CN111489419A - 一种海报生成的方法和*** - Google Patents
一种海报生成的方法和*** Download PDFInfo
- Publication number
- CN111489419A CN111489419A CN202010594003.8A CN202010594003A CN111489419A CN 111489419 A CN111489419 A CN 111489419A CN 202010594003 A CN202010594003 A CN 202010594003A CN 111489419 A CN111489419 A CN 111489419A
- Authority
- CN
- China
- Prior art keywords
- image information
- poster
- filling
- biological
- condition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000002996 emotional effect Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 34
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims 1
- 230000008451 emotion Effects 0.000 description 11
- 239000000945 filler Substances 0.000 description 11
- 210000000988 bone and bone Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本说明书实施例提供一种海报生成的方法和***。所述方法包括：获取海报模板；获取与所述海报模板对应的一个或多个填充预设条件；获取一个或多个生物对象的图像信息；基于姿态识别模型，确定所述图像信息中生物对象的姿态信息；基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息；基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报。
Description
技术领域
本说明书涉及海报生成技术领域，特别涉及一种海报生成的方法和***。
背景技术
海报作为运营商或各种平台宣传展示其产品、服务等的方式，其设计影响着产品或服务的宣传展示效果。例如，海报中的主要内容与海报背景的占比，以及内容在海报中的位置，都可能影响海报的宣传展示效果。海报可以通过将海报中需要包含对象的图像与海报模板组合生成，图像的大小、尺寸、内容等影响生成的海报。
因此，期望提供一种海报的生成方法和***。
发明内容
本说明书的一个方面提供一种海报生成的方法。所述方法包括：获取海报模板；获取与所述海报模板对应的一个或多个填充预设条件；获取一个或多个生物对象的图像信息；基于姿态识别模型，确定所述图像信息中生物对象的姿态信息；基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息；基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报。
在一些实施例中，所述基于姿态识别模型，确定所述图像信息中生物对象的姿态信息，包括：基于所述姿态识别模型确定所述图像信息中生物对象的生物关键元素；基于所述生物关键元素确定所述姿态信息。
在一些实施例中，所述姿态识别模型包括人体骨骼关键点识别模型；所述生物关键元素包括人体骨骼关键点。
在一些实施例中，所述填充预设条件包括生物运动姿态条件；所述基于姿态识别模型，确定所述图像信息中生物对象的姿态信息，包括：根据所述人体骨骼关键点确定人体的运动姿态，所述运动姿态包括跑、跳、站、躺、坐中的至少一个；所述基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息，包括：基于所述生物运动姿态条件和所述运动姿态，筛选所述图像信息，以确定填充图像信息。
在一些实施例中，所述填充预设条件包括生物情绪条件；所述方法还包括：基于机器学习分类模型对所述图像信息进行处理，以确定所述图像信息中生物对象的生物情绪特征；基于所述生物情绪条件和所述生物情绪特征对所述图像信息进行筛选，以确定填充图像信息。
在一些实施例中，所述填充预设条件还包括海报模板中待填充图像的位置信息和/或显示信息。
在一些实施例中，所述基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报，包括：基于所述填充条件信息将所述填充图像信息进行裁剪，并将裁剪后的填充图像信息填充至所述海报模板。
本说明书的另一方面提供一种海报生成***。该***包括：第一获取模块，用于获取海报模板，以及获取与所述海报模板对应的一个或多个填充预设条件；第二获取模块，用于获取一个或多个生物对象的图像信息；第一确定模块，用于基于姿态识别模型，确定所述图像信息中生物对象的姿态信息；第二确定模块，用于基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息；海报生成模块，用于基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报。
