[發(fā)明專利]一種圖像處理方法及電子設備

有效

• 申請?zhí)枺?/td>: 201810047955.0
• 申請日: 2018-01-18
• 公開（公告）號: CN108334821B
• 公開（公告）日: 2020-12-18
• 發(fā)明（設計）人: 劉偉;王東
• 申請（專利權(quán)）人: 聯(lián)想（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王姍姍;張穎玲

1.一種圖像處理方法，其特征在于，所述方法包括：

采集第一影像，并獲取采集的第一影像中源對象的第一表情屬性；

獲取與所述第一表情屬性匹配的第二表情屬性；其中，所述第一表情屬性與一個或多個第二表情屬性匹配；

當所述第一表情屬性與一個第二表情屬性匹配時，將第二圖像中目標對象的表情屬性替換為所述第二表情屬性；

當所述第一表情屬性與多個第二表情屬性匹配時，在所述多個第二表情屬性中隨機選擇一個第二表情屬性或按預設的策略選擇一個第二表情屬性，用于對所述第二圖像中的所述目標對象的表情屬性進行替換。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取采集的第一影像中源對象的第一表情屬性，包括：

識別所述第一影像中源對象的特征點；

基于所述源對象的特征點，獲得所述源對象的第一表情屬性。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述源對象的特征點，獲得所述源對象的第一表情屬性，包括：

基于特征點樣本構(gòu)造的訓練樣本，以及所述訓練樣本標記的目標屬性，訓練機器學習模型，使得所述機器學習模型具有根據(jù)所述訓練樣本預測相應的目標屬性的性能；

將所述源對象的特征點輸入預先訓練的機器學習模型，利用所述機器學習模型獲取所述源對象的第一表情屬性。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取與所述第一表情屬性匹配的第二表情屬性，包括：

基于所述第一表情屬性，在候選表情圖像中查找與所述第一表情屬性匹配的目標表情圖像集合；

在所述目標圖像集合中選擇一個目標表情圖像；

將所選擇的目標表情圖像對應的表情屬性確定為第二表情屬性。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取與所述第一表情屬性匹配的第二表情屬性，包括：

基于所述第一表情屬性，在候選表情圖像中查找與所述第一表情屬性匹配的目標表情圖像集合；

確定所述第二圖像中目標對象的數(shù)量；

在所述目標圖像集合中選擇與所述目標對象的數(shù)量相同數(shù)量的目標表情圖像；

將所選擇的目標表情圖像對應的表情屬性確定為第二表情屬性。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，包括：

識別所述第二圖像中的至少一個對象；

在所述第二圖像中的至少一個對象中選擇一個對象，作為第二圖像中目標對象；

當所述第一表情屬性與一個第二表情屬性匹配時，將所選擇的一個對象的表情屬性替換為所述第二表情屬性；當所述第一表情屬性與多個第二表情屬性匹配時，將所選擇的一個對象的表情屬性替換為隨機選擇的或按預設策略選擇的所述第二表情屬性。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，包括：

識別所述第二圖像中的對象；

將所識別的全部對象作為第二圖像中目標對象；

當所述第一表情屬性與一個第二表情屬性匹配時，將所識別的全部對象的表情屬性替換為所述第二表情屬性；當所述第一表情屬性與多個第二表情屬性匹配時，將所識別的全部對象的表情屬性替換為隨機選擇的或按預設策略選擇的所述第二表情屬性。

8.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，包括：

當所述第一表情屬性與一個第二表情屬性匹配時，將所述第二表情屬性對應的目標表情圖像與所述第二圖像中目標對象進行融合處理，當所述第一表情屬性與多個第二表情屬性匹配時，將隨機選擇的或按預設策略選擇的所述第二表情屬性與所述第二圖像中目標對象進行融合處理，以替換所述第二圖像中所述目標對象的表情屬性。