CN115641352A - 一种人像背景虚化方法、装置、电子设备及存储介质 - Google Patents
一种人像背景虚化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115641352A CN115641352A CN202211338214.0A CN202211338214A CN115641352A CN 115641352 A CN115641352 A CN 115641352A CN 202211338214 A CN202211338214 A CN 202211338214A CN 115641352 A CN115641352 A CN 115641352A
- Authority
- CN
- China
- Prior art keywords
- portrait
- blurring
- background
- video frame
- rgb image
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种人像背景虚化方法、装置、电子设备及存储介质，方法包括：获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；根据分割出的人像的数量，确定需要虚化的内容；采用双重模糊算法对确定出的需要虚化的内容进行虚化，以得到视频帧的虚化背景图像。本发明解决了现有技术中视频面审时由于拍摄到客户身后的背景而可能导致的客户隐私泄露的技术问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种人像背景虚化方法、装置、电子设备及存储介质。
背景技术
随着科技的发展，为了进一步给人们提供便利，远程办公、远程视频、在线教育、远程办业务等远程的需求越来越广泛，特别是银行原本线下的业务都要转到线上进行视频面审面签。
但是在视频面审的过程中，由于拍摄的是包括用户在内的用户所在场景的视频，如果用户身后的背景有敏感信息时，会导致用户的隐私泄露，给用户带来不便。
发明内容
本发明的目的在于克服上述技术不足，提供一种可用于金融科技或其它相关技术领域中的人像背景虚化方法、装置、电子设备及存储介质，解决现有技术中视频面审时由于拍摄到客户身后的背景而可能导致的客户隐私泄露的技术问题。
为达到上述技术目的，本发明采取了以下技术方案：
第一方面，本发明提供一种人像背景虚化方法，包括如下步骤：
获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；
将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；
根据分割出的人像的数量判断是否需要进行背景虚化处理；
当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。
在一些实施例中，所述获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像，包括：
获取视频帧，对所述视频帧进行频域转换，以得到频域图；
采用预设的巴特沃斯滤波器，对所述频域图进行滤波处理；
对所述滤波后的频域图进行反变换，以得到突出人像的轮廓的RGB图像。
在一些实施例中，所述巴特沃斯滤波器为:
其中，H(u,v)为过滤后的频域，D(u,v)为原始频域，n为滤波器的阶数，D0为截止频域。
在一些实施例中，所述轻量级实例分割模型的主干网络为轻量级网络，所述轻量级网络具有若干个卷积层，且其中任意几个卷积层具有若干个大小不同的卷积核，任意几个相邻的卷积层之间插入有密集块。
在一些实施例中，所述根据分割出的人像的数量，确定需要虚化的内容，包括：
根据分割出的人像，确定人像的数量，当分割出的人像的数量大于1时，确定出客户的人像，并以除客户人像以外的其它人像以及背景作为待虚化内容，当分割出的人像的数量为1时，以背景作为待虚化内容。
在一些实施例中，所述确定出客户的人像，包括：
获取各个人像的像素点个数，根据各个人像的像素点个数计算出各个人像的面积，以面积最大的人像作为所述客户的人像。
在一些实施例中，所述双模糊算法为高斯模糊算法与均值模糊算法的结合算法。
第二方面，本发明还提供一种人像背景虚化装置，包括：
预处理模块，用于获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；
分割模块，用于将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；
虚化判断模块，用于根据分割出的人像的数量，确定需要虚化的内容；
虚化模块，用于采用双重模糊算法对确定出的需要虚化的内容进行虚化，以得到视频帧的虚化背景图像。
第三方面，本发明还提供一种电子设备，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如上所述的人像背景虚化方法中的步骤。
第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的人像背景虚化方法中的步骤。
与现有技术相比，本发明提供的人像背景虚化方法、装置、电子设备及存储介质，首先获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；之后将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；之后根据分割出的人像的数量判断是否需要进行背景虚化处理；最后当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。本发明通过轻量级准确率高的实例分割模型进行人像和背景的分割，大大减少算法耗时，方便在移动设备上部署，有利于客户体验，针对银行视频面审的特点根据分割面积大小来确定客户，而其他非客户本人的人/物进行虚化来最大程度保护客户的隐私，使用双重模糊方法来提高模糊程度，也最大程度来保护客户的隐私。
