CN110084306B - 用于生成动态图像的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于生成动态图像的方法和装置。该方法的一具体实施方式包括：获取第一图像序列，第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；基于第二图像序列，生成呈现目标对象的动态图像。该实施方式实可以避免所生成的动态图像为背景图像的动态图像，并非图像中所呈现的目标对象的动态图像，有利于提高动态图像效果，提高用户体验。

Description

用于生成动态图像的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成动态图像的方法和装置。

背景技术

随着科学技术的发展以及终端应用的普及，图像处理技术得到了广泛的应用。越来越多的用户喜爱对所拍摄的照片进行处理，以满足各种需求。

现有的图像处理技术中，通常包括将图像中的前景和背景进行分离的技术，还包括对图像进行美化的技术，还包括生成动态图像的技术等。相关生成动态图像的技术中，由于受到外界环境、相机拍摄角度等因素的限制，通常是生成背景图像呈现动态效果而前景图像呈现静止状态的动态图像。

发明内容

本公开的实施例提出了用于生成动态图像的方法和装置。

第一方面，本公开的实施例提供了一种用于生成动态图像的方法，该方法包括：获取第一图像序列，第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；基于第二图像序列，生成呈现目标对象的动态图像。

在一些实施例中，从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列，包括：对于第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；将第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成第二图像序列。

在一些实施例中，基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成第二图像该序列，包括：对于所选择出的图像中的图像，确定该图像中，目标对象的轮廓图所占该图像的面积比例；选择所确定出的面积比例超过预设阈值的图像，以生成第二图像序列。

在一些实施例中，轮廓识别模型通过如下步骤训练得到：获取训练样本集，训练样本集包括样本图像和样本图像的标注信息，标注信息包括用于指示样本图像呈现的对象的轮廓；基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得轮廓识别模型。

在一些实施例中，方法还包括：对第二图像序列中相邻的预设数目帧图像进行比较，以确定预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值；响应于确定预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留预设数目帧图像中的一帧图像。

在一些实施例中，确定预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值，包括以下至少一项：对预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

在一些实施例中，基于第二图像序列，生成目标对象的动态图像，包括：按照时间顺序，将第二图像序列中的图像基于预设时间间隔依次显示。

第二方面，本公开的实施例提供了一种用于生成动态图像的装置，该装置包括：获取单元，被配置成获取第一图像序列，第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；选择单元，被配置成从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；生成单元，被配置成基于第二图像序列，生成呈现目标对象的动态图像。

在一些实施例中，选择单元包括：输入子单元，被配置成对于第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；匹配子单元，被配置成将第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；选择子单元，被配置成基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成第二图像序列。

在一些实施例中，选择子单元进一步被配置成：对于所选择出的图像中的图像，确定该图像中，目标对象的轮廓图所占该图像的面积比例；选择所确定出的面积比例超过预设阈值的图像，以生成第二图像序列。

在一些实施例中，轮廓识别模型通过如下步骤训练得到：获取训练样本集，训练样本集包括样本图像和样本图像的标注信息，标注信息包括用于指示样本图像呈现的对象的轮廓；基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得轮廓识别模型。

在一些实施例中，装置还包括：确定单元，被配置成对第二图像序列中相邻的预设数目帧图像进行比较，以确定预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值；保留单元，被配置成响应于确定预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留预设数目帧图像中的一帧图像。

在一些实施例中，确定单元进一步被配置成以下至少一项：对预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

在一些实施例中，生成单元进一步被配置成：按照时间顺序，将第二图像序列中的图像基于预设时间间隔依次显示。

第三方面，本公开的实施例提供了一种终端设备，该终端设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于生成动态图像的方法和装置，通过对获取到的第一图像序列进行筛选，筛选出呈现的对象包括目标对象的图像的第二图像序列后，基于第二图像序列，生成包括目标对象的动态图像，从而可以避免所生成的动态图像为背景图像的动态图像，并非图像中所呈现的目标对象的动态图像，有利于提高动态图像效果，提高用户体验。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于生成动态图像的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于生成动态图像的方法的一个应用场景的示意图；

