图像处理方法、装置、电子设备及计算机可读存储介质制造方法及图纸

技术编号:26068527 阅读:26 留言:0更新日期:2020-10-28 16:41
本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质,该方法包括:获取人脸图像集合,人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像和第三人物的指定表情的人脸图像;对人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,第一人脸特征集合包括第一人物的脸部特征、第二人物的姿态特征和第三人物的表情特征;根据第一人脸特征集合进行人脸合成,得到第一人物的合成人脸图像,第一人物的合成人脸图像具有第一人物的脸部特征、第二人物的姿态特征和第三人物的表情特征。采用本申请,能够提升生成的人脸图像的质量。此外,本申请还涉及区块链技术,第一人物的合成人脸图像可写入区块链中。

【技术实现步骤摘要】
图像处理方法、装置、电子设备及计算机可读存储介质
本申请涉及计算机
,尤其涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
技术介绍
图像生成是近年来逐渐流行的一项信息处理能力。图像生成涉及许多方面,其中,人脸图像生成是十分重要的研究领域。它的主要目的是生成质量上足以商业使用或者实验使用的人脸图像,或者是依照使用者的限制生成满足限制条件的人脸图像。目前,针对人脸图像生成,大型投入的相关技术主要是在传媒、推广等领域,如制作虚拟人物。但是对于人脸的编辑难以做到精细化,操控的粒度不足。一方面是由于技术的不成熟,另一方面是由于相关技术需要海量数据的支撑,难以满足。同时,对于完成度较高的相关技术,也会存在诸多缺陷,例如人物身份属于无中生有、表情的表现力不够等属性不达标的问题;又或者是人脸图像的清晰度过低、图像内容单一等质量有损的问题。因此,如何提升生成的人脸图像的质量成为亟待解决的问题。
技术实现思路
本申请实施例提供给了一种图像处理方法、装置、电子设备及计算机可读存储介质,可以提升生成的人脸图像的质量。第一方面,本申请实施例提供了一种图像处理方法,包括:获取人脸图像集合,所述人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像以及第三人物的指定表情的人脸图像;对所述人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,所述第一人脸特征集合包括所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征;根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,所述第一人物的合成人脸图像具有所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征。可选地,所述根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,包括:利用训练后的卷积神经网络模型对所述第一人脸特征集合进行上采样,得到所述第一人物的合成人脸图像,所述上采样包括以下任一项:双线性插值、最近邻插值、转置卷积。可选地,所述上采样包括转置卷积,所述利用所述训练后的卷积神经网络模型对所述第一人脸特征集合进行上采样,得到所述第一人物的合成人脸图像,包括:利用所述训练后的卷积神经网络模型包括的转置卷积层对所述第一人脸特征集合进行转置卷积,得到所述第一人物的合成人脸图像。可选地,所述利用所述训练后的卷积神经网络模型包括的转置卷积层对所述第一人脸特征集合进行转置卷积,得到所述第一人物的合成人脸图像,包括:利用所述第一人脸特征集合构建特征图;利用所述训练后的卷积神经网络模型包括的转置卷积层对所述特征图进行转置卷积,得到所述第一人物的合成人脸图像。可选地,所述得到所述第一人物的合成人脸图像之后,所述方法还包括:对所述第一人物的合成人脸图像进行图像检测,得到图像检测结果;根据所述图像检测结果对所述第一人物的合成人脸图像进行人脸矫正,得到矫正后的所述第一人物的合成人脸图像;输出矫正后的所述第一人物的合成人脸图像。可选地,所述方法还包括:获取人脸图像数据集,所述人脸图像数据集包括至少一组图像,所述至少一组图像中的每组图像包括原人脸图像、至少一种姿态中每种姿态对应的至少一张人脸图像以及至少一种表情中每种表情对应的至少一张人脸图像;利用所述人脸图像数据集对初始的卷积神经网络模型进行训练,得到训练后的卷积神经网络模型。可选地,所述利用所述人脸图像数据集对初始的卷积神经网络模型进行训练,得到训练后的卷积神经网络模型,包括:对所述至少一组图像中的目标组图像进行特征提取,得到第二人脸特征集合;利用初始的卷积神经网络模型对所述第二人脸特征集合进行上采样,得到至少一张第一合成人脸图像;通过所述初始的卷积神经网络模型对所述至少一张第一合成人脸图像中每张第一合成人脸图像进行还原处理,得到所述每张第一合成人脸图像对应的第二合成人脸图像,所述第二合成人脸图像与所述目标组人脸图像包括的原人脸图像相匹配,得到收敛的卷积神经网络模型作为训练后的卷积神经网络模型。第二方面,本申请实施例提供了一种图像处理装置,包括:获取模块,用于获取人脸图像集合,所述人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像以及第三人物的指定表情的人脸图像;处理模块,用于对所述人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,所述第一人脸特征集合包括所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征;所述处理模块,还用于根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,所述第一人物的合成人脸图像具有所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征。第三方面,本申请实施例提供了一种电子设备,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。第四方面,本申请实施例提供了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计算机程序,所述计算机程序被处理器执行以实现如第一方面所述的方法。综上所述,电子设备可以获取人脸图像集合,该人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像以及第三人物的指定表情的人脸图像;电子设备可以对该人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,并根据该第一人脸特征集合进行人脸合成,得到该第一人物的合成人脸图像,该第一人物的合成人脸图像具有该第一人物的脸部特征、该第二人物的姿态特征以及该第三人物的表情特征,相较于现有技术针对生成人脸图像产生的人脸编辑不够精细、人脸表情的表现力不够或图像内容较为单一等导致图像质量低下的问题,采用本申请可以生成逼真的多角度的人脸表情图像,能够提升生成的人脸图像的质量。附图说明为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种图像处理方法的流程示意图;图2是本申请实施例提供的另一种图像处理方法的流程示意图;图3是本申请实施例提供的一种图像处理装置的结构示意图;图4是本申请实施例提供的一种电子设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。由于人脸姿态、表情的变化具有多样性和复杂性,再加上现有技术的人脸图像生成技术上的缺陷,如人脸生成模型特有的不稳定性和可能导致的细节缺失,使得多角度的人脸表情图像生成十分困难,并且生成的人脸图像的质量也不高,为了实现多角度的人脸表情图像的生成,并保本文档来自技高网...

