W習(xí)不同姿態(tài)的特征[2]，在不變和可識(shí)別之間做出權(quán)衡，往往無法有效處理大角度的姿勢(shì);另一類則是通過將二維圖像模型與有確切身份的三維圖像模型進(jìn)行對(duì)齊[3]，使用LBP來考慮局部變化并利用三維幾何變換渲染正面人臉圖像。但是這種方法遇到大量差異較大的姿態(tài)圖像時(shí)，紋理細(xì)節(jié)損失嚴(yán)重，性能也不盡如人意。在本文中解釋了如何利用人臉五官的對(duì)稱性來生成正面人臉圖像及如何通過五官遷移將側(cè)面人臉圖像完美的融合到源圖像中。

圖1 側(cè)面人臉圖像融合效果

1 改進(jìn)人臉融合算法過程

文中提出了一種基于區(qū)域變換的人臉融合改進(jìn)算法，首先利用人臉圖像關(guān)鍵點(diǎn)檢測技術(shù)判斷輸入的人臉圖像是否為正面圖像，若輸入的圖像是側(cè)面圖像則將其通過TP-GAN[4](Two-Pathway Generative Adversarial Network)網(wǎng)絡(luò)進(jìn)行正側(cè)面角度轉(zhuǎn)換。隨后將輸出的正面面部圖像歸一化，旨在解決面部尺度變化和面部旋轉(zhuǎn)的問題，接著通過人臉區(qū)域選取對(duì)其進(jìn)行仿射變換、區(qū)域替換和膚色矯正，最后生成融合后的正面人臉圖像。其中區(qū)域選取部分使用到了Dlib提供的接口get_landmarks，該接口用于獲取面部關(guān)鍵特征點(diǎn)的坐標(biāo)，從面部區(qū)域提取面部關(guān)鍵點(diǎn)眉、眼、鼻和嘴的位置坐標(biāo)，預(yù)測變量需要在算法中定義，且需利用普氏分析方法(Procrustes Analysis)對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理[5]，具體實(shí)驗(yàn)流程圖如圖2。

圖2 基于區(qū)域變換的人臉融合流程圖

本文使用到的網(wǎng)絡(luò)結(jié)構(gòu)如圖3。生成器GθG由兩條路徑組成，一個(gè)是全局網(wǎng)絡(luò)DθD,其進(jìn)行處理全局結(jié)構(gòu)，其中用GθG來處理左右眼、鼻子和嘴唇及其周圍的紋理并進(jìn)行提取，相當(dāng)于2D/3D局部紋理扭曲的方法[6]。一般將人臉的歸一化分為兩個(gè)步驟，第一步是將人臉于模型進(jìn)行全局對(duì)齊，第二步則是扭曲或渲染局部紋理到全局。側(cè)面圖像合成正面圖像是高度非線性的轉(zhuǎn)化過程，由于過濾器是人臉空間的所有位置共用的，即全局網(wǎng)絡(luò)無法精準(zhǔn)恢復(fù)局部細(xì)節(jié)，而TP-GAN成功轉(zhuǎn)化成為基于深度學(xué)習(xí)的視圖合成的生成器。

圖3 TP-GAN 網(wǎng)絡(luò)結(jié)構(gòu)

進(jìn)一步將正面分布的檢驗(yàn)加入到訓(xùn)練中，引入一個(gè)判別器DθD來區(qū)分真實(shí)的正面圖像和轉(zhuǎn)換正面圖像，像判別器對(duì)于真實(shí)正臉給高分，對(duì)于生成器生成的正臉則給低分。交替訓(xùn)練DθD和GθG來優(yōu)化最小最大的問題。其中尤為特別的是判別器生成的是2×2的概率矩陣而不是一個(gè)數(shù)[7]。

(1)

式中：DθD為判別器用來區(qū)分真實(shí)人臉圖像；GθG為生成器；IF為人臉圖像；Ip為生成人臉圖像；log(1-DθD(GθD(IP)))表示人臉圖像生成器GθG欺騙判別器的能力，EIF～P(IF)表示對(duì)人臉圖像判別器DθD判別真實(shí)樣本判別能力的數(shù)學(xué)期望。

對(duì)稱是人臉固有的特征，利用先驗(yàn)知識(shí)在合成圖像上運(yùn)用其對(duì)稱的特性，可以有效地改善被遮擋部分的問題。展開來說，就是在原像素空間和拉布拉斯圖像空間中定義對(duì)稱損失，其對(duì)稱損失為

(2)

這樣可以對(duì)不同光照具有魯棒性，簡單來說就是使左右兩側(cè)的差距變小，當(dāng)只有側(cè)臉部分的像素產(chǎn)生損失時(shí)，這個(gè)損失產(chǎn)生的額外梯度會(huì)促進(jìn)TP-GAN模型的收斂[8]。而衍生出來的最終的綜合損失函數(shù)為

