CN110717373A - 图像模拟方法、电子设备和计算机可读存储介质 - Google Patents

图像模拟方法、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110717373A
CN110717373A CN201910763572.8A CN201910763572A CN110717373A CN 110717373 A CN110717373 A CN 110717373A CN 201910763572 A CN201910763572 A CN 201910763572A CN 110717373 A CN110717373 A CN 110717373A
Authority
CN
China
Prior art keywords
image
replacement
face
target
calculating
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
Application number
CN201910763572.8A
Other languages
English (en)
Other versions
CN110717373B (zh
Inventor
徐鸣谦
徐嵩
王�琦
李琳
王科
杜欧杰
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.)
China Mobile Communications Group Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
MIGU Culture 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 China Mobile Communications Group Co Ltd, MIGU Culture Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201910763572.8A priority Critical patent/CN110717373B/zh
Publication of CN110717373A publication Critical patent/CN110717373A/zh
Application granted granted Critical
Publication of CN110717373B publication Critical patent/CN110717373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/60Editing figures and text; Combining figures or text
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例涉及计算机领域,公开了一种图像模拟方法、电子设备和计算机可读存储介质。本发明中,获取人脸图像;提取人脸图像中的目标元素,并计算目标元素占人脸图像的目标元素比例;获取与人脸图像对应的替换图像,并从替换图像中提取替换元素;根据目标元素计算替换元素对应的元素状态;根据元素状态以及目标元素比例,得到与替换元素对应的更新元素,采用更新元素更新替换图像,得到与人脸图像对应的模拟图像。本发明中,可以得到与人脸图像对应的模拟图像,保证得到的模拟图像的准确性。

Description

图像模拟方法、电子设备和计算机可读存储介质
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像模拟方法、电子设备和计算机可读存储介质。
背景技术
随着计算机技术的发展,对人脸图像的处理更加多样,可以采用不同形式图片等替换人脸图像中的人脸表情,例如可以是采用相应的动画表情替代人脸表情,从而实现实际人脸图像的图像模拟。
发明人发现现有技术中至少存在如下问题:在采用动画表情替代人脸表情时,通常是采用多种动画表情图片,根据人脸表情对应的五官的固定位置,选择已有的相似表情,采用已有的相似表情图片直接进行替换,导致模拟出的图像不准确。
发明内容
本发明实施方式的目的在于提供一种图像模拟方法、电子设备和计算机可读存储介质,使得提高图像模拟的准确性。
为解决上述技术问题,本发明的实施方式提供了一种图像模拟方法,包括以下步骤:
获取人脸图像;
提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例;
获取与所述人脸图像对应的替换图像,并从所述替换图像中提取替换元素;
根据所述目标元素计算所述替换元素对应的元素状态;
根据所述元素状态以及所述目标元素比例得到与所述替换元素对应的更新元素,采用所述更新元素更新所述替换图像,得到与所述人脸图像对应的模拟图像。
本发明的实施方式还提供一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的图像模拟方法。
本发明的实施方式还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的图像模拟方法。
本发明实施方式相对于现有技术而言,并非是采用已有的表情图片,直接根据实际的人脸表情选择对应的表情图片进行替换,而是获取到人脸图像,进而提取到人脸图像中的目标元素,并计算目标元素占人脸图像的目标元素比例,进而获取到与人脸图像对应的替换图像,并提取到替换元素,并根据目标元素,直接计算替换元素的元素状态,进而根据元素状态以及目标元素比例得到替换元素对应的更新元素,采用更新元素更新替换图像,得到模拟图像,因此最终可以采用替换元素对应的更新元素,准确更新替换图像,从而可以得到与人脸图像对应的模拟图像,保证得到的模拟图像的准确性。
另外,根据所述目标元素计算所述替换元素对应的元素状态,包括:
根据所述目标元素,计算所述替换元素对应的初始元素尺寸;
根据所述目标元素,计算所述替换元素对应的元素形态;
将所述初始元素尺寸以及所述元素形态作为元素状态。
可以通过根据目标元素分别计算得到不同替换元素对应的初始元素尺寸,并计算得到替换元素对应的元素形态,从而根据元素尺寸以及元素形态作为元素状态,使得计算得到的元素状态准确,保证根据元素状态生成与替换元素对应的更新元素准确。
