本发明专利技术公开一种图像生成方法及装置，所述方法包括：获取待处理视频以及目标服饰图像；从所述待处理视频中提取连续的至少两个视频帧图像；所述视频帧图像包括目标对象；对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图；融合所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像，得到目标融合图像。本发明专利技术实现了在背景复杂的情况下依然可以使目标对象与指定服饰图片精准的匹配，输出更加自然的证件照。照。照。
【技术实现步骤摘要】
一种图像生成方法及装置
[0001]本专利技术涉及计算机图像处理
，特别涉及一种图像生成方法及装置。
技术介绍
[0002]目前人们获取自身穿正装的证件照，不仅要花钱购买或租赁正装，还需要到专业的证件照拍摄场所进行拍摄，耗时耗财。随着深度学习技术的快速发展，基于深度学习的证件照生成方法能够自动生成证件照，省时省力。
[0003]现有技术中，在单帧图像上利用传统的图像分割方法和抠图进行证件照合成，此方法通过固定的数学运算区分前后背景，容易受背景的复杂度影响，在一些非纯色背景下，前景和背景容易出现交叉错分，很大程度上影响最终的合成效果，而且通过抠图其最终的合成效果仅为背景替换，而非服装更换，如果证件照要求穿正装，则依然需要穿着正装。
[0004]此外，当遇到背景比较复杂，如头发周围颜色与发色相近、图像曝光、模糊等，分割出来的人体区域与背景区域混合，效果不好，此时存在分割出来的人体区域与服饰图片融合效果差等问题。
技术实现思路
[0005]为了解决现有技术的问题，本专利技术实施例提供了一种图像生成方法及装置。所述技术方案如下：
[0006]一方面，提供了一种图像生成方法，所述方法包括：
[0007]获取待处理视频以及目标服饰图像；
[0008]从所述待处理视频中提取连续的至少两个视频帧图像；所述视频帧图像包括目标对象；
[0009]对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图；
[0010]融合所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像，得到目标融合图像。
[0011]另一方面，提供了一种图像生成装置，所述装置包括：
[0012]获取模块，用于获取待处理视频以及目标服饰图像；
[0013]图像提取模块：用于从所述待处理视频中提取连续的至少两个视频帧图像；所述视频帧图像包括目标对象；
[0014]图像分割模块：用于对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图；
[0015]图像融合模块：用于融合所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像，得到目标融合图像。
[0016]进一步地，所述图像分割模块包括：
[0017]目标对象分割模块：用于将所述至少两个视频帧图像输入图像分割网络，通过所
述图像分割网络对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图。
[0018]进一步地，所述装置还包括：
[0019]第一训练数据获取模块：用于获取第一训练数据；所述第一训练数据包括第一图像组和所述第一图像组对应的参考二值图，所述第一图像组中包括连续的至少两个样本视频帧图像；
[0020]第一网络模型输入模块：用于将所述第一图像组输入至第一初始神经网络模型中进行图像分割训练，得到输出的训练二值图；
[0021]第一网络模型损失值确定模块：用于根据所述训练二值图与所述参考二值图的二阶范数确定第一损失值；
[0022]第一网络模型训练模块：用于按照最小化所述第一损失值的方向调整所述第一初始神经网络模型中的模型参数直至满足训练结束条件，得到所述图像分割网络。
[0023]进一步地，所述图像融合模块包括：
[0024]目标对象融合模块：用于将所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像输入图像融合网络，通过所述图像融合网络对所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像进行目标对象融合处理，得到所述目标融合图像。
[0025]进一步地，所述装置还包括：
[0026]第二训练数据获取模块：用于获取第二训练数据；所述第二训练数据包括第二图像组以及所述第二图像组对应的参考融合图像，所述第二图像组中包括样本目标视频帧图像、样本目标视频帧图像对应的二值图以及样本目标服饰图像；
[0027]第二网络模型输入模块：用于将所述第二图像组输入至第二初始神经网络模型中进行图像融合训练，得到输出的训练融合图像；
[0028]第二网络模型损失值确定模块：用于根据所述训练融合图像与所述参考融合图像的二阶范数确定第二损失值；
[0029]第二网络模型训练模块：用于按照最小化所述第二损失值的方向调整所述第二初始神经网络模型中的模型参数直至满足训练结束条件，得到所述图像融合网络。
