CN110415318A - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN110415318A CN110415318A CN201910684799.3A CN201910684799A CN110415318A CN 110415318 A CN110415318 A CN 110415318A CN 201910684799 A CN201910684799 A CN 201910684799A CN 110415318 A CN110415318 A CN 110415318A
- Authority
- CN
- China
- Prior art keywords
- user action
- image
- frame
- user
- motion images
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了图像处理方法和装置。该方法的一具体实施方式包括:获取已选的动作图像帧模板的,以及获取用户动作图像,其中,该用户动作图像和该动作图像帧模板包含用户区域,该用户区域包括身体的至少局部,该用户动作图像与该动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;将该用户动作图像和该已选的动作图像帧模板输入图像处理模型,得到从该图像处理模型输出的合成图像帧;发送该合成图像帧组成的视频。本申请实施例能够通过特征的相似度,获取到与动作图像帧模板更接近的用户动作图像,从而合成出更接近动作图像帧模板中的动作标准的合成图像。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及图像处理方法和装置。
背景技术
随着信息技术的发展,越来越多的用户进行图像的合成,以得到多种多样的图像,以实现丰富的视觉效果。
市面上有多种软件能够供用户选择,继而越来越多的用户掌握了各种图像处理方式,能够按照自己的意愿对图像进行合成。
发明内容
本申请实施例提出了图像处理方法和装置。
第一方面,本申请实施例提供了一种图像处理方法,包括:获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系;发送合成图像帧组成的视频。
第二方面,本申请实施例提供了一种图像处理装置,包括:获取单元,被配置成获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;输入单元,被配置成将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系;发送单元,被配置成发送合成图像帧组成的视频。
第三方面,本申请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,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图像处理方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如图像处理方法中任一实施例的方法。
本申请实施例提供的图像处理方案,首先,获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值。之后,将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系。最后,发送合成图像帧组成的视频。本申请实施例能够通过特征的相似度,获取到与动作图像帧模板更接近的用户动作图像,从而合成出更接近动作图像帧模板中的动作标准的合成图像。
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,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的图像处理方法的一个实施例的流程图;
图3是根据本申请的图像处理方法的一个应用场景的示意图;
图4是根据本申请的图像处理方法的又一个实施例的流程图;
图5是根据本申请的图像处理装置的一个实施例的结构示意图;
图6是适于用来实现本申请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申请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,本申请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申请。
图1示出了可以应用本申请的图像处理方法或图像处理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,例如图像处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备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,可以是具有显示屏的各种电子设备,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可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的已选的动作图像帧模板、获取用户动作图像等数据进行分析等处理,并将处理结果(例如合成图像帧组成的视频)反馈给终端设备。
