虚拟人物的生成方法和视频识别方法技术

本申请公开了一种虚拟人物的生成方法和视频识别方法。该方法包括：获取生物对象的待识别图像；对待识别图像中的生物对象进行识别，得到生物对象的属性识别结果，其中，属性识别结果包括：属性值和属性值的概率分布；基于生物对象的属性识别结果，生成生物对象对应的虚拟人物。本申请解决了现有技术中直接根据人脸图像生成虚拟人物，造成的虚拟人物与真实人物贴合程度较低的技术问题。物贴合程度较低的技术问题。物贴合程度较低的技术问题。

【技术实现步骤摘要】
虚拟人物的生成方法和视频识别方法


[0001]本申请涉及人工智能
，具体而言，涉及一种虚拟人物的生成方法和视频识别方法。

技术介绍

[0002]目前，随着人工智能的发展，虚拟世界愈发丰富，用户在虚拟世界中的虚拟人物也愈发受到关注，在现有的技术中，通通过获取用户的人脸图像，再根据人脸图像上的五官特征生成虚拟人物可能符合用户的实际年龄，导致虚拟人物不真实，从而虚拟人物与真实人物的贴合程度较低。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种虚拟人物的生成方法和视频识别方法，以至少解决现有技术中直接根据人脸图像生成虚拟人物，造成的虚拟人物与真实人物贴合程度较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种虚拟人物的生成方法，包括：获取生物对象的待识别图像；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物。
[0006]根据本申请实施例的另一个方面，还提供了一种视频识别方法，其特征在于，包括：获取待识别视频，其中，所述待识别视频中的图像帧包含生物对象；对所述图像帧中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述待识别视频对应的属性识别结果，其中，所述属性识别结果用于通过文字的形式对所述生物对象进行描述。
[0007]根据本申请实施例的另一个方面，还提供了一种虚拟人物的生成方法，包括：响应作用于操作界面上的输入指令，在所述操作界面上显示生物对象的待识别图像；响应作用于所述操作界面上的视频识别指令，在所述操作界面上显示所述生物对象对应的虚拟人物，其中，所述虚拟人物基于所述生物对象的属性识别结果所生成，所述属性识别结果通过对所述待识别图像中的所述生物对象进行识别得到，所述属性识别结果包括：属性值和所述属性值的概率分布。
[0008]根据本申请实施例的另一方面，还提供了一种视频识别方法，包括：响应作用于操作界面上的输入指令，在所述操作界面上显示生物对象的待识别图像；响应作用于所述操作界面上的视频识别指令，在所述操作界面上显示所述生物对象对应的虚拟人物，其中，所述虚拟人物基于所述生物对象的属性识别结果所生成，所述属性识别结果通过对所述待识别图像中的所述生物对象进行识别得到，所述属性识别结果包括：属性值和所述属性值的
概率分布。
[0009]根据本申请实施例的另一方面，还提供了一种虚拟人物的生成方法，包括：在虚拟现实VR设备或增强现实AR设备的呈现画面上展示生物对象的待识别图像；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物；驱动VR设备或AR设备渲染展示虚拟人物。
[0010]根据本申请实施例的另一方面，还提供了一种视频识别方法，包括：在虚拟现实VR设备或增强现实AR设备的呈现画面上展示待识别视频，其中，所述待识别视频中的图像帧包含生物对象；对所述图像帧中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述待识别视频对应的属性识别结果，其中，所述属性识别结果用于通过文字的形式对所述生物对象进行描述；驱动所述VR设备或所述AR设备渲染展示所述属性识别结果。
[0011]根据本申请实施例的另一方面，还提供了一种虚拟人物的生成方法，包括：通过调用第一接口获取生物对象的待识别图像，其中，第一接口包括第一参数，第一参数的参数值为待识别图像，待识别图像包含具有监测属性的生物对象；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物；通过调用第二接口输出虚拟人物，其中，第二接口包括第二参数，第二参数的参数值为虚拟人物。
[0012]根据本申请实施例的另一方面，还提供了一种视频识别方法，包括：通过调用第一接口获取生物对象的待识别视频，其中，所述第一接口包括第一参数，所述第一参数的参数值为所述待识别视频，其中，所述待识别视频中的图像帧包含生物对象；对所述图像帧中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述待识别视频对应的属性识别结果，其中，所述属性识别结果用于通过文字的形式对所述生物对象进行描述；通过调用第二接口输出所述属性识别结果，其中，所述第二接口包括第二参数，所述第二参数的参数值为所述属性识别结果。
[0013]根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行以下处理步骤：获取生物对象的待识别图像；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物。
