图像合成方法和装置
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像合成方法和装置。
背景技术
随着图像合成技术的发展,在一些应用场景中,需要合成人脸图像所指示的人脸在各种表情和姿态下的人脸图像。
由于人脸做出表情时,眼部和嘴部的变化较为明显,因此,目前采用的人脸图像的合成方式一般仅考虑对眼部和嘴部的合成。
发明内容
本公开的实施例提出了图像合成方法和装置。
第一方面,本公开的实施例提供了一种图像合成方法,该方法包括:基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,其中,各区域根据对初始人脸图像提取的二维关键点划分得到;基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,其中,表情系数用于表征参考人脸图像所指示的参考人脸对象属于预设表情集合中的表情的概率,姿态参数用于指示参考人脸图像所指示的参考人脸对象的姿态;将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像,其中,图像合成模型用于表征眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像之间的对应关系。
在一些实施例中,在上述基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值之前,上述方法还包括:选取通信连接的终端设备发送的用户选取信息所指示的人脸图像作为初始人脸图像。
在一些实施例中,在上述基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型之前,上述方法还包括:接收终端设备发送的人脸图像作为参考人脸图像;基于对参考人脸图像提取的二维关键点和所获取的参考人脸图像的基准三维模型,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数;将所确定的表情系数和姿态参数作为所获取的表情系数和姿态参数。
在一些实施例中,上述图像合成模型通过如下步骤训练得到:获取样本集合,其中,样本集合中的样本包括样本人脸图像和对应的样本眼部图像、样本嘴部图像、样本像素值、样本归一化坐标,样本归一化坐标包括样本人脸图像的人脸三维模型中的三维像素点的归一化坐标,样本像素值包括样本人脸图像中各区域的平均像素值,样本人脸图像中各区域根据对样本人脸图像提取的二维关键点划分得到;将样本集合中的样本所包括的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标作为初始模型的输入,将与输入的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标对应的样本人脸图像作为初始模型的期望输出,训练得到图像合成模型。
在一些实施例中,上述方法还包括:基于合成人脸图像和从初始人脸图像中确定的背景图像,合成目标人脸图像;将目标人脸图像发送至终端设备,以使终端设备显示目标人脸图像。
第二方面,本公开的实施例提供了一种图像合成装置,该装置包括:第一确定单元,被配置成基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,其中,各区域根据对初始人脸图像提取的二维关键点划分得到;生成单元,被配置成基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,其中,表情系数用于表征参考人脸图像所指示的参考人脸对象属于预设表情集合中的表情的概率,姿态参数用于指示参考人脸图像所指示的参考人脸对象的姿态;第一合成单元,被配置成将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像,其中,图像合成模型用于表征眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像之间的对应关系。
在一些实施例中,上述装置还包括:选取单元,被配置成选取通信连接的终端设备发送的用户选取信息所指示的人脸图像作为初始人脸图像。
在一些实施例中,上述装置还包括:接收单元,被配置成接收终端设备发送的人脸图像作为参考人脸图像;第二确定单元,被配置成基于对参考人脸图像提取的二维关键点和所获取的参考人脸图像的基准三维模型,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数;第三确定单元,被配置成将所确定的表情系数和姿态参数作为所获取的表情系数和姿态参数。
在一些实施例中,上述图像合成模型通过如下步骤训练得到:获取样本集合,其中,样本集合中的样本包括样本人脸图像和对应的样本眼部图像、样本嘴部图像、样本像素值、样本归一化坐标,样本归一化坐标包括样本人脸图像的人脸三维模型中的三维像素点的归一化坐标,样本像素值包括样本人脸图像中各区域的平均像素值,样本人脸图像中各区域根据对样本人脸图像提取的二维关键点划分得到;将样本集合中的样本所包括的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标作为初始模型的输入,将与输入的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标对应的样本人脸图像作为初始模型的期望输出,训练得到图像合成模型。
在一些实施例中,上述装置还包括:第二合成单元,被配置成基于合成人脸图像和从初始人脸图像中确定的背景图像,合成目标人脸图像;发送单元,被配置成将目标人脸图像发送至终端设备,以使终端设备显示目标人脸图像。
