一种基于AI换脸视频的原脸图像智能还原方法和系统与流程

一种基于ai换脸视频的原脸图像智能还原方法和系统
技术领域
1.本发明涉及图像处理技术领域，特别涉及一种基于ai换脸视频的原脸图像智能还原方法和系统。


背景技术：

2.目前，随着信息技术和人工智能的发展，ai换脸app已经普及至基层公众，ai视频换脸技术的出现，使得视频内容的真实性、权威性等大打折扣，视频内容的真实与虚拟的边界愈发模糊。在技术加持下，操作者可以对无论是静态图片还是动态视频的信息内容，随意地进行替换、合成、篡改，导致虚假视频信息泛滥，应当研发一种基于ai换脸视频还原出原脸图像的方法。
3.因此，本发明提出了一种基于ai换脸视频的原脸图像智能还原方法和系统。


技术实现要素：

4.本发明提供一种基于ai换脸视频的原脸图像智能还原方法和系统，用以基于对待还原对象的大量ai换脸视频进行共性特征提取，获得待还原对象在预设脸部状态下的脸部特征，基于脸部特征还原出待还原对象在预设脸部状态下对应的原脸图像，减小了因为ai换脸视频出现的信息真实性危机。
5.本发明提供一种基于ai换脸视频的原脸图像智能还原方法，包括：s1：获取待还原对象的ai换脸视频集合；s2：提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征；s3：基于所述脸部特征和预设头骨模型还原出所述待还原对象在预设脸部状态下对应的原脸图像。
6.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，s1：获取待还原对象的ai换脸视频集合，包括：s101：获取待还原对象的所有换脸视频；s102：基于所述换脸视频中对应的换脸人物性别将所有换脸视频进行分类，获得每种性别对应的第一换脸视频子集合；s103：基于所述换脸视频中对应的换脸人物将所述第一换脸视频子集合分类为每个换脸人物对应的第二换脸视频子集合；s104：将所有第二换脸视频子集合汇总获得所述待还原对象的ai换脸视频集合。
7.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，s2：提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征，包括：提取出所述ai换脸视频集合对应的五官共性特征；提取出所述ai换脸视频集合对应的面部肌肉运动共性特征；
基于所述共性特征确定出所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征；其中，所述共性特征包括：五官共性特征和面部肌肉运动共性特征。
8.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，提取出所述ai换脸视频集合对应的五官共性特征，包括：提取出所述ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的第一五官图像，确定所述第一五官图像对应的第一五官坐标子集合，基于所有第一五官坐标子集合获得每种性别对应的第一五官坐标集合，对所述第一五官坐标集合进行共性特征提取获得每种性别对应的第一五官共性特征；提取出所述ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的第二五官图像，确定所述第二五官图像对应的第二五官坐标子集合，基于所有第二五官坐标子集合获得每个换脸人物对应的第二五官坐标集合，对所述第二五官坐标集合进行共性特征提取获得每个换脸人物对应的第二五官共性特征；其中，所述五官共性特征包括：所述第一五官共性特征和所述第二五官共性特征。
9.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，提取出所述ai换脸视频集合对应的面部肌肉运动共性特征，包括：从所述ai换脸视频集合中提取出对应性别对应表情的第一面部肌肉运动共性特征；从所述ai换脸视频集合中提取出对应换脸人物对应表情的第二面部肌肉运动共性特征；其中，所述面部肌肉运动共性特征包括：所述第一面部肌肉运动共性特征和所述第二面部肌肉运动共性特征。
10.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，从所述ai换脸视频集合中提取出对应性别对应表情的第一面部肌肉运动共性特征，包括：确定出所述ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的第一换脸视频；对所述第一换脸视频进行表情分析，获得每种性别每个表情对应的第一换脸视频段集合；确定出所述第一换脸视频段集合中包含的第一换脸图像；基于标准面部肌肉分布图确定出所述第一换脸图像中包含的每个局部肌肉区域；对第一换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应性别对应表情的第一面部肌肉运动共性特征。
