CN110555798B - 图像变形方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像变形方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110555798B CN110555798B CN201910792907.9A CN201910792907A CN110555798B CN 110555798 B CN110555798 B CN 110555798B CN 201910792907 A CN201910792907 A CN 201910792907A CN 110555798 B CN110555798 B CN 110555798B
- Authority
- CN
- China
- Prior art keywords
- deformation
- point
- image
- points
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 44
- 238000009877 rendering Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 63
- 230000009466 transformation Effects 0.000 claims description 62
- 238000013519 translation Methods 0.000 claims description 48
- 239000013598 vector Substances 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000000844 transformation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G06T3/04—
-
- G06T3/18—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开公开了一种图像变形方法、装置、电子设备和计算机可读存储介质。其中该图像变形方法包括：接收输入的待变形图像及用户的触发信息，对待变形图像进行人体躯干检测；对人体躯干区域进行骨骼关节点检测；从检测出的骨骼关节点中确定变形锚点；移动人体躯干区域的可变锚点实现变形；渲染变形后的图像。本公开实施例通过对待变形图像中的人体躯干区域进行骨骼关节点检测，从检测出的骨骼关节点中确定变形锚点，移动人体躯干区域的可变锚点实现变形，并渲染变形后的图像，由于选取的变形锚点为人体躯干区域上的骨骼关节点，可以避免人体躯干区域变形过程中背景的干扰，实现对待变形图像中的局部区域进行变形，并达到较好的变形效果。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像变形方法、装置、电子设备及计算机可读存储介质。
背景技术
图像变形是图像处理中的一个常见方法，它是指按一定的规则或方法将一幅图像变为另一幅。例如常见变换包括仿射变换、透射变换、双线性变换等。图像变形技术应用面很广，例如用于娱乐的人体变形等。
现有技术中身体变形算法针对全局图像进行操作，背景对目标影响较大，且对目标相对屏幕位置要求较高，当目标出现剧烈运动时，无法达到很好的跟踪效果。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开解决的技术问题是提供一种图像变形方法，以至少部分地解决现有技术中背景对目标影响较大，且对目标相对屏幕位置要求较高，当目标出现剧烈运动时，无法达到很好的跟踪效果的技术问题。此外，还提供一种图像变形装置、图像变形硬件装置、计算机可读存储介质和图像变形终端。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种图像变形方法，包括：
接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
对所述待变形图像进行人体躯干检测；
若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
移动所述人体躯干区域的可变锚点实现变形；
根据移动后的可变锚点渲染变形后的图像。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种图像变形装置，包括：
图像接收模块，用于接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
躯干检测模块，用于对所述待变形图像进行人体躯干检测；
骨骼关节点检测模块，用于若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
变形锚点确定模块，用于从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
变形模块，用于移动所述人体躯干区域的可变锚点实现变形；
渲染模块，用于根据移动后的可变锚点渲染变形后的图像。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种电子设备，包括：
存储器，用于存储非暂时性计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现上述任一项所述的图像变形方法。
为了实现上述目的，根据本公开的一个方面，提供以下技术方案：
一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行上述任一项所述的图像变形方法。
为了实现上述目的，根据本公开的又一个方面，还提供以下技术方案：
一种图像变形终端，包括上述任一图像变形装置。
本公开实施例通过对待变形图像中的人体躯干区域进行骨骼关节点检测，从检测出的骨骼关节点中确定变形锚点，移动人体躯干区域的可变锚点实现变形，并渲染变形后的图像，由于选取的变形锚点为人体躯干区域上的骨骼关节点，可以避免人体躯干区域变形过程中背景的干扰，实现对待变形图像中的局部区域进行变形，并达到较好的变形效果。
上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例,并配合附图，详细说明如下。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为根据本公开一个实施例的图像变形方法的流程示意图；
