[發明專利]一種圖像處理的方法、裝置、存儲介質及電子設備

有效

• 申請號: 201711311413.1
• 申請日: 2017-12-11
• 公開（公告）號: CN108154518B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 劉凌海;莫宇達;王雷;王學文
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/30;G06N3/04;G06T5/50
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本申請提供一種圖像處理的方法、裝置、存儲介質及電子設備，該方法包括步驟：將待測圖像及對應的背景圖像輸入預先生成的神經網絡模型，獲取所述神經網絡模型的輸出結果，其中所述待測圖像的背景與所述背景圖像匹配；根據所獲得的輸出結果獲取前景圖像；其中，所述神經網絡模型以背景樣本圖像及拍攝樣本圖像為樣本數據訓練生成，所述拍攝樣本數據圖像為包括前景標注信息的樣本圖像，所述拍攝樣本圖像的背景與背景樣本圖像匹配。通過本申請提出的方法可以減少模型的訓練的時間、降低圖像處理的復雜度以及增加圖像處理的準確度。

技術領域

本申請涉及互聯網領域，尤其涉及一種圖像處理的方法、裝置、存儲介質及電子設備。

背景技術

“摳圖”是圖像處理中最常做的操作之一，指的是將圖像中需要的部分(前景)從圖像中精確地提取出來。隨著神經網絡的技術日趨成熟，神經網絡的技術被越來越廣泛地應用在圖像處理領域。但是，目前的神經網絡模型需要采集大量的樣本進行訓練，才能達到較為準確的預測效果。并且目前的神經網絡模型的訓練過程較為復雜，加上訓練樣本數據較多，存在訓練時間長及訓練成本較高等缺陷。

發明內容

本申請提供了一種圖像處理的方法、裝置、存儲介質及電子設備，旨在減少神經網絡模型的訓練的時間、降低圖像處理的復雜度以及增加圖像處理的準確度。

具體地，本申請是通過如下技術方案實現的：

一種圖像處理的方法，所述方法包括：

將待測圖像及對應的背景圖像輸入預先生成的神經網絡模型，獲取所述神經網絡模型的輸出結果，其中所述待測圖像的背景與所述背景圖像匹配；

根據所獲得的輸出結果獲取前景圖像；

其中，所述神經網絡模型以背景樣本圖像及拍攝樣本圖像為樣本數據訓練生成，所述拍攝樣本數據圖像為包括前景標注信息的樣本圖像，所述拍攝樣本圖像的背景與背景樣本圖像匹配。

在一些例子中，所述神經網絡模型包括以下任一：卷積神經網絡模型、深度神經網絡模型、深度全卷積神經網絡模型、循環神經網絡模型、全卷積神經網絡模型及深度卷積神經網絡模型。

在一些例子中，所述神經網絡模型包括：20層卷積層、5層池化層及5層反卷積層；

所述卷積層對輸入的待測圖像及對應的背景圖像進行特征提取，獲得特征圖，所述池化層對提取出來的特征圖進行下采樣，所述反卷積層將下采樣之后的特征圖進行上采樣，得到與待測圖像尺寸相匹配的輸出結果。

在一些例子中，所述待測圖像包括待處理視頻流中至少一幀圖像幀。

在一些例子中，獲取所述前景圖像之后，所述方法還包括：

獲取另一背景圖像，將所述前景圖像與另一背景圖像合成目標圖像。

在一些例子中，獲取所述前景圖像之后，所述方法還包括：

獲取前景圖像中的選定部分，將所述選定部分與所述背景圖像合成新的背景圖片輸入神經網絡模型。

一種直播方法，所述方法包括：

獲取主播客戶端所在電子設備的攝像頭捕獲的背景圖像；

獲取主播客戶端所在電子設備的攝像頭捕獲的待測圖像，所述待測圖像的背景與所述背景圖像匹配；

將所述背景圖像及待測圖像輸入預先生成的神經網絡模型，獲取所述神經網絡模型的輸出結果；

根據所獲得的輸出結果獲取前景圖像；

將所述前景圖像與另一背景圖像合成目標圖像，將所述目標圖像分發給相應的觀眾客戶端；