CN110162670B - 用于生成表情包的方法和装置 - Google Patents

用于生成表情包的方法和装置 Download PDF

Info

Publication number
CN110162670B
CN110162670B CN201910447997.8A CN201910447997A CN110162670B CN 110162670 B CN110162670 B CN 110162670B CN 201910447997 A CN201910447997 A CN 201910447997A CN 110162670 B CN110162670 B CN 110162670B
Authority
CN
China
Prior art keywords
expression
target image
image
target
video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910447997.8A
Other languages
English (en)
Other versions
CN110162670A (zh
Inventor
陈日伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910447997.8A priority Critical patent/CN110162670B/zh
Publication of CN110162670A publication Critical patent/CN110162670A/zh
Priority to PCT/CN2020/078587 priority patent/WO2020238320A1/zh
Application granted granted Critical
Publication of CN110162670B publication Critical patent/CN110162670B/zh
Priority to US17/021,442 priority patent/US11023716B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/176—Dynamic expression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本公开的实施例公开了用于生成表情包的方法和装置。该方法的一具体实施方式包括：从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像；对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度；基于该各张目标图像所对应的识别结果中的与该表情标签对应的表情程度，从人物视频中提取视频片段，并将该视频片段作为表情包。该实施方式可以基于人脸表情匹配，从给定的人物视频中提取出视频片段作为表情包，实现了基于人脸表情匹配的表情包的生成。