图2为根据本公开一个实施例的图像变形方法的流程示意图；
图3为根据本公开一个实施例的图像变形装置的结构示意图；
图4为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
为了解决现有技术中背景对目标影响较大，且对目标相对屏幕位置要求较高，当目标出现剧烈运动时，无法达到很好的跟踪效果的技术问题，本公开实施例提供一种图像变形方法。如图1所示，该图像变形方法主要包括如下步骤S1 至步骤S3。
步骤S1：接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作。
在该实施例中，所述待变形图像为变形前的图像，可以为包含人体躯干区域的图像或视频。
其中，触发信息可以为用户触发的启动图像变形操作的虚拟按钮、或特定手势(例如，剪刀手)、特定动作(例如，眨眼等)。
步骤S2：对所述待变形图像进行人体躯干检测。
具体的，可采用目标检测算法对所述待变形图像进行人体躯干检测，得到人体躯干区域。例如，可采用的目标检测算法包括基于神经网络的目标检测算法或基于深度学习的目标检测算法。
步骤S3：若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测。
其中，人体躯干区域为无头无颈无四肢的人体区域。
其中，骨骼关节点可以为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点、右胯上的骨骼关节点等部位的骨骼关节点。
其中，终端可以为移动终端(例如，平板电脑、智能手机等)，也可以为固定终端(例如，台式电脑)。
具体的，可以采用特征点检测算法得到人体躯干区域的骨骼关节点，例如可采用的特征点检测算法为SIFT(Scale Invariant Feature Transform，尺度不变特征变换)算法、SURF(Speeded Up Robust Features，加速稳健特征)算法等。
步骤S4：从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点。
其中，变形锚点为人体躯干区域上的骨骼关节点，包括可变锚点。
其中，可变锚点为可以变形的锚点，例如可以为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点和右胯上的骨骼关节点。具体可以为左肩膀、右肩膀、左胯和右胯预设位置(例如2分位)处沿连线方向外扩预设倍数(例如0.2倍)。
变形锚点还可以包括不变锚点。其中，不变锚点为固定锚点，不参与变形的锚点，例如左肩膀和右肩膀中间位置处的骨骼关节点、左胯上的骨骼关节点、右胯上的骨骼关节点，以降低人脸及腿部的形变；还可以为所述终端屏幕四个角中的点。
步骤S5：移动所述人体躯干区域的可变锚点实现变形。
例如，可以通过对变形锚点进行拖拽完成变形。
步骤S6：根据移动后的可变锚点渲染变形后的图像。
本实施例通过对待变形图像中的人体躯干区域进行骨骼关节点检测，从检测出的骨骼关节点中确定变形锚点，移动人体躯干区域的可变锚点实现变形，并渲染变形后的图像，由于选取的变形锚点为人体躯干区域上的骨骼关节点，可以避免人体躯干区域变形过程中背景的干扰，实现对待变形图像中的局部区域进行变形，并达到较好的变形效果。
在一个可选的实施例中，所述方法还包括：
步骤S7：若所述待变形图像包含多帧，且检测出当前帧图像中包含人体躯干而未检测出人体躯干区域中的骨骼关节点，则将检测出的前一帧图像的骨骼关节点作为所述当前帧图像的人体躯干区域中的骨骼关节点。
具体的，针对未检测到所需骨骼关节点的图像，通过保留前一次检测结果进行补偿，即当视频图像包含多帧时，有可能第一帧图像检测到骨骼关节点了，但是第二帧图像因为各种原因某些骨骼关节点没检测到，但是人体躯干确实还在，这时把第一帧图像的骨骼关节点的位置复用在第二帧图像上作为补偿。
实施例二
为了解决现有技术中背景对目标影响较大，且对目标相对屏幕位置要求较高，当目标出现剧烈运动时，无法达到很好的跟踪效果的技术问题，本公开实施例提供一种图像变形方法。本实施例在上述实施例一的基础上，对步骤所述移动所述人体躯干区域的可变锚点实现变形进行进一步限定，如图2所示，该图像变形方法主要包括：
步骤S1：接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作。
步骤S2：对所述待变形图像进行人体躯干检测。
步骤S3：若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测。
步骤S4：从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点。
步骤S51：确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点。
其中，所述变形起点为变形锚点在人体躯干区域中的原始位置。
其中，所述变形终点的位置可以由用户自定义设置，为变形锚点在变形后的图像中的目标位置。
步骤S52：对所述待变形图像进行网格化处理，得到至少一个网格点。
步骤S53：根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置。
步骤S54：将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形。
具体的，可以利用这些网格点的目标位置，将人体躯干区域的每个像素点的目标位置通过插值算法计算出来，并将各像素点从原始位置移动到目标位置，完成对图像的变形。
步骤S6：根据移动后的可变锚点渲染变形后的图像。
在该实施例中，通过对人体躯干区域进行网格化处理，只对网格点对应的像素点进行变形处理，可以提高变形速度。
在一个可选的实施例中，步骤S53具体包括：
步骤S531：根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
其中，变换矩阵和平移向量用于对网格点的位置进行映射。
步骤S532：根据所述变换矩阵和所述平移向量确定所述目标位置。
在一个可选的实施例中，步骤S531具体包括：
步骤SA、根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；
步骤SB、根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