本说明书的另一方面提供一种海报生成装置，包括处理器，所述处理器用于执行如前所述的方法。
本说明书的另一方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如前所述的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书的一些实施例所示的海报生成***的应用场景示意图；
图2是根据本说明书的一些实施例所示的海报生成方法的示意图；
图3是根据本说明书的一些实施例所示的海报生成方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“***”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
虽然本说明书对根据本说明书的实施例的***中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述***和方法的不同方面可以使用不同模块。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本说明书实施例提供一种海报的生成方法。该方法可以用于生成包含生物对象的海报，以用于宣传或展示相关的信息。例如，可以生成包含动物的海报，用于宣传动物保护等。又例如，可以生成包含人物的海报，用于宣传影视剧等。在一些实施例中，可以通过将需要包含的生物对象的图像与对应的海报模板组合，生成海报。图像中生物对象的尺寸大小、运动姿态、生物部位等可能与海报模板中待填充部分的尺寸、运动姿态、生物部位等不相符。本说明书实施例提供的海报生成方法，可以基于与海报模板对应的一个或多个填充预设条件，从生物对象的图像中筛选出可填充的图像，还可以通过裁剪、缩放等对填充图像进行处理，以生成更高质量的海报。
图1是根据本说明书的一些实施例所示的海报生成***的应用场景示意图。
海报生成***100可以是一个线上平台，其可以包括服务器110、待处理图像120、海报130和用户终端140。海报生成***100可以应用于各种合理的场景中，以生成用户要求的海报。
在一个典型应用场景中，服务器110可以获取待处理图像120，并对待处理图像120进行进一步处理后，生成满足用户需求的海报130。关于海报生成的更多内容可以参见图2、图3及其相关描述，在此不再赘述。在一些实施例中，服务器110可以从用户终端140获取待处理图像120，和/或将生成的海报130发送至用户终端140，以使得用户可以获取对应的海报。在一些实施例中，服务器110可以将生成的海报130在用户终端140上进行显示，以使得更多用户可以看到该海报。
服务器110可以用于处理待处理图像。在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的（例如，服务器110可以是分布式***），可以是专用的也可以由其他设备或***同时提供服务。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，服务器110可以包括处理设备。处理设备可以处理从其他设备或***组成部分中获得的数据和/或信息。处理设备可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本说明书中描述的功能。在一些实施例中，处理设备可以包含一个或多个子处理设备（例如，单核处理设备或多核多芯处理设备）。仅作为示例，处理设备可以包括中央处理器（CPU）、专用集成电路（ASIC）、专用指令处理器（ASIP）、图形处理器（GPU）、物理处理器（PPU）、数字信号处理器（DSP）、现场可编程门阵列（FPGA）、可编辑逻辑电路（PLD）、控制器、微控制器单元、精简指令集电脑（RISC）、微处理器等或以上任意组合。
待处理图像120是指可以用于生成海报的图像。在一些实施例中，待处理图像120可以包括生物图像120-1和/或海报模板120-2。生物图像120-1是指包括各类生物不同姿态的图像。生物图像120-1的格式可以包括但不限定于bmp、jpg、png、tif、gif、cdr等。海报模板120-2可以为包含用户对海报需求信息的图像。基于海报模板可以获取其中的素材放置模板中的位置、素材显示哪些部位（如生物的腰部以上或者脖子以上）、素材显示的姿态、表情、素材的色调、饱和度等信息。在一些实施例中，海报模板可以包括背景部分和/或前景部分。更多关于生物图像以及海报模板的描述可以参见本说明书其他部分（例如，图2、图3及其相关描述），在此不再赘述。
海报130是根据用户需求生成的图像。海报130可以由图片、文字、色彩、空间等要素组成。海报中显示对象的类型可以包括但不限于生物（例如，人、动物、植物等）、非生物（如字画海报、文字宣传海报等）。为更清楚的说明，本说明书实施例中将以生物对象海报为例，特别地，将以人物海报为例进行描述。
用户终端140可以用于输入和/或接收信息和/或数据。例如，用户可通过用户终端140输入待处理图像120和/或接收生成的海报130。用户终端140指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用用户终端140的可以是一个或多个用户，可以包括直接使用服务的用户，也可以包括其他相关用户。在一些实施例中，用户终端140可以包括移动设备140-1、平板计算机140-2、膝上型计算机140-3等，或其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，其他具有输入和/或输出功能的设备可包括设置在公共场所的专用终端。上述示例仅用于说明用户终端140设备范围的广泛性而非对其范围的限制。
