图像处理方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种图像处理方法、装置及计算机可读存储介质，该方法包括：先获取第一姿态角，并确定与该第一姿态角对应的目标向量；接着将该第一姿态角以及目标向量共同输入至图像生成模型，得到姿态角为第一姿态角的目标人脸图像。通过将姿态角以及与姿态角对应得目标向量输入至训练好的图像生成模型，可得到姿态角满足用户需求的目标人脸图像，进而给用户带来更多元化的图像处理体验。带来更多元化的图像处理体验。带来更多元化的图像处理体验。

【技术实现步骤摘要】
图像处理方法、装置及计算机可读存储介质


[0001]本申请涉及人工智能
，特别的涉及一种图像处理方法、装置及计算机可读存储介质。

技术介绍

[0002]图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为，其多应用在测绘学、大气科学、天文学、美图等专业领域。
[0003]但基于无监督训练方式处理得到的图像过于固定，无法满足用户的多样化需求，且得到的图像质量不高。

技术实现思路

[0004]本申请实施例提供了一种图像处理方法、装置及计算机可读存储介质，其技术方案如下：
[0005]第一方面，本申请实施例提供了一种图像处理方法，方法包括：
[0006]获取第一姿态角；
[0007]确定与第一姿态角对应的目标向量；
[0008]将第一姿态角以及目标向量输入至图像生成模型，得到目标人脸图像；目标人脸图像的姿态角为第一姿态角，图像生成模型由多个第一随机向量以及与多个随机向量各自对应的样本姿态角训练得到。
[0009]在第一方面的一种可选方案中，确定与第一姿态角对应的目标向量，包括：
[0010]判断第一姿态角是否与多个样本姿态角中的任意一个样本姿态角一致；
[0011]当第一姿态角与任意一个样本姿态角一致时，采集第二随机向量；
[0012]将第二随机向量作为与第一姿态角对应的目标向量。
[0013]在第一方面的又一种可选方案中，计算第一姿态角与多个样本姿态角的相似度之后，还包括：
[0014]当第一姿态角与任意一个样本姿态角均不一致时，对第一姿态角进行第一转换处理，得到满足第一预设条件的第二姿态角；
[0015]根据第二姿态角确定与第一姿态角对应的目标向量。
[0016]在第一方面的又一种可选方案中，根据第二姿态角确定与第一姿态角对应的目标向量，包括：
[0017]根据第二姿态角确定满足第一预设条件的样本姿态角；
[0018]计算第二姿态角与每个满足第一预设条件的样本姿态角对应在坐标系中的欧式距离；
[0019]将距离满足第二预设条件的满足第一预设条件的样本姿态角作为参考姿态角，并基于第二姿态角以及参考姿态角确定参考系数；
[0020]根据参考姿态角以及参考系数确定与第一姿态角对应的目标向量。
[0021]在第一方面的又一种可选方案中，根据第二姿态角确定满足第一预设条件的样本姿态角，包括：
[0022]在多个随机向量各自对应的样本姿态角中查找满足第一预设条件的样本姿态角；
[0023]将满足第一预设条件的样本姿态角中出现频率达到预设阈值的样本姿态角作为满足第一预设条件的样本姿态角。
[0024]在第一方面的又一种可选方案中，根据参考姿态角以及参考系数确定与第一姿态角对应的目标向量，包括：
[0025]确定与参考姿态角对应的平均向量；
[0026]根据参考系数以及与参考姿态角对应的平均向量计算出与第一姿态角对应的目标向量。
[0027]在第一方面的又一种可选方案中，将第一姿态角以及目标向量输入至图像生成模型，得到目标人脸图像，包括：
[0028]将第二姿态角以及目标向量输入至图像生成模型，得到初始人脸图像；
[0029]对初始人脸图像进行第二转换处理，得到目标人脸图像；第二转换处理对应于第一转换处理。
[0030]在第一方面的又一种可选方案中，图像生成模型包括第一生成网络以及第二生成网络；
[0031]第一生成网络用于基于输入的随机向量以及样本姿态角得到随机人脸图像；
[0032]第二生成网络用于基于已知预测值的样本图像以及归一化距离训练得到；样本图像包括随机人脸图像以及真实人脸图像，随机人脸图像输入至第二生成网络得到第一预测值，真实人脸图像输入至第二生成网络得到第二预测值；归一化距离根据输入至第一生成网络的样本姿态角以及随机人脸图像的姿态角得到；
[0033]图像生成模型用于基于第二生成网络得到的对应于随机人脸图像的预测值对第一生成网络进行训练，以使训练后的第一生成网络基于随机向量以及样本姿态角得到的随机人脸图像输入至第二生成网络得到属于预设阈值区间的目标预测值。
[0034]第二方面，本申请实施例还提供一种图像处理装置，装置包括：
[0035]获取模块，用于获取第一姿态角；
[0036]处理模块，用于确定与第一姿态角对应的目标向量；
[0037]生成模块，用于将第一姿态角以及目标向量输入至图像生成模型，得到目标人脸图像；目标人脸图像的姿态角为第一姿态角，图像生成模型由多个第一随机向量以及与多个随机向量各自对应的样本姿态角训练得到。
[0038]在第二方面的一种可选方案中，处理模块具体包括：
[0039]判断单元，用于判断第一姿态角是否与多个样本姿态角中的任意一个样本姿态角一致；
[0040]第一处理单元，用于当第一姿态角与任意一个样本姿态角一致时，采集第二随机向量；
[0041]第一确定单元，用于将第二随机向量作为与第一姿态角对应的目标向量。
[0042]在第二方面的又一种可选方案中，处理模块还包括：
[0043]第二处理单元，用于当第一姿态角与任意一个样本姿态角均不一致时，对第一姿
态角进行第一转换处理，得到满足第一预设条件的第二姿态角；
[0044]第二确定单元，用于根据第二姿态角确定与第一姿态角对应的目标向量。
[0045]在第二方面的又一种可选方案中，第二确定单元具体用于：
[0046]根据第二姿态角确定满足第一预设条件的样本姿态角；
[0047]计算第二姿态角与每个满足第一预设条件的样本姿态角对应在坐标系中的欧式距离；
[0048]将距离满足第二预设条件的满足第一预设条件的样本姿态角作为参考姿态角，并基于第二姿态角以及参考姿态角确定参考系数；
[0049]根据参考姿态角以及参考系数确定与第一姿态角对应的目标向量。
[0050]在第二方面的又一种可选方案中，第二确定单元还用于：
[0051]在多个随机向量各自对应的样本姿态角中查找满足第一预设条件的样本姿态角；
[0052]将满足第一预设条件的样本姿态角中出现频率达到预设阈值的样本姿态角作为满足第一预设条件的样本姿态角。
[0053]在第二方面的又一种可选方案中，第二确定单元还用于：
[0054]确定与参考姿态角对应的平均向量；
[0055]根据参考系数以及与参考姿态角对应的平均向量计算出与第一姿态角对应的目标向量。
[0056]在第二方面的又一种可选方案中，生成模块具体包括：
[0057]第一生成单元，用于将第二姿态角以及目标向量输入至图像生成模型，得到初始人脸图像；
[0058]第二生成单元，用于对初始人脸图像进行第二转换处理，得到目标人脸图像；第二转换处理对应于第一转换处理。
[0059]在第二方面的又本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取第一姿态角；确定与所述第一姿态角对应的目标向量；将所述第一姿态角以及所述目标向量输入至图像生成模型，得到目标人脸图像；所述目标人脸图像的姿态角为所述第一姿态角，所述图像生成模型由多个第一随机向量以及与所述多个随机向量各自对应的样本姿态角训练得到。2.根据权利要求1所述的方法，其特征在于，所述确定与所述第一姿态角对应的目标向量，包括：判断所述第一姿态角是否与多个所述样本姿态角中的任意一个样本姿态角一致；当所述第一姿态角与任意一个所述样本姿态角一致时，采集第二随机向量；将所述第二随机向量作为与所述第一姿态角对应的目标向量。3.根据权利要求2所述的方法，其特征在于，所述判断所述第一姿态角是否与多个所述样本姿态角中的任意一个样本姿态角一致之后，还包括：当所述第一姿态角与任意一个所述样本姿态角均不一致时，对所述第一姿态角进行第一转换处理，得到满足第一预设条件的第二姿态角；根据所述第二姿态角确定与所述第一姿态角对应的目标向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述第二姿态角确定与所述第一姿态角对应的目标向量，包括：根据所述第二姿态角确定满足所述第一预设条件的样本姿态角；计算所述第二姿态角与每个所述满足所述第一预设条件的样本姿态角对应在坐标系中的欧式距离；将距离满足第二预设条件的所述满足所述第一预设条件的样本姿态角作为参考姿态角，并基于所述第二姿态角以及所述参考姿态角确定参考系数；根据所述参考姿态角以及所述参考系数确定与所述第一姿态角对应的目标向量。5.根据权利要求4所述的方法，其特征在于，所述根据所述第二姿态角确定满足所述第一预设条件的样本姿态角，包括：在所述多个随机向量各自对应的样本姿态角中查找满足所述第一预设条件的样本姿态角；将所述满足所述第一预设条件的样本姿态角中出现频率达到预设阈值的样本姿态角作为所述满足所述第一预设条件的样本姿态角。6.根据权利要求4所述的方法，其特征在于，所述根据所述参考姿态角以及所述参考系数确定与所述第一姿态角对应的目标向量，包括：确定与所述参考姿态角对应的平均向量；根据所述参考系数以及所述与参考姿态角对应的平均向量计算出与所述第一姿态角对应的目标向量。7.根据权利要求3所述的方法，其特征在于，所述将所述第一姿态角以及所述目标向量输入至图像生成模型，得到目标人脸图像，包括：将所述第二姿态角以及所述目标向量输入至图像生成模型，得到初始人脸图像；对所述初始人脸图像进行第二转换处理，得到目标人脸图像；所述第二转换处理对应
于所述第一转换处理。8.根据权利要求1
‑
7任一项所述的方法，其特征在于，所述图像生成模型包括第一生成网络以及第二生成网络；所述第一生成网络用于基于输入的随机向量以及样本姿态角得到随机人脸图像；所述第二生成网络用于基于已知预测值的样本图像以及归一化距离训练得到；所述样本图像包括所述随机人脸图像以及真实人脸图像，所述随机人脸图像输入至所述第二生成网络得到第一预测值，所述真实人脸图像输入至所述第二生成网络得到第二预测值；所述归一化距离根据输入至所述第一生成网络的样本姿态角以及所述随机人脸图像的姿态角得到；所述图像生成模型用于基于所述第二生成网络得到的对应于所述随机人脸图像的预测值对所述第一生成网络进行训练，以使训练后的所述第一生成网络基于所述随机向量以及样本姿态角得到的所述随机人脸图像输入至所述第二生成网络得到属于预设阈值区间的目标预测值。9.一种图像处理装置，其特征在于，包括：获取模块，用于获取第一姿态角；处理模块，用于确定与所述第一姿态角对应的目标向量；生成模块，用于将所述第一姿态角以及所述目标向量输入至图像生成...

【专利技术属性】
技术研发人员：张玉兵，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：