附图说明
图1是本发明提供的人像背景虚化方法的一实施例的流程图；
图2是本发明提供的人像背景虚化方法中，步骤S100的一实施例的流程图；
图3是本发明提供的人像背景虚化装置的功能模块示意图；
图4是本发明提供的电子设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，图1是本发明实施例提供的一种人像背景虚化方法的流程示意图，本发明所涉及的人像背景虚化方法可用于银行等金融领域的人像背景虚化中，以虚化视频中的背景，保护客户隐私。本发明所涉及的人像背景虚化方法可由电子设备执行，该电子设备能够进行接收或发送数据等操作，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式服务器等等。如图1所示，该方法具体包括以下步骤S100至步骤S400。
S100、获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像。
本实施例中，在客户视频面审的过程中，由于客户可能会在各种环境下进行视频面审，因此会导致视频帧的噪音较高，会干扰后续的人像分割，因此，为了提高后续人像分割的准确率，在获取视频面审过程中的视频帧后，首先对每一帧进行实时的处理，以过滤掉噪音突出人像的轮廓。
S200、将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割。
本实施例中，所述轻量级实例分割模型是实现将人像与背景分开的模型，此外，该模型还能够实现不同人像的切分，具体来说，就是先将人像从图像中分割出来，然后将不同个体的人像进行分开，以方便后续统计人像的个数。具体的，将所述RGB图像输入到轻量级实例分割模型中，得到分割结果，人像为前景(像素值为1)，而其他部分为后景(像素值为0)。
S300、根据分割出的人像的数量，确定需要虚化的内容。
本实施例中，由于面审的过程中，主要需要采集的是客户本人的图像，因此，当面审过程中具有多个人像时，为了保护客户隐私，并准确采集到客户的图像，在这过程中，不仅要将背景虚化，还需将除了客户本人以外的人像进行虚化。当然，在虚化的同时，为了保证面审的过程中客户身边没有其他人威胁和协助客户回答面审过程中的问题，以保证面审的可靠性，此时在虚化的同时还会终止整个面审业务，并提示客户。
S400、采用双重模糊算法对确定出的需要虚化的内容进行虚化，以得到视频帧的虚化背景图像。
本实施例中，当确定了需要虚化的内容后，即可对需要虚化的内容进行虚化处理，以保护客户的隐私，虚化处理后得到的虚化背景图像只有客户的人像，而其它部位都被模糊处理，从而在视频面审的过程中，不会出现客户背景的敏感信息泄露的问题，给客户提供便利。
本发明实施例，首先获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；之后将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；之后根据分割出的人像的数量判断是否需要进行背景虚化处理；最后当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。本发明通过轻量级准确率高的实例分割模型进行人像和背景的分割，大大减少算法耗时，方便在移动设备上部署，有利于客户体验，针对银行视频面审的特点根据分割面积大小来确定客户，而其他非客户本人的人/物进行虚化来最大程度保护客户的隐私，使用双重模糊方法来提高模糊程度，也最大程度来保护客户的隐私。
在一些实施例中，请参阅图2，所述步骤S100具体包括：
S110、获取视频帧，对所述视频帧进行频域转换，以得到频域图；
S120、采用预设的巴特沃斯滤波器，对所述频域图进行滤波处理；
S130、对所述滤波后的频域图进行反变换，以得到突出人像的轮廓的RGB图像。
本实施例中，首先将获取的原始图像转化的空间与转化到频域上，即对所述视频帧进行频域转换，得到频域图，示例性的，采用快速傅里叶变换公式对所述视频帧进行频域转换。
当频域转换完毕后，由于环境中的大多数噪音属于高频分量，而视频面审中更多的是关注人的轮廓而不是人的细节，因此本发明实施例采用预设的巴特沃斯滤波器低通滤波器来过滤低频分量，从而消除噪音。
当过滤完毕后，对过滤后的频域图像进行快速傅里叶反变换，从频域回复到空间域，以得到突出人像轮廓的RGB图像。
在一些实施例中，所述巴特沃斯滤波器为:
其中，H(u,v)为过滤后的频域，D(u,v)为原始频域，n为滤波器的阶数，D0为截止频域，优选的，n取3，D0取130。
在一些实施例中，所述轻量级实例分割模型的主干网络为轻量级网络，所述轻量级网络具有若干个卷积层，且其中任意几个卷积层具有若干个大小不同的卷积核，任意几个相邻的卷积层之间插入有密集块。
本实施例中，采用的轻量级实例分割模型使用了类似Unet的结构，主干网络使用了MobilenetV2的前21层，在第1、8、14、17、20层进行了mix_kernel的设计，并在3、9、15层后面将该特征如上采样的融合。此外还添加了双loss。
具体的，为了高效提取特征实现轻量级，使用了MobilenetV2的前21层作为特征提取。然后在上采样的过程中使用了D-block来获取更加多的特征，提高后面unsample后的准确率。D-block块中有两个分支，一个分支包含两个深度可分离的卷积。另一个包含一个单一的1×1卷积来调整通道的数量。同时解码器模块中连接特征图为融合图，以充分利用模型的能力。
此外，本实施例在第1、8、14、17、20层进行了MixKernel的设计。MixKernel是在单层卷积层中采用了多种大小的卷积核。在单个深度卷积层操作中混合多个不同大小的内核，以便它可以轻松地从输入图像中捕获不同类型的模式。大核来捕获高分辨率的特征(全局的特征)，又需要小核来捕获低分辨率的特征(图片的纹理特征)，以提高模型的准确性和效率。
另外，为了进一步提升模型的准确率，在3、9、15层后面将该特征如上采样的融合。这样的融合可以将前面提取到的特征与该层特征融合在一起，有效得提升模型的准确率。