Description

用于生成表情包的方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于生成表情包的方法和装置。
背景技术
“表情包”是一种利用图片来表示感情的一种方式。现有的社交应用可以支持用户发送表情包。其中，用户所发送的表情包一般是基于给定的图片生成的。
发明内容
本公开的实施例提出了用于生成表情包的方法和装置。
第一方面，本公开的实施例提供了一种用于生成表情包的方法，包括：从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像；对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度；基于各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，并将视频片段作为表情包。
在一些实施例中，对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，包括：将各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果，卷积神经网络用于进行表情识别。
在一些实施例中，基于各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，包括：从各张目标图像中查找出所对应的识别结果中的与表情标签对应的表情程度不低于高阈值的第一目标图像；在各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第二目标图像；在各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第三目标图像；基于第二目标图像和第三目标图像，从人物视频中提取视频片段。
在一些实施例中，基于第二目标图像和第三目标图像，从人物视频中提取视频片段，包括：从人物视频中截取出以第二目标图像为片头并且以第三目标图像为片尾的视频片段。
在一些实施例中，基于第二目标图像和第三目标图像，从人物视频中提取视频片段，包括：以第二目标图像为起点以及以第三目标图像为终点，从各张目标图像中提取出连续的多张目标图像，将多张目标图像生成视频片段。
在一些实施例中，在对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果之前，上述方法还包括：对图像序列中的每张图像进行人脸检测，得到相应的人脸检测结果，人脸检测结果用于指示该图像是否显示有人脸。
第二方面，本公开的实施例提供了一种用于生成表情包的装置，该装置包括：提取单元，被配置成从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像；表情识别单元，被配置成对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度；生成单元，被配置成基于各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，并将视频片段作为表情包。
在一些实施例中，表情识别单元进一步被配置成：将各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果，卷积神经网络用于进行表情识别。
在一些实施例中，生成单元包括：第一查找子单元，被配置成从各张目标图像中查找出所对应的识别结果中的与表情标签对应的表情程度不低于高阈值的第一目标图像；第二查找子单元，被配置成在各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第二目标图像；第三查找子单元，被配置成在各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第三目标图像；提取子单元，被配置成基于第二目标图像和第三目标图像，从人物视频中提取视频片段。
在一些实施例中，提取子单元进一步被配置成：从人物视频中截取出以第二目标图像为片头并且以第三目标图像为片尾的视频片段。
在一些实施例中，提取子单元进一步被配置成：以第二目标图像为起点以及以第三目标图像为终点，从各张目标图像中提取出连续的多张目标图像，将多张目标图像生成视频片段。
在一些实施例中，上述装置还包括：人脸检测单元，被配置成在表情识别单元对图像序列中的各张目标图像分别显示的人脸进行表情识别之前，对图像序列中的每帧图像进行人脸检测，得到相应的人脸检测结果，人脸检测结果用于指示该图像是否显示有人脸。
第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器执行，使得该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。
本公开的上述实施例提供的用于生成表情包的方法和装置，通过从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像，而后对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度，以便基于该各张目标图像所对应的识别结果中的与该表情标签对应的表情程度，从人物视频中提取视频片段，并将该视频片段作为表情包。本公开的上述实施例描述的方案可以基于人脸表情匹配，从给定的人物视频中提取出视频片段作为表情包，实现了基于人脸表情匹配的表情包的生成。
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是本公开的一些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表情包的方法的一个实施例的流程图；
