在視頻創做過程當中，有時會遇到人像摳圖的需求，最通常的作法是使用PR、AE等工具將視頻中的每一幀圖像手動摳圖。這麼繁瑣的步驟在理工男面前簡直是不可存在的，那麼有什麼簡單的方法能快速摳圖嗎？固然有啦，接下來給你們介紹如何使用PaddleHub一鍵視頻人像摳圖。php
下載安裝命令 ## CPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
效果展現git
首先展現一些摳圖完畢的小片斷，上一秒我還在家裏的小房間，下一秒我就出如今了土耳其。github
那順便去看看埃菲爾鐵塔唄。canvas
到洛杉磯的海邊散散步。網絡
到上海歡樂谷鍛鍊鍛鍊身體。框架
最後到東京的觀景臺上看個日落ide
視頻效果是否是很逼真呢，一天環遊世界不是夢哈哈哈……工具
其實這些人像素材都是在房間裏拍攝，而後使用PaddleHub工具庫一鍵摳圖，最後使用PR進行後期創做的，接下來介紹下如何操做吧。學習
這是如何實現的？ui
關注飛槳的小夥伴是否還記得前幾天推過的別再用PS了，我用5行Python代碼就實現了批量摳圖，視頻人像摳圖也是相似的，只要把視頻的每一幀圖像所含有的人像提取出來，而後加上背景從新合成視頻就能夠啦。大致的步驟知道了，那接下來開始實踐吧。
哦對了，還得有一段含有人像的素材，小夥伴們能夠本身拍攝或者從網絡蒐集。
01
安裝必要組建
須要安裝的是飛槳框架和PaddleHub工具庫，安裝步驟能夠參考別再用PS了，我用5行Python代碼就實現了批量摳圖。或者直接進入飛槳官網查看安裝步驟：
https://www.paddlepaddle.org.cn
02
人像摳圖製做素材
因爲目前PaddleHub人像摳圖模型API的輸入是單張圖像的路徑，故須要先將視頻的每一幀圖像分離存儲後才能進行摳圖。固然也能夠經過修改模型的源碼，將API的輸入修改爲圖像輸入，這樣就省去了視頻分離存儲的步驟，具體的源碼能夠參考：
https://aistudio.baidu.com/aistudio/projectdetail/370260，這裏主要介紹前一種方法。
2.1 導入全部相關模塊
import cv2 import os import numpy as np from PIL import Image import paddlehub as hub
2.2 將視頻內圖像分離存儲
def CutVideo2Image(video_path, img_path):
cap = cv2.VideoCapture(video_path)
index = 0
while(True):
ret,frame = cap.read()
if ret:
cv2.imwrite(img_path + '%d.jpg' % index, frame)
index += 1
else:
break
cap.release()
print('Video cut finish, all %d frame' % index)
該步驟將會把每一幀圖像保存到本地目錄。
2.3 導入模型進行人像摳圖
def GetHumanSeg(frame_path, out_path):
# 加載模型
module = hub.Module(name="deeplabv3p_xception65_humanseg")
# 配置
test_img_path = [os.path.join(frame_path, fname) for fname in os.listdir(in_path)]
input_dict = {"image": test_img_path}
results = module.segmentation(data=input_dict, output_dir=out_path)
# Tips：使用GPU加速需安裝paddlepaddle-gpu
# results = module.segmentation(data=input_dict, use_gpu = gpu, batch_size = 10,output_dir=out_path)
該步驟將會把人像提取並保存爲png至本地
2.4 生成綠幕並與人像合成
爲何要使用綠幕呢，主要是爲了後續在視頻後期軟件裏方便使用素材。固然熟悉Python的同窗也能夠直接使用一些Python模塊進行視頻後期。可是在這裏仍是推薦使用PR、AE這類專業軟件，能夠方便地對素材進行縮放、變速、位置處理、以及添加特效等操做。更重要的是，能夠對素材進行調色，與新的背景更好地融合。
def init_canvas(width, height, color=(255, 255, 255)):
canvas = np.ones((height, width, 3), dtype="uint8")
canvas[:] = color
return canvas
# 生成綠幕
def GetGreenScreen(size, out_path):
canvas = init_canvas(size[0], size[1], color=(0, 255, 0))
cv2.imwrite(out_path, canvas)
def BlendImg(fore_image, base_image, output_path):
"""
將摳出的人物圖像換背景
fore_image: 前景圖片，摳出的人物圖片
base_image: 背景圖片
"""
# 讀入圖片
base_image = Image.open(base_image).convert('RGB')
fore_image = Image.open(fore_image).resize(base_image.size)
# 圖片加權合成
scope_map = np.array(fore_image)[:,:,-1] / 255
scope_map = scope_map[:,:,np.newaxis]
scope_map = np.repeat(scope_map, repeats=3, axis=2)
res_image = np.multiply(scope_map, np.array(fore_image)[:,:,:3]) + np.multiply((1-scope_map), np.array(base_image))
# 保存圖片
res_image = Image.fromarray(np.uint8(res_image))
res_image.save(output_path)