11.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，对第一换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应性别对应表情的第一面部肌肉运动共性特征，包括：从所述第一换脸视频段集合中提取出每个局部肌肉区域对应的动态视频段；确定出所述局部肌肉区域对应的预设特征点集合中每个预设特征点对应的预设海森矩阵；确定出所述动态视频段中每一帧第一视频帧对应的局部肌肉区域中包含的每个
第一坐标点对应的第一海森矩阵；计算出所述预设海森矩阵和每个第一海森矩阵之间对应的相似值；将最小相似值对应的第一海森矩阵对应的第二坐标点作为对应预设特征点在对应局部肌肉区域中包含的对应的第一特征点；确定出所述局部肌肉区域中包含的所有第一特征点，获得对应的第一特征点集合；对所述第一换脸视频中每一帧第二视频帧进行二值化处理，获得对应的第三视频帧；对所述第三视频帧进行光影特征提取，获得对应的第一光影特征；确定所述第一光影特征和预设光影条件下对应的预设光影特征之间的光影转换矩阵；基于所述光影转换矩阵将对应第一视频帧中对应的局部肌肉区域转换为预设光影条件下对应的标准图像；基于所述第一特征点集合将所述第一视频帧中包含的局部肌肉区域划分成多个光影分析区域；按照所述动态视频段对应的帧序列对所述光影分析区域进行排序，获得对应的光影分析区域变化序列；将所述光影分析区域变化序列转换为对应的局部肌肉拱高序列；将所述局部肌肉拱高序列进行汇总获得对应性别对应表情的第一面部肌肉运动共性特征。
12.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，从所述ai换脸视频集合中提取出对应换脸人物对应表情的第二面部肌肉运动共性特征，包括：确定出所述ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的第二换脸视频；对所述第二换脸视频进行表情分析，获得每个换脸人物每个表情对应的第二换脸视频段集合；确定出所述第二换脸视频段集合中包含的第二换脸图像；基于标准面部肌肉分布图确定出所述第二换脸图像中包含的每个局部肌肉区域；对第二换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应换脸人物对应表情的第二面部肌肉运动共性特征。
13.优选的，所述的一种基于ai换脸视频的原脸图像智能还原方法，基于所述共性特征确定出所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征，包括：将所述第一五官共性特征和对应性别对应的第一标准五官特征进行做差比较，获得对应性别对应的第一五官特征偏差；将所述第一面部肌肉运动共性特征和对应性别对应表情的第一标准面部肌肉运动特征进行做差比较，获得对应性别对应表情的第一面部肌肉运动特征偏差；将每种性别对应的第一五官特征偏差和对应的所有第一面部肌肉运动特征偏差进行汇总，获得每种性别对应的第一总偏差；
将所述第一总偏差对应的性别作为所述待还原对象对应的还原性别；确定出所述还原性别对应的第一换脸人物；将所述第一换脸人物在预设脸部状态下对应的第二五官共性特征与所述第一换脸人物在预设脸部状态下对应的第二标准五官特征进行做差比较，获得所述第一换脸人物在预设脸部状态下对应的第二五官特征偏差；对所有第一换脸人物对应的第二五官特征偏差进行共性特征提取，获得所述待还原对象在预设脸部状态下对应的五官偏差共性特征；基于所述五官偏差共性特征和所述第二标准五官特征确定出所述待还原对象对应的五官坐标集合；将所述第一换脸人物在预设脸部状态下对应的第二面部肌肉运动共性特征与所述第一换脸人物在预设脸部状态下对应的第二标准面部肌肉运动特征做差比较，获得所述第一换脸人物在预设脸部状态下对应的第一面部肌肉运动特征偏差；对所有第一换脸人物对应的第一面部肌肉运动特征偏差进行共性特征提取，获得所述待还原对象在预设脸部状态下对应的面部肌肉运动偏差共性特征；基于所述面部肌肉运动偏差共性特征和所述第二标准面部肌肉运动特征确定出所述待还原对象对应的面部肌肉拱高集合；将所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征。