[0014]根据本申请实施例的另一方面，还提供了一种电子设备，包括：处理器；存储器，与处理器相连接，用于为处理器提供处理一下处理步骤的指令：获取生物对象的待识别图像；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物。
[0015]在本申请实施例中，在获取到生物对象的待识别图像后，可以直接对待识别图像
中的生物对象进行识别，得到生物对象的属性识别结果，该属性识别结果包括属性值和属性值的概率分布，在进行年龄估计时结合属性值和属性值的概率分布，可以提高对局部细节和全局区域相关性的整体感知能力，从而提高年龄估计的准确度，进一步可以达到提高虚拟人物与真实人物的贴合程度的技术效果，进而解决了现有技术中直接根据人脸图像生成虚拟人物，造成的虚拟人物与真实人物贴合程度较低的技术问题。
附图说明
[0016]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0017]图1是根据本申请实施例的一种虚拟人物的生成方法的虚拟现实设备的硬件环境的示意图；
[0018]图2是根据本申请实施例的一种虚拟人物的生成方法的计算环境的结构框图；
[0019]图3是根据本申请实施例1的虚拟人物的生成方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟人物的生成方法，其特征在于，包括：获取生物对象的待识别图像；对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，其中，所述属性识别结果包括：属性值和所述属性值的概率分布；基于所述生物对象的属性识别结果，生成所述生物对象对应的虚拟人物。2.根据权利要求1所述的方法，其特征在于，对所述待识别图像中的所述生物对象进行识别，得到所述生物对象的属性识别结果，包括：对所述待识别图像中的所述生物对象进行特征提取，得到所述属性识别结果对应的局部注意力特征，所述局部注意力特征用于表征所述待识别图像中与所述属性识别结果相关的局部监测区域的特征；基于所述待识别图像中不同区域之间的相关性对所述局部注意力特征进行处理，得到所述属性识别结果对应的属性特征；基于所述属性特征对所述生物对象的属性进行识别，得到所述属性识别结果。3.根据权利要求2所述的方法，其特征在于，对所述待识别图像中的所述生物对象进行特征提取，得到所述属性识别结果对应的局部注意力特征，包括：利用局部区域感知模型对所述待识别图像中的所述生物对象进行特征提取，得到所述局部注意力特征，其中，所述局部区域感知模型为神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述局部区域感知模型包括：特征提取模块、多尺度卷积模块、区域注意力模块和通道注意力模块，其中，利用局部区域感知模型对所述待识别图像中的所述生物对象进行特征提取，得到所述局部注意力特征，包括：利用所述特征提取模块对所述待识别图像中的所述生物对象进行特征提取，得到所述生物对象的基础特征；利用所述多尺度卷积模块对所述基础特征进行特征融合，得到多尺度感知特征；利用所述区域自注意力模块对所述多尺度感知特征中与所述属性识别结果相关的局部注意力特征进行增强，得到第一注意力特征；利用所述通道注意力模块基于所述第一注意力特征中与所述属性识别结果相关的通道特征进行增强，得到第二注意力特征；将所述基础特征和所述第二注意力特征进行拼接，得到所述局部注意力特征。5.根据权利要求2所述的方法，其特征在于，基于所述待识别图像中不同区域之间的相关性对所述局部注意力特征进行处理，得到所述属性识别结果对应的属性特征，包括：利用区域相关性学习模型基于所述不同区域之间的相关性对所述局部注意力特征进行处理，得到所述属性特征，其中，所述区域相关性学习模型为神经网络模型。6.根据权利要求5所述的方法，其特征在于，所述区域相关性学习模型包括：特征映射模块和多个相关性学习模块，其中，利用区域相关性学习模型基于所述不同区域之间的相关性对所述局部注意力特征进行处理，得到所述属性特征，包括：利用所述特征映射模块对所述局部注意力特征进行划分，得到局部标记和区域标记，其中，所述局部标记和所述区域标记的划分尺寸不同，区域标记和局部标记的覆盖区域为包含关系；利用所述多个相关性学习模块对所述局部标记和所述区域标记进行处理，得到所述属
性特征。7.根据权利要求6所述的方法，其特征在于，所述相关性学习模块包括：自注意力模块和前向反馈模块，其中，所述自注意力模块包括基于所述区域标记的第一自注意力模块和基于所述局部标记的第二自注意力模块，利用所述相关性学习模块基对所述局部标记和所述区域标记进行处理，得到所述属性特征，包括：利用所述第一自注意力模块提取所述区域标记的第一全局相关性特征；将所述第一全局相关性特征和所述局部标记进行拼接，得到拼接特征；利用所述第二自注意力模块提取所述拼接特征中的基于所述区域标记和所述局部标记的第二全局相关性特征；利用所述前向反馈模块加强所述第二全局相关性特征中所述局部标记和所述区域标记之间...

【专利技术属性】
技术研发人员：刘雪莉，刘垚，洪斌，陶明渊，黄建强，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：