CN110889379A - 表情包生成方法、装置及终端设备 - Google Patents
表情包生成方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110889379A CN110889379A CN201911197094.5A CN201911197094A CN110889379A CN 110889379 A CN110889379 A CN 110889379A CN 201911197094 A CN201911197094 A CN 201911197094A CN 110889379 A CN110889379 A CN 110889379A
- Authority
- CN
- China
- Prior art keywords
- image
- expression
- expression package
- package
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 473
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000000463 material Substances 0.000 claims abstract description 76
- 238000004590 computer program Methods 0.000 claims description 22
- 230000008921 facial expression Effects 0.000 claims description 18
- 230000001815 facial effect Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000008451 emotion Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于视觉应用技术领域,提供了表情包生成方法,包括:从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像,计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度,基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像,提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。本申请还提供表情包生成装置及终端设备,提高了表情包生成的效率和文本信息匹配的精确度。
Description
技术领域
本申请属于视频应用技术领域,尤其涉及一种表情包生成方法、装置、终端设备及计算机可读存储介质。
背景技术
随着网络的普及,移动通讯的逐步发展,越来越多的人们开始使用即时通讯工具。为了活跃聊天氛围,表情包是一种利用图片来表示感情的一种方式。最初的表情包,多为专业人士设计,如emoji表情符号,QQ表情等。随着表情的发展,人们开始流行图片加文字的表情包,但由于表情包的制作需要人工抽取表情包或添加文本信息,这样会耗时且耗费人力,也会给在人物视频中生成表情包的效率不高的问题。
发明内容
有鉴于此,本申请实施例提供了一种表情包生成方法、装置及终端设备,以解决现有技术中在人物视频中提取人脸图像并生成相应的表情包的效率不高的问题。
第一方面,本申请实施例提供了一种表情包生成方法,包括:
从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
可选地,所述基于所述表情相似度确定目标表情包图像以及表情包素材,包括:
当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,将所述第一表情包图像作为目标表情包图像,将所述第一人脸图像作为静态的表情包素材,其中,所述第一人脸图像为所述人像图像中的任一人脸图像,所述第一表情包图像为所述表情包图像库中的任一表情包图像。
可选地,所述基于所述表情相似度确定目标表情包图像以及表情包素材,包括:
当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,获取所述第一人脸图像在所述人物视频中的属性信息;
根据所述属性信息从所述人物视频中获取所述第一人脸图像对应的多帧图像;
计算每帧所述图像与所述第一表情包图像之间的表情相似度;
当第一图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像作为静态的表情包素材,其中,所述第一图像为所述多帧图像中的任一帧图像。
可选地,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第二图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于所述第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像以及第二图像中的人脸图像作为动态的表情包素材,其中,所述第二图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
可选地,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像作为静态的表情包素材,其中,所述第三图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