图4是根据本公开的用于生成动态图像的方法的又一个实施例的流程图；

图5是根据本公开的用于生成动态图像的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于生成动态图像的方法或用于生成动态图像的装置的实施例的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103上可以安装有各种客户端应用。例如图像处理类应用、搜索类应用、内容分享类应用、美图类应用、即时通讯类应用等。终端设备101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是可以接收用户操作的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是支持终端设备101、102、103上安装的客户端应用的后台服务器。服务器105可以接收终端发送的第一图像序列，然后对第一图像序列进行各种处理后，生成基于目标对象的动态图像返回给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于生成动态图像的方法可以由服务器105执行，也可以由终端设备101、102、103执行。相应地，用于生成动态图像的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在生成动态图像的过程中所使用的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，只包括终端设备或服务器。

继续参考图2，其示出了根据本公开的用于生成动态图像的方法的一个实施例的流程200。该用于生成动态图像的方法包括以下步骤：

步骤201，获取第一图像序列。

在本实施例中，上述用于生成动态图像的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以安装有拍摄设备，或者与拍摄设备连接。该第一图像序列可以为拍摄设备拍摄后发送给上述执行主体的。或者，上述第一图像序列可以为预先存储在本地的。上述执行主体可以通过用于指示第一图像序列中的各图像所存储的位置的路径信息获取第一图像序列。

在这里，该第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的。该预设时间间隔例如可以为0.02s，也可以为其它时间，根据所要拍摄的图像的频率和应用场景的需要设定。在这里，上述同一场景可以是具有相同的背景环境。例如，当某一用户在某一固定位置针对其自身的表情动作进行拍摄时，该固定位置即为上述同一场景。再例如，当用户对放置与某一位置处的动物进行拍摄时，由于动物会不停运动，可以将放置动物的该位置视为同一场景。

通过设置预设时间间隔，可以避免对同一个场景或动作重复拍摄出多张照片，有利于节省内存空间。通过对同一场景进行拍摄，可以避免由于拍摄背景不同导致所生成的动态图像内容混乱，从而不需要对背景环境进行过多处理，有利于降低生成动态图像的复杂度，提高生成动态图像的速度。

步骤202，从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列。

在本实施例中，上述执行主体可以对第一图像序列进行筛选，选择出呈现目标对象的图像。通常，在诸如室外等公共场所进行图像拍摄时，当拍摄设备与目标对象的距离较远时，在对目标对象进行拍摄时，所拍摄的图像中通常会呈现有其他对象。例如，当该目标对象为某一动物时，所拍摄的图像中可能呈现有人物。当该目标对象为女性时，所拍摄的图像中可能呈现有男性对象。再例如，上述第一图像序列是基于预设时间间隔进行拍摄的，从而，该第一图像序列中通常会包括一张或多张没有拍摄到目标对象的图像。通过对第一图像序列中的图像进行筛选，可以避免将不包括呈现目标对象的图像参与动态图像合成中，或者将所呈现的目标对象效果不好(例如与图像中呈现的其他对象的比例相同)的图像参与动态图像合成中，有利于提高所呈现的动态图像的质量。

在本实施例中，上述执行主体中可以存储有各个对象的轮廓图集合。该轮廓图例如可以为小猫的轮廓图、小狗的轮廓图、女性的轮廓图、男性的轮廓图。当指定出目标对象后，从第一图像序列中选择出呈现目标对象的图像，具体可以包括：首先，上述执行主体可以对上述第一图像序列中的每一张图像所呈现的对象进行轮廓标注。在某一应用场景中，上述第一图像序列中存在某一张或某几张图像呈现多个对象，该多个对象例如可以为汽车、树木、楼房、小狗。对该图像呈现的对象进行轮廓标注时可以将所呈现的每一个对象的轮廓均标注出来。该轮廓标注的方法例如可以为基于像素值和图像纹理进行边缘检测的方法，在此不再详述。然后，将每一张图像呈现的对象的轮廓与轮廓图集合中的各对象的轮廓图进行比较，确定出该图像中是否包括指定的目标对象的轮廓图。从而将包括目标对象的轮廓图的图像进行保存。在这里，当检测出包括目标对象的轮廓图后，可以进一步将目标对象的图像在该图像中所占的比例与其他对象的图像在该图像中所占的比例作差，确定该差值是否大于预设阈值。在确定该差值大于预设阈值时，将该图像进行保存。

