大家好，感谢邀请，今天来为大家分享一下小鹿直播网站源码分享安装教程的问题，以及和小鹿直播改什么名字了的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！
作者|Trent1985
来源|CSDN博客
人像静态/动态贴纸特效几乎已经是所有图像视频处理类/直播类app的必需品了，这个功能看起来复杂，实际上很简单，本文将给大家做个详细的讲解。
我们先来看一下FaceU的两张效果图：
这两张效果图中，我们可以看到一些可爱的圣诞帽贴纸和小鹿形象贴纸，在人脸区域，自动贴上不同的贴纸，便会生成很多有趣的特效，这也是大家爱不释手的原因。
我们从静态贴纸讲起，动态贴纸实际上是静态贴纸的循环播放而已。人像静态贴纸的鼻祖是inapp，而后FaceU的动态贴纸风靡一时，现在静态/动态贴纸已经随处可见了。它的算法分为两个部分：
所谓人像贴纸，第一步必然是人脸检测与关键点识别。在有人脸的情况下获取到必须的关键点，这样我们才能准确的打上贴纸。现有的app中，比如FaceU和轻颜相机，当然他们是一家的，他们的贴纸基本上都是数十个人脸特征点的模板配置，也就是说，完成一个贴纸效果，需要数十个点位信息的支持。不过，个人认为，最简单的贴纸，可以从三个点开始。
关于人脸特征点识别算法，相关的论文或者开源的代码工程，已经多如牛毛，这里我不一一例举，本人这里以mtcnn为例，因为本文算法只需要三个点即可。mtcnn在检测到人脸的情况下，会给我们提供5个特征点，如下图所示：
mtcnn的算法详解大家也可以在网络资源中自行学习，这里我们仅仅给出网络结构示意图，如图所示。
对于上述三个网络，分别为三个阶段：
Stage1：使用P-Net是一个全卷积网络，用来生成候选窗和边框回归向量(boundingboxregressionvectors)。使用Boundingboxregression的方法来校正这些候选窗，使用非极大值抑制（NMS）合并重叠的候选框；
Stage2：使用N-Net改善候选窗，将通过P-Net的候选窗输入R-Net中，拒绝掉大部分false的窗口，继续使用Boundingboxregression和NMS合并；
Stage3：使用O-Net输出最终的人脸框和特征点位置。和第二步类似，但是不同的是生成5个特征点位置；
本文使用NCNN调用MTCNN的模型，上层采用Cinclude”Trent.h”
include<stdint.h>
staticchar*model_path=”C:/Users/Administrator/Desktop/mtcnn/001_TestDemo/TestDemo/TestDemo_C/models”;
MTCNN*mtcnn;
int
{
mtcnn=newMTCNN(model_path);
return0;
};
int
{
unsignedchar*data=(unsignedchar*)malloc(sizeof(unsignedchar)*height*width*3);
unsignedchar*pSrc=srcData;
unsignedchar*pData=data;
for(intj=0;j<height;j++)
{
for(inti=0;i<width;i++)
{
pData[0]=pSrc[0];
pData[1]=pSrc[1];
pData[2]=pSrc[2];
pData+=3;
pSrc+=4;
}
}
ncnn::Matncnn_img=ncnn::Mat::from_pixels(data,ncnn::Mat::PIXEL_RGB,width,height);
std::vector<Bbox>finalBbox;
mtcnn->detect(ncnn_img,finalBbox);
if(finalBbox.size>0)
{
faceInfos[0]=1;
faceInfos[1]=finalBbox[0].x1;
faceInfos[2]=finalBbox[0].y1;
faceInfos[3]=finalBbox[0].x2-finalBbox[0].x1;
faceInfos[4]=finalBbox[0].y2-finalBbox[0].y1;
faceInfos[5]=finalBbox[0].ppoint[0];
faceInfos[6]=finalBbox[0].ppoint[5];
faceInfos[7]=finalBbox[0].ppoint[1];
faceInfos[8]=finalBbox[0].ppoint[6];
faceInfos[9]=finalBbox[0].ppoint[2];
faceInfos[10]=finalBbox[0].ppoint[7];
faceInfos[11]=finalBbox[0].ppoint[3];
faceInfos[12]=finalBbox[0].ppoint[8];
faceInfos[13]=finalBbox[0].ppoint[4];
faceInfos[14]=finalBbox[0].ppoint[9];
}
free(data);
return0;
};
void
{
if(model_path!=)
free(model_path);
delete(mtcnn);
}
拿到五个人脸特征点，这一步我们就完成了。
有了特征点，我们如何将贴纸融合到恰当的位置？
①计算基准点
我们从5个特征点中，计算得到三个关键点A,B,C；
A为左眼中心点
B为右眼中心点
C为嘴巴水平中心点
对于一张人脸，它的这三个点变化比较小，同时又可以覆盖整个脸部区域，因此，具有整张脸的代表性。
②构建模特基准点
选取一张模特图，要求五官端正，比例协调，如下图所示：
在图中标定出三个人脸关键点位置A,B,C，如蓝色点所示，并记录位置信息：
③构建贴纸模板
我们使用如下两个贴纸，在PS中将贴纸放置到模特脸上合适的位置，然后保存两个贴纸模板为mask_a,mask_b，这样两个贴纸模板就制作完成了，模板如下图所示：
③贴图
对于任意一张用户照片，先使用MTCNN得到人脸5个关键点，计算出人脸关键点A,B,C，我们记做A0,B0,C0；
然后，使用仿射变换，公式如下图所示所示，将A0,B0,C0映射到模特图A,B,C三点，得到仿射变换矩阵H；
仿射变换H矩阵求解代码如下：
void
{
floatdetA;
detA=tx1*ty2+tx2*ty3+tx3*ty1-tx3*ty2-tx1*ty3-tx2*ty1;
floatA11,A12,A13,A21,A22,A23,A31,A32,A33;