14.本发明提供一种基于ai换脸视频的原脸图像智能还原系统，包括：视频获取模块，用于获取待还原对象的ai换脸视频集合；特征提取模块，用于提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征；图像还原模块，用于基于所述脸部特征和预设头骨模型还原出所述待还原对象在预设脸部状态下对应的原脸图像。
15.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
16.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
17.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例中一种基于ai换脸视频的原脸图像智能还原方法流程图；图2为本发明实施例中又一种基于ai换脸视频的原脸图像智能还原方法流程图；图3为本发明实施例中一种基于ai换脸视频的原脸图像智能还原系统示意图。
具体实施方式
18.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
19.实施例1：本发明提供了一种基于ai换脸视频的原脸图像智能还原方法，参考图1，包括：s1：获取待还原对象的ai换脸视频集合；s2：提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征；s3：基于所述脸部特征和预设头骨模型还原出所述待还原对象在预设脸部状态下对应的原脸图像。
20.该实施例中，待还原对象即为在本发明中需要利用大量换脸视频还原出的对象，也是换脸的用户。
21.该实施例中，ai换脸视频集合即为将待还原对象的脸部替换为其他任务脸部的视频构成的集合。
22.该实施例中，共性特征即为表征ai换脸视频集合中包含的ai换脸视频的共性的特征。
23.该实施例中，脸部特征即为基于ai换脸视频集合的共性特征确定出的待还原对象在预设脸部状态下的特征。
24.该实施例中，预设脸部状态即为还原出待还原对象的脸部图像时对应的预设脸部表情和预设光影条件。
25.该实施例中，预设头骨模型即为预先准备的标准头骨三维模型。
26.该实施例中，原脸图像即为基于脸部特征和预设头骨模型还原出的待还原对象在预设脸部状态下的脸部图像。
27.以上技术的有益效果为：基于对待还原对象的大量ai换脸视频进行共性特征提取，获得待还原对象在预设脸部状态下的脸部特征，基于脸部特征还原出待还原对象在预设脸部状态下对应的原脸图像，减小了因为ai换脸视频出现的信息真实性危机。
28.实施例2：在实施例1的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，s1：获取待还原对象的ai换脸视频集合，参考图2，包括：s101：获取待还原对象的所有换脸视频；s102：基于所述换脸视频中对应的换脸人物性别将所有换脸视频进行分类，获得每种性别对应的第一换脸视频子集合；s103：基于所述换脸视频中对应的换脸人物将所述第一换脸视频子集合分类为每个换脸人物对应的第二换脸视频子集合；s104：将所有第二换脸视频子集合汇总获得所述待还原对象的ai换脸视频集合。
29.该实施例中，换脸视频即为将待还原对象的脸部特征和其他人物的脸部视频合成获得的视频。
30.该实施例中，第一换脸视频子集合即为基于换脸视频中对应的换脸人物性别将所有换脸视频进行分类后获得的每种性别对应的换脸视频集合。
31.该实施例中，第二换脸视频子集合即为基于换脸视频中对应的换脸人物将所述第一换脸视频子集合分类为每个换脸人物对应的换脸视频集合。
32.以上技术的有益效果为：基于性别和换脸人物将待还原对象的所有换脸视频进行
分类后获得对应种类的换脸视频结合，为后续对不同种类的换脸视频进行不同角度的共性特征提取并还原出待还原对象对应的脸部特征提供了数据基础。
33.实施例3：在实施例2的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，s2：提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征，包括：提取出所述ai换脸视频集合对应的五官共性特征；提取出所述ai换脸视频集合对应的面部肌肉运动共性特征；基于所述共性特征确定出所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征；其中，所述共性特征包括：五官共性特征和面部肌肉运动共性特征。
34.该实施例中，五官共性特征即为ai换脸视频集合中包含的人脸图像的五官共性的特征。
35.该实施例中，面部肌肉运动共性特征即为ai换脸视频集合中包含的人脸图像的面部肌肉运动共性的特征。