可选地,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像以及第四图像作为动态的表情包素材,其中,所述第四图像为所述多帧图像中连续的至少两帧图像,且所述至少两帧图像中至少有一帧图像与所述第一图像相邻。
可选地,所述计算所述人脸图像与所述表情包图像库中的表情包图像之间的表情相似度,包括:
通过预设的深度神经网络提取所述人脸图像的人脸表情特征;
将所述人脸表情特征与所述表情包图像的表情特征进行特征比对得到所述表情相似度。
第二方面,本申请实施例还提供了一种表情包生成装置,包括:
获取模块,用于从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
计算模块,用于计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
确定模块:用于基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
生成模块,用于提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
第三方面,本申请实施例还提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面中方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中方法的步骤。
本申请实施例提供的一种表情包生成方法、装置及终端设备具有以下有益效果:
在本申请实施例中,通过从待处理的人物视频中提取出人像图像,所述人像图像包含人脸图像,再计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度,基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像,提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。由于本发明可以根据表情相似度来确定目标表情包图像和表情包素材,并自动将表情包图像的文本信息与表情包素材进行整合,无需用户手动选择表情包图像,减轻了用户的操作负担,使用户可以快速、轻松的在视频中自己制作表情包。根据表情相似度从人物视频中提取人脸图像或者视频片段作为表情包素材,实现了基于表情相似度计算的表情包的生成,提高了表情包生成的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的表情包生成方法的实现流程示意图;
图2是本申请另一实施例提供的表情包生成方法的实现流程示意图;
图3是本申请实施例提供的表情包生成装置的结构示意图;
图4是本申请实施例提供的终端设备的结构示意图。
主要元件符号说明:
300-表情包生成装置;310-获取模块;320-计算模块;330-确定模块;340-生成模块;400-终端设备;410-存储器;420-处理器;430-计算机程序。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了说明本发明所述的技术方案,通过以下具体实施例来进行说明。
如图1所示,图1示出了本申请实施例提供的表情包生成方法,所述表情包生成方法可包括如下S101至S104。
S101:从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
在本实施例中,表情包生成方法的执行主体可以将上述人物视频中的各帧图像组成人像图像,或者,上述执行主体可以基于预设步长(例如1或2等),从上述人物视频中提取出图像,并将提取出的图像组成人像图像,其中,人像图像中的图像是按照在上述人物视频中的播放先后顺序排列的,应当理解,预设步长可以根据实际需要设置,此处不做具体限定。
需要说明的是,上述执行主体可以实时地接收用户通过电子设备发送的表情包生成请求,上述人物视频可以是上述执行主体接收到的表情包生成请求所包含的视频。
可以理解的是,人物视频可以是预先存储在电子设备中,也可以是保存在网站上供播放的视频,还可以是通过电子设备进行实时录制的,在将人物视频进行播放或者录制时,采用人脸识别技术对人物视频中的人像图像进行处理,提取出带有人脸图像的至少一张人像图像,人像图像中包括背景、文字等,人脸图像可以是一个人的人脸或多个人的人脸。当电子设备为终端设备的情况时,可以满足用户从视频中提取出特定的人脸图像的需求;当电子设备为服务器时,通过在电子设备中运行从人物视频中提取人脸图像的装置,可以满足视频网站等平台的人脸图像的提取需求。
具体的,采用人脸检测算法从多张人像图像中检测出带有人脸的人脸图像,可以对人脸图像进行标记,便于对人脸图像进行人脸表情特征的提取。
需要说明的是,人像图像中可能存在一个或多个人脸,也可能不存在人脸,采用人脸检测算法,对人物视频中的至少一张人像图像进行人脸检测得到相应的人脸检测结果,该人脸检测结果用于指示该人像图像中是否显示有人脸。人脸检测算法可以是多任务卷积神经网络(Multi-task convolutional neural network,MTCNN),用于人脸检测任务的多任务神经网络模型,该模型主要采用了三个级联的网络和候选框加分类器的思想,进行快速高效的人脸检测,这三个级联的网络分别是快速生成候选窗口的P-Net、进行高精度候选窗口过滤选择的R-Net和生成最终边界框与人脸关键点的O-Net。通过多任务卷积神经网络检测所述人物视频中的人脸得到相应的人脸图像。
S102:计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