最后，上述执行主体可以将所保存的第一图像序列中的图像按照所拍摄的时间的先后顺序，生成第二图像序列。

步骤203，基于第二图像序列，生成包括目标对象的动态图像。

在本实施例中，上述执行主体可以根据步骤202得到的第二图像序列，从而生成呈现目标对象的动态图像。

通常，当每秒显示的图像帧数大于24帧时，人眼所看到的图像即为连续的动态画面。上述执行主体可以按照时间的先后顺序，将上述第二图像序列中的图像基于预设时间间隔依次显示。该预设时间间隔至少小于0.034s。从而，所生成的图像即为呈现目标对象的动态图像。

进一步参考图3，其示出了本公开的用于生成动态图像的方法的一个应用场景图。

在如图3所示的应用场景中，摄像头301获取到第一图像序列，然后将该第一图像序列发送至服务端302。其中，指定的目标对象为小猫。如图3所示，摄像头获取到的第一图像序列中的图像呈现的目标对象还包括小狗。由于小猫、小狗均会运动，因此，该第一图像序列中并不是每一张图像均可以捕捉到目标对象小猫。然后，服务端302可以将该第一图像序列中的每一张图像进行筛选，选择出呈现的对象包括小猫的图像，从而生成第二图像序列。最后，将所生成的呈现小猫的图像的第二图像序列按照时间的先后顺序，基于预设时间间隔，依次显示每一张图像，从而最终形成小猫的动态图像。

本公开的实施例提供的用于生成动态图像的方法，通过对获取到的第一图像序列进行筛选，选择出呈现的对象包括目标对象的图像的第二图像序列后，基于第二图像序列，生成包括目标对象的动态图像，从而可以避免所生成的动态图像为背景图像的动态图像，并非图像中所呈现的目标对象的动态图像，有利于提高动态图像效果，提高用户体验。

进一步参考图4，其示出了根据本公开的用于生成动态图像的方法的又一个实施例的流程400。该用于生成动态图像的方法包括以下步骤：

步骤401，获取第一图像序列。

在本实施例中，上述用于生成动态图像的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以安装有拍摄设备，或者与拍摄设备连接。该第一图像序列可以为拍摄设备拍摄后发送给上述执行主体的。或者，上述第一图像序列可以为预先存储在本地的。上述执行主体可以通过用于指示第一图像序列所存储的位置的路径信息获取第一图像序列。

在这里，该第一图像序列是基于预设时间间隔对同一场景拍摄的。该预设时间间隔例如可以为0.02s，也可以为其它时间，根据所要拍摄的图像的频率和应用场景的需要设定。

步骤402，从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列。

其中，步骤401、步骤402的具体实现以及带来的有益效果可参考图2所示的实施例中的步骤201、步骤202的具体描述，在此不再赘述。

步骤403，对第二图像序列中相邻的预设数目帧图像进行比较，以确定预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值。

在本实施例中，上述预设数目帧图像具体可以包括两帧、三帧等。根据应用场景的需要设定。具体的，当上述第二图像序列中的图像帧的数目小于预设阈值时，可以对每相邻的两帧图像进行比较；当上述第二图像序列中的图像帧的数目大于或等于预设阈值时，可以对每相邻的三帧或多帧图像进行比较。

具体的，上述确定预设数目帧图像所呈现的对象之间的差别是否超过预设阈值可以包括以下至少一项：对预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