图2是根据本说明书的一些实施例所示的海报生成方法的示意图。如图2所示，海报生成方法200可以在处理设备实现，其包括：
步骤210，获取海报模板，以及与海报模板对应的一个或多个填充预设条件。在一些实施例中，步骤210可以由第一获取模块执行。
海报模板可以与包含生物对象的图像合成，以生成对应的海报。在一些实施例中，处理设备可以从数据库获取海报模板。数据库可以包括网页、社交媒体等各种开源数据库。在一些实施例中，处理设备可以从用户终端或其他数据源获取海报模板，或通过任意可行的方式实时生成海报模板，本说明书对此不做限制。
填充预设条件可以反映对海报模板中待填充的生物对象的要求。在一些实施例中，所述填充预设条件可以包括所述海报模板中待填充的生物部位条件和/或生物运动姿态条件。在一些实施例中，生物部位可以包括但不限于生物的头部、颈部、肩部、腰部、四肢等一种或多种。生物部位条件可以反映对需要生成的海报中包含的生物对象的生物部位的要求。例如，生物部位条件可以为海报中包含人物腰部以上部位、海报中包含人物颈部以上部位、海报中包含人物的四肢、海报中包含人物的全身等。生物运动姿态条件可以反映对需要生成的海报中生物对象的动作要求。在一些实施例中，生物运动姿态可以包括但不限于跑、跳、站、躺、坐、蹲等中的一种或多种。在一些实施例中，填充预设条件还可以包括海报模板中待填充的生物对象的生物情绪条件。生物情绪条件可以反映对需要生成的海报中生物对象的情绪要求。在一些实施例中，生物情绪可以包括但不限于微笑、大笑、沉思、忧郁、冷酷等一种或多种。在一些实施例中，填充预设条件还可以包括海报模板中待填充图像的位置信息和/或显示信息（如色调，饱和度等）等。
在一些实施例中，填充预设条件可以与海报模板同时获取、或与海报模板分开获取。例如，处理设备可以在获取海报模板后，基于海报模板获取与其对应的一个或多个填充预设条件。在一些实施例中，填充预设条件可以通过任意可行的方式获取，本说明书对此不作限制。
步骤220，获取一个或多个生物对象的图像信息。在一些实施例中，步骤220可以由第二获取模块执行。
在一些实施例中，生物对象的图像信息至少包括生物对象的图像，即生物图像。在一些实施例中，生物对象的图像信息还可以包括生物图像的拍摄时间、生物图像的拍摄位置、生物图像的格式信息、生物图像的像素信息、生物图像的尺寸信息等一种或多种。在一些实施例中，处理设备可以从数据库、用户终端、社交媒体等中的一种或多种，或其他开源数据库中获取生物对象的图像信息。在一些替代性实施例中，处理设备可以通过任意可行方式或渠道获取生物对象的图像信息，本说明书对此不做限制。
步骤230，基于姿态识别模型，确定图像信息中生物对象的姿态信息。在一些实施例中，步骤230可以由第一确定模块执行。
姿态信息可以反映图像中展现的生物对象的各种姿态。例如，姿态信息可以包括但不限于运动姿态、摆位姿态等。处理设备可以通过确定图像信息中生物对象的姿态信息，筛选出符合填充预设条件的图像，用于生成对应的海报。
在一些实施例中，处理设备可以通过信息匹配，确定图像信息中生物对象的姿态信息。在一些实施例中，处理设备可以基于姿态识别模型，确定图像信息中生物对象的姿态信息。其中，所述姿态识别模型包括机器学习模型。在一些实施例中，处理设备可以基于姿态识别模型，确定图像信息中生物对象的生物关键元素，基于生物关键元素确定姿态信息。
在一些实施例中，当生物对象为人时，生物图像可以为人物图像，姿态识别模型可以包括人体骨骼关键点识别模型，生物关键元素可以包括人体骨骼关键点。生物对象为人时，确定姿态信息的具体过程可以为：
步骤233，基于人体骨骼关键点识别模型确定图像信息中的人体骨骼关键点。
人体骨骼关键点识别模型的输入可以为人物图像，输出可以为图像中人物的骨骼关键点的位置。在一些实施例中，人体骨骼关键点识别模型可以包括机器学习模型。在一些实施例中，机器学习模型可以包括但不限于CriticaI Path Method网络、DeeperCut网络、AlphaPose网络等。
在一些实施例中，人体骨骼关键点识别模型可以通过训练生成。例如，可以获取多幅人物图像，并对人物图像中任务的骨骼关键点进行标记，生成训练数据，将训练数据输入初始人体骨骼关键点识别模型中进行有监督训练，获得训练好的人体骨骼关键点识别模型。
步骤235，根据人体骨骼关键点确定人体的运动姿态。
在一些实施例中，处理设备可以根据图像信息中的人体骨骼关键点确定人体的运动姿态。在一些实施例中，处理设备可以基于人物图像中人体骨骼关键点的位置信息确定人体的运动姿态。例如，可以根据人物图像中人体各个骨骼关键点的位置信息，确定相关骨骼关键点之间的距离和/或角度，进而确定生物图像中人体的运动姿态。相关骨骼关键点可以为人体同一肢体的骨骼点。例如，对于腿部，其相关骨骼关键点可以为脚踝、膝盖、小腿、大腿等对应的关键点，当膝盖，与脚踝和大腿部分对应的关键点之间的夹角小于等于45度时，可以认为人体的运动姿态为奔跑。
在一些替代性实施例中，处理设备可以通过其他合理的方式确定人体的运动姿态，例如，可以通过机器学习模型识别人物图像中人体的运动姿态，本说明书对此不作限制。
步骤240，基于填充预设条件和姿态信息，筛选图像。在一些实施例中，步骤240可以由第二确定模块执行。