具体的,将多张人像图像中的人脸图像分别与表情包图像进行表情相似度计算时,采用深度神经网络提取人脸图像中的人脸表情特征,该深度神经网络可以在ImageNet、人脸识别数据或者人脸表情数据等数据库上预先训练,将提取的人脸表情特征与表情包图像库中的预先处理好的表情包进行特征比对,其中,该表情包特征可以是输入的新的表情包特征,特征比对是深度神经网络的卷积层特征或全连接层特征,也可以采用神经网络的分类概率做特征。得到表情包特征和人脸图片特征。特征比对可以基于特征余弦相似度计算,也可以特征归一化后进行欧式距离计算,计算得到的结果作为表情相似度。采用上述的人脸检测算法得到至少一张包含有人脸图像的人像图像,计算每张所述人像图像分别与预设的表情包图像库中的表情包图像之间的表情相似度,根据多个表情相似度可以筛选出符合要求的表情包图像,从而提高所述人像图像的人脸图像与所述表情包图像进行匹配的精确度。
需要说明的是,在执行上述S102之前,表情包图像库可以是从互联网上下载或收集的,也可以是用户手动添加或者制作的表情包图像,根据表情包图像的文字信息、格式等进行分类,采用文本提取的方式获取表情包中的文字,如OCR文字识别软件,若表情包中不包含文字,可以获取该表情包的命名及格式,或提取表情包周边的文字形成该表情包的文本信息,根据表情包及对应的文本信息建立表情包图像库。
S103:基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
具体的,在计算每张人脸图像与表情包图像库中的表情包图像的表情相似度之后,可以将计算得到的表情相似度进行标记或排序,也可以将这些表情相似度逐一比较得到表情相似度对应的值最大的一个或多个。计算得到的表情相似度存在一个或多个符合上述条件,对应的表情包图像库中的表情包图像也是一个或多个,以确定表情包图像库中的目标表情包图像和人像图像中的人脸图像,将该人脸图像作为表情包素材用于生成新的表情包。另外,还可以将已确定的目标表情包图像、表情包素材及对应的表情相似度进行关联,以便快速查找出目标表情包图像和表情包素材。
S104:提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
具体的,打开视频,启动表情包自动制作命令,后台运行人脸检测算法,定义检测到的人脸为人脸图像1、人脸图像2……人脸图像N,可以在检测到人脸图像1时与表情包图像库中的表情包图像进行表情相似度计算,也可以设定检测时间或检测到人脸图像的数量之后与表情包图像库中的表情包图像进行表情相似度计算。以检测到人脸图像1为例,将识别到的人脸图像1中的人脸与表情包图像库中的人脸进行表情相似度计算得到相应的表情相似度,可以选取表情相似度最大的表情包图像作为目标表情包图像,提取目标表情包图像的文本信息,提取人像图像中的人脸图像作为表情包素材,将文本信息采用字幕添加或者命名方式与表情包素材进行整合生成目标表情包。另外,多张人像图像中的人脸图像分别与表情包图像库中的表情包进行表情相似度计算,选取超出预设阈值的表情相似度对应的表情包图像及人脸图像,这样可以使目标表情包图像和表情包素材精准匹配,也提高了表情包生成的效率。
进一步地,所述基于所述表情相似度确定目标表情包图像以及表情包素材,包括:
当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,将所述第一表情包图像作为目标表情包图像,将所述第一人脸图像作为静态的表情包素材,其中,所述第一人脸图像为所述人像图像中的任一人脸图像,所述第一表情包图像为所述表情包图像库中的任一表情包图像。
具体的,以人脸图像a为例,当人脸图像a与表情包图像库中的表情包图像的表情相似度大于或者等于第一预设相似度阈值时,该表情包图像作为目标表情包图像,该目标表情包图像可以理解为表情包模板,该表情包模板用于提取文本信息。精准筛选出符合要求的表情包图像及对应的人脸图像,以便快速生成新的表情包,并将生成的表情包保存在该表情包图像库中,可以提供用户下载或者转发,从而提高了用户的活跃度。
如图2所示,图2示出了本申请另一实施例提供的表情包生成方法的实现流程示意图,其中上述S103包括如下S201至S204。
S201:当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,获取所述第一人脸图像在所述人物视频中的属性信息;
具体的,表情相似度可以设定为[0,100]中的数值,第一预设相似度阈值可以设定50,第一人脸图像与第一表情包图像之间的表情相似度为55时符合上述条件,之后获取该第一人脸图像在人物视频中的属性信息,该属性信息包括第一人脸图像在整段视频中的位置、时间等,便于后续根据属性信息从该人物视频中截取相关的视频片段,有效避免了背景信息干扰人脸图像的正常提取。
需要说明的是,人像图像中的每张人脸图像与表情包图像库中的每张表情包图像均存在一一对应的表情相似度,选取表情相似度大于或等于第一预设相似度的人脸图像,人像图像包括人脸图像、背景信息、字幕等,从而提高了提取表情包素材的精准度。
S202:根据所述属性信息从所述人物视频中获取所述第一人脸图像对应的多帧图像;
在本实施例中,第一人脸图像可能在该人物视频中出现一次或者多次,根据第一人脸图像的属性信息从人物视频中截取对应的多帧图像,即视频片,可换言之,对该第一人脸图像进行人脸检测及追踪,根据检测及追踪结果从该人物视频中提取人脸图像的视频帧,以保证表情包素材提取的完整性。
S203:计算每帧所述图像与所述第一表情包图像之间的表情相似度;
在本实施例中,在从人物视频中获取对应的多帧图像后,可以从获取到的视频帧中检测人脸区域,并在检测到人脸区域后得到人脸框集合,然后基于该人脸框集合从获取到的视频片段中提取出人脸图像,即包含有人脸框内区域的图像,将每帧图像的人脸表情与第一表情包图像进行表情相似度计算得到相应的表情相似度,以便选取满足要求的表情包素材。
