一种图像再生成方法和系统技术方案

本说明书实施例提供一种图像再生成方法和系统，该方法包括：获取用户人脸图像；基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，用户转换图像与用户人脸图像表情相同，人脸特征不同。该系统包括：图像获取模块，用于获取用户人脸图像；图像处理模块，用于基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，用户转换图像与用户人脸图像表情相同，人脸特征不同。人脸特征不同。人脸特征不同。

【技术实现步骤摘要】
一种图像再生成方法和系统


[0001]本说明书涉及人脸识别
，特别涉及一种图像再生成方法和系统。

技术介绍

[0002]随着计算机技术的迅速发展，人脸识别技术不断成熟，对于人脸图像再生成的需求越来越多。如当用户网络匿名视频交流、自媒体素材制作、匿名面试、匿名新闻访谈时，需要避免用户出镜暴露隐私；如当虚拟课堂上课时，需要判断用户是否在听课；如当卡通动画制作时，需要模拟真实人脸表情等。
[0003]因此，需要一种能够保护用户隐私、能够保证用户人脸识别效率的图像再生成方法和系统。

技术实现思路

[0004]本说明书一个或多个实施例提供一种图像再生成方法，所述方法包括获取用户人脸图像；基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，用户转换图像与用户人脸图像表情相同，人脸特征不同。
[0005]本说明书一个或多个实施例提供一种图像再生成系统，所述系统包括图像获取模块，用于获取用户人脸图像；图像处理模块，用于基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，用户转换图像与用户人脸图像表情相同，人脸特征不同。
[0006]本说明书一个或多个实施例提供一种图像再生成装置，包括处理器，所述处理器用于执行上述图像再生成方法。
[0007]本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述图像再生成方法。
附图说明
[0008]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0009]图1是根据本说明书一些实施例所示的图像再生成方法的示例性流程图；
[0010]图2是根据本说明书一些实施例所示的图像再生成方法示意图；
[0011]图3是根据本说明书一些实施例所示的联合模型的示意图；
[0012]图4是根据本说明书一些实施例所示的另一图像再生成方法的示意图；
[0013]图5是根据本说明书一些实施例所示的图像再生成系统的示例性模块图。
具体实施方式
[0014]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使
用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0015]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0016]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和组成部分，而这些步骤和组成部分不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或组成部分。
[0017]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0018]图1是根据本说明书一些实施例所示的图像再生成方法的示例性流程图。如图1所示，流程100包括下述步骤。
[0019]步骤110，获取用户人脸图像。
[0020]用户人脸图像是指可以反映用户人脸相关信息的图像，其中，用户人脸图像可以包括实时获取的用户视频，或用户自行上传的视频等。
[0021]基于用户人脸图像可以获取用户人脸表情和用户人脸特征。用户人脸表情是指可以表情用户个性或心情的相关表情，例如，用户人脸表情可以是愉悦、愤怒、困惑、失望、痛苦、悲伤、惊讶等。用户人脸特征是指用于人脸识别的相关特征，例如，用户人脸特征可以包括眼睛、鼻子、嘴巴、皮肤、头发等脸部部位特征，如“黑色眼睛、塌鼻梁、厚嘴唇、棕色长发”等。在一些实施例中，用户人脸特征与用户人脸表情相关，例如，伤心时“嘴角下撇”，欢快时“嘴角提升”，委屈时“撅起嘴巴”，惊讶时“张口结舌”，忿恨时“咬牙切齿”，忍耐痛苦时“咬住下唇”等。
[0022]在一些实施例中，可以通过图像获取模块510，获取用户人脸图像。
[0023]步骤120，基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像。
[0024]在一些实施例中，可以通过机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，获得用户转换图像。在一些实施例中，机器学习模型为人脸图像再生成模型。
[0025]在一些实施例中，人脸图像再生成模型的输入可以是用户人脸图像和至少一个参考人脸图像，输出可以是用户转换图像。
[0026]参考人脸图像是指可以用于用户人脸图像参考的相关图像，其中，参考人脸图像可以与用户人脸图像的人具有不同的特征。
[0027]用户转换图像是指经过人脸图像再生成模型处理用户人脸图像后的图像。在一些实施例中，用户转换图像与用户人脸图像表情相同，人脸特征不同。例如，用户人脸图像的人脸表情为“愉悦、嘴角提升”人脸特征为“黑色眼睛、塌鼻梁、厚嘴唇、棕色长发”，用户转换
图像的人脸表情为“愉悦、嘴角提升”人脸特征可以为“蓝色眼睛、高鼻梁、薄嘴唇、红色长发”等。
[0028]关于人脸图像再生成模型的更多内容可参见图2及其相关描述。
[0029]在本说明书的一些实施例中，通过获取用户人脸图像，基于机器学习模型对用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，能够很好的保护用户的隐私；通过生成用户转换图像，可以保证用户人脸特征不同和人脸表情的一致，确保新生成的用户图像能够准确的展示用户自身的表情，保证了交流过程中情绪传递的有效性。
[0030]图2是根据本说明书一些实施例所示的图像再生成方法示意图。如图所示，在一些实施例中，用户终端可以基于人脸图像再生成模型对用户人脸图像进行处理，生成用户转换图像。在一些实施例中，人脸图像再生成模型200至少可以包括以下内容。
[0031]在一些实施例中，人脸图像再生成模型200可以用于基于用户人脸图像生成用户转换图像，该处理后的人脸图像具有和用户人脸图像具有相同的表情、动作，但人脸特征不同。
[0032]在一些实施例中，人脸图像再生成模型200的输入可以包括用户人脸图像210
‑
1和多张参考人脸图像220
‑
1。其中，用户人脸图像210
‑
1可以基于用户在用户终端录制的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像再生成方法，包括：获取用户人脸图像；基于机器学习模型对所述用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，所述用户转换图像与所述用户人脸图像表情相同，人脸特征不同。2.如权利要求1所述的图像再生成方法，所述机器学习模型包括：第一特征提取层，用于对所述用户人脸图像进行处理，输出用户人脸特征；第二特征提取层，用于对所述至少一个参考人脸图像进行处理，输出对应的参考人脸图像特征；生成层，用于对所述用户人脸特征和所述参考人脸特征进行处理，输出用户转换人脸图像；其中，所述第一特征提取层与所述第二特征提取层参数共享。3.如权利要求1所述的图像再生成方法，所述用户人脸图像通过用户社交用的图像采集装置获得。4.如权利要求1所述的图像再生成方法，所述用户人脸图像通过受访者的图像采集装置获得。5.一种图像再生成系统，包括：图像获取模块，用于获取用户人脸图像；图像处理模块，用于基于机器学习模型对所述用户人脸图像和至少一个参考人脸图像进行处理，生成用户转换图像，所述用户转换图像与所述用户人脸图像表情相同，人脸特征不同。6.如权利要求5所述的图像再生成系统，所述机器学习模型包括：第一特征提取层，...

【专利技术属性】
技术研发人员：颜青，
申请(专利权)人：颜青，
类型：发明
国别省市：