Lsyn=Lpixel+λ1Lsym+λ2Ladv+λ3Lip+λ4Ltv。

(3)

式中：Lpixel表示Pixel-wise損失；Lsym表示Symmetry損失；Ladv表示Adversarial損失；Lip表示人臉I(yè)dentity Perserving損失；Ltv表示Total variation損失，最終損失Lsyn是這五個(gè)指標(biāo)的加權(quán)和。

實(shí)驗(yàn)還加上了一個(gè)全變差正則化減少偽影的合成，這可以保證對(duì)稱損失函數(shù)的對(duì)稱作用，其可以加速擬合，產(chǎn)生更真實(shí)的圖，還可以補(bǔ)全遮擋的部分。

在側(cè)面人臉轉(zhuǎn)正面人臉合成方面的難點(diǎn)都在于人臉角度，在一般情況下大于60°時(shí)，很難將側(cè)面圖像轉(zhuǎn)為正面圖像。然而，本文可以證明，有足夠的訓(xùn)練數(shù)據(jù)和正確的網(wǎng)絡(luò)結(jié)構(gòu)及適合的損失函數(shù)，大角度的側(cè)面轉(zhuǎn)正面的合成是可以實(shí)現(xiàn)的。TP-GAN可以從任何角度合成其正面圖像，TP-GAN不僅可以合成自然地人臉正面圖像，還可以保存其身份識(shí)別的圖像。借助先驗(yàn)知識(shí)進(jìn)行數(shù)據(jù)建模，不僅可以實(shí)現(xiàn)面部整體結(jié)構(gòu)，還可以顯示出被遮擋的耳朵、臉頰和額頭。此外，還可以完美的保留原始的側(cè)面圖像中檢測到的面部特征[9]，例如眼鏡、發(fā)型等，如圖4。本文通過用Multi-Pie人臉數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，展現(xiàn)了在不同角度下，合成的正面人臉圖像。Multi-Pie人臉數(shù)據(jù)集是卡耐基梅隆大學(xué)于2000年收集，于2009年發(fā)布的多視點(diǎn)人臉圖像數(shù)據(jù)集，其主要用于身份鑒定，是PIE數(shù)據(jù)庫的替代品，其包含在15個(gè)視點(diǎn)下捕獲的337個(gè)主題，其中涵蓋共計(jì)超過750 000個(gè)圖像，其在推動(dòng)姿勢(shì)和光照的人臉識(shí)別研究具有很大的影響力。實(shí)驗(yàn)結(jié)果證明TP-GAN保留了更多的紋理細(xì)節(jié)，并且很少有模糊的效果，這足以確定其具有穩(wěn)定的合成能力。

圖4 不同角度TP-GAN合成結(jié)果

TP-GAN根據(jù)不同姿勢(shì)合成的結(jié)果，從左到右依次為：90°、75°、60°、45°、30°和 15°，其中最后一列是真實(shí)圖像。為了進(jìn)一步證明TP-GAN網(wǎng)絡(luò)的轉(zhuǎn)換效果，每一豎列展示了在不同網(wǎng)絡(luò)結(jié)構(gòu)下生成的正面圖像如圖5。可以看出第一列TP-GAN網(wǎng)絡(luò)生成的保留了更多的紋理，狀態(tài)十分穩(wěn)定。

圖5 不同網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比圖

2 實(shí)驗(yàn)及實(shí)驗(yàn)結(jié)果分析

利用TP-GAN網(wǎng)絡(luò)生成正面人臉圖像后最關(guān)鍵的一步則是人臉融合，本文人臉融合的具體分為如下幾步：

(1)利用OpenCV中window.add_overlay(dets)來繪制檢測到的人臉框，并且獲取每個(gè)關(guān)鍵點(diǎn)shape.parts()坐標(biāo)，將模型默認(rèn)提取的68個(gè)關(guān)鍵點(diǎn)存入landmark矩陣，提取結(jié)果。

(2)將輸入的矩陣轉(zhuǎn)換為浮點(diǎn)數(shù)，這是后面步驟的必要條件。每一個(gè)點(diǎn)集減去它的矩心，一旦為這兩個(gè)新的點(diǎn)集找到了一個(gè)最佳的縮放和旋轉(zhuǎn)方法，這兩個(gè)矩心c1和c2就可以用來找到完整的解決方案。同樣，每一個(gè)點(diǎn)集除以它的標(biāo)準(zhǔn)偏差，這消除了問題的組件縮放偏差。使用SingularValueDecomposition計(jì)算旋轉(zhuǎn)部分，利用仿射變換矩陣返回完整的轉(zhuǎn)化[10]。實(shí)質(zhì)上最后就是得到了一個(gè)轉(zhuǎn)換矩陣，第一幅圖片中的人臉可以通過這個(gè)轉(zhuǎn)換矩陣映射到第二幅圖片中，與第二幅圖片中的人臉對(duì)應(yīng)。得到了轉(zhuǎn)換矩陣后，就可以使用它進(jìn)行映射。這里也是使用了OpenCV的warpAffine函數(shù)，自己從底層實(shí)現(xiàn)會(huì)比較復(fù)雜。

