[发明专利]视频的生成方法及装置

权利要求书

1.一种视频的生成方法，其特征在于，包括：

获取原视频的帧图像，其中，所述帧图像为包括第一人体所做的多种动作的图像；

将所述帧图像按预设顺序输入至深度学习模型进行预测，得到目标图像，所述目标图像为将所述多种动作由所述第一人体迁移至第二人体后的图像；

将所述目标图像逐帧合成目标视频。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型包括：生成式对抗网络GAN模型。

3.根据权利要求2所述的方法，其特征在于，在将所述帧图像按预设顺序输入至深度学习模型进行预测之前，所述方法还包括：

通过以下方法对所述深度学习模型进行训练：

获取样本图像，所述样本图像为包括所述第二人体所做的多种动作的图像；

检测所述样本图像，得到与所述样本图像对应的第一姿态图像；

将所述第一姿态图像和所述样本图像输入所述生成式对抗网络GAN模型的生成模型，得到初始目标图像；

将所述初始目标图像和所述样本图像输入至所述生成式对抗网络GAN模型的判别模型，得到所述初始目标图像和所述样本图像的第一相似度，在所述第一相似度为预设值时确定所述深度学习模型训练完成。

4.根据权利要求3所述的方法，其特征在于，在得到所述初始目标图像之后，所述方法还包括：

确定所述初始目标图像和所述样本图像的第二相似度；

在所述第二相似度大于预设阈值时，确定所述初始目标图像为所述目标图像。

5.根据权利要求3所述的方法，其特征在于，检测所述样本图像，得到与所述样本图像对应的第一姿态图像，包括以下至少之一：

检测所述样本图像中人体的关节点，得到所述第一姿态图像；

采集所述样本图像中人体的轮廓，得到所述第一姿态图像。

6.根据权利要求1所述的方法，其特征在于，将所述帧图像按预设顺序输入至深度学习模型进行预测，得到目标图像，包括：

检测所述帧图像，得到与所述帧图像对应的第二姿态图像；

将所述第二姿态图像输入至所述深度学习模型进行预测，得到所述目标图像。

7.根据权利要求1或2所述的方法，其特征在于，所述多种动作包括多个具有关联关系的动作。

8.一种视频的生成装置，其特征在于，包括：

获取模块，用于获取原视频的帧图像，其中，所述帧图像为包括第一人体所做的多种动作的图像；

预测模块，用于将所述帧图像按预设顺序输入至深度学习模型进行预测，得到目标图像，所述目标图像为将所述多种动作由所述第一人体迁移至第二人体后的图像；

合成模块，用于将所述目标图像逐帧合成目标视频。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

训练模块，用于通过以下方法对所述深度学习模型进行训练，所述深度学习模型包括：生成式对抗网络GAN模型：

获取样本图像，所述样本图像为包括所述第二人体所做的多种动作的图像；

检测所述样本图像，得到与所述样本图像对应的第一姿态图像；

将所述第一姿态图像和所述样本图像输入所述生成式对抗网络GAN模型的生成模型，得到初始目标图像；

将所述初始目标图像和所述样本图像输入至所述生成式对抗网络GAN模型的判别模型，得到所述初始目标图像和所述样本图像的第一相似度，在所述第一相似度为预设值时确定所述深度学习模型训练完成。

10.根据权利要求9所述的装置，其特征在于，所述训练模块，还用于在得到所述初始目标图像之后，确定所述初始目标图像和所述样本图像的第二相似度；在所述第二相似度大于预设阈值时，确定所述初始目标图像为所述目标图像。