第三方面,本公开的实施例提供了一种服务器,该服务器包括: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图像合成方法和装置,首先基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,然后基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,进而将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像。从而避免了合成的人脸图像中眼部、嘴部和其它部位之间的不协调。
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是根据本公开的图像合成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图像合成方法的一个应用场景的示意图;
图4是根据本公开的图像合成方法的又一个实施例的流程图;
图5是根据本公开的图像合成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图像合成方法或图像合成装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103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通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用,例如美妆类应用、图像处理类应用、网页浏览器应用、购物类应用等。
终端设备101、102可以是硬件,也可以是软件。当终端设备101、102为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102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,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104可以是提供各种服务的服务器,例如为终端设备101、102上所安装的美妆类应用的后台服务器。实践中,后台服务器可以根据终端设备发送的人脸图像,对选取的另一人脸图像进行重新合成,得到合成后的人脸图像。
需要说明的是,上述终端设备发送的人脸图像也可以直接存储在服务器104的本地,服务器104可以直接提取本地所存储的人脸图像并进行处理,此时,可以不存在终端设备101、102和网络103。
服务器104可以是硬件,也可以是软件。当服务器104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104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。
需要指出的是,本公开的实施例所提供的图像合成方法一般由服务器104执行,相应地,图像合成装置一般设置于服务器104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。
继续参考图2,示出了根据本公开的图像合成方法的一个实施例的流程200。该图像合成方法包括以下步骤:
步骤201,基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值。
在本实施例中,图像合成方法的执行主体(如图1所示的服务器104)可以从本地或者通信连接的数据库服务器中预先存储的大量的人脸图像中选取人脸图像作为初始人脸图像。其中,人脸图像可以是显示有人脸的图像。
在本实施例中,选取初始人脸图像之后,上述执行主体可以进一步确定眼部图像和嘴部图像。其中,眼部图像可以是从初始人脸图像中所确定的显示有人的眼睛部位的图像,嘴部图像可以是从初始人脸图像中所确定的显示有人的嘴巴部位的图像。
作为示例,上述执行主体可以将初始人脸图像输入至预先训练的图像识别模型中,进而从初始人脸图像中确定眼部图像和嘴部图像。其中,该图像识别模型可以是通过机器学习方法训练得到的、用于识别图像中的眼部图像和嘴部图像。
作为又一示例,上述执行主体可以对初始人脸图像提取二维关键点,然后根据针对初始人脸图像中显示的眼睛部位所提取的二维关键点,确定眼部图像,根据针对初始人脸图像中显示的嘴巴部位所提取的二维关键点,确定嘴部图像。
在本实施例中,选取初始人脸图像之后,上述执行主体还可以确定初始人脸图像中各区域的平均像素值。其中,初始人脸图像中的各区域可以根据对初始人脸图像提取的二维关键点划分得到。
具体地,上述执行主体可以根据对初始人脸图像提取的二维关键点,将初始人脸图像划分为多个区域(例如,显示有眉毛部位的区域、显示有鼻子部位的区域、显示有人脸皮肤的区域),然后,上述执行主体可以分别确定所划分的各区域的平均像素值。
步骤202,基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型。
在本实施例中,上述执行主体可以从本地或者通信连接的数据库服务器获取表情系数、姿态参数和初始人脸图像的基准三维模型。
上述表情系数可以用于表征参考人脸图像所指示的参考人脸对象属于预设表情集合中的表情的概率。其中,预设表情集合可以是由各种表情(例如,自然表情、皱眉、张嘴、闭眼等)组合得到的集合。参考人脸图像和初始人脸图像通常是不同人脸的人脸图像。上述姿态参数可以用于指示参考人脸图像所指示的参考人脸对象的姿态。此处,参考人脸图像可以是预先指定的人脸图像。