其中，权重大小表征变形起点的重要程度。
进一步的，步骤SB具体包括：
步骤SB1：对所述权重进行优化处理；
步骤SB2：根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
通过对权重进行优化，可以使效果更加平滑。
进一步的，步骤SA具体包括：
计算第i个变形锚点的变形起点坐标与第j个网格点的原始坐标的差值的绝对值的n次幂，其中，n为权重衰减系数的2倍；
将所述绝对值的n次幂的倒数作为所述网格点与所述变形起点的权重。
具体的，步骤SA可采用如下公式实现，根据公式计算得到所述权重；其中，|·|表示绝对值，wij为第j个网格点与第i个变形锚点的权重，pi为第i个变形锚点的变形起点坐标，vj为第j个网格点的原始坐标，α为权重衰减系数。
进一步的，步骤SB1具体包括：
计算第i个变形锚点的变形起点坐标与第j个网格点的原始坐标的差值的绝对值的n次幂与优化权重系数的乘积；
计算所述乘积与优化权重偏移量的加和；
将所述加和作为优化后的权重。
具体的，步骤S B1可采用如下公式实现，采用优化公式对所述权重进行优化处理，其中，γ为优化权重系数，β为优化权重偏移量。
在一个可选的实施例中，步骤S331具体包括：
计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的变换矩阵的乘积；
计算所述乘积、所述第j个网格点的平移向量和所述第i个变形锚点的变形终点的坐标的加和；
将所述加和的平方与所述优化后的权重的乘积作为求最大值函数的参数，得到所述目标函数；
将所述第j个网格点的变换矩阵的转置与所述第j个网格点的变换矩阵的乘积等于单位矩阵与常量的乘积作为约束条件；
根据所述约束条件对所述目标函数求解得到所述变换矩阵和平移向量。具体的，步骤S331可采用如下公式实现，根据目标函数和约束条件Mj TMj＝λ2I求解得到所述变换矩阵和平移向量；其中，argmin为求最大值函数，∑.·为求和，Mj为第j个网格点的变换矩阵，Tj为第j个网格点的平移向量，qi为第i个变形锚点的变形终点的坐标，T为矩阵转置，λ为数值，I为单位矩阵。
在一个可选的实施例中，步骤S332具体包括：
计算所述第j个网格点的原始坐标与所述第j个网格点的变换矩阵的乘积；
将所述乘积与所述第j个网格点的平移向量的加和作为所述目标位置。
具体的，步骤S 332可采用如下公式实现，根据公式fα(vj)＝vjMj+Tj计算得到所述网格点的目标位置坐标，其中，fα(vj)为第j个网格点的目标位置坐标。
本公开实施例通过对所述待变形图像进行网格化处理，根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置，可以降低计算复杂度，提高变形效率，并且通过优化后权重，可以使变形效果更加平滑。
本领域技术人员应能理解，在上述各个实施例的基础上，还可以进行明显变型(例如，对所列举的模式进行组合)或等同替换。
在上文中，虽然按照上述的顺序描述了库存处理方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
下面为本公开装置实施例，本公开装置实施例可用于执行本公开方法实施例实现的步骤，为了便于说明，仅示出了与本公开实施例相关的部分，具体技术细节未揭示的，请参照本公开方法实施例。
实施例三
为了解决现有技术中背景对目标影响较大，且对目标相对屏幕位置要求较高，当目标出现剧烈运动时，无法达到很好的跟踪效果的技术问题，本公开实施例提供一种图像变形装置。该装置可以执行上述实施例一所述的图像变形方法实施例中的步骤，该装置可以配置在终端中。如图3所示，该装置主要包括：图像接收模块31、躯干检测模块32、骨骼关节点检测模块33、变形锚点确定模块 34、变形模块35和渲染模块36。其中，
图像接收模块31用于接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
躯干检测模块32用于对所述待变形图像进行人体躯干检测；
骨骼关节点检测模块33用于若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
变形锚点确定模块34用于从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
变形模块35用于移动所述人体躯干区域的可变锚点实现变形；
渲染模块36用于根据移动后的可变锚点渲染变形后的图像。
进一步的，所述骨骼关节点为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点和右胯上的骨骼关节点中的至少一个骨骼关节点。
进一步的，所述骨骼关节点检测模块33还用于：若所述待变形图像包含多帧，且检测出当前帧图像中包含人体躯干而未检测出人体躯干区域中的骨骼关节点，则将检测出的前一帧图像的骨骼关节点作为所述当前帧图像的人体躯干区域中的骨骼关节点。
进一步的，所述变形模块35具体包括：位置确定单元351、网格处理单元 352、位置确定单元353和变形单元354；
位置确定单元351，用于确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点；
网格处理单元352，用于对所述待变形图像进行网格化处理，得到至少一个网格点；
位置确定单元353，用于根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置；
变形单元354，用于将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形。
进一步的，所述位置确定单元353具体用于：根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量；根据所述变换矩阵和所述平移向量确定所述目标位置。
进一步的，所述位置确定单元353具体用于：根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述位置确定单元353具体用于：对所述权重进行优化处理；根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述位置确定单元353具体用于：计算第i个变形锚点的变形起点坐标与第j个网格点的原始坐标的差值的绝对值的n次幂，其中，n为权重衰减系数的2倍；将所述绝对值的n次幂的倒数作为所述网格点与所述变形起点的权重。
