The embodiment of the present invention discloses an image data processing method and device, which includes acquiring the original image information containing the target object, detecting multiple pixels in the original image information based on the first neural network model, setting corresponding mask values for each pixel according to the detection results, and image of each pixel in the original image information. Primitive value and mask value are used to segment the original image information and obtain the foreground area containing the pixels with the first mask value as the target area corresponding to the target object. The target object in the target area is recognized and the corresponding feature classification information of the target object is determined according to the recognition result. Material information matching the feature classification information is searched and will be searched. The material information is integrated to generate the first virtual person data corresponding to the target object. By adopting the present invention, the recognition efficiency and accuracy of data can be improved, and the display effect of image data can be enriched.
【技术实现步骤摘要】
一种图像数据处理方法和装置
本专利技术涉及互联网
,尤其涉及一种图像数据处理方法和装置。
技术介绍
随着电脑、互联网、手机的迅速发展和普及,虚拟宠物逐渐兴起。现有的虚拟宠物往往是通过人为对原始图像进行图像处理之后所得到的虚拟图像。即当终端获取到一张宠物狗的原始图片时,可以在该宠物狗的原始图片的基础上,人为地对该宠物狗所在区域内的图像数据进行图像处理,比如,可以人为地将该宠物狗的鼻子进行放大、缩小或更换,以得到该宠物狗对应的虚拟图像。可见,通过图像处理后所得到虚拟图像和原始图像依然具有相同的品种属性,进而导致图像处理后的图像数据的展示效果比较单一。此外,对于目前现有的一些图像处理技术(比如,自动将原始图像中的宠物狗的眼睛放大或者缩小),则需要提前对该整张原始图像进行识别,以找出其中的宠物狗的眼睛,当该原始图像中的存在大量的背景数据时,这些背景数据会在对该宠物狗眼睛的进行识别的过程中会产生大量冗余数据处理量,降低了数据识别效率,而且大量的背景数据也会对该宠物狗眼睛的识别造成干扰,甚至出现误识别,进而降低了图像数据的识别准确率。
技术实现思路
本专利技术实施例提供一种图像数据处理方法和装置,可以丰富图像数据的展示效果,且可以提高数据识别效率和识别准确率。本专利技术实施例一方面提供了一种图像数据处理方法,包括:获取包含目标对象的原始图像信息,并基于第一神经网络模型,对所述原始图像信息中的多个像素点进行检测,并根据检测结果为每个像素点设置相应的掩码值;所述掩码值包括第一掩码值和第二掩码值;所述第一掩码值用于表征属于前景区域的像素点,所述第二掩码值用于表征属于背景区 ...
【技术保护点】