需要说明的是,本申请实施例所提供的图像处理方法可以由服务器105或者终端设备101、102、103执行,相应地,图像处理装置可以设置于服务器105或者终端设备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。
继续参考图2,示出了根据本申请的图像处理方法的一个实施例的流程200。该图像处理方法,包括以下步骤:
步骤201,获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值。
在本实施例中,图像处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取已选的动作图像帧模板,以及获取用户动作图像。用户动作图像可以包含体现用户的动作的用户区域,还可以包含其他图案或者背景区域。这里的用户动作图像可以指一个图像或两个以上并不连贯的图像,还可以指组成一段视频的多个连贯图像。用户区域可以包括用户身体的局部或全部,此外,还可以包括用户的脸部。比如,用户图像为用户的上半身像,那么其中的用户区域可以包括用户的脸部、脖子、躯干的上半部和胳膊。
已选的动作图像帧模板是用户从预设的各个动作图像帧模板中,选择的动作图像帧模板。每个动作图像帧模板包括至少一个图像帧,动作图像帧模板的各个图像帧包含用户区域。动作图像帧模板的每个图像帧包含的用户区域呈现出用户做出的动作,这些动作是较为规范的标准动作。预设关键点的特征可以反映出动作的特征。上述至少一个图像帧中,各个图像帧中呈现的动作不同,其中的人体的预设关键点的特征也不同。在这里,动作图像帧模板可以指图像帧组成的视频,或者指组成视频的多个图像帧。
用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值,也即,用户动作图像与动作图像帧模板中的动作相似度较大。
在本实施例的一些可选的实现方式中,在步骤201之前,上述方法还可以包括:获取初始用户动作图像,确定是否对初始用户动作图像进行绿幕处理;若确定进行绿幕处理,发送绿幕处理指令或对初始用户图像进行绿幕处理;获取绿幕处理结果作为用户动作图像。
在这些可选的实现方式中,上述执行主体可以获取初始用户动作图像,并确定是否需要对其进行绿幕处理。如果确定需要则进行绿幕处理,则上述执行主体可以进行对初始用户动作图像进行绿幕处理,或者发送绿幕处理指令。之后,将绿幕处理结果作为用户动作图像。这里的绿幕处理结果可以是上述执行主体进行绿幕处理得到的处理结果,也可以是接收上述绿幕处理指令并进行绿幕处理的电子设备或执行模块得到的处理结果。
在实践中,初始用户动作图像是摄像头采集到的包括用户区域的图像,上述执行主体可以在绿幕处理之前,先预期通过图像处理模型,是否可以对初始用户动作图像中的用户区域进行准确提取以便于后续的处理。如果预期的结果是不可以准确提取,则上述执行主体可以确定需要进行绿幕处理。具体地,绿幕处理可以将用户动作图像中,用户区域以外的区域处理成颜色单一的绿色。
这里的发送绿幕处理指令,可以是服务器向终端设备发送,以使终端设备进行绿幕处理并上传绿幕处理结果。此外,也可以是终端设备的处理器向该终端设备进行绿幕处理的应用的运行栈发送。
在实践中,上述执行主体可以采用多种方式确定是否进行绿幕处理。比如,上述执行主体可以确定初始用户动作图像的亮度,在亮度小于预设阈值的情况下,确定进行绿幕处理。
这些实现方式可以通过绿幕处理,减少在处理过程中,背景区域对用户区域的干扰,从而提高图像处理模型处理用户动作图像的准确性。
在这些实现方式的一些可选的应用场景中,上述确定是否对初始用户动作图像进行绿幕处理,可以包括:确定初始用户动作图像包含的颜色数量,基于颜色数量,确定是否对初始用户动作图像采用绿幕处理。
在这些可选的应用场景中,上述执行主体可以确定出初始用户动作图像包含的颜色数量,并基于颜色数量确定是否对初始用户动作图像进行绿幕处理。比如,上述执行主体可以确定对颜色数量大于预设颜色数量的初始用户动作图像进行绿幕处理。此外,上述执行主体还可以确定对颜色数量与初始用户动作图像的图像尺寸(比如面积、高度或宽度)的比值大于预设比值阈值的初始用户动作图像进行绿幕处理。
这些应用场景可以通过初始用户动作图像的颜色数量,高效而准确地确定出是否对初始用户动作图像进行绿幕处理,从而使后续的图像处理模型的处理过程更加顺利和准确。
步骤202,将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系。
