[发明专利]图像处理方法、装置、设备及存储介质在审

专利信息
申请号: 202011218375.7 申请日: 2020-11-04
公开(公告)号: CN112330530A 公开(公告)日: 2021-02-05
发明(设计)人: 朱昊;吴潜溢;吴文岩;钱晨;傅朝友;郝然 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06K9/00;G06K9/62
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 董晓盈
地址: 100080 北京市海淀区北*** 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 处理 方法 装置 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,所述方法包括:

获取第一面部图像的第一面部特征,所述第一面部图像是基于源图像的面部特征与目标图像得到的;

对所述第一面部特征进行映射得到第二面部特征,所述第二面部特征中的至少部分特征的分布与所述目标图像的特征分布相匹配;

根据所述第一面部图像以及所述第二面部特征,得到目标面部图像。

2.根据权利要求1所述的方法,其特征在于,所述获取第一面部图像的第一面部特征,包括:

获取所述第一面部图像的面部坐标信息和面部法向量信息中的至少一种;

通过特征编码网络对所述第一面部图像进行特征提取处理,得到编码特征信息;

根据所述第一面部图像的面部坐标信息和面部法向量信息中的至少一种和所述编码特征信息,得到所述第一面部图像的第一面部特征。

3.根据权利要求1或2所述的方法,其特征在于,所述对所述第一面部特征进行映射得第二面部特征,包括:

通过特征映射网络,对所述第一面部图像中像素的第一特征进行映射,得到所述像素对应的第二特征,所述像素对应的第二特征的概率分布,与所述目标图像中像素对应的第三特征的概率分布之间的距离满足设定条件;

其中,所述第一面部图像中像素对应的第一特征属于所述第一面部特征,所述像素对应的第二特征属于所述第二面部特征。

4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述第一面部图像以及所述第二面部特征,得到所述目标面部图像,包括:

通过特征解码网络,对所述第二面部特征进行解码,得到面部区域的图像;

根据所述第一面部图像中除所述面部区域之外的图像以及所述面部区域的图像,得到所述目标面部图像。

5.根据权利要求2至4任一项所述的方法,其特征在于,所述编码特征信息包括n阶特征信息;

根据所述第一面部图像的面部坐标信息和面部法向量信息中的至少一种和所述编码特征信息,得到所述第一面部图像的第一面部特征,包括:

将前M阶特征信息分别与所述第一面部图像的面部坐标信息和面部法向量信息中的至少一种连接,得到M阶连接特征信息;

根据所述M阶连接特征信息和后阶特征信息得到所述第一面部特征,其中,所述后阶特征信息包括所述编码特征信息中除所述前M阶特征信息之外的特征信息,n、M为正整数,Mn。

6.根据权利要求5所述的方法,其特征在于,所述对所述第一面部特征进行映射得到第二面部特征,包括:

对所述M阶连接特征信息进行映射,得到与所述目标图像的特征分布相匹配的M阶映射特征信息;

所述通过特征解码网络,对所述第二面部特征进行解码,得到面部区域的图像,包括:

根据所述M阶映射特征信息和所述后阶特征信息,得到所述面部区域的图像。

7.根据权利要求2至6任一项所述的方法,其特征在于,所述方法还包括,对所述特征编码网络、所述特征映射网络、所述特征解码网络进行端到端训练,其中,所述特征编码网络和所述特征解码网络共同与特征映射网络轮流进行一代训练。

8.根据权利要求7所述的方法,其特征在于,所述特征映射网络是利用优化迁移网络训练得到的,所述优化迁移网络包括所述特征映射网络和距离评估网络,所述训练的网络损失包括:

映射损失,用于指示所述距离评估网络确定的所述第一面部图像中像素的第二特征的概率分布,与所述目标图像中像素对应的第三特征的概率分布之间的差异。

9.根据权利要求7所述的方法,其特征在于,所述特征编码网络和所述特征解码网络利用外观迁移网络训练得到的,所述外观迁移网络包括所述特征编码网络、所述特征解码网络,所述训练的网络损失包括:

第一损失,用于指示所述第一面部图像中像素的第二特征,与第一特征之间的差异;

第二损失,用于指示所述第一面部图像中像素的第二特征,与所述目标图像中相应像素的第三特征之间的差异。

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北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,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/202011218375.7/1.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