36.该实施例中，面部肌肉拱高集合即为基于面部肌肉运动共性特征确定出表征待还原对象面部不同部位的肌肉拱高构成的序列。
37.该实施例中，五官坐标集合即为基于五官共性特征确定出的待还原对象五官轮廓对应的坐标构成的集合。
38.以上技术的有益效果为：通过对待还原对象的五官共性特征和面部肌肉运动共性特征，确定出待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合，进而为还原出待还原对象的脸部图像提供了重要基础。
39.实施例4：在实施例3的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，提取出所述ai换脸视频集合对应的五官共性特征，包括：提取出所述ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的第一五官图像，确定所述第一五官图像对应的第一五官坐标子集合，基于所有第一五官坐标子集合获得每种性别对应的第一五官坐标集合，对所述第一五官坐标集合进行共性特征提取获得每种性别对应的第一五官共性特征；提取出所述ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的第二五官图像，确定所述第二五官图像对应的第二五官坐标子集合，基于所有第二五官坐标子集合获得每个换脸人物对应的第二五官坐标集合，对所述第二五官坐标集合进行共性特征提取获得每个换脸人物对应的第二五官共性特征；其中，所述五官共性特征包括：所述第一五官共性特征和所述第二五官共性特征。
40.该实施例中，第一五官图像即为ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的五官图像。
41.该实施例中，第一五官坐标子集合即为第一五官图像中包含的五官轮廓的坐标集合。
42.该实施例中，第一五官坐标集合即为基于所有第一五官坐标子集合获得的每种性
别对应的五官轮廓的坐标集合。
43.该实施例中，第一五官共性特征即为对第一五官坐标集合进行共性特征提取后获得的每种性别对应的五官共性的特征。
44.该实施例中，第二五官图像即为ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的五官图像。
45.该实施例中，第二五官坐标子集合即为第二五官图像中包含的五官轮廓的坐标集合。
46.该实施例中，第二五官坐标集合即为基于所有第二五官坐标子集合获得的每个换脸人物对应的五官轮廓的坐标集合。
47.该实施例中，第二五官共性特征对第二五官坐标集合进行共性特征提取后获得的每个换脸人物对应的五官共性的特征。
48.以上技术的有益效果为：通过对ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合进行共性特征提取，获得每种性别对应的第一五官共性特征；同时，通过对ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合进行共性特征提取，获得每个换脸人物对应的第二五官共性特征，为后续还原出待还原对象对应的五官坐标集合提供了数据基础。
49.实施例5：在实施例4的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，提取出所述ai换脸视频集合对应的面部肌肉运动共性特征，包括：从所述ai换脸视频集合中提取出对应性别对应表情的第一面部肌肉运动共性特征；从所述ai换脸视频集合中提取出对应换脸人物对应表情的第二面部肌肉运动共性特征；其中，所述面部肌肉运动共性特征包括：所述第一面部肌肉运动共性特征和所述第二面部肌肉运动共性特征。
50.该实施例中，第一面部肌肉运动共性特征即为从ai换脸视频集合中提取出的对应性别对应表情的面部肌肉运动共性特征。
51.该实施例中，第二面部肌肉运动共性特征即为从ai换脸视频集合中提取出对应换脸人物对应表情的面部肌肉运动共性特征。
52.以上技术的有益效果为：通过从ai换脸视频集合中提取出对应性别对应表情的第一面部肌肉运动共性特征和对应换脸人物对应表情的第二面部肌肉运动共性特征，为后续准确还原出待还原对象对应的面部拱高集合提供了重要基础。
53.实施例6：在实施例5的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，从所述ai换脸视频集合中提取出对应性别对应表情的第一面部肌肉运动共性特征，包括：确定出所述ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的第一换脸视频；对所述第一换脸视频进行表情分析，获得每种性别每个表情对应的第一换脸视频段集合；