另外,根据所述目标元素,计算所述替换元素对应的元素形态,包括:
当所述替换元素为眼睛元素时,查询所述替换图像中所述眼睛元素对应的初始眼睛尺寸;
所述目标元素为人脸眼睛时,计算所述人脸眼睛对应的目标高宽比;
当所述目标高宽比大于所述形态阈值时,则将所述初始眼睛尺寸作为所述替换元素对应的形态尺寸;
当所述目标高宽比小于或等于所述形态阈值时,根据预设的缩放比例和所述初始眼睛尺寸,计算所述眼睛元素对应的形态尺寸;
根据所述形态尺寸,得到所述眼睛元素对应的眼睛形态。
通过根据人脸图像中的人脸眼睛,计算出替换图像中眼睛元素的形态尺寸,从而得到眼睛元素对应的眼睛形态,可以保证眼睛元素与人脸眼睛的形态的一致,保证得到的模拟图像准确。
另外,获取所述根据所述目标元素,计算所述替换元素对应的元素形态,包括:
当所述替换元素为眉毛元素时,且所述目标元素为人脸眉毛以及人脸眼睛,计算所述人脸眉毛以及所述人脸眼睛对应的眉眼相对比例;
查询所述替换图像高度,根据所述替换图像高度以及所述眉眼相对比例,计算所述替换图像对应的替换眉眼距离;
计算所述替换图像中眼睛元素、和所述替换图像中替换参考元素的相对距离,根据所述替换眉眼距离以及所述相对距离,计算与所述眉毛元素对应的眉毛高度,得到与所述眉毛元素对应的眉毛形态。
通过根据人脸眼睛与人脸眉毛,计算得到替换图像中眉毛元素的眉毛元素形态,从而使得得到的模拟图像准确。
另外,根据所述目标元素,计算所述替换元素对应的元素形态,包括;
当所述替换元素为嘴巴元素时,获取与所述嘴巴元素对应的嘴巴线性关系;
所述目标元素为人脸嘴巴,计算人脸嘴巴尺寸与人脸图像尺寸的相对比例;
根据所述相对比例以及所述嘴巴线性关系,计算所述嘴巴元素对应的嘴巴元素尺寸,得到所述嘴巴元素对应的嘴巴形态。
通过根据人脸嘴巴,计算替换图像中嘴巴对应的嘴巴形态,从而可以保证模拟图像的准确性。
另外,获取到多张人脸图像时,所述根据所述目标元素,计算所述替换元素对应的初始元素尺寸,包括:
选取多张人脸图像的尺寸最大值,并计算所述替换图像对应的替换尺寸;
根据所述尺寸最大值以及所述替换尺寸,计算所述替换元素对应的替换元素比例;
计算所述目标元素的目标元素尺寸,根据所述目标元素尺寸以及所述替换元素比例,计算所述替换元素对应的初始元素尺寸。
通过根据人脸图像的尺寸最大值,以及替换图像对应的替换尺寸,根据尺寸最大值以及替换尺寸,计算得到替换元素比例,并计算目标元素的目标元素尺寸,根据目标元素尺寸以及替换元素比例,计算替换元素对应的初始元素尺寸,则计算初始元素尺寸准确。
另外,提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例,包括:
从所述人脸图像中检测关键特征点,并根据所述关键特征点得到目标元素;
根据所述关键特征点,获取与所述目标元素对应的目标元素坐标,并计算人脸图像尺寸;
根据所述目标元素坐标以及所述人脸图像尺寸,计算所述目标元素占所述人脸图像的目标元素比例。
通过采用人脸图像中的关键特征点确定目标元素,并确定目标元素坐标,从而根据目标元素坐标与人脸图像尺寸计算得到目标元素比例,得到目标元素比例简单易行。且可以预先计算得到目标元素比例,可以保证替换图像中的替换元素所占替换图像的比例,从而可以保证采用替换图像得到模拟图像时的准确性。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施方式中的图像模拟方法的流程示意图;
图2是根据本发明第二实施方式中的图像模拟方法的流程示意图;
图3是根据本发明第二实施方式中计算初始元素尺寸步骤的流程示意图;
图4是根据本发明第三实施方式中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种图像模拟方法。本实施方式的核心在于获取人脸图像;提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例;获取与所述人脸图像对应的替换图像,并从所述替换图像中提取替换元素;根据所述目标元素计算所述替换元素对应的元素状态;根据所述元素状态以及所述目标元素比例,得到与所述替换元素对应的更新元素,采用所述更新元素更新所述替换图像,得到与所述人脸图像对应的模拟图像,通过本实施方式的图像模拟方法,可以准确更新替换图像,从而可以得到与人脸图像对应的模拟图像,可以保证得到的模拟图像的准确性。下面对本实施方式的图像模拟方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本实施方式中的图像模拟方法如图1所示,且以该图像模拟方法应用在服务器上进行说明,具体包括:
步骤101;获取人脸图像。
具体地,可以采用替换图像对人脸图像进行模拟,从而实现图像模拟。例如,替换图像可以是不同的卡通图像,从而采用卡通图像对人脸图像进行模拟,从而可以实现采用卡通图像模拟人脸图像。在具体实现中,服务器可以获取到需要进行模拟的人脸图像。可以是,服务器获取到单张待模拟图像,并从待模拟图像中提取到人脸图像,此时提取到的人脸图像为单张人脸图像。还可以是,服务器获取到待模拟视频,从待模拟视频中提取到每一帧图像作为待模拟图像,并分别从待模拟图像中提取到人脸图像,此时提取到的人脸图像为多张人脸图像。需要说明的是,当服务器得到待模拟图像时,从待模拟图像中提取到人脸图像可以是,获取人脸特征点,根据人脸特征点检测到人脸区域,并将人脸区域进行提取得到人脸图像。其中,人脸特征点可以是人脸轮廓的特征点。
步骤102;提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例。
具体地,目标元素是指在人脸图像中的,需要计算尺寸以及形态的五官元素。例如,目标元素可以是人脸图像中的人脸眼睛、人脸鼻子、人脸嘴巴以及人脸眉毛等。在具体实现中,服务器得到人脸图像中的目标元素区域,并将目标元素区域中包含的元素进行提取,得到目标元素。进而服务器计算提取得到的目标元素在人脸图像位置坐标,根据位置坐标,即可计算目标元素在人脸图像的所占的比例,该比例作为目标元素比例。需要说明的是,当得到的人脸图像为多张人脸图像时,则可以根据每一张人脸图像中的目标元素,并计算每一张人脸图像中目标元素占人脸图像的目标元素比例。
在一个实施方式中,步骤102可以包括:从人脸图像中检测关键特征点,并根据关键特征点得到目标元素;根据关键特征点,获取与目标元素对应的目标元素坐标,并计算人脸图像尺寸;根据目标元素坐标以及人脸图像尺寸,计算目标元素占人脸图像的目标元素比例。