在本实施例中,上述执行主体可以将获取到的用户动作图像和已选的动作图像帧模板,输入图像处理模型中。图像处理模型可以对预设图像模板进行抠图处理,去掉其中的用户区域,得到背景区域,并将图像处理模型处理用户图像得到的用户区域与抠图处理得到的背景区域相结合。具体地,图像处理模型可以基于用户动作图像中预设关键点的特征,以及已选的动作图像帧模板中上述预设关键点的特征,利用预先训练的图像处理模型,生成用户动作图像和已选的动作图像帧模板的合成图像帧。这里输入的已选的动作图像帧模板,可以是与用户动作图像对应的关键帧,也可以是动作图像帧模板的全部图像帧以及上述关键帧的标识,以便于图像处理模型对这些关键帧进行利用。
这里的图像处理模型可以是深度学习模型,比如可以是生成式对抗网络(Generative Adversarial Networks,GAN),还可以是卷积神经网络(ConvolutionalNeural Networks,CNN)。
在本实施例的一些可选的实现方式中,获取多个训练样本,其中,训练样本包括对应至少一个动作的至少一个合成图像样本、以及每个合成图像样本的真实图像;基于多个训练样本和预设损失函数,确定损失值,以及基于损失值进行训练,得到图像处理模型。
在这些可选的实现方式中,上述执行主体或其他电子设备都可以对有待于训练的图像处理模型执行上述训练步骤,从而得到图像处理模型。合成图像样本为利用有待于训练的图像处理模型预测得到的合成图像。合成图像样本中预设关键点的特征,与该合成图像样本的真实图像中预设关键点的特征的相似度大于上述预设阈值。上述执行主体可以确定出合成图像样本与该合成图像样本的真实图像之间的损失值,并利用该损失值进行训练。每个训练样本存在与之相对应的至少一个动作,不同的训练样本中的合成图像样本对应的动作可以是不同的或者不尽相同的。
这些实现方式中的训练样本可以对应多种动作,以使训练得到的图像处理模型可以对各种不同的动作图像进行合成处理。此外,训练样本中合成图像样本与真实图像的相似度较大,可以避免训练过程中产生过拟合的问题,从而在训练后得到更优质的图像处理模型。
步骤203,发送合成图像帧组成的视频。
在本实施例中,上述执行主体可以将从图像处理模型输出的各个合成图像帧组成视频,并发送上述视频。具体地,如果上述执行主体为服务器,上述执行主体可以向终端设备发送上述视频。如果上述执行主体为终端设备中的处理器,上述执行主体可以向显示器发送上述视频。
继续参见图3,图3是根据本实施例的图像处理方法的应用场景的一个示意图。在图3的应用场景中,执行主体301可以获取已选的动作图像帧模板302,即包括120个图像帧的5秒的视频,以及获取用户动作图像303,即1秒的视频中的24个图像帧,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值。将用户动作图像和已选的动作图像帧模板输入图像处理模型304,得到从图像处理模型输出的合成图像帧305,即24个图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系。发送合成图像帧组成的视频。
本申请的上述实施例提供的方法能够通过特征的相似度,获取到与动作图像帧模板更接近的用户动作图像,从而合成出更接近动作图像帧模板中的动作标准的合成图像。
进一步参考图4,其示出了图像处理方法的又一个实施例的流程400。该图像处理方法的流程400,包括以下步骤:
步骤401,获取已选的动作图像帧模板,以及确定并发送已选的动作图像帧模板的多个关键帧。
在本实施例中,图像处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取已选的动作图像帧模板,并从中确定关键帧。
在实践中,上述的多个关键帧,是可以上述执行主体或其他电子设备从动作图像模板的各帧中,预先确定的。也可以是上述执行主体在获取已选的动作图像帧模板之后,实时确定的。上述执行主体可以采用多种方式获取已选的动作图像帧模板的多个关键帧。举例来说,上述执行主体可以从动作图像模板的各帧中,随机选取连续的多个关键帧,比如选取第2帧至第25帧。此外,还可以选取拍摄时间居中的连续的多个关键帧。比如,从120帧中,选取第48帧至第71帧。
步骤402,获取与各个关键帧对应的用户动作图像。
在本实施例中,上述执行主体可以获取与各个关键帧对应的用户动作图像。终端设备可以将上述多个关键帧展示给用户。具体地,若上述执行主体为终端设备,上述执行主体可以获取用户拍摄或选中的分别与每个关键帧对应的用户动作图像。若上述执行主体为服务器,上述执行主体可以获取终端设备上传的分别与每个关键帧对应的用户动作图像。
在本实施例的一些可选的实现方式中,步骤402可以包括:获取用户指定的用户动作图像,对多个关键帧中的每个关键帧,确定是否存在该关键帧对应的用户动作图像;若确定不存在,发送用户动作补拍消息,以及获取补拍用户动作图像,其中,用户动作补拍消息包括不存在对应的用户动作图像的关键帧或该关键帧的标识;响应于确定对多个关键帧中的每个关键帧,存在该关键帧对应的用户动作图像,将已选的用户动作图像和补拍用户动作图像,确定为与各个关键帧对应的用户动作图像。
在这些可选的实现方式中,上述执行主体可以获取用户动作图像。这里的用户动作图像是用户通过拍摄或选择的方式指定的用户动作图像。用户动作补拍消息可以用于提示用户进行补充拍摄或选择,以拍摄或选择出补拍用户动作图像。具体地,用户可以参照用户动作补拍消息指示的不存在对应的用户动作图像的关键帧,来逐一拍摄或选择这些关键帧对应的用户动作图像。在实践中,该用户动作补拍消息可以是作为终端设备处理器的执行主体发送给显示器的,也可以是作为服务器的执行主体发送给终端设备的。
