CN110188712A - 用于处理图像的方法和装置 - Google Patents

Abstract

本发明的实施例公开了用于处理图像的方法和装置，以及用于处理视频的方法和装置。该用于处理图像的方法的一具体实施方式包括：获取目标图像；将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。该实施方式实现了对图像中的嘴部对象的姿态的识别。此外，该实施方式可以基于图像中的嘴部对象的姿态，对图像进行处理，由此，丰富了图像的处理方式。

Description

用于处理图像的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置，以及用于处理视频的方法和装置。

背景技术

图像处理(image processing)是一种通过计算机对图像进行分析，以得到达到所需结果的、新的图像的技术。一般情况下，图片往往具有比语言和文字更为丰富和强烈的表现力。实践中通常存在多种多样的图像处理需求。例如，图像中目标物体(例如人脸)对象的检测与识别、图像融合等等。

发明内容

本公开提出了用于处理图像的方法和装置，以及用于处理视频的方法和装置。

第一方面，本公开的实施例提供了一种用于处理图像的方法，该方法包括：获取目标图像；将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。

在一些实施例中，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像，包括：从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别，其中，嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式；按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对目标图像进行图像处理，得到处理后图像。

在一些实施例中，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像，包括：响应于所得到的嘴部信息指示目标图像包含嘟嘴人脸对象，将目标图像与预定图像进行融合，得到融合后图像作为处理后图像。

在一些实施例中，该方法还包括：呈现处理后图像。

在一些实施例中，嘴部识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本集中的训练样本包括图像和与图像对应的嘴部信息；采用机器学习算法，将训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

第二方面，本公开的实施例提供了一种用于处理视频的方法，该方法包括：获取当前拍摄及呈现的目标视频；从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现。

在一些实施例中，该方法还包括：响应于当前的目标图像非目标视频中的最后一帧，将目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行处理步骤。

第三方面，本公开的实施例提供了一种用于处理图像的装置，该装置包括：第一获取单元，被配置成获取目标图像；输入单元，被配置成将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；处理单元，被配置成基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。

在一些实施例中，处理单元包括：确定模块，被配置成从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别，其中，嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式；处理模块，被配置成按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对目标图像进行图像处理，得到处理后图像。

在一些实施例中，处理单元包括：融合模块，被配置成响应于所得到的嘴部信息指示目标图像包含嘟嘴人脸对象，将目标图像与预定图像进行融合，得到融合后图像作为处理后图像。

在一些实施例中，该装置还包括：呈现单元，被配置成呈现处理后图像。

在一些实施例中，嘴部识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本集中的训练样本包括图像和与图像对应的嘴部信息；采用机器学习算法，将训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

第四方面，本公开的实施例提供了一种用于处理视频的装置，该装置包括：第二获取单元，被配置成获取当前拍摄及呈现的目标视频；选取单元，被配置成从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现。

在一些实施例中，该装置还包括：执行单元，被配置成响应于当前的目标图像非目标视频中的最后一帧，将目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行处理步骤。

第五方面，本公开的实施例提供了一种电子设备，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，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于处理图像的方法或者用于处理视频的方法中任一实施例的方法。

第六方面，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上述用于处理图像的方法或者用于处理视频的方法中任一实施例的方法。

本公开的实施例提供的用于处理图像的方法和装置，以及用于处理视频的方法和装置，通过获取目标图像，然后，将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态，最后，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像，实现了对图像中的嘴部对象的姿态的识别，此外，还可以基于图像中的嘴部对象的姿态，对图像进行处理，由此，丰富了图像的处理方式。

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处理图像的方法的一个实施例的流程图；

图3是根据本公开的用于处理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处理视频的方法的一个实施例的流程图；

