[发明专利]目标图像生成方法、装置、服务器及存储介质

说明书

本发明提供了一种目标图像生成方法、人体姿态变换方法、装置、服务器及存储介质，属于机器视觉技术领域。在本发明实施例提供的方案，通过第一图像生成模型预测第一变换参数，基于该第一变换参数对第一解析图像进行调整，使得该第一解析图像和生成的目标解析图像之间姿态对齐。通过第二图像生成模型，根据第一图像生成模型得到的目标解析图像，来预测第二变换参数，基于该第二变换参数对组合后的待处理图像和第一解析图像进行调整，使得待处理图像和生成的目标图像之间像素对齐，具有更好的图像细节。由于变换前后解析图像保持姿态对齐，可以使变换前后的图像保持空间对齐，从而使得生成的目标图像既保证了空间对齐又保证了细节清晰。

技术领域

本发明涉及机器视觉技术领域，特别涉及一种目标图像生成方法、人体姿态变换方法、装置、服务器及存储介质。

背景技术

在机器视觉领域中，人体姿态迁移技术是一个非常热门的话题。人体姿态迁移简单来说，就是给定一幅含有人物的图片和一个目标姿态，将图片内人物转换成目标姿态的样子。当然，人体姿态迁移不仅可以改变图片中人物的姿态，还可以改变视频中人物的姿态。例如，给定一段专业舞者的视频作为目标视频和一段业余舞者的视频，通过人体姿态迁移可以使业余舞者的动作和专业舞者的动作一样。

目前，在对图像中人物进行姿态迁移时，可以将包含人物的图像和目标姿态图像直接输入到GAN(Generative Adversarial Networks，生成式对抗网络，一种深度学习模型)网络中，由该GAN网络输出姿态迁移后的图像。然而，如何生成高质量的图像仍是一个具有挑战性的任务：当转换前后人体姿态的变化幅度较大、部分图像的背景较为复杂，在使用上述GAN网络对人物进行大幅度的姿态迁移时，会出现迁移前后空间不对齐，且生成的图像的纹理信息缺少高频部分，导致图像细节不清晰等问题。

发明内容

本发明实施例提供了一种目标图像生成方法、人体姿态变换方法、装置、服务器及存储介质，用于解决目前当转换前后人体姿态的变化幅度较大、部分图像的背景较为复杂，在使用上述GAN网络对人物进行大幅度的姿态迁移时，会出现迁移前后空间不对齐，且生成的图像的纹理信息缺少高频部分，导致图像细节不清晰等问题。所述技术方案如下：

一方面，提供了一种目标图像生成方法，包括：

基于待处理图像，获取第一解析图像和第一姿态图像，所述第一解析图像为已标注有所述待处理图像中对象的各部位的图像，所述第一姿态图像包括所述对象在所述待处理图像中的姿态；

将所述第一解析图像、所述第一姿态图像和包括目标姿态的第二姿态图像输入第一图像生成模型，由所述第一图像生成模型预测所述第一姿态图像变换到所述第二姿态图像的第一变换参数，基于所述第一变换参数对所述第一解析图像进行调整，得到目标解析图像，所述目标解析图像中所述对象的各部位的姿态为所述目标姿态；

将所述待处理图像和所述第一解析图像组合得到的第一组合图像，将所述第二姿态图像和所述目标解析图像组合得到的第二组合图像；

将所述第一组合图像和所述第二组合图像输入第二图像生成模型，由所述第二图像生成模型预测所述第一解析图像变换到所述目标解析图像的第二变换参数，基于所述第二变换参数和所述第二组合图像对所述第一组合图像进行调整，得到目标图像，所述目标图像中对象的姿态为所述目标姿态。

另一方面，提供了一种人体姿态变换方法，其特征在于，所述方法包括：

基于第一人体图像，获取第二解析图像和第三姿态图像，所述第二解析图像为已标注有所述第一人体图像中人体的各部位的图像，所述第三姿态图像包括所述人体在所述第一人体图像中的姿态；

预测所述第三姿态图像变换到包括目标人体姿态的第四姿态图像的第三变换参数，基于所述第三变换参数对所述第二解析图像进行调整，得到第三解析图像，所述第三解析图像中所述人体的各部位的姿态为所述目标人体姿态；