另外，为了更进一步提升模型的准确率和在不同分辨率都有比较好的效果，本方案在低分辨率和高分辨率的情况下都做了loss。在D4+UP4后面与原始GT进行2倍下采样的GT2做loss，最后还与原图的GT做loss，这样可以兼顾到低高分辨率的情况。
在一些实施例中，所述步骤S300具体包括：
根据分割出的人像，确定人像的数量，当分割出的人像的数量大于1时，确定出客户的人像，并以除客户人像以外的其它人像以及背景作为待虚化内容，当分割出的人像的数量为1时，以背景作为待虚化内容。
本实施例中，当面审过程中被分割模型检测出人数大于1人的时候，为了保护客户隐私除了客户本人不进行虚化，客户以外的人/物都进行虚化。当面审过程中被分割模型检测出人数等于1时，只对背景进行虚化。为了避免误虚化，当人数大于1时，还需要首先确定出客户的人像，以正确的虚化掉出客户以外的其它人像。
在一些实施例中，所述确定出客户的人像，包括：
获取各个人像的像素点个数，根据各个人像的像素点个数计算出各个人像的面积，以面积最大的人像作为所述客户的人像。
本实施例中，由于一般情况下，客户是离摄像头比较近因此分割人像的面积比较大，而离摄像头远的人像面积较小，因此，本实施例默认面积最大的为客户的人像，不进行虚化，而其他部分都进行虚化，最后在分割图中将不需要虚化的部分像素值全部置为0。其中，面积计算公式为：
其中M代表了该人像前景的像素点个数。由于分割模型将人像分割出来，默认人像为前景(其像素值设置1)，其他的为背景(像素值设置为0)，因此人像面积大小就是前景像素点个数的多少。
在一些实施例中，所述双模糊算法为高斯模糊算法与均值模糊算法的结合算法。
本实施例中，为了提高模糊效果，能够更好的保护客户的隐私，并且提高模糊算法性能的高效性，采用了高斯模糊算法与均值模糊算法的结合的方式来进行虚化。
具体的，图像的高斯模糊过程即图像与高斯正态分布做卷积。高斯分布为：
其中，标准差σ优选为1.3，G(x，y)表示得到的高斯模糊分布，在进行高斯模糊卷积的过程中卷积核大小为3*3。
均值模糊处理的过程是根据输入的核大小(一个方框矩阵)，计算矩阵内所有像素值的平均值，并将该平均值填充在该矩阵。可以循环迭代多次来实现不同程度的模糊效果。本实施例中选择的核为5*5，迭代的次数是4次。之后得到了一个较模糊的模糊图之后，还要获取最终的分割掩码图(只存在0或1的二值图)其像素值为1的对应坐标位置，然后根据这些坐标位置将原图对应的坐标的像素值覆盖到模糊图中对应的坐标，也就是根据分割掩码图将原图人像部分覆盖到模糊图中实现人像清晰而其他部分模糊的功能。
本发明提供的技术方案，首先获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；之后将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；之后根据分割出的人像的数量判断是否需要进行背景虚化处理；最后当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。本发明通过轻量级准确率高的实例分割模型进行人像和背景的分割，大大减少算法耗时，方便在移动设备上部署，有利于客户体验，针对银行视频面审的特点根据分割面积大小来确定客户，而其他非客户本人的人/物进行虚化来最大程度保护客户的隐私，使用双重模糊方法来提高模糊程度，也最大程度来保护客户的隐私。
本发明另一实施例提供一种人像背景虚化装置，请参阅图3，该人像背景虚化装置包括预处理模块11、分割模块12、虚化判断模块13以及虚化模块14。
预处理模块11用于获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像。
分割模块12用于将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割。
虚化判断模块13用于根据分割出的人像的数量判断是否需要进行背景虚化处理。
虚化模块14用于当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。
本实施例中，首先获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；之后将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；之后根据分割出的人像的数量判断是否需要进行背景虚化处理；最后当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。本发明通过轻量级准确率高的实例分割模型进行人像和背景的分割，大大减少算法耗时，方便在移动设备上部署，有利于客户体验，针对银行视频面审的特点根据分割面积大小来确定客户，而其他非客户本人的人/物进行虚化来最大程度保护客户的隐私，使用双重模糊方法来提高模糊程度，也最大程度来保护客户的隐私。
需要说明的是，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述反洗钱黑名单筛查的执行过程，各模块的具体实施方式请参考上述对应的方法实施例，此处不再赘述。
在一些实施例中，所述预处理模块11包括频域转换单元、滤波单元以及反变换单元。
频域转换单元用于获取视频帧，对所述视频帧进行频域转换，以得到频域图。
滤波单元用于采用预设的巴特沃斯滤波器，对所述频域图进行滤波处理。
反变换单元用于对所述滤波后的频域图进行反变换，以得到突出人像的轮廓的RGB图像。
在一些实施例中，所述巴特沃斯滤波器为:
其中，H(u,v)为过滤后的频域，D(u,v)为原始频域，n为滤波器的阶数，D0为截止频域。
在一些实施例中，所述轻量级实例分割模型的主干网络为轻量级网络，所述轻量级网络具有若干个卷积层，且其中任意几个卷积层具有若干个大小不同的卷积核，任意几个相邻的卷积层之间插入有密集块。
在一些实施例中，所述虚化判断模块具体用于：
