本申请提供了一种虚拟人动捕的模型切换方法和装置、电子设备及存储介质，方法包括：获取真人的人像视频，利用第一人像处理模型对所述人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据所述第一识别结果确定出第二人像处理模型；若所述第一人像处理模型和第二人像处理模型不同，则利用所述第二人像处理模型对所述人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，利用所述第三识别结果驱动虚拟数字人，通过该方案能够在人像视频的人像图片中人像类型发生变化时，自动切换相应类型的模型进行处理，并保证虚拟人动捕的精度和效率。并保证虚拟人动捕的精度和效率。并保证虚拟人动捕的精度和效率。
【技术实现步骤摘要】
虚拟人动捕的模型切换方法和装置、电子设备及存储介质
[0001]本专利技术涉及计算机
，特别涉及一种虚拟人动捕的模型切换方法和装置、电子设备及存储介质。
技术介绍
[0002]虚拟人动捕（Motion Capture Retargeting）是指将一个人的动作捕捉数据应用到虚拟人物模型（以下简称“虚拟数字人”）上，具体实施时，可以使用相机拍摄真人的人像视频，利用人像处理模型从人像视频的每一帧人像图片中解算出根节点的位置和关节点的角度，利用根节点的位置和关节点的角度驱动虚拟数字人动作。但是，人像图片中人像类型可能不同，比如有些人像图片中的人像是半身人像，而有些人像图片中的人像是全身人像，此时使用同一人像处理模型进行解算会使得解算精度较低。而如果在处理每一帧人像图片前都先对该帧人像图片中的人像类型进行识别，并根据识别结果选用相应类型的模型处理该帧人像图片，又会在不同类型的模型之间频繁切换，从而降低虚拟人动捕的效率。
[0003]有鉴于此，如何提供一种保证虚拟人动捕的精度和效率的模型切换方案，以在人像视频的人像图片中人像类型发生变化时，自动切换相应类型的模型进行处理，成为亟待解决的技术问题。
技术实现思路
[0004]有鉴于此，本申请实施例提供一种虚拟人动捕的模型切换方法和装置、电子设备及存储介质，能够在人像视频的人像图片中人像类型发生变化时，自动切换相应类型的模型进行处理，并保证虚拟人动捕的精度和效率。
[0005]第一方面，本申请实施例提供了一种虚拟人动捕的模型切换方法，包括：获取真人的人像视频，利用第一人像处理模型对所述人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据所述第一识别结果确定出第二人像处理模型；若所述第一人像处理模型和第二人像处理模型不同，则利用所述第二人像处理模型对所述人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，利用所述第三识别结果驱动虚拟数字人。
[0006]第二方面，本申请实施例还提供了一种虚拟人动捕的模型切换装置，包括：确定单元，用于获取真人的人像视频，利用第一人像处理模型对所述人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据所述第一识别结果确定出第二人像处理模型；驱动单元，用于若所述第一人像处理模型和第二人像处理模型不同，则利用所述第二人像处理模型对所述人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，利用所述第三识别结果驱动虚拟数字人。
[0007]第三方面，本申请实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面所述的虚拟人动捕的模型切换方法的步骤。
[0008]第四方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如第一方面所述的虚拟人动捕的模型切换方法的步骤。
[0009]综上，本申请实施例提供的虚拟人动捕的模型切换和装置、电子设备及存储介质，根据第一人像处理模型对真人的人像视频中第一连续多帧人像图片进行识别得到的第一识别结果来确定模型是否需要切换，并在模型发生切换时利用切换前的第一人像处理模型的识别结果对切换后的第二人像处理模型的识别结果进行滤波，整个方案中，不需要针对每一帧人像图片的人像类型的识别结果执行是否切换的逻辑，使得模型不会在不同类型的模型之间频繁切换，能够兼顾虚拟人动捕的精度的同时，提高虚拟人动捕的效率，同时在模型发生切换时，利用切换前的模型的识别结果对切换后的模型的识别结果进行滤波，能够保证虚拟人动捕的稳定性。
附图说明
[0010]图1为本申请实施例提供的一种虚拟人动捕的模型切换方法的流程示意图；图2为本申请实施例提供的一种虚拟人动捕的模型切换装置的结构示意图；图3为本申请实施例提供的一种电子设备的结构示意图。
实施方式
[0011]为使本申请实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