具体地,关键特征点是指包含在人脸图像中,可以表征不同的目标元素的区域的位置点。在具体实现中,服务器检测到预设的关键特征点,根据关键特征点,服务器可以获取到目标元素对应的目标元素区域,并根据目标元素区域,得到目标元素。由于每个关键特征点对应有不同的特征点坐标,则服务器可以根据特征点坐标,选取到目标特征点坐标作为目标元素坐标。进而服务器可以查询到人脸特征点,同样地,不同的人脸特征点对应有不同的人脸特征坐标,服务器可以根据人脸特征坐标计算得到人脸图像尺寸。服务器分别计算目标元素坐标中对应的不同坐标轴的值与人脸图像尺寸的比例,得到目标元素占人脸图像的目标元素比例。需要说明的是,在检测人脸图像中的关键特征点时,服务器可以获取到训练完成的人脸识别模型,将人脸图像输入至人脸识别模型中进行识别,提取到关键特征点。从而可以不依赖硬件识别对应的关键特征点,可以降低硬件成本。
例如,服务器从人脸图像中检测得到预设的关键特征点,例如检测到人脸眉毛中对应的眉头特征点、眉峰特征点、眉尾特征点以及眉毛中心特征点等,服务器根据可以连接为目标元素区域的关键特征点,顺序连接得到目标元素区域,如得到人脸眉毛区域可以是顺序连接眉头特征点、眉峰特征点以及眉尾特征点,得到的目标元素区域,从而可以得到目标元素。服务器根据每个关键特征点的特征点坐标,选取到目标特征点坐标作为目标元素坐标,如针对人脸眉毛,可以选取眉毛中心特征点坐标作为人脸眉毛坐标。服务器查询到不同的人脸特征点,人脸特征点可以是人脸轮廓的不同特征点,服务器根据人脸特征点对应的人脸特征坐标,可以计算得到人脸图像高度以及人脸图像宽度。人脸眉毛坐标中包含有横坐标轴的值,与纵坐标轴的值,则服务器计算人脸眉毛坐标中横坐标的值与人脸宽度的比例,得到人脸眉毛所占人脸图像第一比例,进而服务器计算人脸眉毛坐标中纵坐标的值与人脸高度的比例,得到人脸眉毛所占人脸图像的第二比例,将第一比例与第二比例作为目标元素比例。需要说明的是,可以采用计算人脸眉毛占人脸图像的目标元素比例相同的方法,计算其他的目标元素,如计算人脸眼睛、人脸鼻子以及人脸嘴巴的目标元素比例,在此不再赘述。
本实施方式中,可以采用人脸图像中的关键特征点确定目标元素,并确定目标元素坐标,从而根据目标元素坐标与人脸图像尺寸计算得到目标元素比例,得到目标元素比例简单易行。且可以预先计算得到目标元素比例,可以保证替换图像中的替换元素所占替换图像的比例,从而可以保证采用替换图像得到模拟图像时的准确性。
步骤103;获取与人脸图像对应的替换图像,并从替换图像中提取替换元素。
具体地,替换图像是指可以模拟人脸图像的虚拟图像,替换图像可以是卡通图像等。替换元素是指包含在替换图像中,与目标元素所对应的五官元素。例如,替换元素可以是替换图像中的眼睛元素,嘴巴元素以及眉毛元素。在具体实现中,服务器获取到与人脸图像对应的替换元素,并查询替换元素所对应的替换元素区域,根据替换元素区域,从替换图像中将替换元素进行提取。可以是,服务器获取到与人脸图像对应的替换图像,并根据替换元素中的替换特征点,得到替换元素区域,从而可以将不同的替换元素进行提取。例如,服务器获取到与人脸图像对应的卡通图像,服务器可以从卡通图像中提取到卡通图像中的五官元素。需要说明的是,当人脸图像为多张时,由于在进行图像模拟时,是采用替换元素进行计算,则可以获取到统一的替换图像,并提取到替换图像中的替换元素,从而无需准备过多表情的替换图像,节约存储空间。
步骤104:根据目标元素计算替换元素对应的元素状态。
具体地,元素状态是指包含在替换图像中的替换元素的尺寸以及形态。在具体实现中,服务器可以提取到人脸图像中的目标元素,进而获取到预设的映射算法,从而根据目标元素,采用预设的映射算法,计算得到替换元素对应的元素状态。例如,服务器可以根据目标元素,计算得到卡通图像中的替换元素,也即卡通图像中的五官元素对应的元素的尺寸以及形态。需要说明的是,当获取到的人脸图像为多张人脸图像时,则可以计算每一张人脸图像中的目标元素,计算每一张人脸图像所要对应的替换图像的替换元素的元素状态。
步骤105:根据元素状态以及目标元素比例,得到与替换元素对应的更新元素,采用更新元素更新替换图像,得到与人脸图像对应的模拟图像。
具体地,更新元素是指与替换元素对应的,具有不同元素状态的元素。例如,当替换元素为嘴巴元素时,更新元素为具体是嘴巴的张或闭的状态的元素;当替换元素为眼睛元素时,更新元素为具体是眼睛的睁或闭的状态的元素;当替换元素为眉毛元素时,更新元素为具体是眉毛的不同高度的状态的元素。在具体实现中,服务器根据上述步骤计算得到替换元素对应的元素状态,以及目标元素比例,得到替换元素对应的更新元素,该更新元素占替换图像的比例与目标元素比例一致,服务器采用得到的更新元素,替换到原有的替换图像上的替换元素,实现对替换元素的更新,从而得到与人脸图像对应的模拟图像。例如,服务器根据上述步骤计算得到卡通图像中的五官元素的元素状态,且五官元素占卡通图像的比例与相同类型的目标元素占人脸图像的目标元素比例一致,则可以得到更新后的五官元素,并将更新后的五官元素更新原有的卡通图像,从而得到与人脸图像对应的模拟图像。需要说明的是,当得到的人脸图像为单张人脸图像时,则可以采用上述步骤,得到替换元素对应的更新元素,并采用更新元素更新与人脸图像所对应的替换图像,得到单张人脸图像对应的模拟图像。当得到的人脸图像为多张人脸图像时,则可以采用上述步骤,分别计算每一张人脸图像中的目标元素对应的替换元素的更新元素,从而采用更新元素对应更新替换图像,可以得到多张人脸图像分别对应的模拟图像。
本实施例中,并非是采用已有的表情图片,直接根据实际的人脸表情选择对应的表情图片进行替换,而是获取到人脸图像,进而提取到人脸图像中的目标元素,并计算目标元素占人脸图像的目标元素比例,进而获取到与人脸图像对应的替换图像,并提取到替换元素,并根据目标元素,直接计算替换元素的元素状态,进而根据元素状态以及目标元素比例得到替换元素对应的更新元素,采用更新元素更新替换图像,得到模拟图像,因此最终可以采用替换元素对应的更新元素,准确更新替换图像,从而可以得到与人脸图像对应的模拟图像,保证得到的模拟图像的准确性。
本发明的第二实施方式涉及一种图像模拟方法。第二实施方式与第一实施方式大致相同,主要区别之处在于:在本发明第二实施方式中,主要说明了根据目标元素计算替换元素对应的元素状态。