上述初始人脸图像的基准三维模型可以包括针对上述预设表情集合中的表情所构造的该初始人脸图像指示的人脸对象的三维模型。例如,可以包括针对自然表情所构造的三维模型,针对皱眉这一表情所构造的三维模型,针对张嘴这一表情所构造的三维模型等。可以理解,初始人脸图像的每个基准三维模型对应初始人脸图像指示的人脸对象的一种表情。需要说明的是,基准三维模型通常是由一定数量的三维像素点所组成的三维模型。
在本实施例中,获取表情系数、姿态参数和初始人脸图像的基准三维模型之后,上述执行主体可以基于该表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型。
首先,上述执行主体可以根据所获取的表情系数对初始人脸图像的基准三维模型进行线性组合。具体地,上述执行主体可以按照公式对初始人脸图像的基准三维模型进行线性组合。其中,i表示初始人脸图像的基准三维模型的序号,Si表示初始人脸图像的第i个基准三维模型中的各三维像素点的坐标组成的矩阵,Ci表示初始人脸图像的第i个基准三维模型所对应的表情系数,S0表示初始人脸图像的第0个基准三维模型中的各三位像素点的坐标组成的矩阵,初始人脸图像的第0个基准三维模型通常是针对自然表情所构造的基准三维模型,n表示初始人脸图像的第0个基准三维模型之外的其余基准三维模型的总数。
不难理解,初始人脸图像的各基准三维模型的线性组合可以看作是各基准三维模型中的三维像素点的坐标组成的矩阵的线性运算。举例来说,初始人脸图像的基准三维模型可以包括针对自然表情、皱眉、张嘴、闭眼等各种表情所构造的三维模型。其中,针对自然表情所构造的三维模型中的三维像素点的坐标组成的矩阵可以表示为S0,针对皱眉、张嘴、闭眼等其它表情所构造的三维模型中的三维像素点的坐标组成的矩阵可以分别表示为S1、S2…Sn。那么,矩阵S0、S1、S2…Sn可以按照上述公式进行线性运算。
可以理解,对初始人脸图像的各基准三维模型进行组合之后,可以得到一个组合后的三维模型。
然后,上述执行主体可以根据所获取的姿态参数对组合后的三维模型进行旋转、放大、缩小、平移等操作,得到初始人脸图像的人脸三维模型。可以理解,所得到的人脸三维模型指示的人脸对象与参考人脸图像指示的参考人脸对象的表情、姿态一致。
步骤203,将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像。
在本实施例中,生成初始人脸图像的人脸三维模型之后,上述执行主体可以确定初始人脸图像的人脸三维模型中的三维像素点的归一化坐标。作为示例,初始人脸图像的人脸三维模型中存在与坐标原点(0,0,0)之间的距离最近的三维像素点A(Xmin,Ymin,Zmin),存在与坐标原点(0,0,0)之间的距离最远的三维像素点B(Xmax,Ymax,Zmax),那么初始人脸图像的人脸三维模型中任意一个三维像素点C(X,Y,Z)的归一化坐标为可以理解,三维像素点A的归一化坐标为(0,0,0),三维像素点B的归一化坐标为(1,1,1)。
在本实施例中,确定初始人脸图像的人脸三维模型中的三维像素点的归一化坐标之后,上述执行主体可以将所确定的眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像。可以理解,合成人脸图像可以是通过图像合成模型所合成的人脸图像。其中,图像合成模型可以用于表征眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像之间的对应关系。
作为示例,图像合成模型可以是技术人员对大量的人脸图像进行处理,所得到的对应关系表。该对应关系表中,眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像关联存储。此时,上述执行主体可以将所确定的眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至对应关系表,而后可以确定对应关系表中与之相似度最高的眼部图像、嘴部图像、各区域的平均像素值和三维像素点的归一化坐标,从而可以选取该相似度最高的眼部图像、嘴部图像、各区域的平均像素值、三维像素点的归一化坐标所对应的合成人脸图像。
在本实施例的一些可选的实现方式中,上述图像合成模型还可以是通过机器学习方法训练得到的机器学习模型。其训练过程如下述所述。
步骤S1,获取样本集合。
上述样本集合中的样本可以包括样本人脸图像和对应的样本眼部图像、样本嘴部图像、样本像素值、样本归一化坐标。其中,样本归一化坐标可以包括样本人脸图像的人脸三维模型中的三维像素点的归一化坐标。样本像素值可以包括样本人脸图像中各区域的平均像素值。样本人脸图像中各区域可以根据对样本人脸图像提取的二维关键点划分得到。
上述样本集合可以通过对预先搜集的大量的人脸图像进行处理得到。具体地,可以根据搜集到的人脸图像,确定眼部图像、嘴部图像和该人脸图像中各区域的平均像素值。还可以生成搜集到的人脸图像的人脸三维模型,进而得到该人脸三维模型中的三维像素点的归一化坐标。由此,可以根据搜集到的人脸图像和根据该人脸图像所得到的眼部图像、嘴部图像、该人脸图像中各区域的平均像素值、该人脸图像的人脸三维模型中的三维像素点的归一化坐标,得到一个样本。可以理解,可以将根据大量的搜集到的人脸图像所得到的大量的样本组合成样本集合。
所得到的样本集合可以存储于训练上述图像合成模型的执行主体本地,也可以存储于与训练上述图像合成模型的执行主体通信连接的数据库服务器。由此,训练上述图像合成模型的执行主体可以从本地或者通信连接的数据库服务器获取样本集合。