图5是根据本公开的用于处理图像的装置的一个实施例的结构示意图；

图6是根据本公开的用于处理视频的装置的一个实施例的结构示意图；

图7是适于用来实现本公开的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实施例的用于处理图像的方法或用于处理图像的装置，或者，用于处理视频的方法或用于处理视频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，以接收或发送数据(例如图像)等。终端设备101、102、103上可以安装有各种客户端应用，例如视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。例如，当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像呈现的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、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可以是提供各种服务的服务器，例如对终端设备101、102、103发送的图像(例如目标图像)进行处理的后台服务器。后台服务器可以对接收到的图像进行图像处理，得到处理后图像。可选的，后台服务器还可以将处理结果(例如上述处理后图像)反馈给终端设备。作为示例，服务器105可以是云端服务器，也可以是物理服务器。

需要说明的是，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的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本公开的实施例所提供的用于处理图像的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于处理图像的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。此外，本公开的实施例所提供的用于处理视频的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于处理视频的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

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。当用于处理图像的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括用于处理图像的方法运行于其上的电子设备(例如服务器或终端设备)。

继续参考图2，示出了根据本公开的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法，包括以下步骤：

步骤201，获取目标图像。

在本实施例中，用于处理图像的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标图像。

其中，上述目标图像可以是各种图像。例如，目标图像可以是对人或者动物的面部进行拍摄而得到的图像。

可以理解，当目标图像是对人的面部进行拍摄而得到的图像时，目标图像可以包含人的面部对象。在这里，面部对象可以是图像上呈现的人的面部的影像。当目标图像包含面部对象时，目标图像可以包含嘴部对象。这里，嘴部对象可以是图像上呈现的人的嘴部的影像。

步骤202，将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息。

在本实施例中，上述执行主体可以将步骤201获取到的目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息。

其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息。嘴部信息用于指示图像中的嘴部对象的姿态。

作为示例，嘴部信息可以用于指示图像中的嘴部对象的以下任一种姿态：微笑、嘟嘴、呲牙、张嘴、噘嘴等等。可以理解，嘴部信息还可以用于指示图像中不包含嘴部对象，或者，无法确定出图像中的嘴部对象的姿态。

在本实施例的一些可选的实现方式中，嘴部识别模型可以由上述执行主体或者与上述执行主体通信连接的电子设备，通过如下步骤训练得到：

首先，获取训练样本集。其中，训练样本集中的训练样本包括图像和与图像对应的嘴部信息。

在这里，训练样本中所包括的图像可以是各种图像。作为示例，训练样本中所包括的图像可以是包含嘴部对象的图像，也可以是不包含嘴部对象的图像。但需要说明的是，通常情况下，训练样本集应包括有包含嘴部对象的图像。与图像对应的嘴部信息可以是用于指示图像中的嘴部对象的姿态的信息。

然后，采用机器学习算法，将训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

具体地，上述执行主体或者与上述执行主体通信连接的电子设备可以采用批量训练、随机训练或者单次训练的训练方式，得到嘴部识别模型。

在这里，与输入的图像对应的嘴部信息可以是与输入的图像包含于同一训练样本中的嘴部信息。训练完成的初始卷积神经网络可以是满足预先确定的训练结束条件的初始卷积神经网络。作为示例，上述训练结束条件可以包括但不限于以下至少一项：初始卷积神经网络的训练次数达到预设次数、初始卷积神经网络的训练时间达到预设时长、基于初始卷积神经网络的实际输出数据和期望输出数据得到的预先设置的损失函数的函数值小于预设阈值。

可以理解，当嘴部识别模型是采用机器学习算法训练得到的卷积神经网络时，可以基于卷积神经网络实现图像中的嘴部对象的姿态的识别。而现有技术中，通常不存在识别图像中的嘴部对象的姿态的方案。由此，本可选的实现方式丰富了图像识别的方式。