这些实现方式可以利用发送用户动作补拍消息,让用户能够补充用户动作图像,以使最终得到的合成图像帧组成的视频连续性好,避免出现视频不流畅的问题。
在本实施例的一些可选的实现方式中,步骤402可以包括:
获取用户指定的用户动作图像,对于已选的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度;响应于确定的相似度小于预设阈值,发送包括该关键帧或该关键帧标识的用户动作重拍消息;获取重拍的用户动作图像,对于重拍的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度,响应于与重拍的用户动作图像对应的相似度大于或等于预设阈值,将重拍的用户动作图像确定为与各个关键帧对应的用户动作图像。
在这些可选的实现方式中,上述执行主体可以确定对相对应的每个关键帧和用户动作图像,确定预设关键点的特征的相似度。这些预设关键点是能够反映出动作的特点的关键点。用户动作重拍消息可以用于提示用户进行重新拍摄或选择,以拍摄或选择出重拍的用户动作图像。具体地,用户可以参照用户动作重拍消息指示的与对应的用户动作图像中的预设关键点的特征的相似度低的关键帧,来逐一拍摄或选择这些关键帧对应的用户动作图像。用户动作重拍消息可以包括一个或多个关键帧或关键帧的标识。
步骤403,将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系。
在本实施例中,上述执行主体将获取到的用户动作图像和已选的动作图像帧模板,输入图像处理模型中。图像处理模型可以对预设图像模板进行抠图处理,去掉其中的用户区域,得到背景区域,并将图像处理模型处理用户图像得到的用户区域与抠图处理得到的背景区域相结合。
步骤404,发送合成图像帧组成的视频。
在本实施例中,上述执行主体可以将从图像处理模型输出的各个合成图像帧组成视频,并发送上述视频。具体地,如果上述执行主体为服务器,上述执行主体可以向终端设备发送上述视频。如果上述执行主体为终端设备中的处理器,上述执行主体可以向显示器发送上述视频。
本实施例可以通过获取关键帧,得到与每个关键帧对应的用户动作图像,以使得到的视频中的动作更加流程,视频质量更高。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种图像处理装置的一个实施例,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,本实施例的图像处理装置500包括:获取单元501、输入单元502和发送单元503。其中,获取单元501,被配置成获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;输入单元502,被配置成将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系;发送单元503,被配置成发送合成图像帧组成的视频。
在一些实施例中,图像处理装置500的获取单元501可以获取已选的动作图像帧模板,以及获取用户动作图像。用户动作图像可以包含体现用户的动作的用户区域,还可以包含其他图案或者背景区域。这里的用户动作图像可以指一个图像或两个以上并不连贯的图像,还可以指组成一段视频的多个连贯图像。
在一些实施例中,输入单元502可以将获取到的用户动作图像和已选的动作图像帧模板,输入图像处理模型中。图像处理模型可以对预设图像模板进行抠图处理,去掉其中的用户区域,得到背景区域,并将图像处理模型处理用户图像得到的用户区域与抠图处理得到的背景区域相结合。具体地,图像处理模型可以基于用户动作图像中预设关键点的特征,以及已选的动作图像帧模板中上述预设关键点的特征,利用预先训练的图像处理模型,生成用户动作图像和已选的动作图像帧模板的合成图像帧。
在一些实施例中,发送单元503可以将从图像处理模型输出的各个合成图像帧组成视频,并发送上述视频。具体地,如果上述执行主体为服务器,上述执行主体可以向终端设备发送上述视频。如果上述执行主体为终端设备中的处理器,上述执行主体可以向显示器发送上述视频。
在本实施例的一些可选的实现方式中,获取单元,包括:第一获取模块,被配置成确定并发送已选的动作图像帧模板的多个关键帧;第二获取模块,被配置成获取与各个关键帧对应的用户动作图像。
在本实施例的一些可选的实现方式中,第二获取模块,进一步被配置成:获取用户指定的用户动作图像,对多个关键帧中的每个关键帧,确定是否存在该关键帧对应的用户动作图像;若确定不存在,发送用户动作补拍消息,以及获取补拍用户动作图像,其中,用户动作补拍消息包括不存在对应的用户动作图像的关键帧或该关键帧的标识;响应于确定对多个关键帧中的每个关键帧,存在该关键帧对应的用户动作图像,将已选的用户动作图像和补拍用户动作图像,确定为与各个关键帧对应的用户动作图像。