S204:当第一图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像作为静态的表情包素材,其中,所述第一图像为所述多帧图像中的任一帧图像。
在本实施例中,上述执行主体可以基于上述多帧图像所对应的表情相似度,该表情相似度可以处于[0,100]内的数值表示,实践中,数值越小表示表情相似度越低,数值越大表示表情相似度越高。当人像图像中存在第一图像与表情包图像库中存储的第一表情包图像之前的表情相似度大于或者等于第一预设相似度阈值时,例如第一预设相似度可以设为50,获取第一人脸图像在该人物视频中的属性信息,该属性信息包括该第一人脸图像出现的时间、位置等,根据该属性信息可以定位第一人脸图像对应的多帧图像,获取人物视频中该时间前后一定时间(如3秒)的视频片段,获取人物视频中的人脸位置周围的图像组成精简的视频片段,可以去除视频片段中无关的背景信息。计算每帧图像与第一表情包图像之间的表情相似度,判断各帧图像分别与第一表情包图像进行表情相似度计算得到相应的表情相似度,当存在表情相似度大于或者等于第二预设相似度阈值的一帧图像时,将该图像中的人脸图像作为静态的表情包素材,即表情包图片,人脸位置周围的图像大小可以设置为原人脸图像的四倍大小,这样便于区分出人脸图像和背景信息。需要说明的是,第一预设相似度阈值和第二相似度阈值可以相同,也可以不同,根据实际情况设定,此处不做具体限定。
可以理解的是,一帧图像中可以包含一个多个人脸区域,也可以不存在人脸区域;而当存在一个或多个人脸区域时,可以获得相应数量的人脸框,进而,获得相应数量的人脸图像,其中,上述的人脸框集合为关于至少一个人脸框的集合,人脸框为包围人脸区域的矩形框,并且,由于人脸框可以通过坐标信息来表征,因此,上述的人脸框集合中具体可以包括至少一个坐标信息,而每一个坐标信息能够确定一个人脸框。为了提取表情包素材的完整表达,可以将人脸框向外扩张得到新的矩形,将该新的矩形包围的图像块取出得到人脸图像。例如,可以采用预先训练的人脸检测模型,从所获取的多帧图像中检测到人脸区域,从而快速精准提取出表情包素材。
进一步地,S203之后,还包括:
当第二图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于所述第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像以及第二图像中的人脸图像作为动态的表情包素材,其中,所述第二图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
在本实施例中,以选取三帧图像为例,第一图像和第二图像分别与第一表情包图像的表情相似度均符合条件,即表情相似度大于或等于第二预设相似度阈值时,可以将第一图像中的人脸图像和第二图像中的人脸图像作为动态的表情包素材。若第一图像与第一表情包图像的表情相似度符合条件、并且第三图像与第一表情包图像的表情相似度符合条件,第二图像与第一表情包图像的表情相似度不符合条件,也可以将该三帧图像中的人脸图像作为动态的表情包素材,即可以生成动态表情包,扩大了表情包生成的类型,也增添了使用表情包的趣味。
进一步地,S203之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像作为静态的表情包素材,其中,所述第三图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
在本实施例中,以选取三帧图像为例,当该多帧图像中的第三图像中的人脸图像与第二表情包图像的表情相似度最大时,将该第二表情包图像作为目标表情包图像,将第三图像中的人脸图像作为静态的表情包素材,即表情包图片。通过选取表情相似度最大的表情包图像及对应的图像中的人脸图像,可以精确地提取出待生成的表情包图像,使生成的表情包表达情感的准确性。
进一步地,S203之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像以及第四图像作为动态的表情包素材,其中,所述第四图像为所述多帧图像中连续的至少两帧图像,且所述至少两帧图像中至少有一帧图像与所述第一图像相邻。
在本实施例中,以表情包图像库中有两张表情包图像为例,人像图像中的人脸图像与第一表情包图像之间的表情相似度记为第一表情相似度,该人像图像中的人脸图像与第二表情包图像之间的表情相似度记为第二表情相似度,当第一表情相似度小于第二表情相似度时,选取第二表情相似度对应的第二表情包图像作为目标表情包图像。在选取的多帧图像中可能存在图像中的人脸图像与表情包图像之间的相似度最大,可以将该图像的前后几帧图像中连续的人脸图像作为动态的表情包素材,以提高表情包的显示效果。
在另一实施例中,为了提高目标表情包的显示效果,用户可以根据自己的意愿对该目标表情包进行编辑或者添加道具效果,例如帽子、蘑菇头等效果的道具,和/或,添加一些艺术字、水印等,将该目标表情包制作成预设格式存储在供用户操作的界面、聊天工具等表情包图像库中,该预设格式是根据需要进行设定的,例如,预设格式可以是GIF格式,GIF格式可以存储多个图像,将保存在一个文件中的多个图像读取出来并显示在屏幕上,可构成一种简单的动画,以提高用户的可操作性和体验度。