图3是根据本公开的用于生成表情包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表情包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表情包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一些实施例的电子设备的计算机系统的结构示意图。
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公开，而非对该公开的限定。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公开相关的部分。
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表情包的方法或用于生成表情包的装置的实施例的示例性系统架构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。
用户可以使用终端设备101、102、103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上可以安装有各种通讯客户端应用，例如网页浏览器应用、表情包生成类应用等等。
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，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、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)，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可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的表情包生成类应用提供支持的后台服务器，该后台服务器例如可以响应于终端设备101、102、103发送的表情包生成请求，并基于该表情包生成请求进行相应的信息处理。
需要说明的是，本公开的一些实施例提供的用于生成表情包的方法一般由服务器105执行，相应地，用于生成表情包的装置一般设置于服务器105中。
需要指出的是，服务器可以是硬件，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)，也可以实现成单个软件或软件模块。在此不做具体限定。
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。
继续参考图2，其示出了根据本公开的用于生成表情包的方法的一个实施例的流程200。该用于生成表情包的方法的流程200，包括以下步骤：
步骤201，从待处理的人物视频中提取出图像序列。
在本实施例中，用于生成表情包的方法的执行主体(例如图1所示的服务器105)可以从待处理的人物视频中提取出图像序列。其中，人物视频是包括显示有人物的图像的视频。人物视频中的多帧图像(例如全部或部分)显示有人物的面部，简称人脸。图像序列可以包括多张显示有人脸的目标图像。
这里，上述执行主体例如可以将上述人物视频中的各帧图像组成图像序列。或者，上述执行主体可以基于预设步长(例如1或2等)，从上述人物视频中提取出图像，并将提取出的图像组成图像序列。其中，图像序列中的图像是按照在上述人物视频中的播放先后顺序排列的。应该理解，预设步长是可以根据实际需要设置的，在此不做具体限定。
需要说明的是，上述执行主体例如可以实时地接收用户通过终端设备(例如图1所示的终端设备101、102、103)发送的表情包生成请求。上述人物视频可以是上述执行主体接收到的表情包生成请求所包含的视频。
另外，若上述人物视频中的部分图像显示有人脸，那么上述人物视频可以对应人脸检测结果。该人脸检测结果可以用于指示上述人物视频中的每帧图像是否显示有人脸。该人脸检测结果例如可以是从发送包含上述人物视频的表情包生成请求的终端设备接收的。或者，上述执行主体例如可以响应于获取到上述人物视频，将上述人物视频发送至人脸检测端，并从该人脸检测端接收相应的人脸检测结果。
在本实施例的一些可选的实现方式中，若上述人物视频中的部分图像显示有人脸且上述人物视频未对应人脸检测结果，上述执行主体在提取出图像序列后，例如可以对图像序列中的每张图像进行人脸检测，得到相应的人脸检测结果。例如，上述执行主体上可以运行有人脸检测模型，上述执行主体可以将图像序列中的每张图像输入该人脸检测模型，得到相应的人脸检测结果。其中，人脸检测模型例如可以是使用朴素贝叶斯模型(NaiveBayesian Model，NBM)、支持向量机(Support Vector Machine，SVM)、XGBoost(eXtremeGradient Boosting)或卷积神经网络(Convolutional Neural Networks，CNN)等模型进行训练得到的。
步骤202，对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果。
在本实施例中，上述执行主体基于以上描述的人脸检测结果，可以确定图像序列中的目标图像。上述执行主体可以对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果。其中，识别结果可以包括表情标签和与该表情标签对应的表情程度。这里，该表情标签可以是用于表征预设表情(例如开心、悲伤等)的标签。假设表情标签包括开心标签，与开心标签对应的表情程度，可以用于表征对应的人脸所归属的人物的开心程度。其中，表情程度例如可以用处于[0，100]内的数值表示。实践中，值越小，代表表情程度越低。值越大，代表表情程度越高。
作为示例，上述执行主体本地可以存储有与上述预设表情对应的表情模板，表情模板可以包括多张人脸图像和该多张人脸图像分别对应的表情程度。上述执行主体可以将上述各张目标图像中的每张目标图像与表情模板中的人脸图像进行匹配，并将匹配出的人脸图像所对应的表情程度以及用于表征上述预设表情的表情标签作为与该目标图像对应的识别结果。