处理设备可以基于填充预设条件和图像信息中生物对象的姿态信息对获取的图像信息进行筛选，确定填充图像信息。在一些实施例中，处理设备可以筛选出图像信息中满足一个或多个填充预设条件的为填充图像信息。例如，处理设备可以筛选出图像信息中姿态信息满足生物运动姿态条件的为填充图像信息；或者，可以筛选出图像信息中姿态信息满足生物运动姿态条件的为候选图像信息，确定候选图像信息中满足生物部位条件的为填充图像信息。
在一些实施例中，生物运动姿态条件可以包括对生物对象的运动姿态、姿态幅度大小等一种或多种的要求。
在一些实施例中，处理设备可以通过匹配图像信息中生物对象的姿态信息与填充预设条件，确定填充图像信息。例如，可以基于生物运动姿态条件，将与预设生物运动姿态相符或相近的姿态信息对应的图像信息筛出，作为最适于生成海报的填充图像信息。通过基于填充预设条件对图像进行筛选，可以使得生成的海报更符合要求、更美观等。
在一些替代性实施例中，处理设备可以基于其他预设条件对填充图像信息进行再次筛选，例如，显示信息、生物情绪条件（详细内容可以参见图3及其相关描述）等，本说明书对此不做限制。
步骤250，基于填充预设条件和填充图像信息，生成海报。在一些实施例中，步骤250可以由海报生成模块执行。
处理设备可以基于填充预设条件将填充图像信息的至少部分填充至海报模板，生成对应的海报。例如，可以将筛选出的填充图像信息全部填充至海报模板，生成对应海报；或，可以基于生物部位条件或其他预设条件选择填充图像信息的对应部分，将其填充至海报模板，生成对应海报。在一些实施例中，处理设备可以基于步骤233、或步骤235、或步骤240中获得的图像，确定满足填充预设条件的填充图像，将其填充至海报模板，以生成对应的海报。例如，可以将生物图像填充至海报模板的前景部分，以生成对应的海报。在一些实施例中，处理设备可以通过对填充图像信息进行后处理使其与海报模板匹配，并将处理后的填充图像信息填充至海报模板。在一些实施例中，后处理可以包括但不限于旋转、裁剪、放大、缩小等中的一种或多种。
图3是根据本说明书的另一些实施例所示的海报生成方法的示例性流程图。
步骤310，获取生物情绪条件。
生物情绪可以是由生物的主观体验映射至外部的神情表现，其可以反映生物的神情状态。例如，人的情绪可以包括高兴、伤心、愤怒、低落、惊讶、惊喜等神情。在一些实施例中，生物情绪可以展现生物的精神状态，以感染看到该情绪的生物。生物情绪条件是指对生物情绪的要求。例如，一张海报中需要配合的是具有兴奋情绪的人物，则兴奋情绪为这张海报对生物情绪的要求，也就是这张海报的生物情绪条件。在一些实施例中，处理设备可以从用户终端获取生物情绪条件。在一些实施例中，处理设备可以从网页、海报模板等其他可行方式获取生物情绪条件，本说明书对此不做限制。关于生物情绪条件的更多内容，可以参见图2及其相关描述，在此不再赘述。
步骤320，基于机器学习分类模型确定生物对象的生物情绪特征。
在一些实施例中，机器学习分类模型可以包括但不限于逻辑回归模型（LogisticRegression, LR）、决策树（Decision Tree，Model）模型、支持向量机（SVM）模型、朴素贝叶斯法模型（Naive Bayesian Model，NBM）等。优选地，机器学习分类模型可以为卷积神经网络。在一些实施例中，机器学习分类模型的输入可以是生物对象的图像信息，输出可以是生物对象的生物情绪特征。生物情绪特征可以反映生物对象的情绪类型，例如，哭、微笑、大笑。在一些实施例中，将生物图像输入机器学习分类模型，可以直接获得生物对象的情绪类型。
机器学习分类模型可以基于训练样本训练获得。例如，可以将多种生物情绪的图像作为样本数据，并对图像中的生物情绪特征进行标识，生成训练数据，将带有标识的训练数据输入初始机器学习模型进行训练，获得训练好的机器学习分类模型。
步骤330，基于生物情绪条件和生物的情绪特征，确定填充图像信息。
处理设备可以基于生物对象的生物情绪特征，从获取的多个图像信息中筛选出满足预设生物情绪条件的生物情绪特征对应的图像信息为填充图像信息。例如，可以对比图像信息中生物的情绪特征与预设的生物情绪要求，若两者相符，则将其确定为填充图像信息。通过对图像信息进行筛选，可以获得生物情绪表现更准确的图像信息，进而生成更加美观、符合要求的海报。
应当注意的是，上述实施例的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对方法200、方法300进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。
在一些实施例中，海报生成***（如海报生成***100）可以包括第一获取模块、第二获取模块、第一确定模块、第二确定模块和海报生成模块。
第一获取模块可以用于获取海报模板，以及获取与海报模板对应的一个或多个填充预设条件。在一些实施例中，填充预设条件可以包括生物运动姿态条件、生物部位条件、生物情绪条件等一种或多种。在一些实施例中，填充预设条件还可以包括海报模板中待填充图像的位置信息和/或显示信息。
第二获取模块可以用于获取一个或多个生物对象的图像信息。
第一确定模块可以用于基于姿态识别模型，确定图像信息中生物对象的姿态信息。在一些实施例中，第一确定模块可以基于姿态识别模型确定图像信息中生物对象的生物关键元素，并基于生物关键元素确定生物对象的姿态信息。在一些实施例中，姿态识别模型可以包括人体骨骼关键点识别模型，生物关键元素可以包括人体骨骼关键点。在一些实施例中，第一确定模块可以根据人体骨骼关键点确定人体的运动姿态。所述运动姿态可以包括跑、跳、站、躺、坐中的至少一个。