在本实施例的一些可选的实现方式中,第二获取模块,进一步被配置成:获取用户指定的用户动作图像,对于已选的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度;响应于确定的相似度小于预设阈值,发送包括该关键帧或该关键帧标识的用户动作重拍消息;获取重拍的用户动作图像,对于重拍的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度,响应于与重拍的用户动作图像对应的相似度大于或等于预设阈值,将重拍的用户动作图像确定为与各个关键帧对应的用户动作图像。
在本实施例的一些可选的实现方式中,装置还包括:确定单元,被配置成获取初始用户动作图像,确定是否对初始用户动作图像进行绿幕处理;处理单元,被配置成若确定进行绿幕处理,发送绿幕处理指令或对初始用户图像进行绿幕处理;结果确定单元,被配置成获取绿幕处理结果作为用户动作图像。
在本实施例的一些可选的实现方式中,确定单元,进一步被配置成:确定初始用户动作图像包含的颜色数量,基于颜色数量,确定是否对初始用户动作图像采用绿幕处理。
在本实施例的一些可选的实现方式中,图像处理模型的训练步骤包括:获取多个训练样本,其中,训练样本包括对应至少一个动作的至少一个合成图像样本、以及每个合成图像样本的真实图像,合成图像样本与该合成图像样本的真实图像中,预设关键点的特征的相似度大于或等于预设阈值;基于多个训练样本和预设损失函数,确定损失值,以及基于损失值进行训练,得到图像处理模型。
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RAM 603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。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。
描述于本申请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:一种处理器包括获取单元、输入单元和发送单元。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“获取已选的动作图像帧模板,以及获取用户动作图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置:获取已选的动作图像帧模板,以及获取用户动作图像,其中,用户动作图像和动作图像帧模板包含用户区域,用户区域包括身体的至少局部,用户动作图像与动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;将用户动作图像和已选的动作图像帧模板输入图像处理模型,得到从图像处理模型输出的合成图像帧,其中,合成图像帧的背景区域包括已选的动作图像帧模板的背景区域的至少局部,图像处理模型用于表征用户动作图像、已选的动作图像帧模板与合成图像帧的对应关系;发送合成图像帧组成的视频。
以上描述仅为本申请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,本申请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。例如上述特征与本申请中公开的(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 (9)
1.一种图像处理方法,所述方法包括:
获取已选的动作图像帧模板的,以及获取用户动作图像,其中,所述用户动作图像和所述动作图像帧模板包含用户区域,所述用户区域包括身体的至少局部,所述用户动作图像与所述动作图像帧模板中,预设关键点的特征的相似度大于或等于预设阈值;
将所述用户动作图像和所述已选的动作图像帧模板输入图像处理模型,得到从所述图像处理模型输出的合成图像帧,其中,所述合成图像帧的背景区域包括所述已选的动作图像帧模板的背景区域的至少局部,所述图像处理模型用于表征所述用户动作图像、所述已选的动作图像帧模板与所述合成图像帧的对应关系;
发送所述合成图像帧组成的视频。
2.根据权利要求1所述的方法,其中,所述获取已选的动作图像帧模板的,以及获取用户动作图像,包括:
确定并发送所述已选的动作图像帧模板的多个关键帧;
获取与各个所述关键帧对应的用户动作图像。
3.根据权利要求2所述的方法,其中,所述获取与各个所述关键帧对应的用户动作图像,包括:
获取用户指定的用户动作图像,对所述多个关键帧中的每个关键帧,确定是否存在该关键帧对应的用户动作图像;
若确定不存在,发送用户动作补拍消息,以及获取补拍用户动作图像,其中,所述用户动作补拍消息包括不存在对应的用户动作图像的关键帧或该关键帧的标识;
响应于确定对所述多个关键帧中的每个关键帧,存在该关键帧对应的用户动作图像,将所述已选的用户动作图像和所述补拍用户动作图像,确定为与各个所述关键帧对应的用户动作图像。
4.根据权利要求2所述的方法,其中,所述获取与各个所述关键帧对应的用户动作图像,包括:
获取用户指定的用户动作图像,对于已选的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度;响应于确定的所述相似度小于所述预设阈值,发送包括该关键帧或该关键帧标识的用户动作重拍消息;