可选的，上述嘴部识别模型还可以是关联存储有图像以及图像对应的嘴部信息的二维表或数据库。

步骤203，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。

在本实施例中，上述执行主体可以基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。

在这里，上述执行主体可以对目标图像进行各种图像处理。

作为示例，当嘴部信息指示图像中包含嘴部对象时，上述执行主体可以确定出该图像中的嘴部对象的位置。然后，对图像中的嘴部对象进行诸如扭曲、放大等形变处理。

在本实施例的一些可选的实现方式中，上述步骤203可以包括如下子步骤：

子步骤一，从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别。其中，嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式。

在这里，嘴部姿态类别集合中的嘴部姿态类别可以用于指示以下任一项：微笑、嘟嘴、呲牙、张嘴、噘嘴等等。

子步骤二，按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对目标图像进行图像处理，得到处理后图像。

作为示例，如果嘴部姿态类别集合中的嘴部姿态类别可以用于指示以下任一项：微笑、嘟嘴、呲牙、张嘴、噘嘴，图像处理信息集合中的图像处理信息指示以下任一项图像处理方式：添加预先确定的包含太阳对象的图像、添加预先确定的包含红色心形对象的图像、添加预先确定的包含牙齿对象的图像、添加预先确定的包含水滴对象的图像，这里，太阳对象可以是图像上呈现的太阳的影像，红色心形对象可以是图像上呈现的红色心形的影像，牙齿对象可以是图像上呈现的牙齿的影像，水滴对象可以是图像上呈现的水滴的影像。由此，上述执行主体可以根据预先确定的、嘴部姿态类别集合中的嘴部姿态类别与图像处理信息集合中的图像处理信息的对应关系，来对目标图像进行相应的图像处理，从而得到处理后图像。

可以理解，嘴部姿态类别集合中的每个嘴部姿态类别可以与图像处理信息集合中的一个图像处理信息相对应，由此，本可选的实现方式可以实现根据不同的嘴部对象的嘴部姿态类别，来对图像进行不同的处理。由此，进一步丰富了图像的处理方式。

在本实施例的一些可选的实现方式中，上述步骤203也可以包括如下子步骤：

响应于所得到的嘴部信息指示目标图像包含嘟嘴人脸对象(即嘴部信息所指示的嘴部姿态为嘟嘴)，将目标图像与预定图像进行融合，得到融合后图像作为处理后图像。其中，上述嘟嘴人脸对象可以是图像中呈现的嘟嘴人脸的影像。

在这里，上述预定图像可以是任意图像。作为示例，上述预定图像可以是包含红色心形对象的图像。该预定图像可以是动态图，也可以是静态图。

具体地，上述执行主体可以将上述预定图像添加到目标图像的预定位置处，以进行图像融合，并将融合后图像作为处理后图像。

在此场景下，上述嘴部识别模型可以是上述执行主体或者与上述执行主体通信连接的电子设备，采用如下方式训练得到的：

首先，获取训练样本集。其中，训练样本集中的训练样本包括图像和与图像对应的嘴部信息。这里，与图像对应的嘴部信息可以用于指示图像中是否包含嘟嘴人脸对象。

然后，采用机器学习算法，将训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

可以理解，由于嘟嘴通常含有亲吻的意味，因而，当上述预定图像是包含红色心形对象的图像时，可以生成包含红色心形对象和嘟嘴人脸对象的图像，从而丰富了图像的生成方式，使得所生成的图像具有更浓厚的亲吻的意味。

在本实施例的一些可选的实现方式中，上述执行主体还可以：呈现处理后图像。

可以理解，在上述执行主体呈现处理后图像之后，用户可以对处理后图像进行浏览。

继续参见图3，图3是根据本实施例的用于处理图像的方法的应用场景的一个示意图。在图3的应用场景中，首先，手机301获取目标图像3011。然后，手机301将目标图像3011输入至预先训练的嘴部识别模型3012，得到目标图像3011中的嘴部对象的嘴部信息3013。其中，嘴部识别模型3012用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态。最后，手机301基于所得到的嘴部信息3013，对目标图像3011进行图像处理，得到处理后图像3014。作为示例，图示中，手机将预定图像30140与目标图像3011进行融合，得到融合后图像作为处理后图像3014。

