【技术实现步骤摘要】
本专利技术涉及海报生成技术，具体涉及一种自动生成海报的方法。
技术介绍
1、随着用户观影的需求不断提升，个性化海报除了满足用户个性化需求外，还应该尽量选择质量更高的海报展示给用户。一张质量高的海报能够吸引用户的注意力，提高影视的点击率和观影率。反之，如果海报质量差，可能该影视剧就会被直接被忽视。
2、当前，随着影视行业的蓬勃发展，为了适应每年海量的影视剧的发行需求，和各种规格的手机、智能电视、投影仪等影视播放终端设备对各种规格(尺寸、布局、色彩)的海报需求，以及为了满足用户个性化观影的需求，需要创作或制作海量的各种规格的高质量的影视剧和明星海报，因此，海报的自动化生成成为一项研究热点。
3、海报的自动化生成通常可以包括以下步骤：
4、数据收集：收集与海报主题相关的数据，例如文字、图像、颜色等。
5、数据预处理：对收集到的数据进行清洗、格式化和标准化，以便后续处理。
6、特征提取：从收集到的数据中提取有用的特征，例如文字的情感、图像的内容等。
7、模板设计：设计海报的模板，包括布局、字体、颜色等方面的设置。
8、内容生成：根据所提取的特征和设计的模板，自动生成海报的内容，包括文字和图像的排版、配色等。
9、评估和优化：对生成的海报进行评估，根据评估结果进行优化和调整，以提高生成的海报质量。
10、但是传统的海报自动化生成会面临以下问题：1.语义理解：自动化生成海报的系统可能难以准确理解文字和图像的语义，导致生成的海报内容与预
11、面临上述问题的技术原因主要在于：(1)数据质量方面：海报生成的质量受限于所使用的数据质量，如果数据中存在噪声、错误或不一致性，会影响生成结果的准确性和质量。2.特征提取方面：从海量的数据中提取有用的特征是一个挑战性任务，特别是对于复杂的语义和图像内容的理解，可能存在提取不准确或不完整的问题。3.模板设计方面：设计适用于各种主题和风格的模板是一项复杂的任务，很难设计出能够满足所有需求的通用模板。4.创意生成方面：创造性的内容生成是一个开放性的问题，目前的算法和技术很难模拟人类的创造力和想象力，因此生成的结果可能缺乏创意和个性化。
12、综上所述，自动化生成海报技术在语义理解、创意生成、规模限制和用户需求匹配等方面面临一些问题，这些问题的技术原因主要涉及数据质量、特征提取、模板设计和创意生成等方面的挑战。
技术实现思路
1、本专利技术所要解决的技术问题是：提出一种自动生成海报的方法，解决现有技术中大规模的海报生成所面临的计算资源和时间的限制，导致生成效率低下或无法应对复杂需求的问题。
2、本专利技术解决上述技术问题采用的技术方案是：
3、一种自动生成海报的方法，包括以下步骤：
4、s1、获取原始海报及其属性信息；
5、s2、基于原始海报，采用目标检测算法识别原始海报中的明星人脸；
6、s3、采用标识检测模型对原始海报中的标识进行检测；
7、s4、采用深度学习模型检测识别原始海报中的文字；
8、s5、对原始海报中的标题进行检测，若存在标题，则抠取标题保存至标题素材库中；若不存在标题，则为原始海报添加标题；
9、s6、采用深度学习模型剔除原始海报中除标题之外的文字和标识；
10、s7、对原始海报进行缩放并裁剪成设定规格；
11、s8、对裁剪后的图像进行人像抠取，将抠取出的人像保存至人像素材库中；并对原始海报上抠取人像后的区域进行填充修复，获得无人像的海报背景素材图像，保存至海报背景素材库中；
12、s9、在需要生成新的海报时，根据影视信息，分别从人像素材库中和海报背景素材库中获取相关的明星人像和海报背景，对明星人像进行调整后填充至海报背景中的人像区域，获得融合后的海报，并进行修图和图像增强处理，获得新的海报，同时保存至海报素材库。
13、进一步的，步骤s1中，所述获取原始海报的方法包括：
14、从影视剧的视频源片头部分中采集图像帧，作为原始海报；
15、或者，从影视类网站中通过爬虫获取影视剧海报图像，作为原始海报；
16、或者，从社交媒体网站中通过爬虫获取明星海报，作为原始海报。
17、进一步的，步骤s1中，所述属性信息包括海报上的明星、影视信息以及其它的海报内容描述信息。
18、进一步的，步骤s2中，采用预训练的ssd明星人脸识别模型来识别原始海报中的明星人脸；所述ssd明星人脸识别模型的训练方法包括：使用pytorch实现基于深度学习的目标检测算法ssd，使用图像标注工具labelimg构建pascalvoc格式的明星人脸训练数据集，采用目标检测算法ssd在明星人脸训练数据集上进行训练，获得ssd明星人脸识别模型。
19、进一步的，步骤s3中，所述标识检测模型采用vidt+模型，检测的标识包括原始海报中的台标、商标和徽标。
20、进一步的，步骤s4中，所述采用深度学习模型检测识别原始海报中的文字，包括：
21、使用paddlehub中的ocr模型识别图片中的汉字，识别得到的文本和文本框在原图中的像素坐标；
22、使用modelscope中的dbnet行检测模型检测出图中所含文字的外接框的端点的坐标值；使用modelscope中的ofa文字识别模型识别出图中所含文字并输出对应字符串。
23、进一步的，步骤s5中，所述对原始海报中的标题进行检测，若存在标题，则扣取标题保存至标题素材库中，包括：
24、根据原始海报的属性信息和步骤s4中检测到的文字信息，获取标题文字的外接框的端点的坐标值，使用基于unet网络结构的模型实现对标题的分割，从而抠取标题内容；
25、所述若不存在标题，则为原始海报添加标题的方式包括：根据原始海报的属性信息，查询标题素材库，查询与其适配的标题，添加至原始海报中。
26、进一步的，步骤s7还包括：使用gpen人像增强修复模型对裁剪后的图像中的每一个检测到的人像进行修复和增强，对图像中的非人像区域采用realesrnet进行超分辨率处理，获得修复后的完整图像，保存至海报素材库中。
27、进一步的，步骤s8中，采用深度学习模型ace2p模型，对裁剪后的图像进行人像抠取，抠取出的人像连同相关的海报属性信息一起保存至人像素材库中，若海报属性中没有海报人像的相关描述信息，则利用步骤s2识别的明星人脸在影视明星媒体信息库中查询人像的相关描述信息本文档来自技高网...
【技术保护点】
1.一种自动生成海报的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种自动生成海报的方法，其特征在于，
3.如权利要求1所述的一种自动生成海报的方法，其特征在于，
4.如权利要求1所述的一种自动生成海报的方法，其特征在于，
5.如权利要求1所述的一种自动生成海报的方法，其特征在于，
6.如权利要求1所述的一种自动生成海报的方法，其特征在于，
7.如权利要求1所述的一种自动生成海报的方法，其特征在于，
8.如权利要求1所述的一种自动生成海报的方法，其特征在于，
9.如权利要求1所述的一种自动生成海报的方法，其特征在于，
10.如权利要求1-9任意一项所述的一种自动生成海报的方法，其特征在于，
【技术特征摘要】
1.一种自动生成海报的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种自动生成海报的方法，其特征在于，
3.如权利要求1所述的一种自动生成海报的方法，其特征在于，
4.如权利要求1所述的一种自动生成海报的方法，其特征在于，
5.如权利要求1所述的一种自动生成海报的方法，其特征在于，
6...
【专利技术属性】
技术研发人员：陈灵，王洪君，闫立鑫，包晖，马荣深，蒲俊，韩亚，吴廷锋，
申请(专利权)人：四川长虹电器股份有限公司，
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。