确定出所述第一换脸视频段集合中包含的第一换脸图像；基于标准面部肌肉分布图确定出所述第一换脸图像中包含的每个局部肌肉区域；对第一换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应性别对应表情的第一面部肌肉运动共性特征。
54.该实施例中，第一换脸视频即为ai换脸视频集合中包含的每种性别对应的第一换脸视频子集合中包含的换脸视频。
55.该实施例中，第一换脸视频段集合即为对第一换脸视频进行表情分析后获得的每种性别每个表情对应的换脸视频段构成的集合。
56.该实施例中，第一换脸图像即为第一换脸视频段集合中包含的换脸图像。
57.该实施例中，即为标准的人脸面部表情肌的分布示意图。
58.该实施例中，局部肌肉区域即为基于标准面部肌肉分布图确定出第一换脸图像中包含的买个局部肌肉对应的图像区域。
59.以上技术的有益效果为：通过对每种性别对应的第一换脸视频子集合中包含的第一换脸视频按照表情进行分析，获得对应性别对应表情的第一面部肌肉运动共性特征，为后续准确还原出待还原对象对应的面部拱高集合提供了重要基础。
60.实施例7：在实施例6的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，对第一换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应性别对应表情的第一面部肌肉运动共性特征，包括：从所述第一换脸视频段集合中提取出每个局部肌肉区域对应的动态视频段；确定出所述局部肌肉区域对应的预设特征点集合中每个预设特征点对应的预设海森矩阵；确定出所述动态视频段中每一帧第一视频帧对应的局部肌肉区域中包含的每个第一坐标点对应的第一海森矩阵；计算出所述预设海森矩阵和每个第一海森矩阵之间对应的相似值；将最小相似值对应的第一海森矩阵对应的第二坐标点作为对应预设特征点在对应局部肌肉区域中包含的对应的第一特征点；确定出所述局部肌肉区域中包含的所有第一特征点，获得对应的第一特征点集合；对所述第一换脸视频中每一帧第二视频帧进行二值化处理，获得对应的第三视频帧；对所述第三视频帧进行光影特征提取，获得对应的第一光影特征；确定所述第一光影特征和预设光影条件下对应的预设光影特征之间的光影转换矩阵；基于所述光影转换矩阵将对应第一视频帧中对应的局部肌肉区域转换为预设光影条件下对应的标准图像；基于所述第一特征点集合将所述第一视频帧中包含的局部肌肉区域划分成多个光影分析区域；按照所述动态视频段对应的帧序列对所述光影分析区域进行排序，获得对应的光
影分析区域变化序列；将所述光影分析区域变化序列转换为对应的局部肌肉拱高序列；将所述局部肌肉拱高序列进行汇总获得对应性别对应表情的第一面部肌肉运动共性特征。
61.该实施例中，动态视频段即为从第一换脸视频段集合中提取出的每个局部肌肉区域对应的视频段。
62.该实施例中，预设海森矩阵即为局部肌肉区域中每个预设特征点对应的预设的表征局部肌肉在特征点处的局部曲率的海森矩阵。
63.该实施例中，预设特征点集合即为局部肌肉区域中包含的预设特征点构成的集合。
64.该实施例中，预设特征点即为预先设置的对应局部肌肉区域中的骨点。
65.该实施例中，第一视频帧即为述动态视频段中包含的视频帧。
66.该实施例中，第一坐标点即为局部肌肉区域中包含的坐标点。
67.该实施例中，第一海森矩阵即为动态视频段中每一帧第一视频帧对应的局部肌肉区域中包含的每个第一坐标点对应的表征对应局部肌肉区域中再对应第一坐标点处的局部曲率的海森矩阵。
68.该实施例中，第一特征点即为对应预设特征点在局部肌肉区域中对应的特征点，也是与预设特征点对应的预设海森矩阵的相似值最小时对应的第一海森矩阵对应的第二坐标点。
69.该实施例中，相似值即为表征第一海森矩阵和对应的预设海森矩阵之间的相似性的值，相似值越大表征第一海森矩阵和对应的预设海森矩阵之间的相似性越高，反之亦然。
70.该实施例中，计算出所述预设海森矩阵和每个第一海森矩阵之间对应的相似值，包括：包括：式中，为预设海森矩阵和第个第一海森矩阵之间对应的差异值，为预设海森矩阵，为当前第一海森矩阵的个数且的取值范围为[1,m]（m即为局部肌肉区域中包含的第一坐标点的总数），为第个第一海森矩阵，为预设海森矩阵或第一海森矩阵中的第个数值，为预设海森矩阵或第一海森矩阵中包含的数值总个数，为预设海森矩阵中的第个数值，为第个第一海森矩阵中的第个数值，为预设海森矩阵和第个第一海森矩阵之间对应的相似值；
例如，为，为，则为0.7，为0.3。
[0071]
该实施例中，第二坐标点即为与预设特征点对应的预设海森矩阵的相似值最小时对应的第一海森矩阵对应的第一坐标点。
[0072]
