全文总字数：2779字
文献综述
文 献 综 述1.引言近年来，人工智能发展迅速，而AI换脸技术作为一种对人物面部图像进行替换的技术工具，因其深度拟真、低制作门槛的特点，在互联网时代呈现出了强大的传播力和影响力。
AI换脸技术一般可以用于视频合成、提供隐私服务、肖像更换或者其他有创新性的应用。
最早之前，实现人脸互换是通过分别分析两者人脸的相似信息来实现换脸，也就是通过特征点匹配来提取一张脸中例如眉毛、眼睛等特征信息然后匹配到另一张人脸上。
这种实现不需要进行训练，不需要的数据集，但是实现的比较差，无法自己修改人脸中的表情。
而在最近发展的深度学习技术中，我们可以通过深度神经网络提取输入图像的深层信息，从而读取出其中隐含的深层特征来实现一些任务。
Ian J. Goodfellow等人提出了生成式对抗网络（GAN）模型，通过框架中两个模块的互相博弈学习产生相当好的输出，该模型很好地学习到两个类别之间的转换关系，但具有缺乏用户控制能力与低分辨率、低质量等问题。
基于GAN模型，AI技术爱好者提出了自编码器模型，该模型虽然需要大量的样本数据，训练过程需要消耗大量资源，但自编码器是无监督学习，数据容易收集。
因此，本设计选用基于生成式对抗网络的自编码器方法。
2.总体设计本设计是基于Python语言与OpenCV算法库的视频人脸交换实现，共分为视频图像转换、人脸检测与关键特征点选取校准、人脸编解码转换三个模块，具体实现功能有：1、将视频分解为连续帧序列图片；2、检测图片中人脸的位置并截取该位置的图片；3、提取人脸特征点以校正人脸做到表情同步；4、通过编解码进行人脸转换，实现一个人的脸另一个人的五官与表情；5、转换后的图片组合成视频。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
