图像人脸替换,即把目标图像中的人脸替换为源图像中的人脸,而保持目标图像中人脸的面部表情和头部姿态等信息不变的过程。图像换脸可以被应用到许多领域,比如影视、商业、隐私保护、儿童孤独症治疗。随着深度学习和计算机视觉领域的发展,图像人脸替换已经取得了相当程度上的进展。但是当前方法仍然存在图像纹理处理的不够好、训练过程不稳定、训练要求高等问题。针对这些问题,本论文提出了一种基于生成对抗网络的图像换脸算法,并将其应用到了儿童孤独症干预系统之中。本文的主要工作总结如下:（1）本文提出了 一种融合判别器约束和频域损失的图像换脸算法。针对基于生成对抗网络的图像换脸算法存在的训练过程不稳定和训练要求高等问题,本文引入了判别器约束技术,从而增加了训练稳定性,减少了训练要求。但是引入判别器约束技术也降低了判别器的判别能力,从而导致模型生成的换脸结果中来自源图像的身份信息不明显,因此本文又使用频域损失生成器生成的换脸图像进行了约束,解决了该问题。最后本文通过调整生成器当中的融合层改善了身份信息和属性信息的融合效果,改善了模型生成换脸图像的肤色和轮廓等纹理问题。相比之前的工作,本文所提出的换脸算法在不造成换脸效果变差的同时降低了 80%的训练计算量。（2）针对儿童人脸相似度更高和五官更加明显的特点,本文增加了所提出的图像换脸算法的训练损失中身份损失和属性损失的权重。同时由于使用了成人数据集上训练好的模型作为预训练模型,本文降低了训练损失中的频域损失权重。经过调整后在儿童数据集上训练得到的模型可以得到更好的儿童换脸图像。（3）设计了基于图像换脸的孤独症儿童干预系统。基于破镜理论,孤独症儿童在进行模仿学习等方面存在障碍。通过将干预视频中的人脸替换为需要被干预的孤独症儿童的人脸,可以让他们把干预视频中的人当成自己,规避破镜缺陷,从而增加干预效果。本文通过结合判别器约束技术和频域损失提高了模型训练的稳定性,降低了训练设备要求和训练时间,并将其迁移到了儿童图像换脸领域。之后考虑到孤独症儿童在模仿学习方面存在的问题,基于儿童图像换脸模型设计了相应的干预系统。