[发明专利]图像处理方法、装置、计算机设备及存储介质有效

专利信息
申请号: 202010112615.9 申请日: 2020-02-24
公开(公告)号: CN111339918B 公开(公告)日: 2023-09-19
发明(设计)人: 张瑞茂;杨涵;罗平;左旺孟 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06T19/20 分类号: G06T19/20;G06V40/10;G06V10/26;G06V10/774;G06V10/82;G06N3/0475;G06N3/094
代理公司: 北京中知恒瑞知识产权代理有限公司 11889 代理人: 王文红
地址: 518000 广东省深圳市*** 国省代码: 广东;44
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 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

基于第一图像中人体的第一语义分割图像以及目标服装图像,生成服装变形模板图像以及第一人体模板图像,所述第一人体模板图像中标记有未被目标服装覆盖的人体区域;其中,所述第一语义分割图像中标记有所述第一图像中人体的不同部位;

基于所述服装变形模板图像,对所述目标服装图像进行变形处理,生成目标服装变形图像;

利用所述第一图像中人体的第二语义分割图像和所述服装变形模板图像,对所述第一人体模板图像进行调整,得到第二人体模板图像;所述第二语义分割图像包括:标记有所述第一图像中被原始服装覆盖的人体部位的第一语义分割子图像、以及标记有所述第一图像中未被原始服装覆盖的人体部位的第二语义分割子图像;

基于所述目标服装变形图像、所述第二人体模板图像以及所述服装变形模板图像,将所述第一图像转换为包括穿着所述目标服装的人体的第二图像。

2.根据权利要求1所述的图像处理方法,其特征在于,还包括:

对所述第一图像进行关键点识别,生成用于表征人体姿势关键点的人体关键点图像;

所述基于第一图像的第一语义分割图像以及目标服装图像,生成服装变形模板图像以及第一人体模板图像,包括:

基于所述第一语义分割图像、所述人体关键点图像以及目标服装图像,生成服装变形模板以及所述第一人体模板图像。

3.根据权利要求2所述的图像处理方法,其特征在于,所述基于所述第一语义分割图像、所述人体关键点图像以及目标服装图像,生成服装变形模板以及所述第一人体模板图像,包括:

利用语义生成网络对所述第一语义分割图像、所述人体关键点图像以及目标服装图像进行处理,得到所述第一人体模板图像以及所述服装变形模板图像。

4.根据权利要求3所述的图像处理方法,其特征在于,所述语义生成网络包括:第一生成式对抗网络以及第二生成式对抗网络;

所述利用语义生成网络对所述第一语义分割图像、所述人体关键点图像以及目标服装图像进行处理,得到所述第一人体模板图像以及所述服装变形模板图像,包括:

利用所述第一生成式对抗网络对所述第一语义分割图像、所述人体关键点图像以及所述目标服装图像进行处理,得到所述第一人体模板图像;

利用所述第二生成式对抗网络对所述第一人体模板图像、所述人体关键点图像以及所述目标服装图像进行处理,得到所述服装变形模板图像。

5.根据权利要求1-4任一项所述的图像处理方法,其特征在于,采用下述方式生成所述第一语义分割图像:

对所述第一图像进行语义分割处理,生成原始语义分割图像;所述原始语义分割图像中,包括第一图像中人体的不同部位分别对应的语义分割区域;

对所述原始语义分割图像中,属于同一肢体且语义分割结果不同的至少两个语义分割区域进行融合,生成所述第一语义分割图像。

6.根据权利要求1-4任一项所述的图像处理方法,其特征在于,所述基于所述服装变形模板图像,对所述目标服装图像进行变形处理,生成目标服装变形图像,包括:

利用服装变形网络对所述服装变形模板图像、所述目标服装图像进行变形处理,得到所述目标服装变形图像。

7.根据权利要求6所述的图像处理方法,其特征在于,采用下述方式训练所述服装变形网络:

获取样本服装变形模板图像以及样本服装图像;

利用神经网络学习所述样本服装图像以及所述样本服装变形模板图像之间的变形关系信息,并基于所述变形关系信息,对所述样本服装图像进行薄板样条插值变换,得到所述样本服装的预测变形图像;

基于对所述薄板样条插值变换的二阶差分约束、所述预测变形图像以及所述样本服装图像,得到模型损失,并基于所述模型损失,训练所述神经网络;

将经过训练的所述神经网络作为所述服装变形网络。

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深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,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/202010112615.9/1.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