本发明第二实施方式中的音频处理方法流程如图2所示,包括如下实施步骤:需要说明的是,本实施方式中步骤201、步骤202、步骤203、步骤207与第一实施方式中的步骤101、步骤102、步骤103以及步骤105相同,为了减少重复,此处不再赘述,仅叙述不同之处。
步骤204:根据目标元素,计算替换元素对应的初始元素尺寸。
具体地,当服务器获取到目标元素,服务器可以计算得到目标元素的尺寸,进而服务器可以得到人脸图像的尺寸,服务器可以根据人脸图像的尺寸,以及目标元素的尺寸,对应计算得到替换元素所对应的初始元素尺寸。
在一个实施方式中,可参见图3,提供一种计算初始元素尺寸步骤的流程示意图,包括如下实施步骤:
步骤301:当获取到多张人脸图像时,选取多张人脸图像的尺寸最大值,并计算所述替换图像对应的替换尺寸。
在具体实现中,当服务器获取到多张人脸图像时,则分别计算每一张人脸图像的图像尺寸,从而选取到尺寸最大值,并计算获取到的替换图像的替换尺寸。例如,服务器获取到多张人脸图像时,则根据人脸图像的人脸特征点,计算每一张人脸图像高度以及每一张人脸图像宽度,从中选取到人脸图像高度最大值Hhfm,并选取到人脸图像宽度最大值Whfm,并将人脸图像高度最大值以及人脸图像宽度最大值作为尺寸最大值。服务器获取到替换图像的替换特征点,并根据替换特征点计算得到替换图像高度Hcf,并计算得到替换图像宽度Wcf,并将替换图像高度以及替换图像宽度作为替换尺寸。
步骤302;根据所述尺寸最大值以及所述替换尺寸,计算所述替换元素对应的替换元素比例。
具体地,服务器查询尺寸最大值中包含的人脸高度最大值,并查询尺寸最大值中包含的人脸宽度最大值,并将人脸高度最大值与人脸宽度最大值进行比较得到第一比较结果,并将第一比较结果中的比较最小值进行选取。进而服务器查询替换尺寸中包含的替换图像高度,并查询替换尺寸中包含的替换图像宽度,并将替换尺寸高度与替换尺寸宽度进行比较得到第二比较结果,并将第二比较结果中的比较最大值进行选取。服务器获取到预设缩放倍数,根据预设缩放倍数,比较最大值与比较最小值,计算得到替换元素比例。其中,计算得到替换元素比例可以采用公式(1)进行计算:
Figure BDA0002171160560000091
其中,Rf表示替换元素比例,min(Whfm,Hhfm)表示人脸高度最大值,以及人脸宽度最大值中的比较最小值,max(Wcf,Hcf)表示替换尺寸高度与替换尺寸宽度中的比较最大值,1.1表示预设缩放倍数。
步骤303:计算所述目标元素的目标元素尺寸,根据所述目标元素尺寸以及所述替换元素比例,计算所述替换元素对应的初始元素尺寸。
具体地,当计算得到替换元素比例时,则可以计算不同的目标元素的目标元素高度,并根据目标元素高度以及替换元素比例,计算得到替换元素对应的初始替换元素高度。进而服务器可以计算不同的目标元素的目标元素宽度,并根据目标元素宽度以及替换元素比例,计算替换元素对应的初始替换元素宽度。则将初始替换元素高度以及初始替换元素宽度作为初始元素尺寸。需要说明的是,目标元素高度以及目标元素宽度可以采用如下步骤进行计算:根据关键特征点,得到与目标元素对应的最小外接矩形,则将最小外接矩形的高度作为目标元素高度,将最小外接矩形的宽度作为目标元素宽度。其中,计算初始替换元素高度可以采用公式(2)进行计算,计算初始替换元素宽度可以采用公式(3)进行计算:
Hc=Rf×Hh (2)
其中,Hc表示初始替换元素高度,Rf表示替换元素比例,Hh表示目标元素高度。
Wc=Rf×Wh (3)
其中,Wc表示初始替换元素宽度,Rf表示替换元素比例,Wh表示目标元素宽度。
本实施方式中,可以根据人脸图像的尺寸最大值,以及替换图像对应的替换尺寸,根据尺寸最大值以及替换尺寸,计算得到替换元素比例,并计算目标元素的目标元素尺寸,根据目标元素尺寸以及替换元素比例,计算替换元素对应的初始元素尺寸,则计算初始元素尺寸准确。
在一个实施方式中,当选取到的人脸图像为一张人脸图像时,则计算人脸图像尺寸,并计算替换图像的替换尺寸;根据人脸图像尺寸,以及替换图像的替换尺寸,计算替换元素对应的替换元素比例;进而计算目标元素的目标元素尺寸,根据目标元素尺寸以及替换元素比例,计算替换元素对应的初始元素尺寸。
其中,根据人脸图像尺寸,以及替换图像的替换尺寸,计算替换元素对应的替换元素比例,可以是,服务器查询人脸图像尺寸中包含的人脸高度,并查询人脸图像尺寸中包含的人脸宽度,并将人脸高度与人脸宽度进行比较得到第一比较结果,并将第一比较结果中的比较最小值进行选取。进而服务器查询替换尺寸中包含的替换图像高度,并查询替换尺寸中包含的替换图像宽度,并将替换尺寸高度与替换尺寸宽度进行比较得到第二比较结果,并将第二比较结果中的比较最大值进行选取。服务器获取到预设缩放倍数,根据预设缩放倍数,比较最大值与比较最小值,计算得到替换元素比例。另外,计算目标元素的目标元素尺寸,根据目标元素尺寸以及替换元素比例,计算替换元素对应的初始元素尺寸与步骤303相同,在此不在赘述。
步骤205:根据目标元素,计算替换元素对应的元素形态。
具体地,替换元素形态可以是卡通图像对应的五官元素的形态,如替换元素为嘴巴元素时,嘴巴元素的张或闭,替换元素为眼睛元素时,眼睛元素的睁或闭,替换元素为眉毛元素时,眉毛元素的动态等。在具体实现中,服务器可以查询到预设的形态映射算法,根据目标元素,采用形态映射算法计算替换元素对应的元素形态。
在一个实施方式中,步骤205可以包括如下步骤;当替换元素为眼睛元素时,查询替换图像中眼睛元素对应的初始眼睛尺寸;目标元素为人脸眼睛时,计算人脸眼睛对应的目标高宽比;当目标高宽比大于形态阈值时,则将初始眼睛尺寸作为替换元素对应的形态尺寸;当目标高宽比小于或等于形态阈值时,根据预设的缩放比例和初始眼睛尺寸,计算眼睛元素对应的形态尺寸;根据形态尺寸,得到眼睛元素对应的眼睛形态。
具体地,当替换元素为眼睛元素时,服务器可以查询替换图像中眼睛元素对应的初始眼睛高度以及初始眼睛宽度。服务器查询到人脸图像中的人脸眼睛,进而计算人脸眼睛对应的人脸眼睛高度以及人脸眼睛宽度,并计算人脸眼睛高度以及人脸眼睛宽度的比值得到目标高宽比。服务器获取到形态阈值,并将目标高宽比与形态阈值进行比较,当目标高宽比大于形态阈值时,则将初始眼睛高度以及初始眼睛宽度直接作为替换元素对应的形态尺寸。当目标高宽比小于或等于形态阈值时,则查询预设的宽度缩放比例以及高度缩放比例,根据宽度缩放比例和初始眼睛宽度计算眼睛元素对应的眼睛元素宽度,并根据高度缩放比例和初始眼睛高度,计算眼睛元素对应的眼睛元素高度,服务器根据眼睛元素宽度和眼睛元素高度作为形态尺寸。服务器根据得到的形态尺寸,模拟替换图像中眼睛元素的睁或闭,从而得到眼睛形态。