步骤S2,将样本集合中的样本所包括的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标作为初始模型的输入,将与输入的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标对应的样本人脸图像作为初始模型的期望输出,训练得到图像合成模型。
上述初始模型可以是各种对抗生成网络(Generative Adversarial Nets,GAN),例如可以是CycleGAN(Cycle Generative Adversarial Nets,循环对抗生成网络)。
具体的,训练上述图像合成模型的执行主体可以从样本集合中选取样本,然后执行如下训练步骤。
第一步,将选取的样本所包括的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标输入至初始模型,得到根据输入的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标所合成的人脸图像。
首先,训练上述图像合成模型的执行主体可以根据输入的样本归一化坐标,构造出归一化人脸三维模型。可以理解,归一化人脸三维模型中的三维像素点的坐标的各个分量处于0到1之间。然后,可以将归一化人脸三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标。进一步,可以根据输入的样本眼部图像、样本嘴部图像、样本像素值,确定转换得到的各二维像素点的像素值。可以理解,确定各二维像素点的像素值之后,便可以得到所合成的人脸图像。
第二步,利用预设的损失函数计算所合成的人脸图像与选取的样本所包括样本人脸图像之间的差异程度,以及利用正则化项计算初始模型的复杂度。
上述预设的损失函数可以是根据实际需求选取的以下至少一类损失函数:0-1损失函数,绝对值损失函数,平方损失函数,指数损失函数,对数损失函数,合页损失函数等。上述正则化项可以是根据实际需求选取的以下任意一种范数:L0范数,L1范数,L2范数,迹范数,核范数等。
第三步,根据计算所得的差异程度和模型的复杂度,调整初始模型的结构参数。
实践中,可以采用BP(Back Propgation,反向传播)算法,GD(Gradient Descent,梯度下降)算法等调整初始模型的结构参数。
第四步,响应于达到预设的训练结束条件,训练上述图像合成模型的执行主体可以确定初始模型训练完成,以及将训练完成的初始模型确定为图像合成模型。
上述预设的训练结束条件可以包括以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异程度小于预设的差异阈值。
第五步,响应于未达到上述预设的训练结束条件,训练上述图像合成模型的执行主体可以从样本集合中选取未选取过的样本,以及使用调整后的初始模型作为初始模型,继续执行上述训练步骤。
需要说明的是,训练上述图像合成模型的执行主体与图像合成方法的执行主体可以相同,也可以不同。若二者相同,训练上述图像合成模型的执行主体可以将训练完成的图像合成模型的结构信息和参数值存储在本地。若二者不同,训练上述图像合成模型的执行主体可以将训练完成的图像合成模型的结构信息和参数值发送至图像合成方法的执行主体。
在本实施例的一些可选的实现方式中,得到合成人脸图像之后,上述执行主体还可以执行如下步骤。
首先,基于合成人脸图像和从初始人脸图像中确定的背景图像,合成目标人脸图像。可以理解,背景图像即初始人脸图像中所显示的人脸之外的图像。目标人脸图像可以是对合成人脸图像和背景图像进行合成所得到的人脸图像。
具体地,上述执行主体可以根据针对初始人脸图像中所显示的人脸的轮廓提取的二维关键点,将人脸所在的区域之外的图像确定为背景图像。然后,可以根据合成人脸图像中的二维像素点的像素值,确定初始人脸图像中人脸所在的区域包括的二维像素点的像素值。可以理解,确定像素值之后,便可以得到目标人脸图像。
然后,将所合成的目标人脸图像发送至终端设备,以使终端设备显示该目标人脸图像。
在这些实现方式中,通过合成人脸图像和背景图像的合成,可以实现对初始人脸图像中显示的人脸进行表情和姿态的变换。
继续参见图3,图3是根据本实施例的图像合成方法的应用场景的一个示意图。在图3的应用场景中,首先,服务器301可以对所选取的初始人脸图像302提取二维关键点。然后,服务器301可以基于所提取的二维关键点,确定眼部图像303、嘴部图像304、和初始人脸图像302中各区域的平均像素值305。之后,服务器301可以基于从本地获取的表情系数306、姿态参数307和初始人脸图像302的基准三维模型308,生成初始人脸图像302的人脸三维模型309。进一步,服务器301确定人脸三维模型309中的三维像素点的归一化坐标310。从而,服务器301可以将眼部图像303、嘴部图像304、平均像素值305和归一化坐标310输入至预先训练的图像合成模型311中,得到合成人脸图像312。
目前,在人脸图像的合成方面,如背景技术中所介绍的,通常仅考虑眼部和嘴部的合成。具体地,首先针对各种表情预先生成眼部图像和嘴部图像,然后根据生成的眼部图像和嘴部图像对人脸图像中的眼部图像和嘴部图像进行替换,最后对人脸图像所指示的人脸的姿态进行变换,由此得到在不同表情和姿态下的人脸图像。本领域技术人员公知,在人脸做出的表情较为夸张时,除了眼部和嘴部的变化较为明显,人脸的其它部位的变化也较为明显,因此,直接对人脸图像中的眼部图像和嘴部图像进行替换,会造成合成的人脸图像中眼部、嘴部和其它部位之间的不协调。而本公开的上述实施例提供的方法,通过预先训练的图像合成模型,对所输入的眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标进行合成,得到合成人脸图像。由此,在人脸图像的合成过程中,可以综合考虑人脸的眼部、嘴部和其它部位的变化,进而避免合成的人脸图像中眼部、嘴部和其它部位之间的不协调。
