图像样本生成方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像样本生成方法、装置、计算机设备和存储介质，所述方法包括：获取待处理图像，待处理图像为实际拍摄获得的图像；获取待模拟场景的待模拟场景信息；根据待处理图像以及待模拟场景信息，生成待处理图像在待模拟场景下的合成图像，获得待处理图像在待模拟场景下的图像样本。本申请提供的方案可以获得相同场景下的图像样本，还可以快速生成各种不同场景下的图像样本。

Image sample generation method, device, computer equipment and storage medium

The present application relates to an image sample generation method, device, computer device and storage medium, the method includes: acquiring the image to be processed, the image to be processed is the image actually captured; acquiring the scene information to be simulated of the scene to be simulated; generating the synthetic image of the image to be processed under the scene to be simulated according to the image to be processed and the scene information to be simulated, and obtaining Image samples of the image to be processed in the scene to be simulated. The scheme provided by the application can obtain image samples under the same scene, and can quickly generate image samples under different scenes.

【技术实现步骤摘要】
图像样本生成方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种图像样本生成方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能(AI)技术的发展，利用AI进行图像识别的应用越来越广泛。在AI图像识别应用领域，如身份证证件识别、人脸识别、活体检测等业务领域，需要收集在特定场景下的样本数据，用于训练及验证AI算法。目前获取图像样本的方法依赖于人工采集，需要人工首先搭建采集环境，然后手动拍摄，由于该采集过程中存在难以避免的环境变化(如光线的自然变化)以及拍摄时人为引入的误差，导致难以收集到相同场景下的多个不同图像样本。
技术实现思路
基于此，有必要针对目前方法难以收集到相同场景下的多个不同图像样本的技术问题，提供一种图像样本生成方法、装置、计算机设备和存储介质。一种图像样本生成方法，所述方法包括：获取待处理图像，所述待处理图像为实际拍摄获得的图像；获取待模拟场景的待模拟场景信息；根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。一种图像样本生成装置，所述装置包括：第一获取模块，用于获取待处理图像，所述待处理图像为实际拍摄获得的图像；第二获取模块，用于获取待模拟场景的待模拟场景信息；生成模块，用于根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。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，使得所述处理器执行以下步骤：获取待处理图像，所述待处理图像为实际拍摄获得的图像；获取待模拟场景的待模拟场景信息；根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取待处理图像，所述待处理图像为实际拍摄获得的图像；获取待模拟场景的待模拟场景信息；根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。上述图像样本生成方法、装置、计算机可读存储介质和计算机设备，其是将待处理图像与待模拟场景进行合成，获得待处理图像在待模拟场景下的图像样本，当需要生成不同对象在同一场景下的图像样本时，将各对象的任一实际图像与该场景合成即可，避免人工采集不同对象在同一场景下的图像时，由于环境变化或人为误差引起的场景变化，可以确保各图像样本的场景相同，此外还可以快速生成各种不同场景下的图像样本。附图说明图1为一个实施例中图像样本生成方法的应用环境图；图2为一个实施例中图像样本生成方法的流程示意图；图3为一个实施例中训练获得已训练图像光影迁移算法模型的方法的流程示意图；图4为一个实施例中训练获得已训练图像光影迁移算法模型的方法的流程示意图；图5为一个实施例中基于图像样本生成方法的应用系统架构示意图；图6为一个实施例中图像样本生成装置的结构框图；图7为一个实施例中图像样本生成装置的结构框图；图8为一个实施例中计算机设备的结构框图；图9为一个实施例中计算机设备的结构框图。具体实施方式人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。计算机视觉技术是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。本申请涉及人工智能中的计算机视觉技术，基于计算机视觉技术生成用于图像识别的图像样本。为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。图1为一个实施例中图像样本生成方法的应用环境图。如图1所示，该应用环境涉及终端110和服务器120，终端110和服务器120通过网络连接。用户可以通过终端110访问AI图像识别业务平台，服务器120可以是该AI图像识别业务平台所在的服务器。终端110或者服务器120，可以获取待处理图像以及待模拟场景的待模拟场景信息，并根据待处理图像以及待模拟场景信息，生成待处理图像在待模拟场景下的合成图像，生成待处理图像在待模拟场景下的图像样本。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。如图2所示，在一个实施例中，提供了一种图像样本生成方法。本实施例主要以该方法应用于上述图1中的终端110或者服务器120来举例说明。参照图2，该图像样本生成方法具体包括如下步骤S202至步骤S206。S202，获取待处理图像，待处理图像为实际拍摄获得的图像。待处理图像为业务对象的真实图像，可以是线上业务收集的业务对象的真实图像。例如，对于人脸识别业务，待处理图像为收集到的真实人脸，比如室内通过手机拍摄的大头照。S204，获取待模拟场景的待模拟场景信息。场景为业务对象(比如用户或是用户证件)所在的环境，包括室内或室外、白天或黑夜、强灯光或弱灯光、晴天或阴天等各种不同场景，不同场景下的光线不同。在不同场景下对业务对象进行拍摄，由于光线不同，导致拍摄获得的图像的光影效果不同。例如，对于室外拍摄，在晴天拍摄的图像和在阴天拍摄的图像，其光影效果不同，对本文档来自技高网...

【技术保护点】
1.一种图像样本生成方法，包括：/n获取待处理图像，所述待处理图像为实际拍摄获得的图像；/n获取待模拟场景的待模拟场景信息；/n根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。/n

【技术特征摘要】
1.一种图像样本生成方法，包括：
获取待处理图像，所述待处理图像为实际拍摄获得的图像；
获取待模拟场景的待模拟场景信息；
根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。


2.根据权利要求1所述的方法，其特征在于，根据所述待处理图像以及所述待模拟场景信息，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本，包括：
采用已训练图像光影迁移算法模型，对所述待处理图像以及所述待模拟场景信息进行处理，生成所述待处理图像在所述待模拟场景下的合成图像，获得所述待处理图像在所述待模拟场景下的图像样本。


3.根据权利要求2所述的方法，其特征在于，训练获得所述已训练图像光影迁移算法模型的方法包括：
获取训练样本图像，以及所述训练样本图像在光影场景下的渲染样本，所述光影场景包括所述待模拟场景；
采用待训练图像光影迁移算法模型，对所述训练样本图像以及光影场景信息进行处理，生成所述训练样本图像在所述光影场景下的合成样本；所述光影场景信息与所述光影场景对应；
根据所述合成样本与所述渲染样本的差异，调整所述待训练图像光影迁移算法模型后，返回采用待训练图像光影迁移算法模型，对所述训练样本图像以及光影场景信息进行处理的步骤，直至满足训练结束条件，获得所述已训练图像光影迁移算法模型。


4.根据权利要求3所述的方法，其特征在于，获取训练样本图像，以及所述训练样本图像在光影场景下的渲染样本，包括：
获取初始三维模型；
将所述初始三维模型放置于所述光影场景下，获得场景三维模型；
将所述初始三维模型渲染为二维图像，获得训练样本图像；
将所述场景三维模型渲染为二维图像，获得所述训练样本图像在所述光影场景下的渲染样本。


5.根据权利要求4所述的方法，其特征在于，在获得所述训练样本图像在光影场景下的渲染样本之后，还包括：
记录所述渲染样本的模型信息和光影场景信息，所述渲染样本通过所述模型信息与所述训练样本图像对应。


6.根据权利要求2所述的方法，其特征在于，所述已训练图像光影迁移算法模型包括各光影...

【专利技术属性】
技术研发人员：鲁四喜，彭梅英，唐嘉龙，罗慧，
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