基于人工智能的图像处理方法、装置、介质及电子设备制造方法及图纸

本公开提供了一种基于人工智能的图像处理方法、装置、介质及电子设备，涉及人工智能领域。该方法包括：获取原始人脸图像，对所述原始人脸图像进行特征提取以获取人脸区域图像；将所述人脸区域图像输入至生成网络模型，通过所述生成网络模型对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像；其中所述第一图像中目标对象的特征不同于所述原始人脸图像中所述目标对象的特征；将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像。本公开能够对接收到的人脸图像进行实时处理，另外能够保持生成图像的分辨率与原始人脸图像的分辨率相同，提高了生成图像的质量，进而提升了用户体验。

Image processing methods, devices, media and electronic equipment based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的图像处理方法、装置、介质及电子设备
本公开涉及人工智能
，具体而言，涉及一种基于人工智能的图像处理方法、基于人工智能的图像处理装置、计算机存储介质及电子设备。
技术介绍
随着计算机技术的变革以及人工智能的迅速发展，人工智能技术广泛应用于各种电子产品上，如智能手机、人像处理软件、扫地机器人等等。目前，人们在拍照时喜欢使用诸如美颜相机之类的人像处理软件，希望能够对所拍摄的人像进行改变，例如对眼睛、鼻子、嘴巴、头发等部位进行修改优化，但是现有的人像处理软件很难实时在脸部角度变化时模拟出逼真的三维效果，并且可选择的特效较少、生成图像的分辨率低于原始图像，降低了用户体验。鉴于此，本领域亟需开发一种新的基于人工智能的图像处理方法。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的实施例提供了一种基于人工智能的图像处理方法、基于人工智能的图像处理装置、计算机存储介质及电子设备，进而至少在一定程度上可以实时对人脸图像模拟三维效果，并且保持生成图像各部分的分辨率，进一步提高用户体验。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开实施例的一个方面，提供了一种基于人工智能的图像处理方法，包括：获取原始人脸图像，对所述原始人脸图像进行特征提取以获取人脸区域图像；将所述人脸区域图像输入至生成网络模型，通过所述生成网络模型对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像；其中所述第一图像中目标对象的特征不同于所述原始人脸图像中所述目标对象的特征；将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像。根据本公开实施例的一个方面，提供了一种基于人工智能的图像处理装置，包括：图像获取模块，用于获取原始人脸图像，对所述原始人脸图像进行特征提取以获取人脸区域图像；图像处理模块，用于将所述人脸区域图像输入至生成网络模型，通过所述生成网络模型对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像；其中所述第一图像中目标对象的特征不同于所述原始人脸图像中所述目标对象的特征；图像叠加模块，用于将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像。在本公开的一些实施例中，基于前述方案，所述图像获取模块配置为：检测所述原始人脸图像中的人脸区域，并对所述人脸区域进行特征配准以确定人脸特征点；根据所述人脸特征点的位置信息确定所述人脸特征点对应的特征区域；将所述特征区域扩大预设倍数，并根据扩大后的特征区域确定所述人脸区域图像。在本公开的一些实施例中，基于前述方案，所述图像处理模块包括：通道图像生成单元，用于对所述人脸区域图像进行特征提取以获取轮廓特征及五官特征，基于所述轮廓特征和所述五官特征获取RGB通道图像和α通道图像，并将所述RGB通道图像和所述α通道图像、所述RGB通道图像作为所述第一图像；或者，用于对所述人脸区域图像进行特征提取以获取轮廓特征及五官特征，基于所述轮廓特征和所述五官特征获取RGB通道图像，并将所述RGB通道图像作为所述第一图像。在本公开的一些实施例中，基于前述方案，所述图像叠加模块包括：图像对齐单元，用于根据所述人脸特征点将所述第一图像和所述原始人脸图像对齐；图像合成单元，用于将对齐后的所述第一图像与所述原始人脸图像进行叠加合成，以获取所述第二图像。在本公开的一些实施例中，所述第一图像包括RGB通道图像和α通道图像；基于前述方案，所述图像合成单元配置为：将所述α通道图像作为权重，并对所述RGB通道图像和所述原始人脸图像加权求和，以获取所述第二图像。在本公开的一些实施例中，基于前述方案，所述图像处理装置还包括：样本获取模块，用于获取人脸区域图像样本和与所述人脸区域图像样本对应的合成图像样本，所述合成图像样本为对所述人脸区域图像样本中的所述目标对象进行处理得到的；模型训练模块，用于根据所述人脸区域图像样本和所述合成图像样本对包含待训练生成网络和待训练判别网络的人脸图像模型进行训练，并将训练好的所述待训练生成网络作为所述生成网络模型。在本公开的一些实施例中，基于前述方案，所述样本获取模块包括：特征点获取单元，用于获取人脸图像样本，对所述人脸图像样本进行检测配准，以获取与人脸图像样本对应的人脸特征点；人脸区域图像样本获取单元，用于从所述人脸特征点中确定目标特征点，并根据所述目标特征点抠取对应不同姿态的所述人脸区域图像样本；区域位置图获取单元，用于通过区域预测模块对所述人脸区域图像样本进行特征提取，以获取与所述目标对象对应的区域位置图；合成图像样本获取单元，用于获取与目标对象对应的二维纹理图像，并将所述人脸区域图像样本、所述区域位置图和所述二维纹理图像叠加以获得与所述人脸区域图像样本对应的合成图像样本。在本公开的一些实施例中，基于前述方案，所述人脸区域图像样本获取单元配置为：根据所述目标特征点确定目标特征区域；固定所述目标特征区域的位置不变，获取对应不同姿态的人脸图像，并将所述人脸图像作为所述人脸区域图像样本。在本公开的一些实施例中，基于前述方案，所述区域位置图获取单元配置为：对所述人脸区域图像样本进行图像分割，以获取所述目标特征点；根据所述目标特征点和预设距离确定与所述目标对象对应的区域，并根据所述目标对象对应的区域获得所述区域位置图。在本公开的一些实施例中，基于前述方案，所述模型训练模块包括：待检测图像生成单元，用于将所述人脸区域图像样本输入至所述人脸图像模型，通过所述待训练生成网络对所述人脸区域图像样本进行特征提取，并基于所提取的特征生成包含优化后的所述目标对象的待检测图像；真实度获取单元，用于将所述待检测图像和所述合成图像样本输入至所述待训练判别网络，通过所述待训练判别网络对所述待检测图像和所述合成图像样本进行特征提取和特征比对，以获取所述待检测图像的真实度；参数调节单元，用于根据所述真实度调节所述人脸图像模型的参数，以使所述人脸图像模型收敛。在本公开的一些实施例中，基于前述方案，所述待检测图像生成单元配置为：对所述人脸区域图像样本进行特征提取，并基于所提取的特征生成RGB通道图像样本和α通道图像样本；将所述α通道图像样本和所述RGB通道图像样本叠加，以获取所述待检测图像在本公开的一些实施例中，基于前述方案，图像获取模块配置为：将接收到的单帧人脸图像作为所述原始人脸图像；或者，对接收到的视频所包含的各图像帧中的人脸信息进行提取，以获取所述原始人脸图像。根据本公开实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例所述的基于人工智能的图像处理方法。根据本公开实施例的一个方面，提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上述实施例所述的基于人工智能的图本文档来自技高网...