本公开的上述实施例提供的用于处理图像的方法，通过获取目标图像，然后，将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态，最后，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像，实现了对图像中的嘴部对象的姿态的识别。此外，本公开的上述实施例提供的方法还可以基于图像中的嘴部对象的姿态，对图像进行处理，由此，丰富了图像的处理方式。

进一步参考图4，其示出了用于处理视频的方法的一个实施例的流程400。该用于处理视频的方法的流程400，包括以下步骤：

步骤401，获取当前拍摄及呈现的目标视频。之后，继续执行步骤402。

在本实施例中，用于处理视频的方法的执行主体(例如图1所示的终端设备)可以获取当前拍摄及呈现的目标视频。

其中，上述目标视频可以是各种视频。例如，目标视频可以是对人或者动物的面部进行拍摄而得到的视频。

可以理解，当目标视频是对人的面部进行拍摄而得到的视频时，目标视频中的全部或者部分视频帧可能包含人的面部对象。在这里，面部对象可以是视频帧上呈现的人的面部的影像。当视频帧包含面部对象时，视频帧可能进一步包含嘴部对象。这里，嘴部对象可以是视频帧上呈现的嘴部的影像。

应该理解，视频(包括上述目标视频)中的视频帧即为图像。

步骤402，从目标视频中选取视频帧作为目标图像。之后，继续执行步骤403。

在本实施例中，上述执行主体可以从目标视频中选取视频帧作为目标图像。

在这里，上述执行主体可以从目标视频中随机地选取视频帧作为目标图像，也可以选取目标视频中上述执行主体当前呈现的视频帧作为目标图像。

步骤403，将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息。之后，继续执行步骤404。

在本实施例中，上述执行主体可以将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息。其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态。

在本实施例中，步骤403与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤404，基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。之后，继续执行步骤405。

在本实施例中，步骤404与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤405，采用处理后图像替代目标图像进行呈现。

在本实施例中，上述执行主体可以采用处理后图像替代目标图像进行呈现。

在这里，在上述执行主体呈现处理后图像之前，该执行主体可以呈现有目标图像，也可以未呈现目标图像。本实施例对此不作限定。

应该理解，上述执行主体可以通过安装于其上的视频拍摄装置，实时地拍摄视频以及呈现。由于在上述执行主体获取视频到呈现视频之间存在一定的时间，并且，上述执行主体获取视频到执行完成该步骤405之间也存在一定的时间。因此，在上述执行主体呈现处理后图像之前，该执行主体可以呈现有目标图像，也可以未呈现目标图像。此外，技术人员或者用户还可以根据实际需求来自行设定是否在呈现处理后图像之前，对目标图像进行呈现。

可以理解，本实施例可以实现在识别出视频中包含对应特定嘴部信息(例如用于指示包含嘟嘴人脸对象的嘴部信息)的视频帧之后，对该视频帧进行相应的处理(例如与动态的、包含心形对象的图像进行融合)及呈现，由此，丰富了图像处理及呈现的方式。

在本实施例的一些可选的实现方式中，在执行步骤405之后，上述执行主体还可以执行步骤406：确定当前的目标图像是否为目标视频中的最后一帧。如果是，则结束；如果不是，则执行步骤407：将目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行处理步骤(包括步骤403-步骤405)。

在这里，上述目标图像的后续视频帧可以是目标图像的下一帧视频帧，也可以是与目标图像间隔预定数量(例如1、2)帧视频帧且位于目标图像之后的视频帧。

需要说明的是，除以上所记载的内容外，本实施例还可以包括与图2对应的实施例相同或类似的特征、效果，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理视频的方法的流程400突出了对目标视频中的视频帧进行嘴部对象的姿态识别步骤，以及基于视频帧中的嘴部对象的姿态，对视频帧进行处理，由此，丰富了视频的处理方式。