该实施例中，第一特征点集合即为局部肌肉区域中包含的所有第一特征点构成的集合。
[0073]
该实施例中，第三视频帧即为对第二视频帧进行二值化处理后获得的视频帧。
[0074]
该实施例中，第一光影特征即为对第三视频帧进行光影特征提取后获得的对应的表征第三视频帧光影参数的特征。
[0075]
该实施例中，预设光影特征即为预设光影条件下对应的光影特征。
[0076]
该实施例中，光影转换矩阵即为第一光影特征和预设光影条件下对应的预设光影特征之间的转换矩阵。
[0077]
该实施例中，预设光影条件即为预先设置的还原图形对应的光影条件，具体根据还原需求设置。
[0078]
该实施例中，标准图像即为基于光影转换矩阵将对应第一视频帧中对应的局部肌肉区域转换为预设光影条件下对应的图像。
[0079]
该实施例中，光影分析区域即为基于第一特征点集合将第一视频帧中包含的局部肌肉区域划分成的多个区域。
[0080]
该实施例中，光影分析区域变化序列即为按照动态视频段对应的帧序列对光影分析区域进行排序后获得的表征对应光影分析区域变化的序列。
[0081]
该实施例中，将所述光影分析区域变化序列转换为对应的局部肌肉拱高序列即为：基于光影分析区域变化序列中包含的每个光影分析区域对应的光影参数（例如对比度）与肌肉拱高的关系函数（具体根据换脸视频的成像参数设置），确定出每个光影分析区域对应的表征对应局部肌肉拱高变化的序列。
[0082]
以上技术的有益效果为：通过基于海森矩阵可以准确地标定出局部肌肉区域中包含的特征点，同时，对局部肌肉区域进行光影特征标准化，基于标准化的局部肌肉区域和确定出的特征点划分出对应的光影分析区域，通过根据对应帧序列中对应的光影分析区域的变化序列确定出对应局部区域中肌肉的拱高变化，进而可以预测出待还原对象的局部肌肉厚度，进而为还原出待还原对象的原脸图像提供了重要基础。
[0083]
实施例8：在实施例7的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，从所述ai换脸视频集合中提取出对应换脸人物对应表情的第二面部肌肉运动共性特征，包括：确定出所述ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的第二换脸视频；对所述第二换脸视频进行表情分析，获得每个换脸人物每个表情对应的第二换脸视频段集合；确定出所述第二换脸视频段集合中包含的第二换脸图像；基于标准面部肌肉分布图确定出所述第二换脸图像中包含的每个局部肌肉区域；
对第二换脸视频段集合中包含的每个局部肌肉区域进行动态分析，获得对应换脸人物对应表情的第二面部肌肉运动共性特征。
[0084]
该实施例中，第二换脸视频即为ai换脸视频集合中包含的每个换脸人物对应的第二换脸视频子集合中包含的换脸视频。
[0085]
该实施例中，第二换脸视频段集合即为对第二换脸视频进行表情分析后获得的每个换脸人物每个表情对应的换脸视频段构成的集合。
[0086]
该实施例中，第二换脸图像即为第二换脸视频段集合中包含的换脸图像。
[0087]
以上技术的有益效果为：通过对每个换脸人物对应的第二换脸视频子集合中包含的第二换脸视频按照表情进行分析，获得对应换脸人物对应表情的第二面部肌肉运动共性特征，为后续准确还原出待还原对象对应的面部拱高集合提供了重要基础。
[0088]
实施例9：在实施例8的基础上，所述的一种基于ai换脸视频的原脸图像智能还原方法，基于所述共性特征确定出所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征，包括：将所述第一五官共性特征和对应性别对应的第一标准五官特征进行做差比较，获得对应性别对应的第一五官特征偏差；将所述第一面部肌肉运动共性特征和对应性别对应表情的第一标准面部肌肉运动特征进行做差比较，获得对应性别对应表情的第一面部肌肉运动特征偏差；将每种性别对应的第一五官特征偏差和对应的所有第一面部肌肉运动特征偏差进行汇总，获得每种性别对应的第一总偏差；将所述第一总偏差对应的性别作为所述待还原对象对应的还原性别；确定出所述还原性别对应的第一换脸人物；将所述第一换脸人物在预设脸部状态下对应的第二五官共性特征与所述第一换脸人物在预设脸部状态下对应的第二标准五官特征进行做差比较，获得所述第一换脸人物在预设脸部状态下对应的第二五官特征偏差；对所有第一换脸人物对应的第二五官特征偏差进行共性特征提取，获得所述待还原对象在预设脸部状态下对应的五官偏差共性特征；基于所述五官偏差共性特征和所述第二标准五官特征确定出所述待还原对象对应的五官坐标集合；将所述第一换脸人物在预设脸部状态下对应的第二面部肌肉运动共性特征与所述第一换脸人物在预设脸部状态下对应的第二标准面部肌肉运动特征做差比较，获得所述第一换脸人物在预设脸部状态下对应的第一面部肌肉运动特征偏差；对所有第一换脸人物对应的第一面部肌肉运动特征偏差进行共性特征提取，获得所述待还原对象在预设脸部状态下对应的面部肌肉运动偏差共性特征；基于所述面部肌肉运动偏差共性特征和所述第二标准面部肌肉运动特征确定出所述待还原对象对应的面部肌肉拱高集合；将所述待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合作为对应的脸部特征。