进一步的，所述位置确定单元353具体用于：计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的原始坐标的差值的绝对值的n次幂与优化权重系数的乘积；计算所述乘积与优化权重偏移量的加和；将所述加和作为优化后的权重。
进一步的，所述位置确定单元353具体用于：计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的变换矩阵的乘积；计算所述乘积、所述第j个网格点的平移向量和所述第i个变形锚点的变形终点的坐标的加和；将所述加和的平方与所述优化后的权重的乘积作为求最大值函数的参数，得到所述目标函数；将所述第j个网格点的变换矩阵的转置与所述第j个网格点的变换矩阵的乘积等于单位矩阵与常量的乘积作为约束条件；根据所述约束条件对所述目标函数求解得到所述变换矩阵和平移向量。
进一步的，所述位置确定单元353具体用于：计算所述第j个网格点的原始坐标与所述第j个网格点的变换矩阵的乘积；将所述乘积与所述第j个网格点的平移向量的加和作为所述目标位置。
有关图像变形装置实施例的工作原理、实现的技术效果等详细说明可以参考前述图像变形方法实施例中的相关说明，在此不再赘述。
实施例四
下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开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4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O) 接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备 400，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。
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，其包括承载在非暂态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409 从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
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：接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；对所述待变形图像进行人体躯干检测；若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；移动所述人体躯干区域的可变锚点实现变形；根据移动后的可变锚点渲染变形后的图像。
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操作的计算机程序代码，上述程序设计语言包括但不限于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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种图像变形方法，包括：
接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
对所述待变形图像进行人体躯干检测；
若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
移动所述人体躯干区域的可变锚点实现变形；
根据移动后的可变锚点渲染变形后的图像。
进一步的，所述骨骼关节点为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点和右胯上的骨骼关节点中的至少一个骨骼关节点。
进一步的，所述方法还包括：
若所述待变形图像包含多帧，且检测出当前帧图像中包含人体躯干而未检测出人体躯干区域中的骨骼关节点，则将检测出的前一帧图像的骨骼关节点作为所述当前帧图像的人体躯干区域中的骨骼关节点。
进一步的，所述移动所述人体躯干区域的可变锚点实现变形，包括：
确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点；
对所述待变形图像进行网格化处理，得到至少一个网格点；
根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置；
将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形。
进一步的，所述根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置，包括：
根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量；
根据所述变换矩阵和所述平移向量确定所述目标位置。
进一步的，所述根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：
根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；
根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：
对所述权重进行优化处理；
根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重，包括：
计算第i个变形锚点的变形起点坐标与第j个网格点的原始坐标的差值的绝对值的n次幂，其中，n为权重衰减系数的2倍；
将所述绝对值的n次幂的倒数作为所述网格点与所述变形起点的权重。
进一步的，所述对所述权重进行优化处理，包括：
计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的原始坐标的差值的绝对值的n次幂与优化权重系数的乘积；
计算所述乘积与优化权重偏移量的加和；
将所述加和作为优化后的权重。
进一步的，所述根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：
计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的变换矩阵的乘积；