进一步参考图5，作为对图2所示方法的实现，本公开提供了一种用于处理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，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于处理图像的装置500包括：第一获取单元501，被配置成获取目标图像；输入单元502，被配置成将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；处理单元503，被配置成基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。

在本实施例中，用于处理图像的装置500的第一获取单元501可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标图像。其中，上述目标图像可以是各种图像。例如，目标图像可以是对人或者动物的面部进行拍摄而得到的图像。

在本实施例中，上述输入单元502可以将第一获取单元501获取到的目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息。其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态。

在本实施例中，上述处理单元503可以基于输入单元502所得到的嘴部信息，对第一获取单元501获取到的目标图像进行图像处理，得到处理后图像。

在本实施例的一些可选的实现方式中，处理单元503包括：确定模块(图中未示出)被配置成从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别，其中，嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式。处理模块(图中未示出)被配置成按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对目标图像进行图像处理，得到处理后图像。

在本实施例的一些可选的实现方式中，处理单元503包括：融合模块(图中未示出)被配置成响应于所得到的嘴部信息指示目标图像包含嘟嘴人脸对象，将目标图像与预定图像进行融合，得到融合后图像作为处理后图像。

在本实施例的一些可选的实现方式中，该装置500还包括：呈现单元(图中未示出)被配置成呈现处理后图像。

在本实施例的一些可选的实现方式中，嘴部识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本集中的训练样本包括图像和与图像对应的嘴部信息。采用机器学习算法，将训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

本公开的上述实施例提供的用于处理图像的装置500，通过第一获取单元501获取目标图像，然后，输入单元502将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态，最后，处理单元503基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像，实现了对图像中的嘴部对象的姿态的识别。此外，本公开的上述实施例提供的装置500还可以基于图像中的嘴部对象的姿态，对图像进行处理，由此，丰富了图像的处理方式。

进一步参考图6，作为对图4所示方法的实现，本公开提供了一种用于处理视频的装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图4所示的方法实施例相同或相应的特征，以及产生与图4所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于处理视频的装置600包括：第二获取单元601，被配置成获取当前拍摄及呈现的目标视频；选取单元602，被配置成从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现。

在本实施例中，用于处理视频的装置600的第二获取单元601可以获取当前拍摄及呈现的目标视频。其中，上述目标视频可以是各种视频。例如，目标视频可以是对人或者动物的面部进行拍摄而得到的视频。

在本实施例中，上述选取单元602可以从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现。

在本实施例的一些可选的实现方式中，装置600还包括：执行单元(图中未示出)被配置成响应于当前的目标图像非目标视频中的最后一帧，将目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行处理步骤。

本公开的上述实施例提供的用于处理视频的装置600，通过第二获取单元601获取当前拍摄及呈现的目标视频，然后，选取单元602从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现，丰富了视频的处理方式。

下面参考图7，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中的服务器或终端设备)700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7示出的终端设备/服务器仅仅是一个示例，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7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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7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709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701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：获取目标图像；将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像。或者，使得该电子设备：获取当前拍摄及呈现的目标视频；从目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；采用处理后图像替代目标图像进行呈现。

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：一种处理器包括第一获取单元、输入单元和处理单元，或者，一种处理器包括第二获取单元和选取单元。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，第一获取单元还可以被描述为“获取目标图像的单元”。

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 (16)

1.一种用于处理图像的方法，包括：

获取目标图像；

将所述目标图像输入至预先训练的嘴部识别模型，得到所述目标图像中的嘴部对象的嘴部信息，其中，所述嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；

基于所得到的嘴部信息，对所述目标图像进行图像处理，得到处理后图像。

2.根据权利要求1所述的方法，其中，所述基于所得到的嘴部信息，对所述目标图像进行图像处理，得到处理后图像，包括：

从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别，其中，所述嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式；