在这里，上述面部动作信息具体可以包括嘴角弧度信息、眉毛弯曲度信息、眼睛弯曲度信息以及嘴角张开的大小、嘴角是张开状态还是闭合状态、眼睛处于睁开状态还是闭合状态等。从而，上述执行主体可以检测该预设数目帧图像之间所呈现的目标对象的嘴角弧度差值、眼睛弯曲度差值、唇部的状态是否改变、眼睛的状态是否改变等进行检测，并将上述各器官之间的差值与相对应的各器官的预设改变阈值进行比较，当该差值超过预设阈值时，可以确定该预设数目帧图像所呈现的目标对象之间的面部动作改变。

上述头部位姿信息可以包括俯仰角、向左转动的角度、向右转动的角度等。上述执行主体可以检测该预设数目帧图像之间所呈现的目标对象的头部的俯仰角、向左转动的角度、向右转动的角度等之间的差值是否超过预设阈值。当该差值超过预设阈值时，可以确定该预设数目帧图像所呈现的目标对象之间的头部位姿改变。

上述身体动作例如可以包括肢体动作。例如四肢的弯曲度等。上述执行主体可以检测该预设数目帧图像所呈现的目标对象之间的四肢弯曲度的差值是否超过预设阈值。当该差值超过预设阈值时，可以确定该预设数目帧图像所呈现的目标对象之间的肢体动作改变。

步骤404，响应于确定预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留预设数目帧图像中的一帧图像。

在本实施例中，上述执行主体在确定出预设数目帧图像所呈现的目标对象之间的面部动作信息、头部位姿信息、身体动作信息三者中的每一项差别均未超过预设阈值，保留其中一帧图像。也即是说，上述预设数目帧图像可以认为是重复的图像，将其他图像删除仅保留其中一帧图像，可以避免在生成动态图像时，由于图像呈现的目标对象相同导致某一动作所占用的时间过长使得图像动作不连续，降低所生成的动态图像的显示效果。举例来说，当第二图像序列中包括3张所呈现的目标对象动作相似的图像，每一张图像的时间为0.02s，则该3张图像所占用户时间为0.06s。而其他图像所呈现的目标对象的动作均为0.02s，从而导致三张相似图像呈现的动作持续时间过长，导致所生成的动态图像的动作不连贯，从而降低了后续生成动图的显示效果。通过检测是否具有重复的或动作相似的图像，可以使得每一个动作的持续时间均匀分配，从而提高所生成的动态图像的显示效果。

步骤405，基于第二图像序列，生成呈现目标对象的动态图像。

在本实施例中，上述执行主体基于步骤404对重复或动作相似的图像进行删除后的第二图像序列，可以生成呈现目标对象的动态图像。上述执行主体可以按照时间轴从前向后的顺序，将上述第二图像序列中的图像基于预设时间间隔依次显示。该预设时间间隔至少小于0.034s。从而，所生成的图像即为呈现目标对象的图像。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了对第二图像中相邻的预设数目帧图像进行检测，从而删除重复的或者所呈现的动作相同的图像，可以使得每一个动作的持续时间均匀分配，有利于提高所生成的动态图像的显示效果。

在上述各个实施例可选的实现方式中，从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列，包括：对于第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；将第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成所述第二图像序列。

具体的，上述轮廓识别模型用于指示图像与图像呈现的对象的轮廓图之间的对应关系。该轮廓识别模型可以是利用神经网络基于训练样本训练得到的。上述执行主体可以将第一图像序列中的每一张图像均输入至上述轮廓识别模型，从而得到与每一张图像所呈现的对象轮廓图。在这里，由于每一张图像中可以包括多个对象，因此，与每一张图像对应的轮廓图可以包括多张，基于图像所包括的对象的数目确定。上述执行主体中可以预先设置有目标对象的轮廓图。上述执行主体可以将所得到的每一张图像对应的轮廓图与预设目标对象的轮廓图进行匹配。该匹配例如可以为与每一张图像对应的轮廓图与预设目标对象的轮廓图之间的相似度是否大于预设阈值。然后，根据该匹配结果，可以从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，从而生成第二图像序列。在这里，轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值，可以说明该轮廓图对应的图像呈现目标对象。

在本实施例的一些可选的实现方式中，基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成所述第二图像该序列，包括：对于所选择出的图像中的图像，确定该图像中，目标对象的轮廓图所占该图像的面积比例；选择所确定出的面积比例超过预设阈值的图像，以生成所述第二图像序列。