计算所述乘积、所述第j个网格点的平移向量和所述第i个变形锚点的变形终点的坐标的加和；
将所述加和的平方与所述优化后的权重的乘积作为求最大值函数的参数，得到所述目标函数；
将所述第j个网格点的变换矩阵的转置与所述第j个网格点的变换矩阵的乘积等于单位矩阵与常量的乘积作为约束条件；
根据所述约束条件对所述目标函数求解得到所述变换矩阵和平移向量。
进一步的，所述根据所述变换矩阵和所述平移向量确定所述目标位置，包括：
计算所述第j个网格点的原始坐标与所述第j个网格点的变换矩阵的乘积；
将所述乘积与所述第j个网格点的平移向量的加和作为所述目标位置。
根据本公开的一个或多个实施例，提供了图像变形装置，包括：
图像接收模块，用于接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
躯干检测模块，用于对所述待变形图像进行人体躯干检测；
骨骼关节点检测模块，用于若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
变形锚点确定模块，用于从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
变形模块，用于移动所述人体躯干区域的可变锚点实现变形；
渲染模块，用于根据移动后的可变锚点渲染变形后的图像。
进一步的，所述骨骼关节点为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点和右胯上的骨骼关节点中的至少一个骨骼关节点。
骨骼关节点检测模块还用于：若所述待变形图像包含多帧，且检测出当前帧图像中包含人体躯干而未检测出人体躯干区域中的骨骼关节点，则将检测出的前一帧图像的骨骼关节点作为所述当前帧图像的人体躯干区域中的骨骼关节点。
进一步的，所述躯干变形模块具体包括：位置确定单元、网格处理单元、位置确定单元和变形单元；
位置确定单元，用于确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点；
网格处理单元，用于对所述待变形图像进行网格化处理，得到至少一个网格点；
位置确定单元，用于根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的目标位置；
变形单元，用于将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形。
进一步的，所述位置确定单元具体用于：根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量；根据所述变换矩阵和所述平移向量确定所述目标位置。
进一步的，所述位置确定单元具体用于：根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述位置确定单元具体用于：对所述权重进行优化处理；根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量。
进一步的，所述位置确定单元具体用于：计算第i个变形锚点的变形起点坐标与第j个网格点的原始坐标的差值的绝对值的n次幂，其中，n为权重衰减系数的2倍；将所述绝对值的n次幂的倒数作为所述网格点与所述变形起点的权重。
进一步的，所述位置确定单元具体用于：计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的原始坐标的差值的绝对值的n次幂与优化权重系数的乘积；计算所述乘积与优化权重偏移量的加和；将所述加和作为优化后的权重。
进一步的，所述位置确定单元具体用于：计算所述第i个变形锚点的变形起点坐标与所述第j个网格点的变换矩阵的乘积；计算所述乘积、所述第j个网格点的平移向量和所述第i个变形锚点的变形终点的坐标的加和；将所述加和的平方与所述优化后的权重的乘积作为求最大值函数的参数，得到所述目标函数；将所述第j个网格点的变换矩阵的转置与所述第j个网格点的变换矩阵的乘积等于单位矩阵与常量的乘积作为约束条件；根据所述约束条件对所述目标函数求解得到所述变换矩阵和平移向量。
进一步的，所述位置确定单元具体用于：计算所述第j个网格点的原始坐标与所述第j个网格点的变换矩阵的乘积；将所述乘积与所述第j个网格点的平移向量的加和作为所述目标位置。
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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种图像变形方法，其特征在于，包括：
接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
对所述待变形图像进行人体躯干检测；
若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点；对所述待变形图像进行网格化处理，得到至少一个网格点；根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量；根据所述变换矩阵和所述平移向量确定所述网格点的目标位置；将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形；其中，所述根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：对所述权重进行优化处理；根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，以使变形平滑；
根据移动后的可变锚点渲染变形后的图像。
2.如权利要求1所述的图像变形方法，其特征在于，所述骨骼关节点为左肩膀上的骨骼关节点、右肩膀上的骨骼关节点、左胯上的骨骼关节点和右胯上的骨骼关节点中的至少一个骨骼关节点。
3.如权利要求1所述的图像变形方法，其特征在于，所述方法还包括：
若所述待变形图像包含多帧，且检测出当前帧图像中包含人体躯干而未检测出人体躯干区域中的骨骼关节点，则将检测出的前一帧图像的骨骼关节点作为所述当前帧图像的人体躯干区域中的骨骼关节点。
4.如权利要求1所述的图像变形方法，其特征在于，所述根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重，包括：
计算第个变形锚点的变形起点坐标与第/>个网格点的原始坐标的差值的绝对值的n次幂，其中，n为权重衰减系数的2倍；