【技术保护点】
1.一种图像处理方法,其特征在于,包括:/n获取人脸图像集合,所述人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像以及第三人物的指定表情的人脸图像;/n对所述人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,所述第一人脸特征集合包括所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征;/n根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,所述第一人物的合成人脸图像具有所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征。/n

【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
获取人脸图像集合,所述人脸图像集合包括第一人物的人脸图像、第二人物的指定姿态的人脸图像以及第三人物的指定表情的人脸图像;
对所述人脸图像集合中各人脸图像进行特征提取,得到第一人脸特征集合,所述第一人脸特征集合包括所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征;
根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,所述第一人物的合成人脸图像具有所述第一人物的脸部特征、所述第二人物的姿态特征以及所述第三人物的表情特征。


2.根据权利要求1所述的方法,其特征在于,所述根据所述第一人脸特征集合进行人脸合成,得到所述第一人物的合成人脸图像,包括:
利用训练后的卷积神经网络模型对所述第一人脸特征集合进行上采样,得到所述第一人物的合成人脸图像,所述上采样包括以下任一项:双线性插值、最近邻插值、转置卷积。


3.根据权利要求2所述的方法,其特征在于,所述上采样包括转置卷积,所述利用所述训练后的卷积神经网络模型对所述第一人脸特征集合进行上采样,得到所述第一人物的合成人脸图像,包括:
利用所述训练后的卷积神经网络模型包括的转置卷积层对所述第一人脸特征集合进行转置卷积,得到所述第一人物的合成人脸图像。


4.根据权利要求3所述的方法,其特征在于,所述利用所述训练后的卷积神经网络模型包括的转置卷积层对所述第一人脸特征集合进行转置卷积,得到所述第一人物的合成人脸图像,包括:
利用所述第一人脸特征集合构建特征图;
利用所述训练后的卷积神经网络模型包括的转置卷积层对所述特征图进行转置卷积,得到所述第一人物的合成人脸图像。


5.根据权利要求1-4任一项所述的方法,其特征在于,所述得到所述第一人物的合成人脸图像之后,所述方法还包括:
对所述第一人物的合成人脸图像进行图像检测,得到图像检测结果;
根据所述图像检测结果对所述第一人物的合成人脸图像进行人脸矫正,得到矫正后的所述第一人物的合成人脸图像;
输出矫正后的所述第一人物的合成人脸图像。


6.根据权利要求2-4任一项所述的方法,其特征在于,...

【专利技术属性】
技术研发人员:郑子奇徐国强邱寒
申请(专利权)人:平安科技深圳有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1