之前介绍过简单的换脸python方式，今天就更大家介绍下加强版的换脸，会以本机mac为例，进行举例说明，感谢deepfakes的开源。 地址
构建
克隆
git clone https://github.com/deepfakes/faceswap
编写Dockerfile文件
官方提供了cpu版本跟gpu版本的dokcer文件
我们选择cpu的版本，但是由于环境的原因，我们需要进行稍加修改
FROM tensorflow/tensorflow:latest-py3
RUN apt-get update -qq -y \
&& apt-get install -y libsm6 libxrender1 libxext-dev python3-tk libgtk2.0-dev x11-xserver-utils \
&& apt-get clean \
&& rm -rf /var/lib/apt/lists/*
COPY requirements.txt /opt/
RUN pip3 install --upgrade pip -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
RUN pip3 install cmake -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
RUN pip3 install dlib --install-option=--yes --install-option=USE_AVX_INSTRUCTIONS -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
RUN pip3 --no-cache-dir install -r /opt/requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com && rm /opt/requirements.txt
WORKDIR "/srv"
CMD ["/bin/bash"]
跟官方的比起来，我们新增了pip源的替换以及新增了两个安装包libgtk2.0-dev（基于GTK的界面构造程序）、x11-xserver-utils（用于设置mac下的界面显示工具）
运行Dockerfile文件
docker build -t deepfakes-cpu -f Dockerfile.cpu .
安装xquartz
brew cask install xquartz
进入xquartz的偏好设置》安全性》允许从网络客服端连接
运行镜像
docker run -tid -p 9001:9001 -e DISPLAY=$ip:0 --hostname deepfakes-cpu --name deepfakes-cpu -v /Users/gimi/workplace/develop/faceswap:/srv -v /tmp/.X11-unix:/tmp/.X11-unix deepfakes-cpu
其中ip为本机的$ip
进入dockker
docker exec -it deepfakes-cpu bash
执行命令
1.进行我们数据的特征提取
python faceswap.py extract -i photo/trump -o data/trump
python faceswap.py extract -i photo/cage -o data/cage
trump是被替换的脸的文件夹，cage是替换的脸的文件夹
更多提取方法的帮助 python faceswap.py extract -h
2.进行数据的训练
python faceswap.py train -A data/trump -B data/cage -m models -p
这边加入了-p是为了预览训练的结果，这样子方便我们查看训练效果，如果这个时候出现无法展示界面的报错，需要执行以下xhost local:root，赋予一下权限
更多训练方法的帮助 python faceswap.py train -h
3.进行脸部的转换
python faceswap.py convert -i photo/trump -o output -m /models
更多转换方法的帮助 python faceswap.py convert -h
4.将视频转化成图片
python tools.py effmpeg -h
或者
ffmpeg -i video.mp4 photo/video-frame-%d.png
5.将图片转换成视频
ffmpeg -i photo/video-frame-%0d.png -c:v libx264 -vf "fps=25,format=yuv420p" out.mp4
End
训练的图片素材越多，训练的越久，我们的模型会越准确。