在本实施例的一些可选的实现方式中，上述执行主体例如可以将上述各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果。其中，卷积神经网络可以用于进行表情识别。该卷积神经网络的输入例如可以包括显示有人脸的图像。该卷积神经网络的输出例如可以包括表情标签和与该表情标签对应的表情程度。
步骤203，基于各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，并将视频片段作为表情包。
在本实施例中，上述执行主体可以基于上述各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从上述人物视频中提取视频片段，并将视频片段作为表情包。
具体地，上述执行主体可以基于上述各张目标图像所对应的识别结果中的与表情标签对应的表情程度以及预设的高阈值(例如90)和低阈值(例如50)，从上述人物视频中提取视频片段。这里，高阈值和低阈值是可以根据实际需要设置的，在此不做具体限定。
作为示例，上述执行主体可以从上述各张目标图像中查找出所对应的识别结果中的与表情标签对应的表情程度不低于高阈值的第一目标图像。而后，上述执行主体可以在上述各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与该表情标签对应的表情程度不高于低阈值的第二目标图像。上述执行主体还可以在上述各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与该表情标签对应的表情程度不高于低阈值的第三目标图像。然后，上述执行主体可以基于该第二目标图像和该第三目标图像，从上述人物视频中提取视频片段。例如，上述执行主体可以以该第二目标图像为起点以及以该第三目标图像为终点，从上述各张目标图像中提取出连续的多张目标图像，将该多张目标图像生成视频片段。
继续参见图3，图3是根据本实施例的用于生成表情包的方法的应用场景的一个示意图。在图3的应用场景中，用户A的智能手机上可以安装有服务器所支持的表情包生成类应用。表情包生成类应用所关联的预设表情包括开心。用户A可以在表情包生类应用中选择用于表情包生成的人物视频B，而后执行相应的触发操作以使智能手机向服务器发送包括人物视频B的表情包生成请求，其中，人物视频B中的每帧图像显示有人脸。服务器可以响应于该表情包生成请求，将人物视频B中的各张图像组成图像序列，如标号301所示。其中，图像序列中的图像按照播放先后顺序排列。而后，如标号302所示，服务器可以对图像序列中的各张图像分别显示的人脸进行表情识别，得到相应的识别结果，识别结果可以包括开心标签和与开心标签对应的表情程度。然后，如标号303所示，服务器可以基于图像序列中的各张图像所对应的识别结果中的与开心标签对应的表情程度，从人物视频B中提取视频片段，并将视频片段作为表情包。
本公开的上述实施例提供的方法，通过从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像，而后对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度，以便基于该各张目标图像所对应的识别结果中的与该表情标签对应的表情程度，从人物视频中提取视频片段，并将该视频片段作为表情包。本公开的上述实施例描述的方案可以基于人脸表情匹配，从给定的人物视频中提取出视频片段作为表情包，实现了基于人脸表情匹配的表情包的生成。
进一步参考图4，其示出了用于生成表情包的方法的又一个实施例的流程400。该用于生成表情包的方法的流程400，包括以下步骤：
步骤401，从待处理的人物视频中提取出图像序列。
步骤402，对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果。
在本实施例中，针对步骤401-402的解释说明，可参看图2所示实施例中的步骤201-202的相关说明，在此不再赘述。
步骤403，从各张目标图像中查找出所对应的识别结果中的与表情标签对应的表情程度不低于高阈值的第一目标图像。
在本实施例中，对于上述各张目标图像所对应的识别结果中的表情标签，用于生成表情包的方法的执行主体(例如图1所示的服务器105)可以从上述各张目标图像中查找出所对应的识别结果中的与该表情标签对应的表情程度不低于高阈值(例如90)的第一目标图像。
步骤404，在各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第二目标图像。
在本实施例中，对于上述各张目标图像所对应的识别结果中的表情标签，上述执行主体在基于该表情标签所对应的表情程度查找出第一目标图像后，可以在上述各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与该表情标签对应的表情程度不高于低阈值(例如50)的第二目标图像。
步骤405，在各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第三目标图像。
在本实施例中，对于上述各张目标图像所对应的识别结果中的表情标签，上述执行主体在基于该表情标签所对应的表情程度查找出第一目标图像后，还可以在上述各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与该表情标签对应的表情程度不高于低阈值的第三目标图像。
步骤406，从人物视频中截取出以第二目标图像为片头并且以第三目标图像为片尾的视频片段，并将视频片段作为表情包。