def BlendHumanImg(in_path, screen_path, out_path):
humanseg_png = [filename for filename in os.listdir(in_path)]
for i, img in enumerate(humanseg_png):
img_path = os.path.join(in_path + '%d.png' % (i))
output_path_img = out_path + '%d.png' % i
BlendImg(img_path, screen_path, output_path_img)
該步驟完成後將會獲得相似這樣的綠幕圖片：
2.5 視頻合成
def CompVideo(in_path, out_path, size): fourcc = cv2.VideoWriter_fourcc(*'mp4v') out = cv2.VideoWriter(out_path,fourcc, 30.0, size) files = os.listdir(in_path) for i in range(len(files)): img = cv2.imread(in_path + '%d.png' % i) out.write(img) # 保存幀 out.release()
該步驟完成後便可獲得相似下圖的人體綠幕素材
2.6 主程序
# Config Video_Path = 'video/0.mp4' Video_Size = (1920, 1080) FrameCut_Path = 'video/frame/' FrameSeg_Path = 'video/frame_seg/' FrameCom_Path = 'video/frame_com/' GreenScreen_Path = 'video/green.jpg' ComOut_Path = 'output.mp4' if __name__ == "__main__": # 第一步：視頻->圖像 if not os.path.exists(FrameCut_Path): os.mkdir(FrameCut_Path) CutVideo2Image(Video_Path, FrameCut_Path) # 第二步：摳圖 if not os.path.exists(FrameSeg_Path): os.mkdir(FrameSeg_Path) GetHumanSeg(FrameCut_Path, FrameSeg_Path) # 第三步：生成綠幕併合成 if not os.path.exists(GreenScreen_Path): GetGreenScreen(Video_Size, GreenScreen_Path) if not os.path.exists(FrameCom_Path): os.mkdir(FrameCom_Path) BlendHumanImg(FrameSeg_Path, GreenScreen_Path, FrameCom_Path) # 第四步：合成視頻 if not os.path.exists(ComOut_Path): CompVideo(FrameCom_Path, ComOut_Path, Video_Size)
OK，綠幕素材都已經制做完畢，下一步就能夠導入到後期軟件內進行創做啦，這裏以PR爲例。
03
後期創做
將綠幕素材和背景素材導入PR，在綠幕素材上使用`超級鍵`效果，並將主要顏色選取爲綠幕的顏色，便可輕鬆去除綠幕顏色。
再日後的各類騷操做就看各位小夥伴的想象力啦！
這裏附上個人做品：[AI人像摳圖]|百度PaddleHub摳圖創意賽[附教程、代碼]：
https://www.bilibili.com/video/BV1cA411b7r2
目前存在的問題：
-
頭髮、手指等細節部分還須要進一步完善。
-
人體動做幅度大致使圖像幀模糊，會形成提取失敗。
-
模型的API接口有待繼續豐富。
不過據說百度飛槳後續會針對視頻流推出更高效的人像分割模型，真是讓人期待呀！
若是使用過程當中遇到任何問題，你們可經過如下聯繫方式進行技術交流及問題反饋。
PaddleHub issue：
https://github.com/PaddlePaddle/PaddleHub/issues
官方QQ羣：703252161。若是您加入官方QQ羣，您將趕上大批志同道合的深度學習同窗。
若是您想詳細瞭解更多飛槳的相關內容，請參閱如下文檔。
下載安裝命令 ## CPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安裝命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
官網地址：https://www.paddlepaddle.org.cn
-
PaddleHub項目地址：
GitHub: https://github.com/PaddlePaddle/PaddleHub
Gitee: https://gitee.com/paddlepaddle/PaddleHub
-
PaddleHub 官網：
https://www.paddlepaddle.org.cn/hub
-
PaddleHub 預訓練模型：
https://www.paddlepaddle.org.cn/hublist
-
PaddleHub 文檔：
https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.6/docs
-
PaddleHub demo：
https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.6/demo
-
PaddleHub AI Studio官方教程示例：
https://aistudio.baidu.com/aistudio/personalcenter/thirdview/79927
https://github.com/PaddlePaddle/PaddleSeg
-
飛槳開源框架項目地址：
GitHub: https://github.com/PaddlePaddle/Paddle
Gitee: https://gitee.com/paddlepaddle/Paddle
END
本文同步分享在 博客「飛槳PaddlePaddle」（CSDN）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。