将所述绝对值的n次幂的倒数作为所述网格点与所述变形起点的权重。
5.如权利要求4所述的图像变形方法，其特征在于，所述对所述权重进行优化处理，包括：
计算所述第个变形锚点的变形起点坐标与所述第/>个网格点的原始坐标的差值的绝对值的n次幂与优化权重系数的乘积；
计算所述乘积与优化权重偏移量的加和；
将所述加和作为优化后的权重。
6.如权利要求5所述的图像变形方法，其特征在于，所述根据所述网格点的原始位置、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：
计算所述第个变形锚点的变形起点坐标与所述第/>个网格点的变换矩阵的乘积；
计算所述乘积、所述第个网格点的平移向量和所述第/>个变形锚点的变形终点的坐标的加和；
将所述加和的平方与所述优化后的权重的乘积作为求最大值函数的参数，得到目标函数；
将所述第个网格点的变换矩阵的转置与所述第/>个网格点的变换矩阵的乘积等于单位矩阵与常量的乘积作为约束条件；
根据所述约束条件对所述目标函数求解得到所述变换矩阵和平移向量。
7.如权利要求6所述的图像变形方法，其特征在于，所述根据所述变换矩阵和所述平移向量确定所述目标位置，包括：
计算所述第个网格点的原始坐标与所述第/>个网格点的变换矩阵的乘积；
将所述乘积与所述第个网格点的平移向量的加和作为所述目标位置。
8.一种图像变形装置，其特征在于，包括：
图像接收模块，用于接收输入的待变形图像及用户的触发信息；其中，所述触发信息用于启动图像变形操作；
躯干检测模块，用于对所述待变形图像进行人体躯干检测；
骨骼关节点检测模块，用于若确定所述待变形图像中包含人体躯干，则对人体躯干区域进行骨骼关节点检测；
变形锚点确定模块，用于从检测出的骨骼关节点中确定变形锚点；其中，所述变形锚点包含可变锚点；
变形模块，用于确定所述可变锚点在所述人体躯干区域上的位置，所述可变锚点包括变形起点和变形终点；对所述待变形图像进行网格化处理，得到至少一个网格点；根据所述网格点的原始位置和所述变形起点的位置确定所述网格点与所述变形起点的权重；根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量；根据所述变换矩阵和所述平移向量确定所述网格点的目标位置；将所述可变锚点由所述原始位置移动至所述目标位置实现所述人体躯干区域的变形；其中，所述根据所述权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，包括：对所述权重进行优化处理；根据优化后的权重、所述变形起点的位置和所述变形终点的位置确定所述网格点的变换矩阵和平移向量，以使变形平滑；
渲染模块，用于根据移动后的可变锚点渲染变形后的图像。
9.一种电子设备，包括：
存储器，用于存储非暂时性计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现根据权利要求1-7中任意一项所述的图像变形方法。
10.一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-7中任意一项所述的图像变形方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910792907.9A CN110555798B (zh) | 2019-08-26 | 2019-08-26 | 图像变形方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910792907.9A CN110555798B (zh) | 2019-08-26 | 2019-08-26 | 图像变形方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555798A CN110555798A (zh) | 2019-12-10 |
| CN110555798B true CN110555798B (zh) | 2023-10-17 |
Family
ID=68738370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910792907.9A Active CN110555798B (zh) | 2019-08-26 | 2019-08-26 | 图像变形方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555798B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145084B (zh) * | 2019-12-25 | 2023-06-16 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像处理设备及存储介质 |
| CN111243049B (zh) | 2020-01-06 | 2021-04-02 | 北京字节跳动网络技术有限公司 | 人脸图像的处理方法、装置、可读介质和电子设备 |
| CN112258653A (zh) * | 2020-10-28 | 2021-01-22 | 北京字跳网络技术有限公司 | 弹性对象的渲染方法、装置、设备及存储介质 |
| CN112667220B (zh) * | 2021-01-27 | 2023-07-07 | 北京字跳网络技术有限公司 | 一种动画生成方法、装置以及计算机存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017176803A (ja) * | 2016-09-07 | 2017-10-05 | 株式会社３Ｄ ｂｏｄｙ Ｌａｂ | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
| CN108304819A (zh) * | 2018-02-12 | 2018-07-20 | 北京易真学思教育科技有限公司 | 姿态识别系统及方法、存储介质 |
| CN108537867A (zh) * | 2018-04-12 | 2018-09-14 | 北京微播视界科技有限公司 | 根据用户肢体运动的视频渲染方法和装置 |
| CN109461215A (zh) * | 2018-09-18 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 角色插画的生成方法、装置、计算机设备及存储介质 |