按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对所述目标图像进行图像处理，得到处理后图像。

3.根据权利要求1所述的方法，其中，所述基于所得到的嘴部信息，对所述目标图像进行图像处理，得到处理后图像，包括：

响应于所得到的嘴部信息指示所述目标图像包含嘟嘴人脸对象，将所述目标图像与预定图像进行融合，得到融合后图像作为处理后图像。

4.根据权利要求1所述的方法，其中，所述方法还包括：

呈现所述处理后图像。

5.根据权利要求1-4之一所述的方法，其中，所述嘴部识别模型通过如下步骤训练得到：

获取训练样本集，其中，所述训练样本集中的训练样本包括图像和与图像对应的嘴部信息；

采用机器学习算法，将所述训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

6.一种用于处理视频的方法，包括：

获取当前拍摄及呈现的目标视频；

从所述目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：

将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，所述嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；

基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；

采用处理后图像替代目标图像进行呈现。

7.根据权利要求6所述的方法，其中，所述方法还包括：

响应于当前的目标图像非所述目标视频中的最后一帧，将所述目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行所述处理步骤。

8.一种用于处理图像的装置，包括：

第一获取单元，被配置成获取目标图像；

输入单元，被配置成将所述目标图像输入至预先训练的嘴部识别模型，得到所述目标图像中的嘴部对象的嘴部信息，其中，所述嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；

处理单元，被配置成基于所得到的嘴部信息，对所述目标图像进行图像处理，得到处理后图像。

9.根据权利要求8所述的装置，其中，所述处理单元包括：

确定模块，被配置成从预先确定的嘴部姿态类别集合中，确定与所得到的嘴部信息对应的嘴部姿态类别，其中，所述嘴部姿态类别集合中的嘴部姿态类别与预先确定的图像处理信息集合中的图像处理信息相对应，图像处理信息用于指示图像处理方式；

处理模块，被配置成按照所确定出的嘴部姿态类别对应的图像处理信息指示的图像处理方式，对所述目标图像进行图像处理，得到处理后图像。

10.根据权利要求8所述的装置，其中，所述处理单元包括：

融合模块，被配置成响应于所得到的嘴部信息指示所述目标图像包含嘟嘴人脸对象，将所述目标图像与预定图像进行融合，得到融合后图像作为处理后图像。

11.根据权利要求8所述的装置，其中，所述装置还包括：

呈现单元，被配置成呈现所述处理后图像。

12.根据权利要求8-11之一所述的装置，其中，所述嘴部识别模型通过如下步骤训练得到：

获取训练样本集，其中，所述训练样本集中的训练样本包括图像和与图像对应的嘴部信息；

采用机器学习算法，将所述训练样本集中的训练样本包括的图像作为初始卷积神经网络的输入数据，将与输入的图像对应的嘴部信息作为初始卷积神经网络的期望输出数据，得到训练完成的初始卷积神经网络作为嘴部识别模型。

13.一种用于处理视频的装置，包括：

第二获取单元，被配置成获取当前拍摄及呈现的目标视频；

选取单元，被配置成从所述目标视频中选取视频帧作为目标图像，以及执行如下处理步骤：

将目标图像输入至预先训练的嘴部识别模型，得到目标图像中的嘴部对象的嘴部信息，其中，所述嘴部识别模型用于确定输入的图像中的嘴部对象的嘴部信息，嘴部信息用于指示图像中的嘴部对象的姿态；

基于所得到的嘴部信息，对目标图像进行图像处理，得到处理后图像；

采用处理后图像替代目标图像进行呈现。

14.根据权利要求13所述的装置，其中，所述装置还包括：

执行单元，被配置成响应于当前的目标图像非所述目标视频中的最后一帧，将所述目标视频中的、当前的目标图像的后续视频帧作为新的目标图像，基于新的目标图像，继续执行所述处理步骤。

15.一种电子设备，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1-7中任一所述的方法。

16.一种计算机可读介质，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1-7中任一所述的方法。