进一步参考图4,其示出了图像合成方法的又一个实施例的流程400。该图像合成方法的流程400,包括以下步骤:
步骤401,选取通信连接的终端设备发送的用户选取信息所指示的人脸图像作为初始人脸图像。
在本实施例中,图像合成方法的执行主体(例如图1所示的服务器104)可以接收通信连接的终端设备发送的用户选取信息。其中,用户选取信息可以是用于标识用户所选取的人脸图像的信息。实践中,用户选取信息可以通过以下至少一种形式来体现:数字、字母、图像等。
在本实施例中,接收用户选取信息之后,上述执行主体可以从本地或者通信连接的数据库服务器选取该用户选取信息所指示的人脸图像作为初始人脸图像。
步骤402,基于对所选取的初始人脸图像提取的二维关键点,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值。
上述步骤402可以按照如图2所示实施例中的步骤201类似的方式执行,上文针对步骤201的描述也适用于步骤402,此处不再赘述。
步骤403,接收终端设备发送的人脸图像作为参考人脸图像。
在本实施例中,上述执行主体还可以接收上述终端设备发送的人脸图像作为参考人脸图像。需要说明的是,上述执行主体可以并行地执行选取初始人脸图像的操作和接收参考人脸图像的操作,也可以先执行两者中的任意一者,再执行另外一者。
步骤404,基于对参考人脸图像提取的二维关键点和所获取的参考人脸图像的基准三维模型,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数。
在本实施例中,接收参考人脸图像之后,上述执行主体可以对该参考人脸图像提取二维关键点。
在本实施例中,上述执行主体还可以从本地或者通信连接的数据库服务器获取参考人脸图像的基准三维模型。可以理解,参考人脸图像的基准三维模型可以包括针对预设表情集合中的表情所构造的三维模型。需要说明的是,参考人脸图像的基准三维模型通常不是针对该参考人脸图像指示的参考人脸对象而构造的,因此需要通过确定合适的表情系数和姿态参数,得到能够表征该参考人脸图像所指示的参考人脸对象的人脸三维模型。
在本实施例中,上述执行主体可以基于对参考人脸图像提取的二维关键点和参考人脸图像的基准三维模型,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数。
具体地,首先上述执行主体可以根据表情系数的初始值,对参考人脸图像的基准三维模型进行线性组合,根据姿态参数的初始值,对组合后的三维模型进行旋转、放大、缩小、平移等操作。然后,可以根据参考人脸图像中的二维像素点的像素值,确定旋转、放大、缩小、平移后的三维模型中的三维像素点的像素值。之后,可以将确定像素值后的三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标。可以理解,坐标转换之后所得到的各二维像素点可以组成人脸图像。进而,上述执行主体可以确定该组合成的人脸图像和参考人脸所包括的二维关键点之间的平均距离。进一步,若所确定的平均距离大于或等于预设距离值,上述执行主体可以对表情系数和姿态参数的值进行逐步调整,直至组合成的人脸图像和参考人脸所包括的二维关键点之间的平均距离小于预设距离值。
可以理解,当组合成的人脸图像和参考人脸所包括的二维关键点之间的平均距离小于预设距离值时,便可以得到用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数。
步骤405,将所确定的表情系数和姿态参数作为所获取的表情系数和姿态参数。
在本实施例中,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数之后,上述执行主体可以将所确定的表情系数和姿态参数作为所获取的表情系数和姿态参数。
步骤406,基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型。
步骤407,将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像。
上述步骤406、步骤407可以分别按照如图2所示实施例中的步骤202、步骤203类似的方式执行,上文针对步骤202、步骤203的描述也适用于步骤406、步骤407,此处不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的图像合成方法的流程400体现了选取用户选取信息所指示的人脸图像作为初始人脸图像的步骤,还体现了接收终端设备发送的人脸图像作为参考人脸图像的步骤,以及体现了确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数的步骤。由此,本实施例描述的方案可以根据用户的操作选取初始人脸图像,也可以根据用户上传的人脸图像确定表情系数和姿态参数。从而,提升了合成人脸图像的灵活度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了图像合成装置的一个实施例,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,本实施例提供的图像合成装置500包括第一确定单元501、生成单元502和第一合成单元503。