在本实施例中，对于上述各张目标图像所对应的识别结果中的表情标签，上述执行主体在基于该表情标签所对应的表情程度从上述各张目标图像中查找出第一目标图像和与该第一目标图像相应的第二目标图像及第三目标图像后，例如可以从上述人物视频中截取出以该第二目标图像为片头并且以该第三目标图像为片尾的视频片段，并将该视频片段作为表情包。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成表情包的方法的流程400突出了对视频片段的提取方法进行扩展的步骤。由此，本实施例描述的方案可以实现信息处理的多样性，并且可以生成具有较高趣味性和有效性的表情包。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于生成表情包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，本实施例的用于生成表情包的装置500可以包括：提取单元501被配置成从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像；表情识别单元502被配置成对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度；生成单元503被配置成基于上述各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，并将视频片段作为表情包。
在本实施例中，用于生成表情包的装置500中：提取单元501、表情识别单元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所示的实施例中的步骤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，表情识别单元502可以进一步被配置成：将各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果，卷积神经网络用于进行表情识别。
在本实施例的一些可选的实现方式中，生成单元503可以包括：第一查找子单元(图中未示出)，被配置成从各张目标图像中查找出所对应的识别结果中的与表情标签对应的表情程度不低于高阈值的第一目标图像；第二查找子单元(图中未示出)，被配置成在各张目标图像中从第一目标图像开始，往前查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第二目标图像；第三查找子单元(图中未示出)，被配置成在各张目标图像中从第一目标图像开始，往后查找出第一张所对应的识别结果中的与表情标签对应的表情程度不高于低阈值的第三目标图像；提取子单元(图中未示出)，被配置成基于第二目标图像和第三目标图像，从人物视频中提取视频片段。
在本实施例的一些可选的实现方式中，提取子单元可以进一步被配置成：从人物视频中截取出以第二目标图像为片头并且以第三目标图像为片尾的视频片段。
在本实施例的一些可选的实现方式中，提取子单元可以进一步被配置成：以第二目标图像为起点以及以第三目标图像为终点，从各张目标图像中提取出连续的多张目标图像，将多张目标图像生成视频片段。
在本实施例的一些可选的实现方式中，上述装置500还可以包括：人脸检测单元(图中未示出)，被配置成在表情识别单元对图像序列中的各张目标图像分别显示的人脸进行表情识别之前，对图像序列中的每帧图像进行人脸检测，得到相应的人脸检测结果，人脸检测结果用于指示该图像是否显示有人脸。
本公开的上述实施例提供的装置，通过从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像，而后对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度，以便基于该各张目标图像所对应的识别结果中的与该表情标签对应的表情程度，从人物视频中提取视频片段，并将该视频片段作为表情包。本公开的上述实施例描述的方案可以基于人脸表情匹配，从给定的人物视频中提取出视频片段作为表情包，实现了基于人脸表情匹配的表情包的生成。
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中的服务器105)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示出的电子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，本公开的实施例所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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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：从待处理的人物视频中提取出图像序列，其中，图像序列包括多张显示有人脸的目标图像；对图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，识别结果包括表情标签和与表情标签对应的表情程度；基于各张目标图像所对应的识别结果中的与表情标签对应的表情程度，从人物视频中提取视频片段，并将视频片段作为表情包。
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，所述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。其中，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，提取单元还可以被描述为“从待处理的人物视频中提取出图像序列的单元”。
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，本公开中所涉及的公开范围，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公开构思的情况下，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 (14)