[0030]进一步地，所述图像提取模块包括：
[0031]视频帧图像获取模块：用于从所述待处理视频中提取m组视频帧图像，每组视频帧图像包括连续的至少两个视频帧图像；
[0032]目标对象择优模块：用于将所述m组视频帧图像输入图像择优网络，通过所述图像择优网络对所述m组视频帧图像进行择优处理，分别得到所述m组视频帧图像中每组视频帧图像的得分；
[0033]视频帧图像排列模块：用于对所述m组视频帧图像的得分进行排序，将得分最高的一组视频帧图像作为所述连续的至少两个视频帧图像，得到所述连续的至少两个视频帧图像。
[0034]进一步地，所述装置还包括：
[0035]第三训练数据获取模块：用于获取第三训练数据；所述第三训练数据包括第三图像组和所述第三图像组对应的参考得分，所述第三图像组中包括m组样本视频帧图像，每组
样本视频帧图像包括连续的至少两个视频帧图像；
[0036]第三网络模型输入模块：用于将所述第三图像组输入至第三初始神经网络模型中进行图像择优训练，得到输出的训练得分；
[0037]第三网络模型损失值确定模块：用于根据所述训练得分与所述参考得分的二阶范数确定第三损失值；
[0038]第三网络模型训练模块：用于按照最小化所述第三损失值的方向调整所述第三初始神经网络模型中的模型参数直至满足训练结束条件，得到所述图像择优网络。
[0039]进一步地，所述装置还包括：
[0040]第三图像组分割处理模块：用于将所述第三图像组输入所述图像分割网络，通过所述图像分割网络对所述第三图像组进行目标对象分割处理，得到所述第三图像组的输出二值图；
[0041]第一数值确定模块：用于根据所述输出二值图与所述输出二值图对应标签二值图的二阶范数，确定所述第三图像组的第一数值；
[0042]参考得分确定模块：用于根据所述第一数值的倒数，确定所述第三图像组对应的参考得分。
[0043]进一步地，所述图像融合模块之前还包括：
[0044]判断模块：用于判断所述至少两个视频帧图像的个数是否为奇数；
[0045]若是，则所述目标视频帧图像为中间位置视频帧图像；
[0046]若否，则所述目标视频帧图像为第n/2个所述至少两个视频帧图像，所述n为视频帧图像的个数。
[0047]另一方面提供了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像生成方法，其特征在于，所述方法包括：获取待处理视频以及目标服饰图像；从所述待处理视频中提取连续的至少两个视频帧图像；所述视频帧图像包括目标对象；对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图；融合所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像，得到目标融合图像。2.根据权利要求1所述的一种图像生成方法，其特征在于，所述对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图，包括：将所述至少两个视频帧图像输入图像分割网络，通过所述图像分割网络对所述至少两个视频帧图像进行目标对象分割处理，得到所述目标对象的二值图。3.根据权利要求2所述的一种图像生成方法，其特征在于，所述方法还包括：获取第一训练数据；所述第一训练数据包括第一图像组和所述第一图像组对应的参考二值图，所述第一图像组中包括连续的至少两个样本视频帧图像；将所述第一图像组输入至第一初始神经网络模型中进行图像分割训练，得到输出的训练二值图；根据所述训练二值图与所述参考二值图的二阶范数确定第一损失值；按照最小化所述第一损失值的方向调整所述第一初始神经网络模型中的模型参数直至满足训练结束条件，得到所述图像分割网络。4.根据权利要求1所述的一种图像生成方法，其特征在于，所述融合所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像，得到目标融合图像，包括：将所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像输入图像融合网络，通过所述图像融合网络对所述目标服饰图像、二值图以及所述至少两个视频帧图像中的目标视频帧图像进行目标对象融合处理，得到所述目标融合图像。5.根据权利要求4所述的一种图像生成方法，其特征在于，所述方法还包括：获取第二训练数据；所述第二训练数据包括第二图像组以及所述第二图像组对应的参考融合图像，所述第二图像组中包括样本目标视频帧图像、样本目标视频帧图像对应的二值图以及样本目标服饰图像；将所述第二图像组输入至第二初始神经网络模型中进行图像融合训练，得到输出的训练融合图像；根据所述训练融合图像与所述参考融合图像的二阶范数确定第二损失值；按照最小化所述第二损失值的方向调整所述第二初始神经网络模型中的模型参数直至满足训练结束条件，得到所述图像融合网络。6.根据权利要求2所述的一种图像生成方法，其特征在于...
【专利技术属性】
技术研发人员：王磊，冯旭，罗顺风，
申请(专利权)人：杭州优行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。