在本申请实施例中,通过从待处理的人物视频中提取出人像图像,所述人像图像包含人脸图像,再计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度,基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像,提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。由于本发明可以根据表情相似度来确定目标表情包图像和表情包素材,并自动将表情包图像的文本信息与表情包素材进行整合,无需用户手动选择表情包图像,减轻了用户的操作负担,使用户可以快速、轻松的在视频中自己制作表情包。根据表情相似度从人物视频中提取人脸图像或者视频片段作为表情包素材,实现了基于表情相似度计算的表情包的生成,提高了表情包生成的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。对应于上文实施例所述的表情包生成方法。
请参阅3,图3示出了本申请提供的表情包生成装置300的结构示意图,如图3所示,包括:
获取模块310,用于从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
计算模块320,用于计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
确定模块330,用于基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
生成模块340,用于提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
可选地,所述确定模块330具体用于:当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,将所述第一表情包图像作为目标表情包图像,将所述第一人脸图像作为静态的表情包素材,其中,所述第一人脸图像为所述人像图像中的任一人脸图像,所述第一表情包图像为所述表情包图像库中的任一表情包图像。
可选地,所述确定模块330具体包括:
第一获取单元,用于当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,获取所述第一人脸图像在所述人物视频中的属性信息;
第二获取单元,用于根据所述属性信息从所述人物视频中获取所述第一人脸图像对应的多帧图像;
计算单元,用于计算每帧所述图像与所述第一表情包图像之间的表情相似度;
第一素材确定单元,用于当第一图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像作为静态的表情包素材,其中,所述第一图像为所述多帧图像中的任一帧图像。
可选地,所述确定模块330还可以包括:
第二素材确定单元,用于在所述计算单元计算得到每帧所述图像与所述第一表情包图像之间的表情相似度之后,当第二图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于所述第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像以及第二图像中的人脸图像作为动态的表情包素材,其中,所述第二图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
可选地,所述确定模块330还可以包括:
第三素材确定单元,用于在所述计算单元计算得到每帧所述图像与所述第一表情包图像之间的表情相似度之后,当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像作为静态的表情包素材,其中,所述第三图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
可选地,所述确定模块330还可以包括:
第四素材确定单元,用于在所述计算单元计算得到每帧所述图像与所述第一表情包图像之间的表情相似度之后,当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像以及第四图像作为动态的表情包素材,其中,所述第四图像为所述多帧图像中连续的至少两帧图像,且所述至少两帧图像中至少有一帧图像与所述第一图像相邻。
可选地,所述获取模块310还用于通过预设的深度神经网络提取所述人脸图像的人脸表情特征,所述计算模块320将所述人脸表情特征与所述表情包图像的表情特征进行特征比对得到所述表情相似度。
请参阅图4,图4是本申请实施例还提供的终端设备的结构示意图,如图4所示,终端设备400包括存储器410、至少一个处理器420以及存储在所述存储器410中并可在所述处理器420上运行的计算机程序430,所述处理器420执行所述计算机程序430时实现上述的表情包生成方法。
终端设备400可以是桌上型计算机、手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
该终端设备400可包括但不仅限于处理器420、存储器410。本领域技术人员可以理解,图4仅仅是终端设备400的举例,并不构成对终端设备400的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备等。
所称处理器420可以是中央处理单元(Central Processing Unit,CPU),该处理器420还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器410在一些实施例中可以是终端设备400的内部存储单元,例如终端设备400的硬盘或内存。所述存储器410在另一些实施例中也可以是所述终端设备400的外部存储设备,例如终端设备400上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器410还可以既包括终端设备400的内部存储单元也包括外部存储设备。所述存储器410用于存储操作***、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器410还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述表情包生成装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述辅助拍摄装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种表情包生成方法,其特征在于,包括:
从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
2.根据权利要求1所述的表情包生成方法,其特征在于,所述基于所述表情相似度确定目标表情包图像以及表情包素材,包括:
当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,将所述第一表情包图像作为目标表情包图像,将所述第一人脸图像作为静态的表情包素材,其中,所述第一人脸图像为所述人像图像中的任一人脸图像,所述第一表情包图像为所述表情包图像库中的任一表情包图像。
3.根据权利要求1所述的表情包生成方法,其特征在于,所述基于所述表情相似度确定目标表情包图像以及表情包素材,包括:
当第一人脸图像与第一表情包图像之间的表情相似度大于或等于第一预设相似度阈值时,获取所述第一人脸图像在所述人物视频中的属性信息;
根据所述属性信息从所述人物视频中获取所述第一人脸图像对应的多帧图像;
计算每帧所述图像与所述第一表情包图像之间的表情相似度;
当第一图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像作为静态的表情包素材,其中,所述第一图像为所述多帧图像中的任一帧图像。
4.根据权利要求3所述的表情包生成方法,其特征在于,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第二图像中的人脸图像与所述第一表情包图像之间的表情相似度大于或等于所述第二预设相似度阈值时,将所述第一表情包图像作为所述目标表情包图像,将所述第一图像中的人脸图像以及第二图像中的人脸图像作为动态的表情包素材,其中,所述第二图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
5.根据权利要求3所述的表情包生成方法,其特征在于,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像作为静态的表情包素材,其中,所述第三图像为所述多帧图像中与所述第一图像相邻的至少一帧图像。
6.根据权利要求3所述的表情包生成方法,其特征在于,所述计算每帧所述图像与所述第一表情包图像之间的表情相似度之后,还包括:
当第三图像中的人脸图像与第二表情包图像之间的表情相似度最大时,将所述第二表情包图像作为所述目标表情包图像,将所述第三图像中的人脸图像以及第四图像作为动态的表情包素材,其中,所述第四图像为所述多帧图像中连续的至少两帧图像,且所述至少两帧图像中至少有一帧图像与所述第一图像相邻。
7.根据权利要求1至6任一项所述的表情包生成方法,其特征在于,所述计算所述人脸图像与所述表情包图像库中的表情包图像之间的表情相似度,包括:
通过预设的深度神经网络提取所述人脸图像的人脸表情特征;
将所述人脸表情特征与所述表情包图像的表情特征进行特征比对得到所述表情相似度。
8.一种表情包生成装置,其特征在于,包括:
获取模块,用于从待处理的人物视频中获取至少一张人像图像,所述人像图像中包含人脸图像;
计算模块,用于计算所述人像图像中的人脸图像与预设的表情包图像库中的表情包图像之间的表情相似度;
确定模块,用于基于所述表情相似度确定目标表情包图像以及表情包素材,其中,所述目标表情包图像属于所述表情包图像库,所述表情包素材属于所述人像图像;
生成模块,用于提取所述目标表情包图像的文本信息,并将所述文本信息与所述表情包素材进行整合生成目标表情包。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的表情包生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的表情包生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197094.5A CN110889379B (zh) | 2019-11-29 | 2019-11-29 | 表情包生成方法、装置及终端设备 |
PCT/CN2020/129209 WO2021104097A1 (zh) | 2019-11-29 | 2020-11-17 | 表情包生成方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197094.5A CN110889379B (zh) | 2019-11-29 | 2019-11-29 | 表情包生成方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889379A true CN110889379A (zh) | 2020-03-17 |
CN110889379B CN110889379B (zh) | 2024-02-20 |
Family
ID=69749402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911197094.5A Active CN110889379B (zh) | 2019-11-29 | 2019-11-29 | 表情包生成方法、装置及终端设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110889379B (zh) |