1.一种用于生成表情包的方法，包括：
从待处理的人物视频中提取出图像序列，其中，所述图像序列包括多张显示有人脸的目标图像；
对所述图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，所述识别结果包括表情标签和与所述表情标签对应的表情程度；
基于所述各张目标图像所对应的识别结果中的与所述表情标签对应的表情程度，查找符合表情程度阈值的目标图像，并基于所述符合表情程度阈值的目标图像，从所述人物视频中提取视频片段，并将所述视频片段作为表情包。
2.根据权利要求1所述的方法，其中，所述对所述图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，包括：
将所述各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果，所述卷积神经网络用于进行表情识别。
3.根据权利要求1或2所述的方法，其中，所述基于所述各张目标图像所对应的识别结果中的与所述表情标签对应的表情程度，查找符合表情程度阈值的目标图像，并基于所述符合表情程度阈值的目标图像，从所述人物视频中提取视频片段，包括：
从所述各张目标图像中查找出所对应的识别结果中的与所述表情标签对应的表情程度不低于高阈值的第一目标图像；
在所述各张目标图像中从所述第一目标图像开始，往前查找出第一张所对应的识别结果中的与所述表情标签对应的表情程度不高于低阈值的第二目标图像；
在所述各张目标图像中从所述第一目标图像开始，往后查找出第一张所对应的识别结果中的与所述表情标签对应的表情程度不高于低阈值的第三目标图像；
基于所述第二目标图像和所述第三目标图像，从所述人物视频中提取视频片段。
4.根据权利要求3所述的方法，其中，所述基于所述第二目标图像和所述第三目标图像，从所述人物视频中提取视频片段，包括：
从所述人物视频中截取出以所述第二目标图像为片头并且以所述第三目标图像为片尾的视频片段。
5.根据权利要求3所述的方法，其中，所述基于所述第二目标图像和所述第三目标图像，从所述人物视频中提取视频片段，包括：
以所述第二目标图像为起点以及以所述第三目标图像为终点，从所述各张目标图像中提取出连续的多张目标图像，将所述多张目标图像生成视频片段。
6.根据权利要求1或2所述的方法，其中，在所述对所述图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果之前，所述方法还包括：
对所述图像序列中的每张图像进行人脸检测，得到相应的人脸检测结果，所述人脸检测结果用于指示该图像是否显示有人脸。
7.一种用于生成表情包的装置，包括：
提取单元，被配置成从待处理的人物视频中提取出图像序列，其中，所述图像序列包括多张显示有人脸的目标图像；
表情识别单元，被配置成对所述图像序列中的各张目标图像分别显示的人脸进行表情识别，得到相应的识别结果，其中，所述识别结果包括表情标签和与所述表情标签对应的表情程度；
生成单元，被配置成基于所述各张目标图像所对应的识别结果中的与所述表情标签对应的表情程度，查找符合表情程度阈值的目标图像，并基于所述符合表情程度阈值的目标图像，从所述人物视频中提取视频片段，并将所述视频片段作为表情包。
8.根据权利要求7所述的装置，其中，所述表情识别单元进一步被配置成：
将所述各张目标图像中的每张目标图像输入预先训练的卷积神经网络，得到相应的识别结果，所述卷积神经网络用于进行表情识别。
9.根据权利要求7或8所述的装置，其中，所述生成单元包括：
第一查找子单元，被配置成从所述各张目标图像中查找出所对应的识别结果中的与所述表情标签对应的表情程度不低于高阈值的第一目标图像；
第二查找子单元，被配置成在所述各张目标图像中从所述第一目标图像开始，往前查找出第一张所对应的识别结果中的与所述表情标签对应的表情程度不高于低阈值的第二目标图像；
第三查找子单元，被配置成在所述各张目标图像中从所述第一目标图像开始，往后查找出第一张所对应的识别结果中的与所述表情标签对应的表情程度不高于低阈值的第三目标图像；
提取子单元，被配置成基于所述第二目标图像和所述第三目标图像，从所述人物视频中提取视频片段。
10.根据权利要求9所述的装置，其中，所述提取子单元进一步被配置成：
从所述人物视频中截取出以所述第二目标图像为片头并且以所述第三目标图像为片尾的视频片段。
11.根据权利要求9所述的装置，其中，所述提取子单元进一步被配置成：
以所述第二目标图像为起点以及以所述第三目标图像为终点，从所述各张目标图像中提取出连续的多张目标图像，将所述多张目标图像生成视频片段。
12.根据权利要求7或8所述的装置，其中，所述装置还包括：
人脸检测单元，被配置成在所述表情识别单元对所述图像序列中的各张目标图像分别显示的人脸进行表情识别之前，对所述图像序列中的每帧图像进行人脸检测，得到相应的人脸检测结果，所述人脸检测结果用于指示该图像是否显示有人脸。
13.一种电子设备，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1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201910447997.8A 2019-05-27 2019-05-27 用于生成表情包的方法和装置 Active CN110162670B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910447997.8A CN110162670B (zh) 2019-05-27 2019-05-27 用于生成表情包的方法和装置
PCT/CN2020/078587 WO2020238320A1 (zh) 2019-05-27 2020-03-10 用于生成表情包的方法和装置
US17/021,442 US11023716B2 (en) 2019-05-27 2020-09-15 Method and device for generating stickers