第二确定模块可以用于基于填充预设条件和姿态信息对图像信息进行筛选，确定填充图像信息。在一些实施例中，第二确定模块可以基于生物运动姿态条件和人体的运动姿态，筛选图像信息，以确定填充图像信息。在一些实施例中，第二确定模块可以基于机器学习分类模型对图像信息进行处理，以确定图像信息中生物对象的生物情绪特征，并基于生物情绪条件和生物情绪特征对图像信息进行筛选，以确定填充图像信息。
海报生成模块可以用于基于填充预设条件将填充图像信息的至少部分填充至海报模板，生成海报。在一些实施例中，海报生成模块可以基于填充条件信息将填充图像信息进行裁剪，并将裁剪后的填充图像信息填充至海报模板，生成海报。
更多关于模块的描述可以参见本说明书其他地方（例如，图2、图3及其相关描述），在此不再赘述。需要注意的是，以上对于海报生成***及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的***组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的***。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种海报生成的方法，所述方法由至少一个处理器执行，所述方法包括：
获取海报模板；
获取与所述海报模板对应的一个或多个填充预设条件；
获取一个或多个生物对象的图像信息；
基于姿态识别模型，确定所述图像信息中生物对象的姿态信息；
基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息；
基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报。
2.根据权利要求1所述方法，所述基于姿态识别模型，确定所述图像信息中生物对象的姿态信息，包括：
基于所述姿态识别模型确定所述图像信息中生物对象的生物关键元素；
基于所述生物关键元素确定所述姿态信息。
3.根据权利要求2所述方法，
所述姿态识别模型包括人体骨骼关键点识别模型；
所述生物关键元素包括人体骨骼关键点。
4.根据权利要求3所述方法，所述填充预设条件包括生物运动姿态条件；
所述基于姿态识别模型，确定所述图像信息中生物对象的姿态信息，包括：
根据所述人体骨骼关键点确定人体的运动姿态，所述运动姿态包括跑、跳、站、躺、坐中的至少一个；
所述基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息，包括：
基于所述生物运动姿态条件和所述运动姿态，筛选所述图像信息，以确定填充图像信息。
5.根据权利要求1所述方法，所述填充预设条件包括生物情绪条件；
所述方法还包括：
基于机器学习分类模型对所述图像信息进行处理，以确定所述图像信息中生物对象的生物情绪特征；
基于所述生物情绪条件和所述生物情绪特征对所述图像信息进行筛选，以确定填充图像信息。
6.根据权利要求1所述方法，所述填充预设条件还包括海报模板中待填充图像的位置信息和/或显示信息。
7.根据权利要求1所述方法，所述基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报，包括：
基于所述填充预设条件将所述填充图像信息进行裁剪，并将裁剪后的填充图像信息填充至所述海报模板。
8.一种海报生成的***，所述***包括：
第一获取模块，用于获取海报模板，以及获取与所述海报模板对应的一个或多个填充预设条件；
第二获取模块，用于获取一个或多个生物对象的图像信息；
第一确定模块，用于基于姿态识别模型，确定所述图像信息中生物对象的姿态信息；
第二确定模块，用于基于所述填充预设条件和所述姿态信息对所述图像信息进行筛选，确定填充图像信息；
海报生成模块，用于基于所述填充预设条件将所述填充图像信息的至少部分填充至所述海报模板，生成海报。
9.一种海报生成的装置，包括处理器，所述处理器用于执行如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1~7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010594003.8A CN111489419B (zh) | 2020-06-28 | 2020-06-28 | 一种海报生成的方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010594003.8A CN111489419B (zh) | 2020-06-28 | 2020-06-28 | 一种海报生成的方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111489419A true CN111489419A (zh) | 2020-08-04 |
| CN111489419B CN111489419B (zh) | 2021-01-08 |
Family