例如,当替换元素为眼睛元素时,服务器可以查询到替换图像中眼睛元素对应的初始眼睛高度Hce,并查询初始眼睛宽度Wce。服务器查询人脸图像中的人脸眼睛,并计算人脸眼睛对应的人脸眼睛高度Hhe以及人脸眼睛宽度Whe,其中,计算人脸眼睛高度以及人脸眼睛宽度可以是根据人脸眼睛的关键特征点,得到与人脸眼睛对应的最小外接矩形,则将最小外接矩形的高度作为人脸眼睛高度,将最小外接矩形的宽度作为人脸眼睛宽度,进而服务器采用公式(4)计算得到目标高宽比:
Figure BDA0002171160560000111
其中,Rhe表示目标高宽比,Hhe表示人脸眼睛高度,Whe表示人脸眼睛宽度。
进而,服务器获取到形态阈值εa,并将目标高宽比Rhe与形态阈值εa比较。当目标高宽比Rhe大于形态阈值εa时,则将初始眼睛高度Hce作为替换元素对应的高度,并将初始眼睛宽度Wce作为替换元素对应的宽度,从而直接得到替换元素对应的形态尺寸,可以表征替换图像中的眼睛为睁的状态。当目标高宽比Rhe小于形态阈值εa时,则在本实施方式中,服务器查询到预设的宽度缩放比例为1,根据宽度缩放比例和初始眼睛宽度计算眼睛元素对应的眼睛元素宽度为1×Wce,服务器查询到预设的高度缩放比例为0.3,根据高度缩放比例和初始眼睛高度计算眼睛元素对应的眼睛元素高度为0.3×Hce,从而可以额得到替换元素对应的形态尺寸,可以表征替换图像中眼睛为闭的状态。本实施方式中,可以根据人脸图像中的人脸眼睛,计算出替换图像中眼睛元素的形态尺寸,从而得到眼睛元素对应的眼睛形态,可以保证眼睛元素与人脸眼睛的形态的一致,保证得到的模拟图像准确。
另外,在一个实施方式中,在计算替换元素为眼睛元素时,获取到的形态阈值是是通过查询人脸图像中包含的人脸眼睛尺寸,并查询替换图像中眼睛元素尺寸,并获取阈值范围以及阈值迭代步长,根据人脸眼睛尺寸、眼睛元素尺寸、与阈值范围以及阈值迭代步长计算得到的。
具体地,形态阈值是通过查询人脸图像中包含的人脸眼睛高度Hhe,并查询替换图像中眼睛元素宽度Wce,并获取阈值范围为0~1,阈值迭代步长为0.01。采用公式(5),阈值范围以及阈值迭代步长计算,以使公式(5)为最小值时得到的。也即是,初始阈值ε从0开始,直至计算至1结束,且迭代步长为0.01,分别计算不同的初始阈值ε对应的公式(5)的值,选取到公式(5)最小值时,初始阈值ε作为形态阈值εa
Figure BDA0002171160560000112
其中,Hhe表示人脸眼睛高度,Wce表示眼睛元素宽度,ε表示初始阈值。
另外,在一个实施方式中,步骤205还可以包括如下步骤:
步骤401:当替换元素为眉毛元素时,且目标元素为人脸眉毛以及人脸眼睛,计算人脸眉毛以及人脸眼睛对应的眉眼相对比例。
具体地,眉眼相对比例是指人脸眉毛所在人脸图像中的第一位置,以及人脸眼睛所在人脸图像中的第二位置的比例。在具体实现中,当替换元素为眉毛元素,且目标元素为人脸眉毛和人脸眼睛时,服务器根据人脸眉毛所在人脸图像中的第一位置,以及人脸眼睛所在人脸图像中的第二位置,计算得到眉眼相对比例。
在一个实施方式中,计算人脸图像中目标元素为人脸眉毛以及人脸眼睛的眉眼相对比例,包括:计算人脸眉毛与人脸参考元素的第一距离dheb,并计算人脸眼睛与人脸参考元素的第二距离dhe;计算眉眼相对距离dhe_b=dheb-dhe;根据眉眼相对距离dhe_b,以及人脸图像的高度Hhf,采用眉眼相对比例公式
Figure BDA0002171160560000121
得到眉眼相对比例。
具体地,人脸参考元素是指包含在人脸图像中的静态的元素,可以是,人脸参考元素为头顶,人脸参考元素为下巴。在具体实现中,服务器可以获取到人脸眉毛的眉毛坐标,人脸参考元素为头顶,则获取到头顶对应的坐标,且从眉毛坐标中提取到第一纵坐标轴值,提高到头顶对应的坐标的第二纵坐标轴值,并根据第一纵坐标轴值与第二纵坐标轴值,计算得到第一距离dheb,且需要说明的是,当计算得到的结果为负值时,取绝对值作为第一距离。另外需要说明的是,获取人脸眉毛的眉毛坐标可以是眉毛中心特征点坐标,头顶坐标可以是头顶中心特征点坐标。进而采用相同的方法计算得到人脸眼睛与人脸参考元素的第二距离dhe。服务器计算第一距离与第二距离的差值,得到眉眼相对距离,计算相对距离差值,可以采用公式(6)进行计算:
dhe_b=dheb-dhe (6)
其中,dhe_b表示眉眼相对距离,dheb表示人脸眉毛与人脸参考元素的第一距离,dhe表示人脸眼睛与人脸参考元素的第二距离dhe
进而服务器获取到人脸图像高度Hhf,根据眉眼相对距离dhe_b,采用眉眼相对比例公式,也即公式(7)计算得到眉眼相对比例:
Figure BDA0002171160560000122
其中,Rhe_b表示眉眼相对比例,dhe_b表示眉眼相对距离,Hhf表示人脸图像高度。需要说明的是,其中的人脸参考元素还可以采用人脸下巴,本实施方式中的人脸头顶仅仅作为示例作用,并不作具体限定。
步骤402:查询替换图像高度,根据替换图像高度以及眉眼相对比例,计算替换图像对应的替换眉眼距离。
具体地,替换眉眼距离是指在替换图像中,眼睛元素与眉毛元素之间的距离。在具体实现中,服务器可以查询到替换图像高度,并计算替换图像高度以及眉眼相对比例的乘积,得到替换图像对应的替换眉眼距离。例如,服务器可以查询到替换图像高度为Hcf,并根据上述得到的眉眼相对比例Rhe_b,根据公式(8)计算得到替换眉眼距离dce_b
dce_b=Hcf×Rhe_b (8)
其中,dce_b表示替换眉眼距离,Hcf表示替换图像高度,Rhe_b表示眉眼相对距离。
步骤403:计算替换图像中眼睛元素、和替换图像中替换参考元素的相对距离,根据替换眉眼距离以及相对距离,计算与眉毛元素对应的眉毛高度,得到与眉毛元素对应的眉毛形态。
具体地,替换参考元素是指包含在替换图像中的静态的元素,可以是,替换参考元素为替换图像中的头顶,替换参考元素为替换图像中的下巴。在具体实现中,服务器获取到替换图像中眼睛元素对应的眼睛元素坐标,并获取到替换参考元素坐标,提取到眼睛元素坐标的第一纵坐标轴值以及替换参考元素坐标的第二纵坐标轴值,根据第一纵坐标轴值以及第二纵坐标轴值,计算得到眼睛元素与替换参考元素的相对距离,进而计算替换眉眼距离与相对距离的差值,得到替换图像中眉毛元素对应的眉毛高度,从而可以实现替换图像中的眉毛元素的高低变化,也即是得到眉毛元素对应的眉毛形态。需要说明的是,其中替换参考元素可以是替换图像中的头顶,或者替换图像中的下巴。另外,获取替换图像中眉毛元素坐标可以是替换图像中眉毛中心特征点坐标,替换元素坐标可以是替换元素中心特征点坐标。本实施方式中,可以根据人脸眼睛与人脸眉毛,计算得到替换图像中眉毛元素的眉毛元素形态,从而使得得到的模拟图像准确。