WO (1) | WO2021104097A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111372141A (zh) * | 2020-03-18 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 表情图像生成方法、装置及电子设备 |
CN111586466A (zh) * | 2020-05-08 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN111753131A (zh) * | 2020-06-28 | 2020-10-09 | 北京百度网讯科技有限公司 | 表情包生成方法及设备、电子设备和介质 |
CN111768481A (zh) * | 2020-05-19 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种表情包生成方法及装置 |
CN111881776A (zh) * | 2020-07-07 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 动态表情获取方法、装置、存储介质和电子设备 |
WO2021104097A1 (zh) * | 2019-11-29 | 2021-06-03 | 深圳先进技术研究院 | 表情包生成方法、装置及终端设备 |
WO2023284640A1 (zh) * | 2021-07-15 | 2023-01-19 | 维沃移动通信有限公司 | 图片处理方法和电子设备 |
CN117150063A (zh) * | 2023-10-26 | 2023-12-01 | 深圳慢云智能科技有限公司 | 一种基于场景识别的图像生成方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369196A (zh) * | 2017-06-30 | 2017-11-21 | 广东欧珀移动通信有限公司 | 表情包制作方法、装置、存储介质及电子设备 |
CN109508399A (zh) * | 2018-11-20 | 2019-03-22 | 维沃移动通信有限公司 | 一种表情图像处理方法、移动终端 |
US20190122403A1 (en) * | 2017-10-23 | 2019-04-25 | Paypal, Inc. | System and method for generating emoji mashups with machine learning |
CN110321845A (zh) * | 2019-07-04 | 2019-10-11 | 北京奇艺世纪科技有限公司 | 一种从视频中提取表情包的方法、装置及电子设备 |
CN110458916A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 表情包自动生成方法、装置、计算机设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803909A (zh) * | 2017-02-21 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 一种视频文件的生成方法及终端 |
CN107239535A (zh) * | 2017-05-31 | 2017-10-10 | 北京小米移动软件有限公司 | 相似图片检索方法及装置 |
FR3081244B1 (fr) * | 2018-05-17 | 2020-05-29 | Idemia Identity & Security France | Procede de reconnaissance de caracteres |
CN110162670B (zh) * | 2019-05-27 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于生成表情包的方法和装置 |
CN110889379B (zh) * | 2019-11-29 | 2024-02-20 | 深圳先进技术研究院 | 表情包生成方法、装置及终端设备 |
-
2019
- 2019-11-29 CN CN201911197094.5A patent/CN110889379B/zh active Active
-
2020
- 2020-11-17 WO PCT/CN2020/129209 patent/WO2021104097A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369196A (zh) * | 2017-06-30 | 2017-11-21 | 广东欧珀移动通信有限公司 | 表情包制作方法、装置、存储介质及电子设备 |
US20190122403A1 (en) * | 2017-10-23 | 2019-04-25 | Paypal, Inc. | System and method for generating emoji mashups with machine learning |
CN109508399A (zh) * | 2018-11-20 | 2019-03-22 | 维沃移动通信有限公司 | 一种表情图像处理方法、移动终端 |
CN110321845A (zh) * | 2019-07-04 | 2019-10-11 | 北京奇艺世纪科技有限公司 | 一种从视频中提取表情包的方法、装置及电子设备 |