| CN109643182A (zh) * | 2017-12-29 | 2019-04-16 | 深圳前海达闼云端智能科技有限公司 | 信息处理方法、装置、云处理设备及计算机程序产品 |
| CN109828741A (zh) * | 2019-01-29 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于播放音频的方法和装置 |
| CN109840059A (zh) * | 2019-01-29 | 2019-06-04 | 北京字节跳动网络技术有限公司 | 用于显示图像的方法和装置 |
-
2019
- 2019-08-26 CN CN201910792907.9A patent/CN110555798B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017176803A (ja) * | 2016-09-07 | 2017-10-05 | 株式会社３Ｄ ｂｏｄｙ Ｌａｂ | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
| CN109643182A (zh) * | 2017-12-29 | 2019-04-16 | 深圳前海达闼云端智能科技有限公司 | 信息处理方法、装置、云处理设备及计算机程序产品 |
| CN108304819A (zh) * | 2018-02-12 | 2018-07-20 | 北京易真学思教育科技有限公司 | 姿态识别系统及方法、存储介质 |
| CN108537867A (zh) * | 2018-04-12 | 2018-09-14 | 北京微播视界科技有限公司 | 根据用户肢体运动的视频渲染方法和装置 |
| CN109461215A (zh) * | 2018-09-18 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 角色插画的生成方法、装置、计算机设备及存储介质 |
| CN109828741A (zh) * | 2019-01-29 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于播放音频的方法和装置 |
| CN109840059A (zh) * | 2019-01-29 | 2019-06-04 | 北京字节跳动网络技术有限公司 | 用于显示图像的方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| 三维虚拟士兵训练仿真研究;于洋等;《计算机工程与应用》;20090801(第22期);全文 * |
| 基于人体骨架的非标准深蹲姿势检测方法;喻露等;《计算机应用》;20190121(第05期);全文 * |
| 无标志的人体步行腿部骨架检测与跟踪;冯莲等;《计算机工程与科学》;20070128(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555798A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555798B (zh) | 图像变形方法、装置、电子设备及计算机可读存储介质 | |
| CN111915480B (zh) | 生成特征提取网络的方法、装置、设备和计算机可读介质 | |
| US11417014B2 (en) | Method and apparatus for constructing map | |
| CN110211017B (zh) | 图像处理方法、装置及电子设备 | |
| CN112818898B (zh) | 模型训练方法、装置和电子设备 | |
| CN112714263B (zh) | 视频生成方法、装置、设备及存储介质 | |
| CN115409696A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN110223220B (zh) | 一种处理图像的方法和装置 | |
| CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
| CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
| CN115086541B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
| CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
| CN113902995A (zh) | 一种多模态人体行为识别方法及相关设备 | |
| CN115914497A (zh) | 视频处理方法、装置、设备、介质及程序产品 | |
| CN113570659A (zh) | 拍摄装置位姿估计方法、装置、计算机设备和存储介质 | |
| CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
| CN115937010B (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN111105345B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112270242B (zh) | 轨迹的显示方法、装置、可读介质和电子设备 | |
| CN114049417B (zh) | 虚拟角色图像的生成方法、装置、可读介质及电子设备 | |
| CN115841151B (zh) | 模型训练方法、装置、电子设备和计算机可读介质 | |
| CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
| US20230148172A1 (en) | Augmented reality processing device and method | |
| CN117906634A (zh) | 一种设备检测方法、装置、设备及介质 | |
| CN116311486A (zh) | 一种视线估计方法、装置、设备及介质 |
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 |