[0089]
该实施例中，第一五官特征偏差即为将第一五官共性特征和对应性别对应的第一
标准五官特征进行做差比较后获得的对应性别对应的五官特征偏差。
[0090]
该实施例中，第一标准五官特征即为对应性别对应的标准的五官特征。
[0091]
该实施例中，第一面部肌肉运动特征偏差即为将第一面部肌肉运动共性特征和对应性别对应表情的第一标准面部肌肉运动特征进行做差比较后获得的对应性别对应表情的面部肌肉运动特征偏差。
[0092]
该实施例中，第一标准面部肌肉运动特征即为对应性别对应表情的标准的面部肌肉运动特征。
[0093]
该实施例中，第一总偏差即为每种性别对应的第一五官特征偏差和对应的所有第一面部肌肉运动特征偏差进行汇总后获得的每种性别对应的总偏差。
[0094]
该实施例中，还原性别即为第一总偏差对应的性别。
[0095]
该实施例中，第一换脸人物即为换脸视频集合中还原性别对应的换脸人物。
[0096]
该实施例中，第二五官特征偏差即为将第一换脸人物在预设脸部状态下对应的第二五官共性特征与第一换脸人物在预设脸部状态下对应的第二标准五官特征进行做差比较后获得的第一换脸人物在预设脸部状态下对应的五官特征偏差。
[0097]
该实施例中，第二五官共性特征即为第一换脸人物在预设脸部状态下对应的五官共性特征。
[0098]
该实施例中，第二标准五官特征即为第一换脸人物在预设脸部状态下对应的标准五官特征。
[0099]
该实施例中，五官偏差共性特征即为对所有第一换脸人物对应的第二五官特征偏差进行共性特征提取后获得的待还原对象在预设脸部状态下对应的表征五官偏差共性的特征。
[0100]
该实施例中，五官坐标集合即为基于五官偏差共性特征和第二标准五官特征确定出的待还原对象对应的五官轮廓坐标构成的集合。
[0101]
该实施例中，第一面部肌肉运动特征偏差即为将第一换脸人物在预设脸部状态下对应的第二面部肌肉运动共性特征与第一换脸人物在预设脸部状态下对应的第二标准面部肌肉运动特征做差比较后获得的第一换脸人物在预设脸部状态下对应的面部肌肉运动特征的偏差。
[0102]
该实施例中，第二面部肌肉运动共性特征即为第一换脸人物在预设脸部状态下对应的面部肌肉运动共性特征。
[0103]
该实施例中，第二标准面部肌肉运动特征即为第一换脸人物在预设脸部状态下对应的标准的面部肌肉运动特征。
[0104]
该实施例中，面部肌肉运动偏差共性特征即为对所有第一换脸人物对应的第一面部肌肉运动特征偏差进行共性特征提取后获得的待还原对象在预设脸部状态下对应的表征面部肌肉运动偏差共性的特征。
[0105]
该实施例中，面部肌肉拱高集合即为基于面部肌肉运动偏差共性特征和第二标准面部肌肉运动特征确定出的待还原对象对应的所有面部肌肉拱高构成的集合。
[0106]
以上技术的有益效果为：通过对共性特征与每种性别对应的共性特征进行做差比较，确定出待还原对象的还原性别，再通过对还原性别对应的第一换脸人物在预设脸部状态下对应的共性特征与对应第一换脸人物在预设脸部状态下对应的标准共性特征进行做
差比较，获得对应的偏差共性特征，再将偏差共性特征和在预设脸部状态下对应的标准共性特征进行结合，可以还原出待还原对象在预设脸部状态下的面部肌肉拱高集合和五官坐标集合，进而获得待还原对象对应的脸部特征，为还原出待还原对象在预设脸部状态下对应的原脸图像提供了决定性基础。
[0107]
实施例10：本发明提供了一种基于ai换脸视频的原脸图像智能还原系统，参考图3，包括：视频获取模块，用于获取待还原对象的ai换脸视频集合；特征提取模块，用于提取所述ai换脸视频集合的共性特征，基于所述共性特征确定出所述待还原对象在预设脸部状态下的脸部特征；图像还原模块，用于基于所述脸部特征和预设头骨模型还原出所述待还原对象在预设脸部状态下对应的原脸图像。
[0108]
以上技术的有益效果为：基于对待还原对象的大量ai换脸视频进行共性特征提取，获得待还原对象在预设脸部状态下的脸部特征，基于脸部特征还原出待还原对象在预设脸部状态下对应的原脸图像，减小了因为ai换脸视频出现的信息真实性危机。
[0109]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。