CN110458916A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 表情包自动生成方法、装置、计算机设备及存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021104097A1 (zh) * | 2019-11-29 | 2021-06-03 | 深圳先进技术研究院 | 表情包生成方法、装置及终端设备 |
CN111372141A (zh) * | 2020-03-18 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 表情图像生成方法、装置及电子设备 |
CN111372141B (zh) * | 2020-03-18 | 2024-01-05 | 腾讯科技(深圳)有限公司 | 表情图像生成方法、装置及电子设备 |
CN111586466A (zh) * | 2020-05-08 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN111768481A (zh) * | 2020-05-19 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种表情包生成方法及装置 |
CN111768481B (zh) * | 2020-05-19 | 2024-06-21 | 北京奇艺世纪科技有限公司 | 一种表情包生成方法及装置 |
CN111753131A (zh) * | 2020-06-28 | 2020-10-09 | 北京百度网讯科技有限公司 | 表情包生成方法及设备、电子设备和介质 |
CN111881776A (zh) * | 2020-07-07 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 动态表情获取方法、装置、存储介质和电子设备 |
CN111881776B (zh) * | 2020-07-07 | 2023-07-07 | 腾讯科技(深圳)有限公司 | 动态表情获取方法、装置、存储介质和电子设备 |
WO2023284640A1 (zh) * | 2021-07-15 | 2023-01-19 | 维沃移动通信有限公司 | 图片处理方法和电子设备 |
CN117150063A (zh) * | 2023-10-26 | 2023-12-01 | 深圳慢云智能科技有限公司 | 一种基于场景识别的图像生成方法及*** |
CN117150063B (zh) * | 2023-10-26 | 2024-02-06 | 深圳慢云智能科技有限公司 | 一种基于场景识别的图像生成方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2021104097A1 (zh) | 2021-06-03 |
CN110889379B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889379B (zh) | 表情包生成方法、装置及终端设备 | |
WO2020063319A1 (zh) | 动态表情生成方法、计算机可读存储介质和计算机设备 | |
CN111612873B (zh) | Gif图片生成方法、装置及电子设备 | |
CN111241340B (zh) | 视频标签确定方法、装置、终端及存储介质 | |
CN111489290B (zh) | 一种人脸图像超分辨重建方法、装置及终端设备 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN113434716B (zh) | 一种跨模态信息检索方法和装置 | |
CN112532882B (zh) | 图像显示方法和装置 | |
JP2020127194A (ja) | コンピュータシステムおよびプログラム | |
CN109961403B (zh) | 照片的调整方法、装置、存储介质及电子设备 | |
CN110717452B (zh) | 图像识别方法、装置、终端及计算机可读存储介质 | |
CN112488072A (zh) | 一种人脸样本集获取方法、***及设备 | |
JP2023543964A (ja) | 画像処理方法、画像処理装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN111063006A (zh) | 基于图像的文学作品生成方法、装置、设备及存储介质 | |
CN113225451B (zh) | 图像处理方法、装置和电子设备 | |
CN113722541A (zh) | 视频指纹的生成方法及装置、电子设备和存储介质 | |
CN108776959B (zh) | 图像处理方法、装置及终端设备 | |
CN111767765A (zh) | 视频处理方法、装置、存储介质及电子设备 | |
CN113676734A (zh) | 图像压缩方法和图像压缩装置 | |
CN111401317A (zh) | 视频分类方法、装置、设备及存储介质 | |
CN111325656B (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN111984173B (zh) | 表情包生成方法和装置 | |
CN110942065B (zh) | 文本框选方法、装置、终端设备及计算机可读存储介质 | |
CN111107259B (zh) | 图像获取方法、装置及电子设备 | |
CN115359524A (zh) | 人脸特征库的构建方法、人物风格图像的识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |