“照片分享”在社交场景中占有很大一部分比重,QQ空间、微博、微信朋友圈里自拍占据着大量的版面。目前大部分应用都是以人脸识别技术为基础开发的。随着人脸识别率的不断提升,已经有越来越多的科研工作者开始对人脸局部信息进行深度挖掘,提出了更多有意思、有价值的应用。“变脸”其实就是其中之一。变脸和换脸其实是一种人脸合成技术,通过关键点的检测生成mask模板,采用抠图、贴图的方式实现两张人脸区域的交换,并做一定的图像融合使人脸与周围环境很好的衔接。对于这种技术来说,它的融合还是建立在区域提取、色彩转换、边缘融合上的。本课题提出的人脸融合概念源于对人脸合成技术的改进,它与人脸合成的区别在于这种融合的形式是针对更加细节的形状和纹理进行融合,结果并非单单是将A对象的脸融合到B对象所在的环境中去,而是生成一张同时包含A对象和B对象局部特征的C对象。达到人脸融合或者说增强现实的效果。本文基于关键点检测算法、三角剖分原理并结合图像形变技术对人脸融合技术进行实现。在应用上寻求一定的创新。本文主要工作内容如下:首先,在人脸ROI检测部分,提出了一种基于两级定位框架的双眼检测方法,实现双眼的精确定位。并根据双眼的定位结果解决输入图像的尺度和位置问题方便后期融合处理。然后,在人脸关键点提取部分,分析对比了目前几种经典的关键点定位算法及其改进算法,最终选择STASM算法作为定位算法应用到人脸融合的技术中去。在定位关键点的过程中本文考虑到了课题的需要,在STASM算法基础之上加入了额头处的关键点,以调整融合需要融合的源图像。在人脸三角网格模型生成部分,本文应用了改进的Delaunay剖分算法,即分治法和分点插入法的合并算法进行人脸三角网格的快速生成。最后,图像形变和人脸融合部分,本文应用仿射变换和双线性插值的方法对生成的人脸融合网格序列进行图像融合。在融合过程中本文使用了“反向映射”和临近二次线性插值的方法,既避免了生成目标图像的“空洞”和“重影”现象,又有效避免了不连续像素的情况,提高了融合结果的图像质量。最终,实验结果表明本文提出的基于关键点检测的人脸融合技术整体可行,对于纹理丰富的人脸图像,在融合细节方面能够达到很好的融合效果。