在一个实施方式中,步骤205还可以包括如下步骤:当所述替换元素为嘴巴元素时,获取与所述嘴巴元素对应的嘴巴线性关系;所述目标元素为人脸嘴巴,计算人脸嘴巴尺寸与人脸图像尺寸的相对比例;根据所述相对比例以及所述嘴巴线性关系,计算所述嘴巴元素对应的嘴巴元素尺寸,得到所述嘴巴元素对应的嘴巴形态。
在具体实现中,当替换元素为嘴巴元素时,获取到嘴巴线性关系。服务器查询到目标元素为人脸嘴巴,进而查询到人脸嘴巴尺寸中的人脸嘴巴高度,并查询人脸图像尺寸的人脸图像高度,进而计算人脸嘴巴高度与人脸图像高度的相对比例。服务器根据获取到的相对比例以及嘴巴线性关系,得到嘴巴元素高度与嘴巴元素宽度的相对比例,另外需要说明的是,嘴巴元素宽度为初始元素尺寸,则根据嘴巴元素宽度、以及嘴巴元素高度与嘴巴元素宽的相对比例,得到嘴巴元素对应的嘴巴形态为张或闭状态,从而得到嘴巴形态。
例如,本实施方式中,嘴巴元素宽度为上述计算得到的初始元素尺寸,服务器查询到目标元素为人脸嘴巴,查询人脸嘴巴对应的人脸嘴巴特征点,并根据人脸嘴巴特征点得到人脸嘴巴尺寸,也即可以得到人脸嘴巴高度,其中得到人脸嘴巴高度可以是查询人脸嘴巴中上嘴唇中心点坐标,以及下嘴唇中心点坐标,并根据上嘴唇中心点坐标对应的第一纵坐标轴值,以及下嘴唇中心点坐标对应的第二纵坐标轴值,计算得到人脸嘴巴高度Dhm,进而根据人脸嘴巴高度Dhm以及人脸图像尺寸中的人脸图像高度,采用公式(9)计算得到相对比例:
Figure BDA0002171160560000141
其中,Rhm表示人脸嘴巴尺寸与人脸图像尺寸相对比例,Dhm表示人脸嘴巴高度,Hhf表示人脸图像高度。
服务器获取到嘴巴线性关系为公式(10):
Rcm=2.25Rhm+0.25 (10)
其中,Rcm表示替换图像中嘴巴元素高度与嘴巴元素宽度的比值,人脸嘴巴尺寸与人脸图像尺寸。
服务器根据线性公式可以计算得到嘴巴元素高度与嘴巴元素宽度的比值,根据嘴巴元素宽度,即可得到嘴巴元素高度,从而可以得到嘴巴元素的张或闭的形态。本实施方式中,可以根据人脸嘴巴,计算替换图像中嘴巴对应的嘴巴形态,从而可以保证模拟图像的准确性。
另外,在一个实施方式中,嘴巴线性关系是通过计算所述人脸图像中人脸嘴巴高度与人脸图像高度的第一比例,并计算所述替换图像中嘴巴元素的高度与所述嘴巴元素的宽度的第二比例,获取初始线性关系,并所述根据第一比例、所述第二比例以及所述初始线性关系计算得到的。
在具体实现中,在计算时,可以是计算多张人脸图像中人脸嘴巴高度与人脸图像高度的第一比例为Rh1,计算替换图像中嘴巴元素高度与嘴巴元素宽度的第二比例为Rc1,获取到的初始线性关系为公式(11):
Rh1=kRc1+b (11)
其中,Rh1表示人脸嘴巴高度与人脸图像高度的第一比例,Rc1表示嘴巴元素高度与嘴巴元素宽度的第二比例,k表示线性关系中的斜率,b表示初始线性关系中的常数项。
由于上述计算得到的Rh1的范围为
Figure BDA0002171160560000151
计算得到的Rc1的范围为则取Rh1为0,Rc1
Figure BDA0002171160560000153
代入公式(11),并取Rh1
Figure BDA0002171160560000154
Rc1为1,代入公式(11),可以求得k为2.25,b为0.25,从而可以计算得到上述的嘴巴线性关系。
步骤206;将所述初始元素尺寸以及所述元素形态作为元素状态。
在具体实现中,当服务器计算得到初始元素尺寸,以及不同的替换元素对应的元素形态,则将初始元素尺寸以及元素形态作为元素状态。
本实施例中,可以根据目标元素分别计算得到不同替换元素对应的初始元素尺寸,并计算得到替换元素对应的元素形态,从而根据元素尺寸以及元素形态作为元素状态,使得计算得到的元素状态准确,保证根据元素状态生成与替换元素对应的更新元素准确。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种电子设备,如图4所示,包括至少一个处理器401;以及,与至少一个处理器401通信连接的存储器402,其中,存储器402存储有可被至少一个处理器401执行的指令,指令被至少一个处理器401执行,以使至少一个处理器401能够执行图像模拟的方法。
本实施方式中,处理器401以中央处理器(Central Processing Unit,CPU)为例,存储器402以可读写存储器(Random Access Memory,RAM)为例。处理器401、存储器402可以通过总线或者其他方式连接,图4中以通过总线连接为例。存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施方式中实现图像模拟的方法的程序就存储于存储器402中。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述图像模拟的方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个程序模块存储在存储器402中,当被一个或者多个处理器401执行时,执行上述实施方式中的图像模拟的方法。
上述产品可执行本申请实施方式所提供的图像模拟方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的图像模拟的方法。
本发明第五实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。

Claims (13)

1.一种图像模拟方法,其特征在于,所述方法包括:
获取人脸图像;
提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例;
获取与所述人脸图像对应的替换图像,并从所述替换图像中提取替换元素;
根据所述目标元素计算所述替换元素对应的元素状态;
根据所述元素状态以及所述目标元素比例,得到与所述替换元素对应的更新元素,采用所述更新元素更新所述替换图像,得到与所述人脸图像对应的模拟图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标元素计算所述替换元素对应的元素状态,包括:
根据所述目标元素,计算所述替换元素对应的初始元素尺寸;
根据所述目标元素,计算所述替换元素对应的元素形态;
将所述初始元素尺寸以及所述元素形态作为元素状态。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标元素,计算所述替换元素对应的元素形态,包括:
当所述替换元素为眼睛元素时,查询所述替换图像中所述眼睛元素对应的初始眼睛尺寸;
所述目标元素为人脸眼睛时,计算所述人脸眼睛对应的目标高宽比;
当所述目标高宽比大于所述形态阈值时,则将所述初始眼睛尺寸作为所述替换元素对应的形态尺寸;
当所述目标高宽比小于或等于所述形态阈值时,根据预设的缩放比例和所述初始眼睛尺寸,计算所述眼睛元素对应的形态尺寸;
根据所述形态尺寸,得到所述眼睛元素对应的眼睛形态。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标元素,计算所述替换元素对应的元素形态,包括:
当所述替换元素为眉毛元素时,且所述目标元素为人脸眉毛以及人脸眼睛,计算所述人脸眉毛以及所述人脸眼睛对应的眉眼相对比例;
查询所述替换图像高度,根据所述替换图像高度以及所述眉眼相对比例,计算所述替换图像对应的替换眉眼距离;
计算所述替换图像中眼睛元素、和所述替换图像中替换参考元素的相对距离,根据所述替换眉眼距离以及所述相对距离,计算与所述眉毛元素对应的眉毛高度,得到与所述眉毛元素对应的眉毛形态。
5.根据权利要求4所述的方法,其特征在于,所述计算所述人脸图像中目标元素为人脸眉毛以及人脸眼睛的眉眼相对比例,包括:
计算所述人脸眉毛与人脸参考元素的第一距离dheb,并计算所述人脸眼睛与所述人脸参考元素的第二距离dhe
计算眉眼相对距离dhe_b=dheb-dhe
根据所述眉眼相对距离dhe_b,以及人脸图像高度Hhf,采用眉眼相对比例公式
Figure FDA0002171160550000021
得到眉眼相对比例。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标元素,计算所述替换元素对应的元素形态,包括;
当所述替换元素为嘴巴元素时,获取与所述嘴巴元素对应的嘴巴线性关系;
所述目标元素为人脸嘴巴,计算人脸嘴巴尺寸与人脸图像尺寸的相对比例;
根据所述相对比例以及所述嘴巴线性关系,计算所述嘴巴元素对应的嘴巴元素尺寸,得到所述嘴巴元素对应的嘴巴形态。
7.根据权利要求2所述的方法,其特征在于,当获取到多张人脸图像时,所述根据所述目标元素,计算所述替换元素对应的初始元素尺寸,包括:
选取多张人脸图像的尺寸最大值,并计算所述替换图像对应的替换尺寸;
根据所述尺寸最大值以及所述替换尺寸,计算所述替换元素对应的替换元素比例;
计算所述目标元素的目标元素尺寸,根据所述目标元素尺寸以及所述替换元素比例,计算所述替换元素对应的初始元素尺寸。
8.根据权利要求1所述的方法,其特征在于,所述提取所述人脸图像中的目标元素,并计算所述目标元素占所述人脸图像的目标元素比例,包括:
从所述人脸图像中检测关键特征点,并根据所述关键特征点得到目标元素;
根据所述关键特征点,获取与所述目标元素对应的目标元素坐标,并计算人脸图像尺寸;
根据所述目标元素坐标以及所述人脸图像尺寸,计算所述目标元素占所述人脸图像的目标元素比例。
9.根据权利要求3所述的方法,其特征在于,所述形态阈值是通过查询人脸图像中包含的人脸眼睛尺寸,并查询替换图像中眼睛元素尺寸,并获取阈值范围以及阈值迭代步长,根据所述人脸眼睛尺寸、眼睛元素尺寸、与所述阈值范围以及阈值迭代步长计算得到的。
10.根据权利要求9所述的方法,其特征在于,所述形态阈值是通过查询人脸图像中包含的人脸眼睛高度Hhe,并查询替换图像中眼睛元素宽度Wce,并获取阈值范围为0~1,阈值迭代步长为0.01,根据公式
Figure FDA0002171160550000031
根据阈值范围以及阈值迭代步长计算以使公式为最小值时得到的。
11.根据权利要求6所述的方法,其特征在于,所述嘴巴线性关系是通过计算所述人脸图像中人脸嘴巴高度与人脸图像高度的第一比例,并计算所述替换图像中嘴巴元素高度与所述嘴巴元素宽度的第二比例,获取初始线性关系,并所述根据第一比例、所述第二比例以及所述初始线性关系计算得到的。
12.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至11中任一项所述的图像模拟方法。
13.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的图像模拟方法。
CN201910763572.8A 2019-08-19 2019-08-19 图像模拟方法、电子设备和计算机可读存储介质 Active CN110717373B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910763572.8A CN110717373B (zh) 2019-08-19 2019-08-19 图像模拟方法、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910763572.8A CN110717373B (zh) 2019-08-19 2019-08-19 图像模拟方法、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110717373A true CN110717373A (zh) 2020-01-21
CN110717373B CN110717373B (zh) 2023-01-03

Family

ID=69209438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910763572.8A Active CN110717373B (zh) 2019-08-19 2019-08-19 图像模拟方法、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110717373B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230103129A1 (en) * 2021-09-27 2023-03-30 ResMed Pty Ltd Machine learning to determine facial measurements via captured images