获取重拍的用户动作图像,对于所述重拍的用户动作图像中的每帧,确定该帧与对应的关键帧中,预设关键点的特征的相似度,响应于与所述重拍的用户动作图像对应的相似度大于或等于所述预设阈值,将所述重拍的用户动作图像确定为与各个所述关键帧对应的用户动作图像。
5.根据权利要求1所述的方法,其中,在所述获取已选的动作图像帧模板之前,所述方法还包括:
获取初始用户动作图像,确定是否对所述初始用户动作图像进行绿幕处理;
若确定进行绿幕处理,发送绿幕处理指令或对所述初始用户图像进行绿幕处理;
获取绿幕处理结果作为所述用户动作图像。
6.根据权利要求5所述的方法,其中,所述确定是否对所述初始用户动作图像进行绿幕处理,包括:
确定所述初始用户动作图像包含的颜色数量,基于所述颜色数量,确定是否对所述初始用户动作图像采用绿幕处理。
7.根据权利要求1所述的方法,其中,所述图像处理模型的训练步骤包括:
获取多个训练样本,其中,所述训练样本包括对应至少一个动作的至少一个合成图像样本、以及每个合成图像样本的真实图像,所述合成图像样本与该合成图像样本的真实图像中,所述预设关键点的特征的相似度大于或等于所述预设阈值;
基于所述多个训练样本和预设损失函数,确定损失值,以及基于所述损失值进行训练,得到所述图像处理模型。
8.一种电子设备,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。
9.一种计算机可读存储介质,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1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684799.3A CN110415318B (zh) | 2019-07-26 | 2019-07-26 | 图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684799.3A CN110415318B (zh) | 2019-07-26 | 2019-07-26 | 图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110415318A true CN110415318A (zh) | 2019-11-05 |
CN110415318B CN110415318B (zh) | 2023-05-05 |
Family
ID=68363552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910684799.3A Active CN110415318B (zh) | 2019-07-26 | 2019-07-26 | 图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415318B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954452A (zh) * | 2021-02-08 | 2021-06-11 | 广州酷狗计算机科技有限公司 | 视频生成方法、装置、终端及存储介质 |
CN115442519A (zh) * | 2022-08-08 | 2022-12-06 | 珠海普罗米修斯视觉技术有限公司 | 视频处理方法、装置及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899910A (zh) * | 2014-03-03 | 2015-09-09 | 株式会社东芝 | 图像处理设备、图像处理系统和图像处理方法 |
CN105872381A (zh) * | 2016-04-29 | 2016-08-17 | 潘成军 | 趣味图像拍摄方法 |
CN107423409A (zh) * | 2017-07-28 | 2017-12-01 | 维沃移动通信有限公司 | 一种图像处理方法、图像处理装置和电子设备 |
CN107808373A (zh) * | 2017-11-15 | 2018-03-16 | 北京奇虎科技有限公司 | 基于姿态的样本图像合成方法、装置及计算设备 |
CN108234888A (zh) * | 2018-03-14 | 2018-06-29 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108389077A (zh) * | 2018-02-11 | 2018-08-10 | 广东欧珀移动通信有限公司 | 电子装置、信息推荐方法及相关产品 |
CN108446390A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN109951654A (zh) * | 2019-03-06 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种视频合成的方法、模型训练的方法以及相关装置 |