根据分割出的人像，确定人像的数量，当分割出的人像的数量大于1时，确定出客户的人像，并以除客户人像以外的其它人像以及背景作为待虚化内容，当分割出的人像的数量为1时，以背景作为待虚化内容。
在一些实施例中，所述确定出客户的人像，包括：
获取各个人像的像素点个数，根据各个人像的像素点个数计算出各个人像的面积，以面积最大的人像作为所述客户的人像。
在一些实施例中，所述双模糊算法为高斯模糊算法与均值模糊算法的结合算法。
本发明另一实施例提供一种电子设备，如图4所示，电子设备10包括：
一个或多个处理器110以及存储器120，图4中以一个处理器110为例进行介绍，处理器110和存储器120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。
处理器110用于完成电子设备10的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器120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，如本发明实施例中的人像背景虚化方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行电子设备10的各种功能应用以及数据处理，即实现上述方法实施例中的人像背景虚化方法。
存储器120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平台、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备10使用所创建的数据等。此外，存储器120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。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。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。
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的人像背景虚化方法，例如，执行以上描述的图1中的方法步骤S100至步骤S400。
本发明另一实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S400。
作为示例，计算机可读存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
综上所述，本发明提供的人像背景虚化方法、装置、电子设备及存储介质，首先获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；之后将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；之后根据分割出的人像的数量判断是否需要进行背景虚化处理；最后当所述分割出的人像没有超过预设数量时，采用双重模糊算法对所述背景进行虚化，以得到视频帧的虚化背景图像。本发明通过轻量级准确率高的实例分割模型进行人像和背景的分割，大大减少算法耗时，方便在移动设备上部署，有利于客户体验，针对银行视频面审的特点根据分割面积大小来确定客户，而其他非客户本人的人/物进行虚化来最大程度保护客户的隐私，使用双重模糊方法来提高模糊程度，也最大程度来保护客户的隐私。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种人像背景虚化方法，其特征在于，包括如下步骤：
获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；
将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；
根据分割出的人像的数量，确定需要虚化的内容；
采用双重模糊算法对确定出的需要虚化的内容进行虚化，以得到视频帧的虚化背景图像。
2.根据权利要求1所述的人像背景虚化方法，其特征在于，所述获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像，包括：
获取视频帧，对所述视频帧进行频域转换，以得到频域图；
采用预设的巴特沃斯滤波器，对所述频域图进行滤波处理；
对所述滤波后的频域图进行反变换，以得到突出人像的轮廓的RGB图像。
3.根据权利要求2所述的人像背景虚化方法，其特征在于，所述巴特沃斯滤波器为:
其中，H(u,v)为过滤后的频域，D(u,v)为原始频域，n为滤波器的阶数，D0为截止频域。
4.根据权利要求1所述的人像背景虚化方法，其特征在于，所述轻量级实例分割模型的主干网络为轻量级网络，所述轻量级网络具有若干个卷积层，且其中任意几个卷积层具有若干个大小不同的卷积核，任意几个相邻的卷积层之间插入有密集块。
5.根据权利要求1所述的人像背景虚化方法，其特征在于，所述根据分割出的人像的数量，确定需要虚化的内容，包括：
根据分割出的人像，确定人像的数量，当分割出的人像的数量大于1时，确定出客户的人像，并以除客户人像以外的其它人像以及背景作为待虚化内容，当分割出的人像的数量为1时，以背景作为待虚化内容。
6.根据权利要求5所述的人像背景虚化方法，其特征在于，所述确定出客户的人像，包括：
获取各个人像的像素点个数，根据各个人像的像素点个数计算出各个人像的面积，以面积最大的人像作为所述客户的人像。
7.根据权利要求1所述的人像背景虚化方法，其特征在于，所述双模糊算法为高斯模糊算法与均值模糊算法的结合算法。
8.一种人像背景虚化装置，其特征在于，包括：
预处理模块，用于获取视频帧，对所述视频帧进行预处理后，得到突出人像的轮廓的RGB图像；
分割模块，用于将所述RGB图像输入至预先训练完成的轻量级实例分割模型中，以将所述RGB图像中的人像和背景分割；
虚化判断模块，用于根据分割出的人像的数量，确定需要虚化的内容；
虚化模块，用于采用双重模糊算法对确定出的需要虚化的内容进行虚化，以得到视频帧的虚化背景图像。