【技术保护点】
1.一种基于人工智能的图像处理方法，其特征在于，包括：/n获取原始人脸图像，对所述原始人脸图像进行特征提取以获取人脸区域图像；/n将所述人脸区域图像输入至生成网络模型，通过所述生成网络模型对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像；其中所述第一图像中目标对象的特征不同于所述原始人脸图像中所述目标对象的特征；/n将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像。/n

【技术特征摘要】
1.一种基于人工智能的图像处理方法，其特征在于，包括：
获取原始人脸图像，对所述原始人脸图像进行特征提取以获取人脸区域图像；
将所述人脸区域图像输入至生成网络模型，通过所述生成网络模型对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像；其中所述第一图像中目标对象的特征不同于所述原始人脸图像中所述目标对象的特征；
将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像。


2.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，所述对所述原始人脸图像进行特征提取以获取人脸区域图像，包括：
检测所述原始人脸图像中的人脸区域，并对所述人脸区域进行特征配准以确定人脸特征点；
根据所述人脸特征点的位置信息确定所述人脸特征点对应的特征区域；
将所述特征区域扩大预设倍数，并根据扩大后的特征区域确定所述人脸区域图像。


3.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，所述通过所述生成网络对所述人脸区域图像进行特征提取，并基于所提取的特征生成第一图像，包括：
对所述人脸区域图像进行特征提取以获取轮廓特征及五官特征，基于所述轮廓特征和所述五官特征获取RGB通道图像和α通道图像，并将所述RGB通道图像和所述α通道图像作为所述第一图像；或者，
对所述人脸区域图像进行特征提取以获取轮廓特征及五官特征，基于所述轮廓特征和所述五官特征获取RGB通道图像，并将所述RGB通道图像作为所述第一图像。


4.根据权利要求2所述的基于人工智能的图像处理方法，其特征在于，所述将所述第一图像与所述原始人脸图像对齐叠加，以获取第二图像，包括：
根据所述人脸特征点将所述第一图像和所述原始人脸图像对齐；
将对齐后的所述第一图像与所述原始人脸图像进行叠加合成，以获取所述第二图像。


5.根据权利要求4所述的基于人工智能的图像处理方法，其特征在于，所述第一图像包括RGB通道图像和α通道图像；
所述将对齐后的所述第一图像与所述原始人脸图像进行叠加合成，以获取所述第二图像，包括：
将所述α通道图像作为权重，并对所述RGB通道图像和所述原始人脸图像加权求和，以获取所述第二图像。


6.根据权利要求1所述的基于人工智能的图像处理方法，其特征在于，所述方法还包括：
获取人脸区域图像样本和与所述人脸区域图像样本对应的合成图像样本，所述合成图像样本为对所述人脸区域图像样本中的所述目标对象进行处理得到的；
根据所述人脸区域图像样本和所述合成图像样本对包含待训练生成网络和待训练判别网络的人脸图像模型进行训练，并将训练好的所述待训练生成网络作为所述生成网络模型。


7.根据权利要求6所述的基于人工智能的图像处理方法，其特征在于，所述获取人脸区域图像样本和与所述人脸区域图像样本对应的合成图像样本，包括：
获取人脸图像样本，对所述人脸图像样本进行检测配准，以获取与人脸图像样本对应的人脸特征点；
从所述人脸特征点中确定目标特征点，并根据所述目标特征点抠取对应不同姿态的所述人脸区域图像样本；
通过区域预测模块对所述人脸区域图像样本进行特征提取，以获取与所述目标对象对应的区域位置图；
获取与目标对象对应的二维纹理图像，并将所述人脸区域图像样本、所述区域位置图和所述二维纹理图像叠加以获得与所述人脸...

【专利技术属性】
技术研发人员：曹赟，曹煊，倪辉，邰颖，葛彦昊，曹玮剑，贺珂珂，汪铖杰，
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