其中,第一确定单元501可以被配置成:基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,其中,各区域根据对初始人脸图像提取的二维关键点划分得到。生成单元502可以被配置成:基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,其中,表情系数用于表征参考人脸图像所指示的参考人脸对象属于预设表情集合中的表情的概率,姿态参数用于指示参考人脸图像所指示的参考人脸对象的姿态。第一合成单元503可以被配置成:将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像,其中,图像合成模型用于表征眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像之间的对应关系。
在本实施例中,图像合成装置500中:第一确定单元501、生成单元502和第一合成单元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,上述装置500还可以包括:选取单元(图中未示出)。其中,选取单元可以被配置成:选取通信连接的终端设备发送的用户选取信息所指示的人脸图像作为初始人脸图像。
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:接收单元(图中未示出)、第二确定单元(图中未示出)和第三确定单元(图中未示出)。其中,接收单元可以被配置成:接收终端设备发送的人脸图像作为参考人脸图像。第二确定单元可以被配置成:基于对参考人脸图像提取的二维关键点和所获取的参考人脸图像的基准三维模型,确定用于生成参考人脸图像的人脸三维模型的表情系数和姿态参数。第三确定单元可以被配置成:将所确定的表情系数和姿态参数作为所获取的表情系数和姿态参数。
在本实施例的一些可选的实现方式中,上述图像合成模型可以通过如下步骤训练得到:获取样本集合,其中,样本集合中的样本包括样本人脸图像和对应的样本眼部图像、样本嘴部图像、样本像素值、样本归一化坐标,样本归一化坐标包括样本人脸图像的人脸三维模型中的三维像素点的归一化坐标,样本像素值包括样本人脸图像中各区域的平均像素值,样本人脸图像中各区域根据对样本人脸图像提取的二维关键点划分得到;将样本集合中的样本所包括的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标作为初始模型的输入,将与输入的样本眼部图像、样本嘴部图像、样本像素值和样本归一化坐标对应的样本人脸图像作为初始模型的期望输出,训练得到图像合成模型。
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:第二合成单元(图中未示出)和发送单元(图中未示出)。其中,第二合成单元可以被配置成:基于合成人脸图像和从初始人脸图像中确定的背景图像,合成目标人脸图像。发送单元可以被配置成:将目标人脸图像发送至终端设备,以使终端设备显示目标人脸图像。
本公开的上述实施例提供的装置,首先通过第一确定单元501,基于所选取的初始人脸图像,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,然后通过生成单元502,基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,进而通过第一合成单元503,将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像。从而避免了合成的人脸图像中眼部、嘴部和其它部位之间的不协调。
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)600的结构示意图。图6示出的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服务器中所包含的;也可以是单独存在,而未装配入该服务器中。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,使得该服务器:基于对所选取的初始人脸图像提取的二维关键点,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值,其中,各区域根据所提取的二维关键点划分得到;基于所获取的表情系数、姿态参数和初始人脸图像的基准三维模型,生成初始人脸图像的人脸三维模型,其中,表情系数用于表征参考人脸图像所指示的参考人脸对象属于预设表情集合中的表情的概率,姿态参数用于指示参考人脸图像所指示的参考人脸对象的姿态;将眼部图像、嘴部图像、初始人脸图像中各区域的平均像素值和初始人脸图像的人脸三维模型中的三维像素点的归一化坐标输入至预先训练的图像合成模型,得到合成人脸图像,其中,图像合成模型用于表征眼部图像、嘴部图像、人脸图像中各区域的平均像素值、人脸图像的人脸三维模型中的三维像素点的归一化坐标和合成人脸图像之间的对应关系。
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,包括第一确定单元、生成单元和第一合成单元。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,第一确定单元还可以被描述为“基于对所选取的初始人脸图像提取的二维关键点,确定眼部图像、嘴部图像和初始人脸图像中各区域的平均像素值的单元”。
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。