ID=71813431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010594003.8A Active CN111489419B (zh) | 2020-06-28 | 2020-06-28 | 一种海报生成的方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111489419B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112349096A (zh) * | 2020-10-28 | 2021-02-09 | 厦门博海中天信息科技有限公司 | 一种道路中智能识别行人的方法、***、介质及设备 |
| CN112541954A (zh) * | 2020-12-22 | 2021-03-23 | 畅捷通信息技术股份有限公司 | 一种根据图形特征智能生产海报的方法 |
| CN114708363A (zh) * | 2022-04-06 | 2022-07-05 | 广州虎牙科技有限公司 | 游戏直播封面生成方法及服务器 |
| CN117689782A (zh) * | 2024-02-02 | 2024-03-12 | 腾讯科技（深圳）有限公司 | 一种生成海报图像的方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105976203A (zh) * | 2016-04-28 | 2016-09-28 | 广州筷子信息科技有限公司 | 互联网广告创意自动生成方法及装置 |
| CN109903076A (zh) * | 2019-01-16 | 2019-06-18 | 北京三快在线科技有限公司 | 一种广告数据生成方法、***、电子设备及存储介质 |
| CN110598017A (zh) * | 2019-08-29 | 2019-12-20 | 杭州光云科技股份有限公司 | 一种基于自学习的商品详情页的生成方法 |
| CN111242691A (zh) * | 2020-01-14 | 2020-06-05 | 广东博智林机器人有限公司 | 广告海报的生成方法、装置、存储介质及终端设备 |
-
2020
- 2020-06-28 CN CN202010594003.8A patent/CN111489419B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105976203A (zh) * | 2016-04-28 | 2016-09-28 | 广州筷子信息科技有限公司 | 互联网广告创意自动生成方法及装置 |
| CN109903076A (zh) * | 2019-01-16 | 2019-06-18 | 北京三快在线科技有限公司 | 一种广告数据生成方法、***、电子设备及存储介质 |
| CN110598017A (zh) * | 2019-08-29 | 2019-12-20 | 杭州光云科技股份有限公司 | 一种基于自学习的商品详情页的生成方法 |
| CN111242691A (zh) * | 2020-01-14 | 2020-06-05 | 广东博智林机器人有限公司 | 广告海报的生成方法、装置、存储介质及终端设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112349096A (zh) * | 2020-10-28 | 2021-02-09 | 厦门博海中天信息科技有限公司 | 一种道路中智能识别行人的方法、***、介质及设备 |
| CN112541954A (zh) * | 2020-12-22 | 2021-03-23 | 畅捷通信息技术股份有限公司 | 一种根据图形特征智能生产海报的方法 |
| CN112541954B (zh) * | 2020-12-22 | 2024-03-26 | 畅捷通信息技术股份有限公司 | 一种根据图形特征智能生产海报的方法 |
| CN114708363A (zh) * | 2022-04-06 | 2022-07-05 | 广州虎牙科技有限公司 | 游戏直播封面生成方法及服务器 |
| CN117689782A (zh) * | 2024-02-02 | 2024-03-12 | 腾讯科技（深圳）有限公司 | 一种生成海报图像的方法、装置、设备及存储介质 |
| CN117689782B (zh) * | 2024-02-02 | 2024-05-28 | 腾讯科技（深圳）有限公司 | 一种生成海报图像的方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111489419B (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111489419B (zh) | 一种海报生成的方法和*** | |
| CN112242187B (zh) | 基于知识图谱表征学习的医疗方案推荐***及方法 | |
| US9904871B2 (en) | Deep convolutional neural network prediction of image professionalism | |
| Peterson et al. | Deep models of superficial face judgments | |
| US10482177B2 (en) | Deep reading machine and method | |
| US20170300811A1 (en) | Dynamic loss function based on statistics in loss layer of deep convolutional neural network | |
