CN113409208A - 图像处理方法、装置、设备及存储介质 - Google Patents

图像处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113409208A
CN113409208A CN202110668031.4A CN202110668031A CN113409208A CN 113409208 A CN113409208 A CN 113409208A CN 202110668031 A CN202110668031 A CN 202110668031A CN 113409208 A CN113409208 A CN 113409208A
Authority
CN
China
Prior art keywords
expression
video
image
images
image processing
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.)
Pending
Application number
CN202110668031.4A
Other languages
English (en)
Inventor
徐盼盼
华淼
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.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network 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 Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202110668031.4A priority Critical patent/CN113409208A/zh
Publication of CN113409208A publication Critical patent/CN113409208A/zh
Priority to US18/569,838 priority patent/US20240233771A9/en
Priority to PCT/CN2022/091746 priority patent/WO2022262473A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/176—Dynamic expression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/175—Static expression

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例涉及一种图像处理方法、装置、设备及存储介质，能够在获取到表情图像后，基于预设的图像处理模型对表情图像中的表情进行调整，生成具有表情变化过程的视频，进而通过将视频展示给用户能够使得用户观看到得视频更具趣味性，提升了用户体验。

Description

图像处理方法、装置、设备及存储介质
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
相关技术中，用户可以通过视频、照片等方式记录生活，并上传到视频应用中供其它视频消费者进行观看。但是随着视频应用的发展，单纯的视频或图片分享，已经无法满足日益增长的用户需求，因此，如何对视频或图像进行处理，提高视频或图像的趣味性是当前亟需解决的技术问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种图像处理方法、装置、设备及存储介质。
本公开的第一方面提供了一种图像处理方法，包括：
获取表情图像；
基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频；
展示所述视频。
可选地，所述基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频，包括：
基于预设的图像处理模型对所述表情图像中的微笑程度和/或睁闭眼程度进行调整，生成具有微笑程度和/或睁闭眼程度变化过程的视频。
可选地，所述图像处理模型是基于样本对象的表情图像和所述样本对象的表情变化视频训练得到的。
可选地，所述样本对象的表情变化视频是采用预设的迁移模型将预设视频中的表情变化过程迁移到所述样本对象的表情图像上得到的。
可选地，所述迁移模型是基于多个面部区域的图像，以及所述多个面部区域的图像之间的表情差异训练得到的，其中，所述多个面部区域的图像是同类型的表情的图像，所述同类型的表情在不同的图像中的表情程度不同。
可选地，所述面部区域的图像是基于预设面部图像上的面部关键点提取得到的。
本公开的第二方面提供了一种图像处理装置，包括：
表情图像获取单元，用于获取表情图像；
视频生成单元，用于基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频；
视频展示单元，用于展示所述视频。
可选地，所述视频生成单元基于预设的图像处理模型对所述表情图像中的微笑程度和/或睁闭眼程度进行调整，生成具有微笑程度和/或睁闭眼程度变化过程的视频。
可选地，所述图像处理模型是基于样本对象的表情图像和所述样本对象的表情变化视频训练得到的。
可选地，述样本对象的表情变化视频是采用预设的迁移模型将预设视频中的表情变化过程迁移到所述样本对象的表情图像上得到的。
可选地，所述迁移模型是基于多个面部区域的图像，以及所述多个面部区域的图像之间的表情差异训练得到的，其中，所述多个面部区域的图像是同类型的表情的图像，所述同类型的表情在不同的图像中的表情程度不同。
可选地，所述面部区域的图像是基于预设面部图像上的面部关键点提取得到的。
本公开的第三方面提供一种终端设备，包括：
存储器和处理器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，实现如前所述的图像处理方法。
本公开的第四方面提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，实现如前所述的图像处理方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本公开实施例提供的图像处理方法、装置、设备和存储介质，能够在获取到表情图像后，基于预设的图像处理模型对表情图像中的表情进行调整，生成具有表情变化过程的视频，进而通过将视频展示给用户能够使得用户观看到得视频更具趣味性，提升了用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种图像处理方法的流程图；
图2是本公开一个实施例提供的表情图像的示意图；
图3是基于图2生成的一个调整后的表情图像的示意图；
图4是基于图2生成的另一调整后的表情图像的示意图；
图5是基于图2生成的再一调整后的表情图像的示意图；
图6是本公开一个实施例提供的面部区域的图像；
图7是本公开另一实施例提供的面部区域的图像；
图8是本公开再一实施例提供的面部区域的图像；
图9是本公开实施例提供的一种图像处理装置的结构示意图；
图10是本公开实施例提供的一种终端设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1是本公开实施例提供的一种图像处理方法的流程图，该方法可以由一种具有图像处理能力的终端设备来执行。实际应用中，终端设备至少可以为手机、平板电脑、台式电脑、一体机等终端设备，但不局限于这里列举的这些设备。
如图1所示，本公开实施例提供的图像处理方法，包括步骤S101-步骤S103。
步骤S101：获取表情图像。
表情图像可以理解为包含某种表情的对象图像。对象的表情比如可以是微笑、严肃、哭泣、难过等但不局限于此。对象的表情可以通过对象面部器官的形态呈现出来，面部器官可以包括对象的眼睛、鼻子、嘴巴、眉毛等。
本公开实施例中，表情图像可以示例性的理解为真实人物或动物的表情图像，或者也可以理解为卡通人物或者卡通动物的表情图像，但本实施例中的表情图像也可以不局限于此，实际上，本实施例所称的表情图像可以是任意拥有表情的对象的表情图像。
本公开实施例中，可以通过预设的方式获取待处理的表情图像；预设方式可以包括拍摄、下载、绘制或者提取。应当注意的是，预设方式并不限于前述的拍摄、下载、绘制或者提取方式。
拍摄方式是指采用终端设备配置的拍摄装置拍摄对象，而获得对象的表情图像。
下载方式是指从远程数据库中查找并下载得到表情图像。
绘制方式是指利用绘制工具绘制包含某种表情的面部图像，并将绘制得到的面部图像作为本实施例所称的表情图像，其中，该面部图像可以是写实的面部图像，也可以是卡通面部图像。
提取方式是指从视频中提取包含某种表情的帧图像作为本实施例所称的表情图像。
在本公开一些实施例中，如果从视频中提取帧图像作为表情图像，并且前述操作由终端设备自动执行，则终端设备需要判断帧图像中是否包括对象的某种表情。这种情况下终端设备可以部署面部识别模型，以采用面部识别模型识别视频中的帧图像是否具有某种表情，继而确定是否提取帧图像作为表情图像。前述的面部识别模型可以采用大量对象的面部图像训练得到，实际应用中面部识别模型可以是各种已知架构的深度学习模型。
在另一些实施例中，也可以由用户选择视频中的某一帧作为本实施例所称的表情图像。此时终端根据用户的执行操作，提取指定的图像作为表情图像。
步骤S102：基于预设的图像处理模型对表情图像中的表情进行调整，生成具有表情变化过程的视频。
预设的图像处理模型是专门用于对表情图像中的面部器官特征进行调整，通过改变面部器官的特征而实现面部表情变化得到特定表情变化的视频的模型。
本公开实施例中，将表情图像输入到预设的图像处理模型后，预设图像处理模型对表情图像中的至少一个面部器官所在图像区域的像素进行调整，得到多个调整后的表情图像，各个调整后的表情图像中的某一面部器官的形态和/或位置各不相同。
比如，在一种实施方式中可以基于预设的图像处理模型对表情图像中的嘴巴微笑程度进行调整，生成具有不同微笑程度的表情图像；在另一种实施方式中还可以基于预设的图像处理模型对表情图像中的眼睛睁闭眼程度进行调整，生成睁闭眼程度不同的表情图像；在又一种实施方式中还可以基于预设的图像处理模型对表情图像的眉毛特征进行调整，生成具有不同眉毛特征的表情图像；在又一种实施方式中还可以基于预设的图像处理模型对表情图像中的鼻子特征进行调整，生成具有不同鼻子特征的表情图像。
当然上述仅为举例说明并不是对表情调整对象和方式的唯一限定，实际上，表情的调整对象和方式可以根据需要进行设定而不必局限于某一个特定的对象或特定的方式，比如，在一些实施例中，还可以将上述至少部分方式进行组合，得到具有组合的面部器官表征的表情变化过程的表情图像，例如可以同时对表情图像中的嘴巴微笑程度和眼睛的睁闭眼程度进行调整，生成同时具有微笑程度和睁闭眼程度变化的表情图像。
本公开实施例中，在生成调整后的图像后，可以基于表情幅度由小到大，或者由大到小的顺序依次对生成的多个表情图像进行排序，生成具有特定帧频的视频。
图2是本公开一个实施例提供的表情图像的示意图；图3是基于图2生成的一个调整后的表情图像的示意图，图4是基于图2生成的另一调整后的表情图像的示意图，图5是基于图2生成的再一调整后的表情图像的示意图。
结合图2-图5，可知，在本公开的一个实施例中，在步骤S102中，基于预设的图像处理模型对表情图像中的表情进行调整，是调整了对象01的嘴巴02的形态，具体的是调整对象的嘴角021的上翘位置，而得到多个具有不同嘴角021变化特征的调整后图像；随后，步骤S102中按照图3-图5的排序顺序，组合这三个调整后的图像可以得到嘴角021变化的视频，以利用嘴角变化的视频表征对象微笑程度变化。
当然这里仅为示例说明而不是唯一限定，实际上，在其他实施例中，生成的多个表情图像也可以包含不同的表情，这种情况下可以按照特定的表情变化顺序，对多个表情图像进行排序，生成具有特定表情变化过程的视频，比如基于微笑表情图像，生成了严肃表情图像和难过的表情图像，则可以按照先微笑后严肃，组后难过的顺序，依次对表情图像进行排列生成具有由微笑到难过的变化过程的视频。
步骤S103：展示视频。
在生成具有表情变化过程的视频后，可以采用显示装置展示前述视频。比如当本实施例所称的终端设备被具体为智能手机时，智能手机执行前述的步骤S101和S102，并在显示屏上展示基于步骤S101和S102得到的视频。
采用本公开实施例提供的图像处理方法，在获得表情图像后，可以根据表情图像生成具有表情变化过程的视频。前述的步骤S101-S103的方法可以被集成至特定的应用程序或者软件工具中，通过将该应用程序或者软件工具安装在终端设备上，能够使得终端设备基于某一表情图像生成具有表情特征变化的视频，从而提高了视频的趣味性，继而提升了用户体验。
前述的步骤S102需要采用预设的图像处理模型对表情图像中的表情进行调整，在本公开一些实施例中，预设的图像处理模型可以基于样本对象的表情图像和样本对象的表情变化视频训练得到，其中，样本对象是指能够展示特定表情和此特定表情对应的连续变化表情的对象。
在本公开的一些实施例中，样本对象的表情图像和对应的表情变化视频可以通过样本采集的方法获得。
例如，在一些实施例中，首先可以获得样本对象的一个表情变化视频，随后采用表情变化视频中具有特定表情的某一帧的图像作为表情图像。
再如，在另外一些实施例中，可以首先采集一个对象的表情图像，随后输出提示信息，提示对象如何进行表情变化并采集用户执行表情变化时的采集视频；最后，将采集视频作为前述表情图像对应的表情变化视频。
在本公开的再一些实施例中，可以先确定样本对象的表情图像，随后采用预设的迁移模型将预设视频中的表情变化过程迁移到样本对象的表情图像上，得到样本对象的表情变化视频。
预设视频是指具有表情变化过程的视频；例如其可以是具有微笑程度变化的视频，可以是具有睁闭眼程度变化的视频，还可以是具有同时兼具微笑程度变化和睁闭眼程度变化的视频。
通过采用迁移模型，将预设视频中的表情变化过程迁移到多个样本对象上，得到多个样本对象的表情变化视频，可以使得每个表情变化视频都有相同的表情变化趋势，比如微笑程度/睁闭眼程度逐渐变大。基于该些表情变化视频和表情图像训练得到的图像处理模型可以处理得到具有该种表情变化趋势的视频。
采用迁移模型基于预设视频和多个样本对象的表情图像，可以得到多个表情图像对应的具有相同表情变化特征的表情趋势视频，简化了表情变化视频获取的难度，也保证了用于训练图像处理模型的表情变化视频中表情变化趋势的一致性。
本公开一些实施例中，用于获取表情变化视频的迁移模型可以基于多个面部区域的图像，以及多个面部区域的图像之间的表情差异训练得到；前述的多个面部区域的图像是同类型的表情的图像，并且同类型的表情在不同的图像中的表情程度不同。面部区域的图像可以基于预设面部图像上的面部关键点得到；其中，面部关键点可以包括眼睛关键点、嘴巴关键点、眉毛关键点、额头关键点中的一种或者多种。
图6是本公开一个实施例提供的面部区域的图像，图7是本公开另一实施例提供的面部区域的图像，图8是本公开再一实施例提供的面部区域的图像。
如图6-图8所示，本公开一个实施例中，多个面部区域的图像是对象03的眼睛031睁开度不同的图像，图像之间的表情差异为眼睛031的睁开度的差异。
如果采用图6-图8训练迁移模型，则分别将图6-图8中的一个图像作为输入图像A，将另一图像作为输出图像B，将输入图像A和输出图像B的眼睛睁开度差值作为表情差异a-b，对迁移模型F中的参数进行优化训练，而得到用于获取表情变化视频的迁移模型F。
在本公开一些实施例中，前述图6-图8中各个面部区域图像中眼睛030的睁开度可以由人工标记，模型根据标记计算图像间睁闭眼程度的差异；例如，如果采用0.0-1.0之间的数值表征眼睛睁开度，则图6对应的眼睛03的睁开度可以标记为0.5，图7对应的眼睛03的睁开度可以标记为0.2，图8对应的眼睛03的睁开度可以标记为0.0，三个图像之间眼睛睁开度的差异，可以由迁移模型根据标记信息计算得到。
在本公开的另外一些实施例中，用于训练迁移模型的表情差异还可以通过处理面部区域图像得到。例如，针对图6-图8所示的面部区域的图像，可以提取眼睛03的关键点，基于关键点确定各个面部图像的表情特征参数，再基于各个面部图像的表情特征参数确定表情差异。
具体的，可以采用眼部区域识别模型处理图6-图8得到眼部区域图像，并采用边缘识别算法处理眼部区域图像，识别眼睛03的内眼角031、外眼角032、上眼睑033极点和下眼睑034极点作为眼睛关键点；随后基于内眼角031和外眼角032确定眼睛横向长度，基于上眼睑033极点和下眼睑034极点确定眼睛03的纵向宽度；最后，采用眼睛纵向宽度和横向长度的比值作为面部图像的表情特征参数，并基于面部图像的表情特征参数确定表情差异。
本公开前述实施例，是以用于训练迁移模型的输入面部区域图像为三张为例进行的说明，在其他应用中，用于训练迁移模型的输入面部区域图像的数量也可以不局限于三张。
图9是本公开实施例提供的一种图像处理装置的结构示意图，该处理装置可以被理解为上述终端设备或者上述终端设备中的部分功能模块。如图9所示，图像处理装置90包括表情图像获取单元901、视频生成单元902和视频展示单元903。
表情图像获取单元901用于获取表情图像；视频生成单元902用于基于预设的图像处理模型对表情图像中的表情进行调整，生成具有表情变化过程的视频；视频展示单元903用于展示视频。
在本公开的一些实施例中，视频生成单元902基于预设的图像处理模型对表情图像中的微笑程度和/或睁闭眼程度进行调整，生成具有微笑程度和/或睁闭眼程度变化过程的视频。
在本公开的一些实施例中，图像处理模型是基于样本对象的表情图像和样本对象的表情变化视频训练得到的。
在本公开的再一些实施例中，样本对象的表情变化视频是采用预设的迁移模型将预设视频中的表情变化过程迁移到样本对象的表情图像上得到的。
在本公开的一些实施例中，迁移模型是基于多个面部区域的图像，以及多个面部区域的图像之间的表情差异训练得到的，其中，多个面部区域的图像是同类型的表情的图像，同类型的表情在不同的图像中的表情程度不同。
在本公开的一些实施例中，面部区域的图像是基于预设面部图像上的面部关键点提取得到的。
本实施例提供的装置能够执行上述任一方法实施例的方法，其执行方式和有益效果类似，在这里不再赘述。
本公开实施例还提供一种终端设备，该终端设备包括处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时可以实现上述图1-图8中任一实施例的方法。
示例的，图10是本公开实施例提供的一种终端设备的结构示意图。下面具体参考图10，其示出了适于用来实现本公开实施例中的终端设备1000的结构示意图。本公开实施例中的终端设备1000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10示出的终端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10所示，终端设备1000可以包括处理装置(例如中央处理器、图形处理器等)1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储装置1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有终端设备1000操作所需的各种程序和数据。处理装置1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
通常，以下装置可以连接至I/O接口1005：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1006；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1007；包括例如磁带、硬盘等的存储装置1008；以及通信装置1009。通信装置1009可以允许终端设备1000与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的终端设备1000，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1009从网络上被下载和安装，或者从存储装置1008被安装，或者从ROM 1002被安装。在该计算机程序被处理装置1001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终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。
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终端设备执行时，使得该终端设备：获取表情图像；基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频；展示所述视频。
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。
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。
本公开实施例还提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时可以实现上述任一方法实施例的方法，其执行方式和有益效果类似，在这里不再赘述。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (14)

1.一种图像处理方法，其特征在于，包括：
获取表情图像；
基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频；
展示所述视频。
2.根据权利要求1所述的方法，其特征在于，所述基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频，包括：
基于预设的图像处理模型对所述表情图像中的微笑程度和/或睁闭眼程度进行调整，生成具有微笑程度和/或睁闭眼程度变化过程的视频。
3.根据权利要求1所述的方法，其特征在于，所述图像处理模型是基于样本对象的表情图像和所述样本对象的表情变化视频训练得到的。
4.根据权利要求3所述的方法，其特征在于，所述样本对象的表情变化视频是采用预设的迁移模型将预设视频中的表情变化过程迁移到所述样本对象的表情图像上得到的。
5.根据权利要求4所述的方法，其特征在于，所述迁移模型是基于多个面部区域的图像，以及所述多个面部区域的图像之间的表情差异训练得到的，其中，所述多个面部区域的图像是同类型的表情的图像，所述同类型的表情在不同的图像中的表情程度不同。
6.根据权利要求5所述的方法，其特征在于，所述面部区域的图像是基于预设面部图像上的面部关键点提取得到的。
7.一种图像处理装置，其特征在于，包括：
表情图像获取单元，用于获取表情图像；
视频生成单元，用于基于预设的图像处理模型对所述表情图像中的表情进行调整，生成具有表情变化过程的视频；
视频展示单元，用于展示所述视频。
8.根据权利要求7所述的装置，其特征在于，所述视频生成单元基于预设的图像处理模型对所述表情图像中的微笑程度和/或睁闭眼程度进行调整，生成具有微笑程度和/或睁闭眼程度变化过程的视频。
9.根据权利要求7所述的装置，其特征在于，所述图像处理模型是基于样本对象的表情图像和所述样本对象的表情变化视频训练得到的。
10.根据权利要求9所述的装置，其特征在于，述样本对象的表情变化视频是采用预设的迁移模型将预设视频中的表情变化过程迁移到所述样本对象的表情图像上得到的。
11.根据权利要求10所述的装置，其特征在于，所述迁移模型是基于多个面部区域的图像，以及所述多个面部区域的图像之间的表情差异训练得到的，其中，所述多个面部区域的图像是同类型的表情的图像，所述同类型的表情在不同的图像中的表情程度不同。
12.根据权利要求11所述的装置，其特征在于，所述面部区域的图像是基于预设面部图像上的面部关键点提取得到的。
13.一种终端设备，其特征在于，包括：
存储器和处理器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，实现如权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的方法。
CN202110668031.4A 2021-06-16 2021-06-16 图像处理方法、装置、设备及存储介质 Pending CN113409208A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110668031.4A CN113409208A (zh) 2021-06-16 2021-06-16 图像处理方法、装置、设备及存储介质
US18/569,838 US20240233771A9 (en) 2021-06-16 2022-05-09 Image processing method, apparatus, device and storage medium
PCT/CN2022/091746 WO2022262473A1 (zh) 2021-06-16 2022-05-09 图像处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110668031.4A CN113409208A (zh) 2021-06-16 2021-06-16 图像处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113409208A true CN113409208A (zh) 2021-09-17

Family

ID=77684456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110668031.4A Pending CN113409208A (zh) 2021-06-16 2021-06-16 图像处理方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN113409208A (zh)
WO (1) WO2022262473A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022262473A1 (zh) * 2021-06-16 2022-12-22 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180173942A1 (en) * 2016-12-16 2018-06-21 Samsung Electronics Co., Ltd. Method and apparatus for generating facial expression and training method for generating facial expression
CN111274447A (zh) * 2020-01-13 2020-06-12 深圳壹账通智能科技有限公司 基于视频的目标表情生成方法、装置、介质、电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197533A (zh) * 2017-12-19 2018-06-22 迈巨（深圳）科技有限公司 一种基于用户表情的人机交互方法、电子设备及存储介质
EP3640951A1 (en) * 2018-10-15 2020-04-22 Siemens Healthcare GmbH Evaluating a condition of a person
CN111383307A (zh) * 2018-12-29 2020-07-07 上海智臻智能网络科技股份有限公司 基于人像的视频生成方法及设备、存储介质
CN111401101A (zh) * 2018-12-29 2020-07-10 上海智臻智能网络科技股份有限公司 基于人像的视频生成系统
CN111432233B (zh) * 2020-03-20 2022-07-19 北京字节跳动网络技术有限公司 用于生成视频的方法、装置、设备和介质
CN113409208A (zh) * 2021-06-16 2021-09-17 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180173942A1 (en) * 2016-12-16 2018-06-21 Samsung Electronics Co., Ltd. Method and apparatus for generating facial expression and training method for generating facial expression
CN111274447A (zh) * 2020-01-13 2020-06-12 深圳壹账通智能科技有限公司 基于视频的目标表情生成方法、装置、介质、电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022262473A1 (zh) * 2021-06-16 2022-12-22 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20240135972A1 (en) 2024-04-25
WO2022262473A1 (zh) 2022-12-22

Similar Documents

Publication Publication Date Title
US11973732B2 (en) Messaging system with avatar generation
CN111476871B (zh) 用于生成视频的方法和装置
CN110162670B (zh) 用于生成表情包的方法和装置
CN111369427A (zh) 图像处理方法、装置、可读介质和电子设备
CN111669502B (zh) 目标对象显示方法、装置及电子设备
CN110009059B (zh) 用于生成模型的方法和装置
CN109829432A (zh) 用于生成信息的方法和装置
US20240013359A1 (en) Image processing method, model training method, apparatus, medium and device
CN114331820A (zh) 图像处理方法、装置、电子设备及存储介质
CN110570383B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN110046571B (zh) 用于识别年龄的方法和装置
WO2021088790A1 (zh) 用于目标设备的显示样式调整方法和装置
CN113870133A (zh) 多媒体显示及匹配方法、装置、设备及介质
CN111897950A (zh) 用于生成信息的方法和装置
CN115311178A (zh) 图像拼接方法、装置、设备及介质
CN113033677A (zh) 视频分类方法、装置、电子设备和存储介质
CN111967397A (zh) 人脸影像处理方法和装置、存储介质和电子设备
WO2022262473A1 (zh) 图像处理方法、装置、设备及存储介质
CN111626922B (zh) 图片生成方法、装置、电子设备及计算机可读存储介质
CN110084306B (zh) 用于生成动态图像的方法和装置
WO2022252871A1 (zh) 视频生成方法、装置、设备及存储介质
CN113628097A (zh) 图像特效配置方法、图像识别方法、装置及电子设备
CN109949213B (zh) 用于生成图像的方法和装置
CN111784726A (zh) 人像抠图方法和装置
CN110619602A (zh) 一种图像生成方法、装置、电子设备及存储介质

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