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910447997.8A CN110162670B (zh) 2019-05-27 2019-05-27 用于生成表情包的方法和装置

Publications (2)

Publication Number Publication Date
CN110162670A CN110162670A (zh) 2019-08-23
CN110162670B true CN110162670B (zh) 2020-05-08

Family

ID=67629157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910447997.8A Active CN110162670B (zh) 2019-05-27 2019-05-27 用于生成表情包的方法和装置

Country Status (3)

Country Link
US (1) US11023716B2 (zh)
CN (1) CN110162670B (zh)
WO (1) WO2020238320A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110162670B (zh) 2019-05-27 2020-05-08 北京字节跳动网络技术有限公司 用于生成表情包的方法和装置
CN110889379B (zh) * 2019-11-29 2024-02-20 深圳先进技术研究院 表情包生成方法、装置及终端设备
CN111274447A (zh) * 2020-01-13 2020-06-12 深圳壹账通智能科技有限公司 基于视频的目标表情生成方法、装置、介质、电子设备
CN111277893B (zh) * 2020-02-12 2021-06-25 北京字节跳动网络技术有限公司 视频处理方法、装置、可读介质及电子设备
CN113392675B (zh) * 2020-03-12 2023-04-07 平湖莱顿光学仪器制造有限公司 一种呈现显微视频信息的方法与设备
CN111652037A (zh) * 2020-04-09 2020-09-11 北京奇艺世纪科技有限公司 表情包的生成方法、装置、终端设备及存储介质
CN111586466B (zh) * 2020-05-08 2021-05-28 腾讯科技（深圳）有限公司 一种视频数据处理方法、装置及存储介质
CN111768481A (zh) * 2020-05-19 2020-10-13 北京奇艺世纪科技有限公司 一种表情包生成方法及装置
CN111696176B (zh) * 2020-06-08 2022-08-19 北京有竹居网络技术有限公司 图像处理方法、装置、电子设备及计算机可读介质
KR20210118203A (ko) * 2020-06-28 2021-09-29 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 이모티콘 패키지 생성 방법 및 기기, 전자 기기 및 매체
CN111753131A (zh) * 2020-06-28 2020-10-09 北京百度网讯科技有限公司 表情包生成方法及设备、电子设备和介质
CN115376210B (zh) * 2022-10-24 2023-03-21 杭州巨岩欣成科技有限公司 泳池防溺水的溺水行为识别方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125929A (zh) * 2016-06-23 2016-11-16 中国地质大学（武汉） 基于人脸表情识别与颜色情感反馈的人镜交互方法及系统
CN106951856A (zh) * 2017-03-16 2017-07-14 腾讯科技（深圳）有限公司 表情包提取方法及装置
KR20180072304A (ko) * 2016-12-21 2018-06-29 전자부품연구원 합성곱 신경망 기반의 얼굴 표정 인식 방법
CN108229268A (zh) * 2016-12-31 2018-06-29 商汤集团有限公司 表情识别及卷积神经网络模型训练方法、装置和电子设备
CN108596114A (zh) * 2018-04-27 2018-09-28 佛山市日日圣科技有限公司 一种表情生成方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8442927B2 (en) * 2009-07-30 2013-05-14 Nec Laboratories America, Inc. Dynamically configurable, multi-ported co-processor for convolutional neural networks
US20130159919A1 (en) * 2011-12-19 2013-06-20 Gabriel Leydon Systems and Methods for Identifying and Suggesting Emoticons
CN104394315A (zh) * 2014-11-07 2015-03-04 深圳市金立通信设备有限公司 一种拍摄图像的方法
US20170316256A1 (en) * 2016-04-29 2017-11-02 Google Inc. Automatic animation triggering from video
CN106658079B (zh) * 2017-01-05 2019-04-30 腾讯科技（深圳）有限公司 自定义生成表情图像的方法及装置
CN108460812B (zh) * 2018-04-04 2022-04-29 北京红云智胜科技有限公司 一种基于深度学习的表情包生成系统及方法
US10755087B2 (en) * 2018-10-25 2020-08-25 Adobe Inc. Automated image capture based on emotion detection
CN110162670B (zh) * 2019-05-27 2020-05-08 北京字节跳动网络技术有限公司 用于生成表情包的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125929A (zh) * 2016-06-23 2016-11-16 中国地质大学（武汉） 基于人脸表情识别与颜色情感反馈的人镜交互方法及系统
KR20180072304A (ko) * 2016-12-21 2018-06-29 전자부품연구원 합성곱 신경망 기반의 얼굴 표정 인식 방법
CN108229268A (zh) * 2016-12-31 2018-06-29 商汤集团有限公司 表情识别及卷积神经网络模型训练方法、装置和电子设备
CN106951856A (zh) * 2017-03-16 2017-07-14 腾讯科技（深圳）有限公司 表情包提取方法及装置
CN108596114A (zh) * 2018-04-27 2018-09-28 佛山市日日圣科技有限公司 一种表情生成方法及装置

Also Published As

Publication number Publication date
CN110162670A (zh) 2019-08-23
US11023716B2 (en) 2021-06-01
WO2020238320A1 (zh) 2020-12-03
US20210004574A1 (en) 2021-01-07

Similar Documents

Publication Publication Date Title
CN110162670B (zh) 用于生成表情包的方法和装置
US10650492B2 (en) Method and apparatus for generating image
CN109993150B (zh) 用于识别年龄的方法和装置
US11436863B2 (en) Method and apparatus for outputting data
CN107609506B (zh) 用于生成图像的方法和装置
CN109981787B (zh) 用于展示信息的方法和装置
CN109829432B (zh) 用于生成信息的方法和装置
US20200322570A1 (en) Method and apparatus for aligning paragraph and video
CN111476871A (zh) 用于生成视频的方法和装置
CN110059623B (zh) 用于生成信息的方法和装置
US11210563B2 (en) Method and apparatus for processing image
CN109934142B (zh) 用于生成视频的特征向量的方法和装置
WO2021088790A1 (zh) 用于目标设备的显示样式调整方法和装置
CN111897950A (zh) 用于生成信息的方法和装置
CN111459364A (zh) 图标更新方法、装置和电子设备
CN110008926B (zh) 用于识别年龄的方法和装置
CN110188660B (zh) 用于识别年龄的方法和装置
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
CN110046571B (zh) 用于识别年龄的方法和装置
CN112990176A (zh) 书写质量评价方法、装置和电子设备
CN113628097A (zh) 图像特效配置方法、图像识别方法、装置及电子设备
CN112308950A (zh) 视频生成方法及装置
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN112148962A (zh) 用于推送信息的方法和装置
CN110119722B (zh) 用于生成信息的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.