具体的，基于轮廓图的匹配结果选择出呈现目标对象的图像后，在所选择出的图像中，由于拍摄角度、拍摄时机等因素的影响，可能存在某些图像中包括多个对象，而目标对象在该图像中并不是主角。通过确定目标对象的轮廓图在图像中的比例，可以提高目标对象在图像中的呈现效果。当该比例大于预设阈值时，可以确定目标对象是图像的主角。为了使得所检测的图像更加精确，可以提高上述比例的预设阈值。该可选的实现方式可以进一步提高所选择出的图像的成像效果。

在一些可选的实现方式中，上述轮廓识别模型可以通过如下步骤训练得到：获取训练样本集，训练样本集包括样本图像和样本图像的标注信息，标注信息包括样本图像的轮廓；基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得所述轮廓识别模型。

对于上述训练样本集中的每一个样本图像，将该样本图像输入至神经网络，得到样本图像所呈现的对象的轮廓图的输出结果。然后，将神经网络的输出得到的各样本图像的轮廓图与各样本图像的标注信息进行比较，确定输出的轮廓图与标注的轮廓图之间的误差是否小于预设阈值。响应于确定误差小于或等于预设阈值，可以将该神经网络作为轮廓标注模型。响应于确定误差大于预设阈值，可以调整神经网络的参数，例如可以调整神经网络中卷积层的数目、卷积核的大小、卷积核的步长。然后利用上述训练样本对参数调整后的神经网络继续训练，直到上述误差小于或等于预设阈值。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于生成动态图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于生成动态图像的装置500包括获取单元501、选择单元502和生成单元503。其中，获取单元501，被配置成获取第一图像序列，第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；选择单元502，被配置成从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；生成单元503，被配置成基于第二图像序列，生成呈现目标对象的动态图像。

在本实施例中，用于生成动态图像的装置500中：获取单元501、选择单元502和生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，选择单元502包括：输入子单元(图中未示出)，被配置成对于第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；匹配子单元(图中未示出)，被配置成将第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；选择子单元(图中未示出)，被配置成基于匹配结果，从第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成第二图像序列。

在本实施例的一些可选的实现方式中，选择子单元(图中未示出)进一步被配置成：对于所选择出的图像中的图像，确定该图像中，目标对象的轮廓图所占该图像的面积比例；选择所确定出的面积比例超过预设阈值的图像，以生成第二图像序列。

在本实施例的一些可选的实现方式中，轮廓识别模型通过如下步骤训练得到：获取训练样本集，训练样本集包括样本图像和样本图像的标注信息，标注信息包括用于指示样本图像呈现的对象的轮廓；基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得轮廓识别模型。

在本实施例的一些可选的实现方式中，用于生成动态图像的装置500还包括：确定单元(未示出)，被配置成对第二图像序列中相邻的预设数目帧图像进行比较，以确定预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值；保留单元(未示出)，被配置成响应于确定预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留预设数目帧图像中的一帧图像。

在本实施例的一些可选的实现方式中，确定单元(未示出)进一步被配置成以下至少一项：对预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；对预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

在本实施例的一些可选的实现方式中，生成单元503进一步被配置成：按照时间顺序，将第二图像序列中的图像基于预设时间间隔依次显示。

本公开的实施例提供的用于生成动态图像的装置，通过对获取到的第一图像序列进行筛选，筛选出呈现的对象包括目标对象的图像的第二图像序列后，基于第二图像序列，生成包括目标对象的动态图像，从而可以避免所生成的动态图像为背景图像的动态图像，并非图像中所呈现的目标对象的动态图像，有利于提高动态图像效果，提高用户体验。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取第一图像序列，第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；从第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；基于第二图像序列，生成呈现目标对象的动态图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括一种处理器，包括获取单元、选择单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取第一图像序列的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于生成动态图像的方法，包括：

获取第一图像序列，所述第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；

从所述第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；

基于所述第二图像序列，生成呈现所述目标对象的动态图像；其中，所述从所述第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列，包括：

