图像领域中的人脸替换是指用源图像中的人脸区域替换目标图像/视频中的人脸区域。人脸替换技术在隐私保护、娱乐、虚拟现实、影视特效、视频聊天等方面具有重要的理论意义和应用价值。本文提出了一种改进的视频中人脸替换方法,并实现了人脸替换系统,在视觉效果与处理速度方面都得到了较好的结果。本文主要研究内容有以下几个方面:(1)针对传统面部特征点定位中对初始化形状比较敏感的问题,提出了基于有约束的局部模型特征点匹配改进算法,除此以外,还在原有的有约束的局部模型算法基础上加入了新的特征点,用于对头部姿态估计。通过加强对头部姿态的估计,加强了后续人脸替换的效果。(2)针对传统人脸替换中不同姿态人脸的替换效果不好,提出了加入头部姿态调整的人脸替换方法,增强实现效果。方法是对源人脸和目标人脸的头部运动姿态做计算,获取其转动参数。在替换人脸时,调整两个头部姿态,再做面部融合,使替换效果更逼真。(3)针对人脸替换时脸型差异的问题,提出在人脸替换时,自动调整脸型的算法。方法是对于特征定位的结果,调整目标人脸区域,使其与源人脸相似,再替换人脸。在视频中,将较大区域调整为较小区域时,使用帧间值进行补偿,对不能补偿的区域,进行拉伸。以此来提高人脸转移时脸型差异的问题。本文实现了实时与视频中的人脸替换系统。实验表明本文提出的头部姿势估计方法有效,人脸替换中的表情转移功能具有较好的效果。(4)针对障碍物遮挡皮肤区域影响替换效果的问题,引入了人脸分割算法,使用全卷积网络对人脸进行分割。将全卷积后的数据再次进行反卷积,并且使用跳级策略,使分割结果更加精准。将分割区域应用到人脸替换系统中,具有显著的提升效果。(5)设计并实现了一个基于视频带有人脸分割的人脸替换系统,针对系统的处理流程和处理速度进行优化。将不同模块中可复用的算法提取加速,并达到了很好的提速效果。综上所述,本文分析了人脸替换的处理流程,总结对比了常用的算法,并选用了适合人脸替换的算法。经过实验对比表明,算法的鲁棒性,实时性都在优化后达到了较好的效果。