1.一种图像数据处理方法,其特征在于,包括:获取包含目标对象的原始图像信息,并基于第一神经网络模型,对所述原始图像信息中的多个像素点进行检测,并根据检测结果为每个像素点设置相应的掩码值;所述掩码值包括第一掩码值和第二掩码值;所述第一掩码值用于表征属于前景区域的像素点,所述第二掩码值用于表征属于背景区域的像素点;根据所述原始图像信息中的每个像素点的像素值以及所述掩码值,对所述原始图像信息进行分割,得到包含具有所述第一掩码值的像素点的前景区域,作为所述目标对象对应的目标区域;对所述目标区域内的所述目标对象进行识别,并根据识别结果确定所述目标对象对应的体征分类信息;查找与所述体征分类信息相匹配的素材信息,并将查找到的素材信息进行整合,生成所述目标对象对应的第一虚拟人物数据。
【技术特征摘要】
1.一种图像数据处理方法,其特征在于,包括:获取包含目标对象的原始图像信息,并基于第一神经网络模型,对所述原始图像信息中的多个像素点进行检测,并根据检测结果为每个像素点设置相应的掩码值;所述掩码值包括第一掩码值和第二掩码值;所述第一掩码值用于表征属于前景区域的像素点,所述第二掩码值用于表征属于背景区域的像素点;根据所述原始图像信息中的每个像素点的像素值以及所述掩码值,对所述原始图像信息进行分割,得到包含具有所述第一掩码值的像素点的前景区域,作为所述目标对象对应的目标区域;对所述目标区域内的所述目标对象进行识别,并根据识别结果确定所述目标对象对应的体征分类信息;查找与所述体征分类信息相匹配的素材信息,并将查找到的素材信息进行整合,生成所述目标对象对应的第一虚拟人物数据。2.根据权利要求1所述的方法,其特征在于,所述根据所述原始图像信息中的每个像素点的像素值以及所述掩码值,对所述原始图像信息进行分割,得到包含具有所述第一掩码值的像素点的前景区域,作为所述目标对象对应的目标区域,包括:根据所述第一掩码值和所述第二掩码值,生成所述原始图像信息对应的掩码图;所述掩码图中的每个像素点与所述原始图像信息中的每个像素点之间具有一一映射关系;获取所述原始图像信息中的每个像素点的像素值,并基于所述映射关系,将所述原始图像信息中的每个像素点的像素值,与所述掩码图中相应像素点对应的掩码值进行二值与操作,得到包含具有所述第一掩码值的像素点的前景区域;将所述包含具有所述第一掩码值的像素点的前景区域,作为所述目标对象对应的目标区域。3.根据权利要求1所述的方法,其特征在于,所述对所述目标区域内的所述目标对象进行识别,并根据识别结果确定所述目标对象对应的体征分类信息,包括:将所述目标对象所在的目标区域作为待处理区域,并基于第二神经网络模型对所述待处理区域进行特征提取,得到与所述待处理区域对应的图像特征;根据所述第二神经网络模型中的分类器,识别所述图像特征与所述第二神经网络模型中多个属性类型特征之间的匹配度;将由所述第二神经网络模型得到的匹配度与所述第二神经网络模型中多个属性类型特征对应的标签信息进行关联,得到所述第二神经网络模型对应的识别结果;基于所述识别结果确定所述目标对象对应的体征分类信息。4.根据权利要求3所述的方法,其特征在于,所述将所述目标对象所在的目标区域作为待处理区域,包括:将所述目标区域划分为多个子区域,并对各子区域进行选择性搜索,并对选择性搜索后的子区域进行合并,得到多个合并区域,并将所述多个子区域和所述多个合并区域均确定为待处理区域。5.根据权利要求3所述的方法,其特征在于,所述查找与所述体征分类信息相匹配的素材信息,并将查找到的素材信息进行整合,生成所述目标对象对应的第一虚拟人物数据,包括:基于所述第二神经网络模型中多个属性类型特征,将所述目标对象对应的体征分类信息划分为多个局部体征信息;每个局部体征信息对应一个属性类型特征;在人体素材库中查找与每个局部体征信息相匹配的局部素材信息,并将查找到的多个局部素材信息,作为所述体征分类信息对应的素材信息;对所述素材信息中的多个局部素材信息进行拼接,得到所述目标对象对应的第一虚拟人物数据。6.根据权利要求1所述的方法,其特征在于,还包括:基于所述识别结果确定所述目标对象对应的品种分类信息,并获取所述品种分类信息对应的微调参数;基于所述微调参数对所述第一虚拟人物数据进行调整,并将调整后的第一虚拟人物数据作为所述目标对象对应的第二虚拟人物数据;基于所述第二虚拟人物数据生成所述目标对象对应的目标虚拟人物数据。7.根据权利要求6所述的方法,其特征在于,所述基于所述识别结果确定所述目标对象对应的品种分类信息,并获取所述品种分类信息对应的微调参数,包括:基于第二神经网络模型对应的识别结果确定所述目标对象对应的品种分类信息,并获取所述品种分类信息对应的品种数据包;所述品种数据包中包含与每个局部体征信息具有映射关系的局部标准数据;基于各局部体征信息与相应的所述局部标准数据之间的映射关系,将所述局部体征信息与所述局部标准数据进行比较,得到每个局...
【专利技术属性】
技术研发人员:李科慧,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。