-
2019
- 2019-07-26 CN CN201910684799.3A patent/CN110415318B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899910A (zh) * | 2014-03-03 | 2015-09-09 | 株式会社东芝 | 图像处理设备、图像处理系统和图像处理方法 |
CN105872381A (zh) * | 2016-04-29 | 2016-08-17 | 潘成军 | 趣味图像拍摄方法 |
CN107423409A (zh) * | 2017-07-28 | 2017-12-01 | 维沃移动通信有限公司 | 一种图像处理方法、图像处理装置和电子设备 |
CN107808373A (zh) * | 2017-11-15 | 2018-03-16 | 北京奇虎科技有限公司 | 基于姿态的样本图像合成方法、装置及计算设备 |
CN108389077A (zh) * | 2018-02-11 | 2018-08-10 | 广东欧珀移动通信有限公司 | 电子装置、信息推荐方法及相关产品 |
CN108234888A (zh) * | 2018-03-14 | 2018-06-29 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108446390A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN109951654A (zh) * | 2019-03-06 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种视频合成的方法、模型训练的方法以及相关装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954452A (zh) * | 2021-02-08 | 2021-06-11 | 广州酷狗计算机科技有限公司 | 视频生成方法、装置、终端及存储介质 |
CN115442519A (zh) * | 2022-08-08 | 2022-12-06 | 珠海普罗米修斯视觉技术有限公司 | 视频处理方法、装置及计算机可读存储介质 |
CN115442519B (zh) * | 2022-08-08 | 2023-12-15 | 珠海普罗米修斯视觉技术有限公司 | 视频处理方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110415318B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3889912A1 (en) | Method and apparatus for generating video | |
CN104137520B (zh) | 一种消息推送方法及装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN110503703A (zh) | 用于生成图像的方法和装置 | |
CN108985257A (zh) | 用于生成信息的方法和装置 | |
CN108492364A (zh) | 用于生成图像生成模型的方法和装置 | |
CN106030614A (zh) | 基于对一台摄像机所拍摄的图像的处理来控制另一台摄像机的系统和方法 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN110298906A (zh) | 用于生成信息的方法和装置 | |
CN107343000A (zh) | 用于处理任务的方法和装置 | |
CN110472558A (zh) | 图像处理方法和装置 | |
CN109784304A (zh) | 用于标注牙齿图像的方法和装置 | |
CN110516678A (zh) | 图像处理方法和装置 | |
CN108345387A (zh) | 用于输出信息的方法和装置 | |
CN110502665A (zh) | 视频处理方法和装置 | |
CN110446066A (zh) | 用于生成视频的方法和装置 | |
CN110516099A (zh) | 图像处理方法和装置 | |
CN109981787A (zh) | 用于展示信息的方法和装置 | |
CN110136054A (zh) | 图像处理方法和装置 | |
CN110310299A (zh) | 用于训练光流网络、以及处理图像的方法和装置 | |
CN109977905A (zh) | 用于处理眼底图像的方法和装置 | |
CN109389096A (zh) | 检测方法和装置 | |
CN110534085A (zh) | 用于生成信息的方法和装置 | |
CN109495767A (zh) | 用于输出信息的方法和装置 | |
CN109145783A (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 |