(3)為獲取人臉mask，通過定義像素值，屬于人臉的區(qū)域像素標(biāo)記1，不屬于人臉的區(qū)域像素標(biāo)記為0，來進(jìn)行人臉位置確定如圖6。上面這兩個(gè)結(jié)果相加即可以實(shí)現(xiàn)初步的換臉。

a)源圖像mask b)輸入圖像mask c)區(qū)域替換

(4)人臉對(duì)齊后利用人臉特征點(diǎn)，可以進(jìn)行凸包檢測來得到人臉的區(qū)域，然后把第二幅圖凸包中的位置摳出來放到第一幅圖片中就可以了。但是，這樣得到的結(jié)果是十分不自然的，因?yàn)闀?huì)受到背景光照或者膚色等因素的影響。

利用高斯模糊來幫助校正顏色，使用im2(輸入人臉圖像)除以im2的高斯模糊，乘以im1(源圖像)來校正顏色?？傮w來說，這個(gè)方法比較粗糙和暴力，很多因素都忽略了,結(jié)果也只能從一定程度上獲得提高，有時(shí)反而會(huì)被修正的更“差”。因?yàn)橛泻芏嗟挠绊懸蛩兀x取到一個(gè)合適的高斯核的大小，才可能取得比較理想的結(jié)果。如果太小，第一個(gè)圖像的面部特征將顯示在第二個(gè)圖像中。過大內(nèi)核之外區(qū)域像素被覆蓋，并發(fā)生變色。

(5)測試函數(shù)會(huì)應(yīng)用到前面所有的程序，并把過程中生成的圖片全部打印出來。在進(jìn)行一系列操作后，輸入正面圖像的灰度不是初始的0～255或是0～1了，要顯示這些圖片必須要先進(jìn)行歸一化。在程序中調(diào)用了opencv中的cv2.normalize()函數(shù)。

本實(shí)驗(yàn)展示了模型在定性綜合結(jié)果和定量識(shí)別結(jié)果上的優(yōu)點(diǎn)，從上面輸出的結(jié)果，可以看出深度特征表示已可視化，說明了TP-GAN的效果已經(jīng)達(dá)到了一個(gè)令人滿意的程度，此次實(shí)驗(yàn)用到的數(shù)據(jù)集是750 000的數(shù)據(jù)集，其可用在姿態(tài)、光照和表情變化等各類情況下的人臉識(shí)別檢測中。雖然有很多利用深度學(xué)習(xí)來進(jìn)行正面人臉合成的例子，但是他們合成的圖像都無法存儲(chǔ)具有其身份識(shí)別信息的圖像。

在五官遷移的過程中，每個(gè)測試圖像皆為其正面圖像。傳統(tǒng)的面部遷移方法效果都很差，其主要原因是傳統(tǒng)的膚色融合及面部選擇區(qū)域過小，會(huì)影響其面部個(gè)別特征遷移后消失不見。為了測試文本提出的修改遷移選取五官的效果，故選取相同的輸入圖像作為測試樣本來進(jìn)行實(shí)驗(yàn)，面部五官遷移效果如圖7。圖中從左至右分別為源圖像以及生成圖像。

a)源圖像 b)生成圖像

3 結(jié) 論

本文的方法，通過TP-GAN框架將人臉圖像由側(cè)面轉(zhuǎn)為正面，為了解決不受約束的問題，在訓(xùn)練過程中進(jìn)一步引入了對(duì)抗性損失。對(duì)抗性損失能準(zhǔn)確地發(fā)現(xiàn)并指導(dǎo)合成駐留在正面的數(shù)據(jù)分布中，進(jìn)而明確地利用對(duì)稱性來減輕大角度情況下被遮擋的影響。此外，還將身份保留損失融入到本文的框架中，使合成人臉圖像具有良好的視覺效果，可以應(yīng)用于準(zhǔn)確的人臉識(shí)別。通過本文實(shí)驗(yàn)表明，該方法提供了引人注目的感知結(jié)果，在大姿態(tài)人臉識(shí)別上也優(yōu)于目前的研究成果。針對(duì)面部五官融合的問題，本文改變遷移區(qū)域劃分的方法，通過基于OpenCV和Dlib方法進(jìn)行人臉融合。實(shí)驗(yàn)結(jié)果表明由Semaless與Vag-Color的組合對(duì)人臉五官遷移有重要作用。與其他現(xiàn)有方法相比，本文的方法在融合程度與視覺效果均具有優(yōu)勢(shì)，是一個(gè)很有潛力的模型。