【技术实现步骤摘要】
本专利技术涉及计算机视觉，更具体的说是涉及一种支持多输入的摄影姿势推荐与迁移方法、系统、设备及介质。
技术介绍
1、智能手机相机使摄影大众化。有了智能手机，我们可以随时随地拍照。但是，拍摄的难易程度和照片的质量之间并没有直接的联系。这种情况在人像摄影中更为常见。很多随意的拍摄者经常对他们拍摄的姿势不满意，因为大多数普通人不仅缺乏专业的指导，而且也不善于在镜头前摆姿势。尽管一些摄影构图的基本原则(三分法等)可以很容易地理解，但拍摄一张姿势专业美观的人像图片并不容易，需要摄影师有充足的经验和丰富的技能。像instagram和twitter这样的图片分享网站不断兴起，也进一步激发了人们对一张专业摄影姿势的人像图片的需求，专业摄影姿势的推荐与迁移有着广阔的市场空间。
2、生成式对抗网络的发展，使得将原人物姿势迁移为目标姿势成为可能。生成式对抗网络包括编码器和生成器，编码器通过将图片编码为相应的图像特征，提供给生成器进行学习。生成器依据学习的结果将噪声重建为目标的生成图片。通过让生成器不断学习目标姿势的特征，我们可以使用生成器生成出摄影用户想要拍摄的专业姿势。
3、因此，如何提供一种支持多输入的摄影姿势推荐与迁移方法及系统是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种支持多输入的姿势推荐与迁移方法、系统、设备及介质，能够为人们日常的摄影提供专业姿势推荐，可以将拍摄照片中的人物姿势迁移成适合当前拍摄场景的专业姿势，解决用户在拍摄姿势选
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种支持多输入的姿势推荐与迁移方法，包括：
4、获取输入图片，输入图片为至少一张，将输入图片作为待迁移图片；
5、获取待迁移图片的拍摄属性，并从姿势推荐数据库中筛选出与待迁移图片拍摄属性一致的姿势图片作为候选推荐图片；
6、通过人体关键点识别，计算待迁移图片的体型特征，并从候选推荐图片中筛选出最终的姿势推荐图片；
7、基于生成式对抗网络将姿势推荐图片迁移至待迁移图片中。
8、优选地，获取待迁移图片的拍摄属性，具体过程为：
9、基于efficientnet-b0模型提取待迁移图片的图像特征，将图像特征通过pool5层池化后通过三个fc层进行属性识别，得到拍摄人物的性别、年龄和拍摄场景三个属性标签。
10、优选地，通过人体关键点识别，计算待迁移图片的体型特征，并从候选推荐图片中筛选出最终的姿势推荐图片，具体过程为：
11、基于openpose框架对待迁移图片进行人体关键点识别：通过vgg19卷积神经网络提取图像特征图，并基于两个cnn卷积神经网络预测身体部分位置的置信度图和身体部分位置的亲和力图，通过贪心算法解析置信度图和亲和力图，得到人体关键点检测结果；
12、基于人体关键点检测结果，计算待迁移图片的体型特征；
13、基于最邻近算法计算待迁移图片的体型特征与候选推荐图片的体型特征相似度，并根据相似度从候选推荐图片中筛选出与待迁移图片的体型特征接近的图片；
14、将筛选出的候选推荐图片中姿势专业性分数最高的图片作为最终的姿势推荐图片。
15、优选地，体型特征包括胸围、腰围和臀围，计算公式为：
16、胸围＝|胸部左侧关键点横坐标–胸部右侧关键点横坐标|
17、腰围＝|腰部左侧关键点横坐标–腰部右侧关键点横坐标|
18、臀围＝|臀部左侧关键点横坐标–臀部右侧关键点横坐标|。
19、优选地，待迁移图片的体型特征与候选推荐图片的体型特征相似度计算公式为：
20、
21、其中，l2表示欧氏距离，pin表示待迁移图片的三围特征向量，ptgt表示候选推荐图片的三围特征向量，cin,ctgt分别表示待迁移图片和候选推荐图片的胸围，win,wtgt分别表示待迁移图片和候选推荐图片的腰围，hin,htgt分别表示待迁移图片和候选推荐图片的臀围。
22、优选地，基于生成式对抗网络将姿势推荐图片迁移至待迁移图片中，具体过程为：
23、获取待迁移图片的图像空间uv坐标图表示，并转换为迁移目标坐标，以及提取待迁移图片的姿势特征；
24、提取姿势推荐图片的推荐姿势，并将推荐姿势编码为推荐姿势特征；
25、将姿势特征和迁移目标坐标编码为多尺度特征；
26、将多尺度特征和推荐姿势特征作为输入，基于生成式对抗网络的姿势生成器生成姿势迁移后的图像。
27、优选地，还包括建立姿势推荐数据库，其中将姿势推荐数据库每张图片对应的拍摄人物的性别、年龄、拍摄场景、体型特征、姿势专业性分数作为标签与该图片一同存储在数据库中。
28、第二方面，本专利技术提供了一种支持多输入的姿势推荐与迁移系统，包括：
29、图片获取模块：用于获取输入图片，输入图片为至少一张，将输入图片作为待迁移图片；
30、候选推荐图片模块：用于获取待迁移图片的拍摄属性，并从姿势推荐数据库中筛选出与待迁移图片拍摄属性一致的姿势图片作为候选推荐图片；
31、姿势推荐图片模块：用于通过人体关键点识别，计算待迁移图片的体型特征，并从候选推荐图片中筛选出最终的姿势推荐图片；
32、迁移模块：用于基于生成式对抗网络将姿势推荐图片迁移至待迁移图片中。
33、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述支持多输入的姿势推荐与迁移方法的步骤。
34、第四方面，本专利技术提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述支持多输入的姿势推荐与迁移方法的步骤。
35、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种支持多输入的姿势推荐与迁移方法、系统、设备及介质，能够根据用户的需求推荐出合适的专业姿势，并将推荐姿势迁移至原拍摄图片中。这种方法能够推荐出用户最为满意也最为合适的专业姿势，同时迁移图像的生成效果与现有方法相比细节更加完善，整体效果更好。
本文档来自技高网...【技术保护点】
1.一种支持多输入的姿势推荐与迁移方法，其特征在于，包括：
2.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，获取待迁移图片的拍摄属性，具体过程为：
3.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，通过人体关键点识别，计算待迁移图片的体型特征，并从候选推荐图片中筛选出最终的姿势推荐图片，具体过程为：
4.根据权利要求3所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，体型特征包括胸围、腰围和臀围，计算公式为：
5.根据权利要求4所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，待迁移图片的体型特征与候选推荐图片的体型特征相似度计算公式为：
6.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，基于生成式对抗网络将姿势推荐图片迁移至待迁移图片中，具体过程为：
7.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，还包括建立姿势推荐数据库，其中将姿势推荐数据库每张图片对应的拍摄人物的性别、年龄、拍摄场景、体型特征、姿势专业性
8.一种支持多输入的姿势推荐与迁移系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种支持多输入的姿势推荐与迁移方法，其特征在于，包括：
2.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，获取待迁移图片的拍摄属性，具体过程为：
3.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，通过人体关键点识别，计算待迁移图片的体型特征，并从候选推荐图片中筛选出最终的姿势推荐图片，具体过程为：
4.根据权利要求3所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，体型特征包括胸围、腰围和臀围，计算公式为：
5.根据权利要求4所述的一种支持多输入的姿势推荐与迁移方法，其特征在于，待迁移图片的体型特征与候选推荐图片的体型特征相似度计算公式为：
6.根据权利要求1所述的一种支持多输入的姿势推荐与迁移方法，其特征在...
【专利技术属性】
技术研发人员：金鑫，范辰宇，王彪，尹沆炳，夏超，肖超恩，李晓东，
申请(专利权)人：北京电子科技学院，
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。