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101918979A (zh) * 2008-01-15 2010-12-15 佩特媒体株式会社 镶嵌图像生成装置、方法及程序
CN104657974A (zh) * 2013-11-25 2015-05-27 腾讯科技(上海)有限公司 一种图像处理方法及装置
CN104680121A (zh) * 2013-11-27 2015-06-03 腾讯科技(深圳)有限公司 一种人脸图像的处理方法及装置
CN108550176A (zh) * 2018-04-19 2018-09-18 咪咕动漫有限公司 图像处理方法、设备及存储介质
CN108717719A (zh) * 2018-05-23 2018-10-30 腾讯科技(深圳)有限公司 卡通人脸图像的生成方法、装置及计算机存储介质
CN108898450A (zh) * 2018-05-14 2018-11-27 星视麒(北京)科技有限公司 制作图像的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101918979A (zh) * 2008-01-15 2010-12-15 佩特媒体株式会社 镶嵌图像生成装置、方法及程序
CN104657974A (zh) * 2013-11-25 2015-05-27 腾讯科技(上海)有限公司 一种图像处理方法及装置
CN104680121A (zh) * 2013-11-27 2015-06-03 腾讯科技(深圳)有限公司 一种人脸图像的处理方法及装置
CN108550176A (zh) * 2018-04-19 2018-09-18 咪咕动漫有限公司 图像处理方法、设备及存储介质
CN108898450A (zh) * 2018-05-14 2018-11-27 星视麒(北京)科技有限公司 制作图像的方法和装置
CN108717719A (zh) * 2018-05-23 2018-10-30 腾讯科技(深圳)有限公司 卡通人脸图像的生成方法、装置及计算机存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230103129A1 (en) * 2021-09-27 2023-03-30 ResMed Pty Ltd Machine learning to determine facial measurements via captured images

Also Published As

Publication number Publication date
CN110717373B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
US10559111B2 (en) Systems and methods for generating computer ready animation models of a human head from captured data images
US10169905B2 (en) Systems and methods for animating models from audio data
US20200334892A1 (en) Automatic rigging of three dimensional characters for animation
CN108335345B (zh) 面部动画模型的控制方法及装置、计算设备
WO2022078041A1 (zh) 遮挡检测模型的训练方法及人脸图像的美化处理方法
CN107452049B (zh) 一种三维头部建模方法及装置
CN109583509B (zh) 数据生成方法、装置及电子设备
EP3992919B1 (en) Three-dimensional facial model generation method and apparatus, device, and medium
CN113838176B (zh) 模型的训练方法、三维人脸图像生成方法及设备
CN111325846B (zh) 表情基确定方法、虚拟形象驱动方法、装置及介质
CN113628327B (zh) 一种头部三维重建方法及设备
US11282257B2 (en) Pose selection and animation of characters using video data and training techniques
CN111652123B (zh) 图像处理和图像合成方法、装置和存储介质
CN107578467B (zh) 一种医疗器械三维建模方法及装置
CN113111861A (zh) 人脸纹理特征提取、3d人脸重建方法及设备及存储介质
CN111383232A (zh) 抠图方法、装置、终端设备及计算机可读存储介质
US20230100427A1 (en) Face image processing method, face image processing model training method, apparatus, device, storage medium, and program product
CN112581518A (zh) 基于三维卡通模型的眼球配准方法、装置、服务器和介质
CN116580151A (zh) 人体三维模型构建方法、电子设备及存储介质
CN110580677A (zh) 一种数据处理方法、装置和用于数据处理的装置
CN110717373B (zh) 图像模拟方法、电子设备和计算机可读存储介质
US20150206344A1 (en) 3D Model Enhancement
CN114359453A (zh) 一种三维特效渲染方法、装置、存储介质及设备
CN111507304B (zh) 自适应刚性先验模型训练方法、人脸跟踪方法及相关装置
US11361467B2 (en) Pose selection and animation of characters using video data and training techniques

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