你这背景太假了,用AI自动合成,假吗?

人工智能
我们今天用 detectron2 做实例分割,它是Facebook AI研究院开源的项目,功能强大,使用简单。

哈喽,大家好。

前几天大家是不是都刷到了下面这个视频。

图片

博主本来想证明自己背景是真的,结果引来网友恶搞,纷纷换成各种各样的背景来“打假”。

今天咱也凑个热闹,用 AI 技术自动替换背景。

思路并不难,我们先从原视频将人物分离出来,再将分离出来的人物“贴”到新背景视频中即可。

从视频中分类人物用到关键技术的是计算机视觉​中的实例分割​,我之前的文章中有介绍过目标检测技术,比如,人脸检测

图片

目标检测​是通过矩形框标注检测的目标,相对容易。而实例分割是一项更精细的工作,因为需要对每个像素点分类,物体的轮廓是精准勾勒的。

图片

我们今天用 detectron2​ 做实例分割​,它是Facebook AI研究院开源的项目,功能强大,使用简单。

图片

1. 安装

detectron2​ 支持在Linux和macOS​系统上安装,Linux​可以直接通过pip​安装,而mac​只能通过源码编译的方式安装,建议大家用Linux。

图片

支持GPU和CPU​运行,我使用的是3090显卡、CUDA11.1、Pytorch1.8。

2. 运行

我们用官方提供的预训练模型对图片做实例分割。

2.1 加载模型配置文件

from detectron2.config import get_cfg
from detectron2 import model_zoo

cfg = get_cfg()
model_cfg_file = model_zoo.get_config_file('COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml')
cfg.merge_from_file(model_cfg_file)

COCO-InstanceSegmentation​代表用coco​数据集训练的实例分割模型。

mask_rcnn_R_50_FPN_3x.yaml是模型训练用到的配置信息。

从下图也可以看到,detectron2​除了提供实例分割​模型,还提供目标检测、关键点检测等模型,还是比较全面的。

图片

2.2 加载模型

model_weight_url = model_zoo.get_checkpoint_url('COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml')
cfg.MODEL.WEIGHTS = model_weight_url

mask_rcnn_R_50_FPN_3x.yaml​文件中存放了预训练模型的url​。当进行实例分割​时,程序会自动从url处将模型下载到本地。存放的位置为:

图片

但程序自动下载的方式可能会比较慢,这时候你可以用迅雷自己下载模型文件,放到对应的路径中即可。

2.3 实例分割

首先,读取一张图片,图片大小480 * 640。

img = cv2.imread('./000000439715.jpg')

图片

实例化DefaultPredictor对象。

from detectron2.engine import DefaultPredictor
predictor = DefaultPredictor(cfg)

对图片进行实例分割

out = predictor(img)

out​变量中存放的是分割出来每个目标的类别id、检测框和目标遮罩。

out["instances"].pred_classes​获取目标的类别id

图片

这里一共检测到了 15 个目标,在配置文件中可以找到类别id和类别名称​的映射关系。其中,0​代表人,17代表马。

out["instances"].pred_masks​获取目标的遮罩​,我们取单个目标的遮罩研究一下它的用处。

图片

可以看到,它的取值是布尔类型,并且shape和图片大小一样。

所以,遮罩是实例分割​的结果,里面每个元素对应图片一个像素,取值为True代表该像素是检测出来的目标像素。

因此,我们可以通过遮罩给目标加上一层不透明度,从而把目标精确标注出来。

img_copy = img.copy()

alpha = 0.8
color = np.array([0, 255, 0])

img_copy[mask > 0, :] = img_copy[mask > 0, :] * alpha + color * (1-alpha)

上述给目标加上一层绿色的不透明度,效果如下:

图片

可以看到,骑在马上的人已经被标注出来了。

3. 自动合成背景

有了上面的基础,我们就很容易合成视频了。

读取原视频每一帧中将人物分割出来,将分割出来的人物直接覆盖到新背景视频中对应的帧即可。

核心代码:

# 读取原视频
ret, frame_src = cap.read()

# 读取新背景视频
ret, frame_bg = cap_bg.read()
# 调整背景尺寸跟原视频一样
frame_bg = cv2.resize(frame_bg, sz)

# 分割原视频人物
person_mask = instance_seg.predict(frame_src)
# 合成
frame_bg[person_mask, :] = frame_src[person_mask, :]


责任编辑:武晓燕 来源: 渡码
相关推荐

2022-09-06 16:40:59

AI真假AI换脸

2024-07-26 11:45:35

2021-05-09 06:25:53

Word技巧开发工具

2021-12-21 08:05:19

AI基础计算机

2020-03-05 08:51:45

AI人工智能智能系统

2020-07-14 13:40:42

微软开发AI

2022-06-13 11:18:08

合成数据AIML

2018-08-29 09:00:00

2017-12-22 15:34:49

AI美图

2019-09-18 16:14:16

编码方法重构

2024-04-08 08:00:00

AI大型语言模型

2018-11-11 11:16:38

AI天猫比价

2018-11-12 00:19:32

2022-10-09 09:38:10

高可用设计

2020-09-11 06:39:29

ThreadLocal线程

2021-05-07 13:39:20

Python工具代码

2022-08-09 12:43:10

OpenAIAI

2020-04-29 08:25:14

黑客安全工具

2023-01-14 14:44:36

AI

2018-09-07 23:27:53

AI开源学习框架
点赞
收藏

51CTO技术栈公众号