A11=ty2-ty3;
A21=-(ty1-ty3);
A31=ty1-ty2;
A12=-(tx2-tx3);
A22=tx1-tx3;
A32=-(tx1-tx2);
A13=tx2*ty3-tx3*ty2;
A23=-(tx1*ty3-tx3*ty1);
A33=tx1*ty2-tx2*ty1;
texMatrix[0]=(x1*A11+x2*A21+x3*A31)/detA;
texMatrix[1]=(x1*A12+x2*A22+x3*A32)/detA;
texMatrix[2]=(x1*A13+x2*A23+x3*A33)/detA;
texMatrix[3]=(y1*A11+y2*A21+y3*A31)/detA;
texMatrix[4]=(y1*A12+y2*A22+y3*A32)/detA;
texMatrix[5]=(y1*A13+y2*A23+y3*A33)/detA;
最后，根据H遍历用户照片，将用户照片像素映射到贴纸模板mask_a或者mask_b中，根据贴纸模板像素的透明度进行alpha混合，即可得到最终效果，如下图所示：
最后给出完整的自动人像贴纸代码，仅仅50行左右，即可实现静态图贴纸效果，如果大家需要动态贴纸，可以循环播放不同贴纸即可，代码如下：
include”Trent.h”
voidGetTexTransMatrix(floatx1,floaty1,floatx2,floaty2,floatx3,floaty3,floattx1,floatty1,floattx2,floatty2,floattx3,floatty3,float*texMatrix)
{
floatdetA;
detA=tx1*ty2+tx2*ty3+tx3*ty1-tx3*ty2-tx1*ty3-tx2*ty1;
floatA11,A12,A13,A21,A22,A23,A31,A32,A33;
A11=ty2-ty3;
A21=-(ty1-ty3);
A31=ty1-ty2;
A12=-(tx2-tx3);
A22=tx1-tx3;
A32=-(tx1-tx2);
A13=tx2*ty3-tx3*ty2;
A23=-(tx1*ty3-tx3*ty1);
A33=tx1*ty2-tx2*ty1;
texMatrix[0]=(x1*A11+x2*A21+x3*A31)/detA;
texMatrix[1]=(x1*A12+x2*A22+x3*A32)/detA;
texMatrix[2]=(x1*A13+x2*A23+x3*A33)/detA;
texMatrix[3]=(y1*A11+y2*A21+y3*A31)/detA;
texMatrix[4]=(y1*A12+y2*A22+y3*A32)/detA;
texMatrix[5]=(y1*A13+y2*A23+y3*A33)/detA;
}
intTrent_Sticker(unsignedchar*srcData,intwidth,intheight,intstride,unsignedchar*mask,intmaskWidth,intmaskHeight,intmaskStride,intsrcFacePoints[6],intmaskFacePoints[6],intratio)
{
intret=0;
floatH[6];
GetTexTransMatrix(maskFacePoints[0],maskFacePoints[1],maskFacePoints[2],maskFacePoints[3],maskFacePoints[4],maskFacePoints[5],srcFacePoints[0],srcFacePoints[1],srcFacePoints[2],srcFacePoints[3],srcFacePoints[4],srcFacePoints[5],H);
for(intj=0;j<height;j++)
{
for(inti=0;i<width;i++)
{
floatx=(float)i;
floaty=(float)j;
floattx=0;
floatty=0;
tx=(int)((H[0]*(x)+H[1]*(y)+H[2])+0.5);
ty=(int)((H[3]*(x)+H[4]*(y)+H[5])+0.5);
tx=CLIP3(tx,0,maskWidth-1);
ty=CLIP3(ty,0,maskHeight-1);
intmb=mask[(int)tx*4+(int)ty*maskStride];
intmg=mask[(int)tx*4+(int)ty*maskStride+1];
intmr=mask[(int)tx*4+(int)ty*maskStride+2];
intalpha=mask[(int)tx*4+(int)ty*maskStride+3];
intb=srcData[i*4+j*stride];
intg=srcData[i*4+j*stride+1];
intr=srcData[i*4+j*stride+2];
srcData[(int)i*4+(int)j*stride]=CLIP3((b*(255-alpha)+mb*alpha)/255,0,255);
srcData[(int)i*4+(int)j*stride+1]=CLIP3((g*(255-alpha)+mg*alpha)/255,0,255);
srcData[(int)i*4+(int)j*stride+2]=CLIP3((r*(255-alpha)+mr*alpha)/255,0,255);
}
}
returnret;
};
最后，给出完整工程的源代码，包含MTCNN调用代码和静态贴纸代码：https://download.csdn.net/download/trent1985/10891121
注意，代码运行环境为VS2015，运行时需要把model_path修改为自己的本地路径即可。
DEMO源码界面如下：
（*本文为AI科技大本营原创文章，转载请微信联系1092722531）
◆
◆
2019中国大数据技术大会（BDTC）再度来袭！豪华主席阵容及百位技术专家齐聚，15场精选专题技术和行业论坛，超强干货+技术剖析+行业实践立体解读，深入解析热门技术在行业中的实践落地。
小鹿直播网站源码分享安装教程的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于小鹿直播改什么名字了、小鹿直播网站源码分享安装教程的信息别忘了在本站进行查找哦。