飞桨PaddleHub带你环游世界,快来试试Python一键视频抠图吧 | 您所在的位置:网站首页 › 怎么用飞闪抠图制作视频 › 飞桨PaddleHub带你环游世界,快来试试Python一键视频抠图吧 |
在视频创作过程中,有时会遇到人像抠图的需求,最一般的做法是使用PR、AE等工具将视频中的每一帧图像手动抠图。这么繁琐的步骤在理工男面前简直是不可存在的,那么有什么简单的方法能快速抠图吗?当然有啦,接下来给大家介绍如何使用PaddleHub一键视频人像抠图。 效果展示 首先展示一些抠图完毕的小片段,上一秒我还在家里的小房间,下一秒我就出现在了土耳其。那顺便去看看埃菲尔铁塔呗。 到洛杉矶的海边散散步。 到上海欢乐谷锻炼锻炼身体。 最后到东京的观景台上看个日落 视频效果是不是很逼真呢,一天环游世界不是梦哈哈哈…… 其实这些人像素材都是在房间里拍摄,然后使用PaddleHub工具库一键抠图,最后使用PR进行后期创作的,接下来介绍下如何操作吧。 这是如何实现的? 关注飞桨的小伙伴是否还记得前几天推过的别再用PS了,我用5行Python代码就实现了批量抠图,视频人像抠图也是类似的,只要把视频的每一帧图像所含有的人像提取出来,然后加上背景重新合成视频就可以啦。大体的步骤知道了,那接下来开始实践吧。 哦对了,还得有一段含有人像的素材,小伙伴们可以自己拍摄或者从网络搜集。 01 安装必要组建 需要安装的是飞桨框架和PaddleHub工具库,安装步骤可以参考别再用PS了,我用5行Python代码就实现了批量抠图。或者直接进入飞桨官网查看安装步骤: https://www.paddlepaddle.org.cn 02 人像抠图制作素材 由于目前PaddleHub人像抠图模型API的输入是单张图像的路径,故需要先将视频的每一帧图像分离存储后才能进行抠图。当然也可以通过修改模型的源码,将API的输入修改成图像输入,这样就省去了视频分离存储的步骤,具体的源码可以参考: https://aistudio.baidu.com/aistudio/projectdetail/370260,这里主要介绍前一种方法。 2.1 导入所有相关模块 import cv2 import os import numpy as np from PIL import Image import paddlehub as hub2.2 将视频内图像分离存储 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)该步骤将会把每一帧图像保存到本地目录。 2.3 导入模型进行人像抠图 def GetHumanSeg(frame_path, out_path): # 加载模型 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加速需安装paddlepaddle-gpu # results = module.segmentation(data=input_dict, use_gpu = gpu, batch_size = 10,output_dir=out_path)该步骤将会把人像提取并保存为png至本地 2.4 生成绿幕并与人像合成 为什么要使用绿幕呢,主要是为了后续在视频后期软件里方便使用素材。当然熟悉Python的同学也可以直接使用一些Python模块进行视频后期。但是在这里还是推荐使用PR、AE这类专业软件,可以方便地对素材进行缩放、变速、位置处理、以及添加特效等操作。更重要的是,可以对素材进行调色,与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 # 生成绿幕 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): """ 将抠出的人物图像换背景 fore_image: 前景图片,抠出的人物图片 base_image: 背景图片 """ # 读入图片 base_image = Image.open(base_image).convert('RGB') fore_image = Image.open(fore_image).resize(base_image.size) # 图片加权合成 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)) # 保存图片 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)该步骤完成后将会得到类似这样的绿幕图片: 2.5 视频合成 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) # 保存帧 out.release()该步骤完成后即可得到类似下图的人体绿幕素材 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:视频->图像 if not os.path.exists(FrameCut_Path): os.mkdir(FrameCut_Path) CutVideo2Image(Video_Path, FrameCut_Path) # 第二步:抠图 if not os.path.exists(FrameSeg_Path): os.mkdir(FrameSeg_Path) GetHumanSeg(FrameCut_Path, FrameSeg_Path) # 第三步:生成绿幕并合成 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:合成视频 if not os.path.exists(ComOut_Path): CompVideo(FrameCom_Path, ComOut_Path, Video_Size)OK,绿幕素材都已经制作完毕,下一步就可以导入到后期软件内进行创作啦,这里以PR为例。 03 后期创作 将绿幕素材和背景素材导入PR,在绿幕素材上使用`超级键`效果,并将主要颜色选取为绿幕的颜色,即可轻松去除绿幕颜色。 再往后的各种骚操作就看各位小伙伴的想象力啦! 这里附上我的作品:[AI人像抠图]|百度PaddleHub抠图创意赛[附教程、代码]: https://www.bilibili.com/video/BV1cA411b7r2 目前存在的问题:头发、手指等细节部分还需要进一步完善。 人体动作幅度大导致图像帧模糊,会造成提取失败。 模型的API接口有待继续丰富。 不过听说百度飞桨后续会针对视频流推出更高效的人像分割模型,真是让人期待呀! 如果使用过程中遇到任何问题,大家可通过以下联系方式进行技术交流及问题反馈。 PaddleHub issue: https://github.com/PaddlePaddle/PaddleHub/issues 官方QQ群:703252161。如果您加入官方QQ群,您将遇上大批志同道合的深度学习同学。 如果您想详细了解更多飞桨的相关内容,请参阅以下文档。 官网地址:https://www.paddlepaddle.org.cn PaddleHub项目地址: GitHub: https://github.com/PaddlePaddle/PaddleHub Gitee: https://gitee.com/paddlepaddle/PaddleHub PaddleHub 官网: https://www.paddlepaddle.org.cn/hub PaddleHub 预训练模型: https://www.paddlepaddle.org.cn/hublist PaddleHub 文档: 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 飞桨PaddleSeg项目地址: https://github.com/PaddlePaddle/PaddleSeg 飞桨开源框架项目地址: GitHub: https://github.com/PaddlePaddle/Paddle Gitee: https://gitee.com/paddlepaddle/Paddle END |
CopyRight 2018-2019 实验室设备网 版权所有 |