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的人像背景虚化方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的人像背景虚化方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211338214.0A CN115641352A (zh) | 2022-10-28 | 2022-10-28 | 一种人像背景虚化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211338214.0A CN115641352A (zh) | 2022-10-28 | 2022-10-28 | 一种人像背景虚化方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115641352A true CN115641352A (zh) | 2023-01-24 |
Family
ID=84945954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211338214.0A Pending CN115641352A (zh) | 2022-10-28 | 2022-10-28 | 一种人像背景虚化方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115641352A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789093A (zh) * | 2023-12-28 | 2024-03-29 | 武汉言平科技有限公司 | 一种基于人工智能的音视频合成处理方法 |
-
2022
- 2022-10-28 CN CN202211338214.0A patent/CN115641352A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789093A (zh) * | 2023-12-28 | 2024-03-29 | 武汉言平科技有限公司 | 一种基于人工智能的音视频合成处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106778928B (zh) | 图像处理方法及装置 | |
| US10708525B2 (en) | Systems and methods for processing low light images | |
| US10410327B2 (en) | Shallow depth of field rendering | |
| CN110675336A (zh) | 一种低照度图像增强方法及装置 | |
| CN112602088B (zh) | 提高弱光图像的质量的方法、系统和计算机可读介质 | |
| US20200279358A1 (en) | Method, device, and system for testing an image | |
| WO2022134971A1 (zh) | 一种降噪模型的训练方法及相关装置 | |
| CN111507333B (zh) | 一种图像矫正方法、装置、电子设备和存储介质 | |
| CN111311532B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN113362338B (zh) | 铁轨分割方法、装置、计算机设备和铁轨分割处理系统 | |
| CN111709879B (zh) | 图像处理方法、图像处理装置及终端设备 | |
| CN116310046B (zh) | 图像处理方法、装置、计算机及存储介质 | |
| Singh et al. | A comprehensive review of convolutional neural network based image enhancement techniques | |
| CN112241934B (zh) | 一种图像处理方法以及相关设备 | |
| CN115641352A (zh) | 一种人像背景虚化方法、装置、电子设备及存储介质 | |
| CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
| CN113192101B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| US20170140538A1 (en) | Image preprocessing method and electronic device for image registration | |
| Bernacki | On robustness of camera identification algorithms | |
| CN110880160B (zh) | 图片帧超分方法、装置、终端设备及计算机可读存储介质 | |
| WO2023207741A1 (zh) | 一种元宇宙场景素材的建模方法及相关装置 | |
| CN113658050A (zh) | 一种图像的去噪方法、去噪装置、移动终端及存储介质 | |
| KR102559691B1 (ko) | 뉴럴 렌더링 기반 형상 색상 통합 3d 메시 복원 방법 및 장치 | |
| CN115689947A (zh) | 一种图像锐化的方法、系统、电子装置和存储介质 | |
| Yu et al. | Intensity guided depth upsampling using edge sparsity and super-weighted $ l_0 $ gradient minimization |
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 |