[发明专利]图像的生成方法、装置、存储介质和电子设备有效

专利信息
申请号: 201910523643.7 申请日: 2019-06-17
公开(公告)号: CN110349081B 公开(公告)日: 2023-04-07
发明(设计)人: 胡欢;刘兆祥;廉士国 申请(专利权)人: 达闼科技(北京)有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06V40/16;G06V40/10;G06V10/774
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏云鹿
地址: 100102 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 生成 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种图像的生成方法,其特征在于,所述方法包括:

提取源图像中包括的源人物的初始人脸特征向量和初始人体关键点,所述源图像为包括所述源人物的源视频中的任一帧图像;

根据所述初始人脸特征向量和预设的人脸生成网络,获取目标人物的目标人脸特征点;

根据训练视频,将所述初始人体关键点转换为所述目标人物的目标人体关键点,所述训练视频为包括所述目标人物的视频;

根据所述目标人脸特征点、所述目标人体关键点和预设的人体生成网络,获取包括所述目标人物的目标图像,所述目标图像中所述目标人物的特征与所述源图像中所述源人物的特征相同;

所述根据所述初始人脸特征向量和预设的人脸生成网络,获取目标人物的目标人脸特征点包括:

获取第一转换图像,所述第一转换图像与所述源图像的大小相同,且所述第一转换图像不包括任何图像信息;

将所述初始人脸特征向量映射到所述第一转换图像中;

将所述第一转换图像作为所述人脸生成网络的输入,以获取所述人脸生成网络输出的包括所述目标人脸特征点的第二转换图像;

所述根据所述目标人脸特征点、所述目标人体关键点和预设的人体生成网络,获取包括所述目标人物的目标图像包括:

根据所述目标人脸特征点和所述目标人体关键点的位置关系,将所述目标人体关键点映射到所述第二转换图像中;

将所述第二转换图像作为所述人体生成网络的输入,以获取所述人体生成网络输出的所述目标图像。

2.根据权利要求1所述的方法,其特征在于,在所述根据所述初始人脸特征向量和预设的人脸生成网络,获取目标人物的目标人脸特征点之前,所述方法还包括:

根据所述训练视频对第一生成式对抗网络GAN进行训练,以使所述第一GAN中的生成器能够生成包括所述目标人物的人脸特征点的图像,并将训练后的所述第一GAN中的生成器作为所述人脸生成网络;

在所述根据所述目标人脸特征点、所述目标人体关键点和预设的人体生成网络,获取包括所述目标人物的目标图像之前,所述方法还包括:

根据所述训练视频对第二GAN进行训练,以使所述第二GAN中的生成器能够生成包括所述目标人物的图像,并将训练后的所述第二GAN中的生成器作为所述人体生成网络。

3.根据权利要求1或2所述的方法,其特征在于,所述根据训练视频,将所述初始人体关键点转换为所述目标人物的目标人体关键点,包括:

根据所述初始人体关键点对应的坐标,确定第一关键点与第二关键点的初始距离,所述第一关键点为所述初始人体关键点中的任一关键点,所述第二关键点为所述初始人体关键点中除所述第一关键点之外的任一关键点;

提取所述训练视频中每一帧训练图像包括的所述目标人物的训练人体关键点;

根据每一帧所述训练图像包括的所述训练人体关键点对应的坐标,确定每一帧所述训练图像中第三关键点与第四关键点的训练距离,所述第三关键点为所述第一关键点对应在所述训练人体关键点中的关键点,所述第四关键点为所述第二关键点对应在所述训练人体关键点中的关键点;

确定多帧所述训练图像的所述训练距离的最大距离和最小距离;

根据所述初始距离、最大距离和最小距离,对所述初始人体关键点进行归一化,以得到所述目标人体关键点。

4.根据权利要求1所述的方法,其特征在于,所述将所述第二转换图像作为所述人体生成网络的输入,以获取所述人体生成网络输出的所述目标图像,包括:

将所述第二转换图像与历史目标图像组合为第三转换图像,所述历史目标图像为,所述源视频中在所述源图像之前的至少一帧图像对应的目标图像;

将所述第三转换图像作为所述人体生成网络的输入,以获取所述人体生成网络输出的第四转换图像;

从所述第四转换图像中删除所述历史目标图像,以获取所述目标图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于达闼科技(北京)有限公司,未经达闼科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910523643.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top