对于所述第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；

将所述第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；

基于匹配结果，从所述第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成所述第二图像序列；

其中，所述基于匹配结果，从所述第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成所述第二图像该序列，包括：

对于所选择出的图像中的图像，确定该图像中，所述目标对象的轮廓图所占该图像的面积比例；

选择所确定出的面积比例超过预设阈值的图像，以生成所述第二图像序列。

2.根据权利要求1所述的方法，其中，所述轮廓识别模型通过如下步骤训练得到：

获取训练样本集，所述训练样本集包括样本图像和样本图像的标注信息，所述标注信息包括用于指示样本图像呈现的对象的轮廓；

基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得所述轮廓识别模型。

3.根据权利要求1-2之一所述的方法，其中，所述方法还包括：

对所述第二图像序列中相邻的预设数目帧图像进行比较，以确定所述预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值；

响应于确定所述预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留所述预设数目帧图像中的一帧图像。

4.根据权利要求3所述的方法，其中，所述确定所述预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值，包括以下至少一项：

对所述预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；

对所述预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；

对所述预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

5.根据权利要求1所述的方法，其中，所述基于所述第二图像序列，生成所述目标对象的动态图像，包括：

按照时间顺序，将所述第二图像序列中的图像基于预设时间间隔依次显示。

6.一种用于生成动态图像的装置，包括：

获取单元，被配置成获取第一图像序列，所述第一图像序列是基于预设时间间隔对同一场景进行拍摄而得到的；

选择单元，被配置成从所述第一图像序列中选择出呈现目标对象的图像，以生成第二图像序列；

生成单元，被配置成基于所述第二图像序列，生成呈现所述目标对象的动态图像；

其中，所述选择单元包括：

输入子单元，被配置成对于所述第一图像序列中的图像，将该图像输入至预先训练的轮廓识别模型，以得到该图像呈现的对象的轮廓图；

匹配子单元，被配置成将所述第一图像序列中各图像对应的轮廓图与预设目标对象的轮廓图进行匹配；

选择子单元，被配置成基于匹配结果，从所述第一图像序列中选择出对应的轮廓图与预设目标对象的轮廓图之间的相似度超过预设阈值的图像，以生成所述第二图像序列；

其中，所述选择子单元进一步被配置成：

对于所选择出的图像中的图像，确定该图像中，所述目标对象的轮廓图所占该图像的面积比例；

选择所确定出的面积比例超过预设阈值的图像，以生成所述第二图像序列。

7.根据权利要求6所述的装置，其中，所述轮廓识别模型通过如下步骤训练得到：

获取训练样本集，所述训练样本集包括样本图像和样本图像的标注信息，所述标注信息包括用于指示样本图像呈现的对象的轮廓；

基于样本图像和样本图像的标注信息，利用机器学习的方法，对神经网络进行训练，以获得所述轮廓识别模型。

8.根据权利要求6-7之一所述的装置，其中，所述装置还包括：

确定单元，被配置成对所述第二图像序列中相邻的预设数目帧图像进行比较，以确定所述预设数目帧图像所呈现的目标对象之间的差别是否超过预设阈值；

保留单元，被配置成响应于确定所述预设数目帧图像所呈现的目标对象之间的差别未超过预设阈值，保留所述预设数目帧图像中的一帧图像。

9.根据权利要求8所述的装置，其中，所述确定单元进一步被配置成以下至少一项：

对所述预设数目帧图像所呈现的目标对象的面部动作信息进行检测，以确定面部动作之间的差值是否超过预设阈值；

对所述预设数目帧图像所呈现的目标对象的头部位姿信息进行检测，以确定头部位姿之间的差值是否超过预设阈值；

对所述预设数目帧图像所呈现的目标对象的身体动作信息进行检测，以确定身体动作之间的差值是否超过预设阈值。

10.根据权利要求6所述的装置，其中，所述生成单元进一步被配置成：

按照时间顺序，将所述第二图像序列中的图像基于预设时间间隔依次显示。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images