[0012]另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0013]需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
[0014]参照图1所示，为本申请实施例提供的一种虚拟人动捕的模型切换方法，包括：S10、获取真人的人像视频，利用第一人像处理模型对所述人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据所述第一识别结果确定出第二人像处理模
型；本实施例中，需要说明的是，第一人像处理模型为处理一种类型人像图片的模型。利用第一人像处理模型对真人的人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据第一识别结果确定出第二人像处理模型，其中，第二人像处理模型与第一人像处理模型相同或者为处理另一种类型（该类型与第一人像处理模型适于处理的人像图片的类型不同）人像图片的模型。第一连续多帧人像图片中人像图片的数量可以根据需要设置，比如设置成5、8等。第一人像处理模型和第二人像处理模型的识别结果可以包括人像图片是否是相应类型的人像图片，以及人像图片是相应类型的人像图片时识别出的用于驱动虚拟数字人的根节点的位置和关节点的角度。
[0015]S11、若所述第一人像处理模型和第二人像处理模型不同，则利用所述第二人像处理模型对所述人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，利用所述第三识别结果驱动虚拟数字人。
[0016]本实施例中，需要说明的是，在确定出第二人像处理模型后，如果第二人像处理模型与第一人像处理模型不同，说明需要进行模型切换，此时需要利用第二人像处理模型对真人的人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，并利用第一人像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种虚拟人动捕的模型切换方法，其特征在于，包括：获取真人的人像视频，利用第一人像处理模型对所述人像视频中第一连续多帧人像图片进行识别，得到第一识别结果，根据所述第一识别结果确定出第二人像处理模型；若所述第一人像处理模型和第二人像处理模型不同，则利用所述第二人像处理模型对所述人像视频中第二连续多帧人像图片进行识别，得到第二识别结果，利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，利用所述第三识别结果驱动虚拟数字人。2.如权利要求1所述的方法，其特征在于，还包括：若所述第一人像处理模型和第二人像处理模型相同，则利用所述第二识别结果驱动所述虚拟数字人。3.如权利要求1或2所述的方法，其特征在于，所述第一人像处理模型为全身人像处理模型，所述第二人像处理模型为所述全身人像处理模型和半身人像处理模型中的一个模型，对于所述全身人像处理模型和半身人像处理模型中的每一个人像处理模型，均预先设置有一个指向该人像处理模型的指针，所述指针为第一指针和第二指针中的一个指针，所述根据所述第一识别结果确定出第二人像处理模型，包括：若第一指针指向所述半身人像处理模型，则在所述第一识别结果指示所述第一连续多帧人像图片中每一帧人像图片均检测到人时，将所述第一指针和第二指针指向的模型进行交换，并将所述第一指针指向的模型确定为所述第二人像处理模型，否则，直接将所述第一指针指向的模型确定为所述第二人像处理模型；或者若第一指针指向所述全身人像处理模型，则在所述第一识别结果指示所述第一连续多帧人像图片中每一帧人像图片均未检测到人时，将所述第一指针和第二指针指向的模型进行交换，并将所述第一指针指向的模型确定为所述第二人像处理模型，否则，直接将所述第一指针指向的模型确定为所述第二人像处理模型。4.如权利要求1所述的方法，其特征在于，所述利用所述第一识别结果对所述第二识别结果进行滤波，得到第三识别结果，包括：计算所述第二连续多帧人像图片中每一帧人像图片的根节点的位置Si和关节点的角度θi，计算公式为：Si=ki
×
P+ji
×
Qi，θi=gi
×
α+hi
×
βi，其中，Si表示所述第三识别结果中所述第二连续多帧人像图片中第i帧人像图片对应的虚拟数字人的根节点的位置，P表示所述第一识别结果中所述第一连续多帧人像图片中最后一帧人像图片对应的虚拟数字人的根节点的位置，Qi表示所述第二识别结果中所述第二连续多帧人像图片中第i帧人像图片对应的虚拟数字人的根节点的位置，ki和ji表示所述第二连续多帧人像图片中第i帧人像图片对应的位置滤波系数，θi表示所述第三识别结果中所述第二连续多帧人像图片中第i帧人像图片对应的虚拟数字人的关节点的角度，α表示所述第一识别结果中所述第一连续...
【专利技术属性】
技术研发人员：戚德望，
申请(专利权)人：海马云天津信息技术有限公司，
类型：发明
国别省市：
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。