用Python实现武侠小说中的武打动作残影特效.docxVIP

用Python实现武侠小说中的武打动作残影特效 “飞雪连天射白鹿，笑书神侠倚碧鸳”，信任很多90后晓得这副对联的含义，这是武侠小说作家金庸先生的作品合集，说实话在全部的作品中我最宠爱的是倚天屠龙记和天龙八部，应当说基本都宠爱，但是这两部中的爱恨情仇最为突出，倚天屠龙记中周芷若和赵敏，张无忌，再到天龙八部中的乔峰。 说起来武侠小说中的武林高手是真的帅！现在的电影制造技术越来越超群了，武术特效做的效果的做的真的很酷炫。最为酷炫的一个是残影特效，说到残影特效，我们直接上效果！ 以上是天龙八部中的灵鹫宫宫主虚竹与鸠摩智进行比武时的武功呈现，看得出来残影效果真的给人一种感觉武功深不行测的感觉，那种这种酷炫的残影效果是怎样实现的呢？今日就让我们使用百度开源的深度学习框架飞桨来实现这样的视频残影效果。 在实践历程中我们使用了Paddle框架所集成的Paddlehub的深度学习模型库，Paddlehub中包含了很多的深度学习的预训练模型，包含图像分类，目标检测，GAN图像风格迁移，在本次的视频残影生成中所使用的是deeplabv3p_xception65预训练模型，其原始用途是用来实现视频的语义分割，将其OpenCV的后续处理进行搭配，即可实现我们所说的“残影”了！ 算法实现过程 算法实现环境： 百度AIstudio深度学习平台，Python3.7，Paddlepaddle1.8.4 步骤1：安装Paddlehub深度学习模型库，使用pip在jupyter notebook进行安装操作。 !pip install paddlehub==1.6.2?-i /pypi/simple 步骤2：导入运转需要使用的Python工具包 import?numpy as?np //导入数据科学报numpyimport?os??import?paddlehub as?hubimport?cv2from?moviepy.editor import?VideoFileClip? //导入视频分帧工具from?tqdm import?tqdm //导入终端输出进度条import?copy 步骤3：指定GPU编号，AIstudio上为单机单卡因而，只存在GPU：0 os.environ[CUDA_VISIBLE_DEVICES]=0 步骤4：进行残影效果的推理代码编写与模型的运转： def do_seg(module, frame):????result = module.segmentation(images=[frame],use_gpu=True)????return?result[0][data]module = hub.Module(name=deeplabv3p_xception65_humanseg)originname = test.mp4? ?//test.mp4为原始的输入视频resultname = test_result.mp4? //test_result.mp4为处理后的残影视频shadowcount = 9cap = cv2.VideoCapture(originname) //将视频转换为图片流处理fps = int(cap.get(cv2.CAP_PROP_FPS))width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))framecount = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))fourcc = cv2.VideoWriter_fourcc(*mp4v)out = cv2.VideoWriter(resultname, cv2.VideoWriter_fourcc(M, J, P, G), fps, (width, height))tmpres = []for?index?in tqdm(range(framecount)):????ret, frame = cap.read()????if?not ret:????????break????seg_mask = np.around(do_seg(module,frame) / 255)????seg_mask3 = np.repeat(seg_mask[:,:,np.newaxis], 3, axis=2)????background = copy.deepcopy(frame)????stbackground = copy.deepcopy(frame)????if?len(tmpres) shadowcount:????????tmp