| CN109215754A (zh) | 病历数据处理方法、装置、计算机设备和存储介质 | |
| US10043240B2 (en) | Optimal cropping of digital image based on professionalism score of subject | |
| CN109599187A (zh) | 一种在线问诊的分诊方法、服务器、终端、设备及介质 | |
| Kramberger et al. | LSUN-Stanford car dataset: enhancing large-scale car image datasets using deep learning for usage in GAN training | |
| CN109815465B (zh) | 基于深度学习的海报生成方法、装置和计算机设备 | |
| Raveane et al. | Ear detection and localization with convolutional neural networks in natural images and videos | |
| US20170301077A1 (en) | Optimal image transformation based on professionalism score of subject | |
| Huang et al. | A study on computer vision for facial emotion recognition | |
| KR102377992B1 (ko) | Ai 기반 템플릿 조합을 통한 사용자 맞춤형 광고 컨텐츠 제공 플랫폼을 제공하는 방법, 이를 위한 프로그램 및 시스템 | |
| EP3465472A1 (en) | System and method for imagery mnemonic creation | |
| CN113077464A (zh) | 一种医学图像处理方法、医学图像识别方法及装置 | |
| Al Luhaybi et al. | Automatic Association of Scents Based on Visual Content | |
| Cremer et al. | Artificial intelligence imagery analysis fostering big data analytics | |
| Clark | Picture This: The Screenshot's Use in Digital Humanities Scholarship | |
| Hsieh et al. | Based on DICOM RT structure and multiple loss function deep learning algorithm in organ segmentation of head and neck image | |
| Förger et al. | Animating with style: defining expressive semantics of motion | |
| Antonowicz et al. | Digital Stereotypes in HMI—The Influence of Feature Quantity Distribution in Deep Learning Models Training | |
| Lee et al. | Design and implementation of embedded-based vein image processing system with enhanced denoising capabilities | |
| Boubakeur et al. | Self-relative evaluation framework for eeg-based biometric systems |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for generating posters Effective date of registration: 20220826 Granted publication date: 20210108 Pledgee: Guangzhou Ti Dong Technology Co.,Ltd. Pledgor: GUANGZHOU KUAIZI INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2022440000222 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20210108 Pledgee: Guangzhou Ti Dong Technology Co.,Ltd. Pledgor: GUANGZHOU KUAIZI INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2022440000222 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |