CN115880400A - 卡通数字人的形象生成方法、装置、电子设备及介质 - Google Patents

Abstract

本公开提供了一种卡通数字人的形象生成方法、装置、电子设备及存储介质，涉及人工智能技术领域。其中，方法包括：获取用户上传的图像数据；对图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；根据第一人物照片和第一背景照片，确定第一三元组和第一五元组；将第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像；根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片；根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片。本公开解决了现有卡通数字人的形象生成存在人物边缘变形、唇形眼形驱动效果不佳以及人物边缘背景驱动瑕疵的问题。

Description

卡通数字人的形象生成方法、装置、电子设备及介质

技术领域

本公开涉及人工智能技术领域，尤其涉及一种卡通数字人的形象生成方法、装置、电子设备及存储介质。

背景技术

数字人行业发展迅速，近些年知名IP的明星数字人制作和运营技术相对成熟，为每个人提供定制化、个性化数字人逐渐成为业界研究的热点。互联网头部公司纷纷研发了个性化数字人的自动生成技术。运营商拥有广阔的用户基础，在个性化数字人领域有着天然的应用场景需求，现有的语音客服、语音信箱、语音提示、视频宣传等场景皆可使用个性化数字人进行服务升级。

现有的个性化数字人形象生成技术，一类方法是在预设3D模型基础上，让用户自主调参或照片匹配生成数字人，个性化程度低；一类方法是提取照片3D信息，训练人脸3D网格和蒙皮，拟真度低；一类方法是需要扫描录制高质量视频，对真人进行高精度建模，该方法成本高，效率低；一类方法是上传照片，基于AI表情驱动制作数字人，经实践研究，该类方法对照片的唇形、眼睛、清晰度等有诸多限制，人物边缘背景容易出现变形现象，存在诸多的使用限制。

基于此，现有卡通数字人的形象生成存在人物边缘变形、唇形眼形驱动效果不佳的问题，成为了亟需解决的技术问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种卡通数字人的形象生成方法、装置、电子设备及存储介质，至少在一定程度上克服相关技术中卡通数字人的形象生成存在人物边缘变形、唇形眼形驱动效果不佳的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种卡通数字人的形象生成方法，包括：获取用户上传的图像数据；对所述图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，其中，所述第一三元组由所述第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，所述第一五元组由归一化后的所述第一人物照片中人物的性别、年龄以及所述第一背景照片的RGB均值构成；将所述第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，所述已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片；根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片。

在本公开的一个实施例中，根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，包括：计算所述第一人物照片中人物的面部参数，得到所述第一三元组，其中，所述面部参数包括唇部开合度、左眼开合度和右眼开合度；对所述第一人物照片进行AI识别，确定所述第一人物照片中人物的性别信息和年龄信息，计算所述第一背景照片的RGB均值，并对所述性别信息、年龄信息和所述第一背景照片的RGB均值进行归一化处理，得到所述第一五元组。

在本公开的一个实施例中，计算所述第一人物照片中人物的面部参数，得到所述第一三元组，包括：获取所述第一人物照片中人物的上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标；根据上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标，计算得到所述第一唇部开合度。

在本公开的一个实施例中，所述预设背景库中包含多个背景照片以及每个背景照片对应的五元组；根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片，包括：计算所述第一五元组与所述预设背景库中各个背景照片的五元组之间的余弦相似度，得到多个余弦相似度；根据余弦相似度的数值大小，从所述多个余弦相似度中确定数值最大的余弦相似度对应的第二背景照片。

在本公开的一个实施例中，通过以下步骤训练形象调整模型，得到所述已训练好的形象调整模型，包括：获取人脸数据集，其中，所述人脸数据集中包含多个人脸样本数据；将形象调整模型的模型参数初始化为第一参数；设置唇部开合度的第一阈值和第二阈值，眼部开合度的第三阈值和第四阈值；从所述人脸数据集中选取第二人脸样本数据作为本轮次用于训练所述形象调整模型的样本数据后，执行迭代训练步骤；所述迭代训练步骤包括：计算所述第二人脸样本数据的面部参数，得到第二三元组；对所述第二人脸样本数据进行人脸编码，得到第二人脸向量；根据所述第一参数、所述第二三元组和所述第二人脸向量，确定第二面部向量调整值；根据所述第二面部向量调整值调整所述第二人脸样本数据的第二人脸向量，得到调整后的第二人脸向量；对所述调整后的第二人脸向量进行人脸解码，得到第二漫画图像；计算所述第二漫画图像的面部参数，得到所述第二漫画图像的第二目标三元组；利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算所述第二目标三元组的第二残差；根据所述第二残差计算所述形象调整模型的第二梯度，利用所述第二梯度完成所述形象调整模型的一次训练迭代；依次从所述人脸数据集中选取人脸样本数据后，重复执行所述迭代训练步骤，直到所述形象调整模型收敛，得到所述已训练好的形象调整模型。

在本公开的一个实施例中，所述第二残差包括第二嘴部残差、第二左眼残差和第二右眼残差，所述第二三元组由所述第二人脸样本数据中人物的第二唇部开合度、第二左眼开合度和第二右眼开合度构成。

在本公开的一个实施例中，根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片，包括：对所述第二背景照片和所述第一漫画图像进行人物与背景合成，得到所述卡通数字人的形象照片。

根据本公开的另一个方面，提供一种卡通数字人的形象生成装置，包括：图像数据获取模块，用于获取用户上传的图像数据；人物与背景分离模块，用于对所述图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；计算模块，用于根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，其中，所述第一三元组由所述第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，所述第一五元组由归一化后的所述第一人物照片中人物的性别、年龄以及所述第一背景照片的RGB均值构成；漫画图像输出模块，用于将所述第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，所述已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；相似背景选取模块，用于根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片；形象照片生成模块，用于根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片。

在本公开的一个实施例中，上述计算模块包括面部参数计算模块和背景特征计算模块，其中，面部参数计算模块，用于计算所述第一人物照片中人物的面部参数，得到所述第一三元组，其中，所述面部参数包括唇部开合度、左眼开合度和右眼开合度；背景特征计算模块，用于对所述第一人物照片进行AI识别，确定所述第一人物照片中人物的性别信息和年龄信息，计算所述第一背景照片的RGB均值，并对所述性别信息、年龄信息和所述第一背景照片的RGB均值进行归一化处理，得到所述第一五元组。

在本公开的一个实施例中，上述面部参数计算模块，还用于获取所述第一人物照片中人物的上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标；根据上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标，计算得到所述第一唇部开合度。

在本公开的一个实施例中，所述预设背景库中包含多个背景照片以及每个背景照片对应的五元组；相似背景选取模块，还用于计算所述第一五元组与所述预设背景库中各个背景照片的五元组之间的余弦相似度，得到多个余弦相似度；根据余弦相似度的数值大小，从所述多个余弦相似度中确定数值最大的余弦相似度对应的第二背景照片。

在本公开的一个实施例中，上述装置还包括模型训练模块，该模型训练模块，用于通过以下步骤训练形象调整模型，得到所述已训练好的形象调整模型，包括：获取人脸数据集，其中，所述人脸数据集中包含多个人脸样本数据；将形象调整模型的模型参数初始化为第一参数；设置唇部开合度的第一阈值和第二阈值，眼部开合度的第三阈值和第四阈值；从所述人脸数据集中选取第二人脸样本数据作为本轮次用于训练所述形象调整模型的样本数据后，执行迭代训练步骤；所述迭代训练步骤包括：计算所述第二人脸样本数据的面部参数，得到第二三元组；对所述第二人脸样本数据进行人脸编码，得到第二人脸向量；根据所述第一参数、所述第二三元组和所述第二人脸向量，确定第二面部向量调整值；根据所述第二面部向量调整值调整所述第二人脸样本数据的第二人脸向量，得到调整后的第二人脸向量；对所述调整后的第二人脸向量进行人脸解码，得到第二漫画图像；计算所述第二漫画图像的面部参数，得到所述第二漫画图像的第二目标三元组；利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算所述第二目标三元组的第二残差；根据所述第二残差计算所述形象调整模型的第二梯度，利用所述第二梯度完成所述形象调整模型的一次训练迭代；依次从所述人脸数据集中选取人脸样本数据后，重复执行所述迭代训练步骤，直到所述形象调整模型收敛，得到所述已训练好的形象调整模型。

在本公开的一个实施例中，上述形象照片生成模块，还用于对所述第二背景照片和所述第一漫画图像进行人物与背景合成，得到所述卡通数字人的形象照片。

根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的卡通数字人的形象生成方法。

根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的卡通数字人的形象生成方法。

本公开的实施例所提供的一种卡通数字人的形象生成方法、装置、电子设备及存储介质，其中，方法包括：获取用户上传的图像数据；对图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；根据第一人物照片和第一背景照片，确定第一三元组和第一五元组；将第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像；根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片；根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片。本公开解决了现有卡通数字人的形象生成存在人物边缘变形、唇形眼形驱动效果不佳以及人物边缘背景驱动瑕疵的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种通信***结构的示意图；

图2示出本公开实施例中一种卡通数字人的形象生成方法流程图；

图3示出本公开实施例中一种卡通数字人的形象生成方法示意图；

图4示出本公开实施例中另一种卡通数字人的形象生成方法示意图；

图5示出本公开实施例中另一种卡通数字人的形象生成方法示意图；

图6示出本公开实施例中一种卡通数字人的形象生成装置示意图；和

图7示出本公开实施例中一种电子设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

正如背景技术中所提及的一种卡通数字人的形象生成方法、装置、电子设备及存储介质，现有的个性化数字人形象生成技术，一类方法是在预设3D模型基础上，让用户自主调参或照片匹配生成数字人，个性化程度低；一类方法是提取照片3D信息，训练人脸3D网格和蒙皮，拟真度低；一类方法是需要扫描录制高质量视频，对真人进行高精度建模，该方法成本高，效率低；一类方法是上传照片，基于AI表情驱动制作数字人，经实践研究，该类方法对照片的唇形、眼睛、清晰度等有诸多限制，人物边缘背景容易出现变形现象，存在诸多的使用限制。

基于此，本公开提供了一种卡通数字人的形象生成方法、装置、电子设备及存储介质，针对运营商的个性化数字人形象生成场景，个性化、低成本、低门槛低的需求，在现有的漫画风格化编解码技术基础上，创新地提出了基于向量编辑预测的面部编辑方法和背景特征提取替换方法，解决了因数字人视频驱动技术限制导致的人物边缘变形、唇形眼形驱动效果不佳的技术限制，实现了个性化、高保真、风格多样的数字人形象生成，降低了用户使用门槛，提升运营商客户的服务体验。

本公开通过在人脸的编解码的风格化迁移中加入面部向量编辑的步骤，解决数字人表情驱动的唇部眼部姿态限制，降低了数字人漫画驱动时照片对唇部、眼部的照片限制，扩大该技术的应用场景。现有的单张照片表情驱动方法，未能很好解决人物运动时边缘背景的填充，本公开面向数字人驱动的场景，解决了人物边缘背景驱动瑕疵的问题。

本公开提出了基于背景特征和人物特征的背景计算方法，提升了背景图片的个性化，并解决了数字人驱动时人物边缘背景变形的技术限制。本公开提出了面部编辑参数的预测模型和训练方法，通过参数预测实现一次计算精准编辑。

图1示出了可以应用于本公开实施例的卡通数字人的形象生成方法或卡通数字人的形象生成装置的示例性***架构的示意图。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。

网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质，可以是有线网络，也可以是无线网络。

可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

终端设备101、102、103可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。

可选地，不同的终端设备101、102、103中安装的应用程序的客户端是相同的，或基于不同操作***的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。

可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

本领域技术人员可以知晓，图1中的终端设备、网络和服务器的数量仅仅是示意性的，根据实际需要，可以具有任意数目的终端设备、网络和服务器。本公开实施例对此不作限定。

下面结合附图及实施例对本示例实施方式进行详细说明。

首先，本公开实施例中提供了一种卡通数字人的形象生成方法，该方法可以由任意具备计算处理能力的电子设备执行。

图2示出本公开实施例中一种卡通数字人的形象生成方法流程图，如图2所示，本公开实施例中提供的卡通数字人的形象生成方法包括如下步骤：

S202，获取用户上传的图像数据。

需要说明的是，图像数据可以是包含人脸图像的各种图片格式的照片，其中，图片格式可以是jpg、png、gif、psd、tif和bmp等格式中的一种。

S204，对图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片。

需要说明的是，该步骤可以对图像数据进行人物与背景分离，得到第一人物照片和第一背景照片，第一人物照片可以是仅包含人物信息的照片，第一背景照片可以是仅包含背景信息的照片。

S206，根据第一人物照片和第一背景照片，确定第一三元组和第一五元组，其中，第一三元组由第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，第一五元组由归一化后的第一人物照片中人物的性别、年龄以及第一背景照片的RGB均值构成。

在本公开的一个实施例中，根据第一人物照片和第一背景照片，确定第一三元组和第一五元组，包括：

计算第一人物照片中人物的面部参数，得到第一三元组，其中，面部参数包括唇部开合度、左眼开合度和右眼开合度。

对第一人物照片进行AI识别，确定第一人物照片中人物的性别信息和年龄信息，计算第一背景照片的RGB均值，并对性别信息、年龄信息和第一背景照片的RGB均值进行归一化处理，得到第一五元组。

需要说明的是，在计算第一人物照片中人物的面部参数，得到第一三元组之前，可以对第一人物照片进行预处理，预处理可以是裁剪、人脸对齐和缩放等处理，以得到满足尺寸要求的人脸照片，在对第一人物照片进行预处理之后，计算第一人物照片中人物的第一唇部开合程度、第一左眼开合程度和第一右眼开合度，得第一三元组。对第一人物照片进行AI识别，获取性别并归一化为s、年龄归一化为a，计算第一背景照片的RGB均值，并将第一背景照片的RGB均值归一化，得到r，g，b，形成第一五元组(s，a，r，g，b)。

在本公开的一个实施例中，计算第一人物照片中人物的面部参数，得到第一三元组，包括：

获取第一人物照片中人物的上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标。

根据上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标，计算得到第一唇部开合度。

需要说明的是，参见图3所示的一种卡通数字人的形象生成方法示意图，可以采用面部关键点算法获取第一人物照片中人物的面部关键点，这里，面部关键点可以包括上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标、嘴唇最右端点坐标、左眼顶部中间坐标、右眼顶部中间坐标、左眼底部中间坐标、右眼底部中间坐标、左眼最左端坐标、右眼最左端坐标、左眼最右端坐标和右眼最右端坐标等等关键点。

以计算唇部开合度为例，获取上嘴唇底部中间点坐标mt(x，y)、下嘴唇顶部中间点坐标mb(x，y)，嘴唇最左端点坐标ml(x，y)，嘴唇最右端点坐标mr(x，y)；计算嘴部倾斜度mc＝arctan((mry-mly)/(mrx-mlx))；计算上下嘴唇开合度m＝cosin(mc)×((mty-mby)×(mty-mby)+(mtx-mbx)×(mtx-mbx))；其中，mry为嘴唇最右端点坐标mr的纵坐标，mly为嘴唇最左端点坐标ml的纵坐标，mrx为嘴唇最右端点坐标mr的横坐标，mlx为嘴唇最左端点坐标ml的横坐标，mty为上嘴唇底部中间点坐标mt的纵坐标，mby下嘴唇顶部中间点坐标mb的纵坐标，mtx为上嘴唇底部中间点坐标mt的横坐标，mbx为下嘴唇顶部中间点坐标mb的横坐标。同理，可根据左眼顶部中间坐标et1、右眼顶部中间坐标et2、左眼底部中间坐标eb1、右眼底部中间坐标eb2、左眼最左端坐标el1、右眼最左端坐标el2、左眼最右端坐标er1和右眼最右端坐标er2，计算左眼倾斜度me1和右眼me2后，再计算左眼开合度e1和右眼开合度e2。

S208，将第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像。

需要说明的是，已训练好的形象调整模型以图像数据的三元组作为模型的输入，以漫画图像作为模型的输出；第一漫画图像可以是漫画风格的2D数字人形象照片。

S210，根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片。

在本公开的一个实施例中，预设背景库中包含多个背景照片以及每个背景照片对应的五元组；根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片，包括：计算第一五元组与预设背景库中各个背景照片的五元组之间的余弦相似度，得到多个余弦相似度；根据余弦相似度的数值大小，从多个余弦相似度中确定数值最大的余弦相似度对应的第二背景照片。

S212，根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片。

本公开实施例提供的卡通数字人的形象生成方法，基于向量编辑预测的面部编辑和背景特征提取替换，解决了因数字人视频驱动技术限制导致的人物边缘变形、唇形眼形驱动效果不佳的技术限制，实现了个性化、高保真、风格多样的数字人形象生成，降低了用户使用门槛，提升了运营商客户的服务体验。

在本公开的一个实施例中，通过以下步骤训练形象调整模型，得到已训练好的形象调整模型，包括：

获取人脸数据集，其中，人脸数据集中包含多个人脸样本数据。

将形象调整模型的模型参数初始化为第一参数。

设置唇部开合度的第一阈值和第二阈值，眼部开合度的第三阈值和第四阈值。

从人脸数据集中选取第二人脸样本数据作为本轮次用于训练形象调整模型的样本数据后，执行迭代训练步骤。

迭代训练步骤包括：计算第二人脸样本数据的面部参数，得到第二三元组；对第二人脸样本数据进行人脸编码，得到第二人脸向量；根据第一参数、第二三元组和第二人脸向量，确定第二面部向量调整值；根据第二面部向量调整值调整第二人脸样本数据的第二人脸向量，得到调整后的第二人脸向量；对调整后的第二人脸向量进行人脸解码，得到第二漫画图像；计算第二漫画图像的面部参数，得到第二漫画图像的第二目标三元组；利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算第二目标三元组的第二残差；根据第二残差计算形象调整模型的第二梯度，利用第二梯度完成形象调整模型的一次训练迭代。

依次从人脸数据集中选取人脸样本数据后，重复执行迭代训练步骤，直到形象调整模型收敛，得到已训练好的形象调整模型。

需要说明的是，可以构建人脸数据集后，对人脸数据集进行划分，得到训练集和测试集，训练集用于形象调整模型的模型训练数据，测试集用于测试已训练好的形象调整模型的输出效果，人脸数据集中包含多个经过裁剪、人脸对齐、缩放后相同尺寸大小的人脸样本数据，人脸数据样本可以为包含人脸图像的照片；第一阈值可以为唇部开合度的最大阈值，第二阈值可以为唇部开合度的最小阈值，第三阈值可以为眼部开合度的最大阈值，第四阈值可以为眼部开合度的最小阈值。

在本公开的一个实施例中，参见图4所示的另一种卡通数字人的形象生成方法示意图，将形象调整模型的模型参数初始化为第一参数M，形象调整模型可使用但不限于神经网络模型、树模型或线性模型等模型；设置唇部开合度的第一阈值mMax和第二阈值mMin，眼部开合度的第三阈值eMax和第四阈值eMin；从人脸数据集中选取第二人脸样本数据作为本轮次用于训练形象调整模型的样本数据；计算第二人脸样本数据的面部参数，得到第二三元组；对第二人脸样本数据进行人脸编码，得到第二人脸向量，其中，人脸编码可以采用pixel2pixel或stylegan等方式；根据第一参数M、第二三元组F和第二人脸向量V，确定第二面部向量调整值dF；可以以第二面部向量调整值dF为参数，使用人脸向量编辑模型对人脸向量V进行修改，得到调整后的第二人脸向量V’，其中，人脸向量编辑模型用于根据面部向量调整值调整人脸向量；使用漫画解码器对调整后的第二人脸向量V’进行人脸解码，获取第二漫画图像R；计算第二漫画图像R的面部参数，得到第二目标三元组F’。

利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算第二目标三元组F’的第二残差C，根据第二残差C计算第二梯度，利用第二梯度完成形象调整模型的一次训练迭代；依次从人脸数据集中选取人脸样本数据后，重复执行迭代训练步骤，直至形象调整模型收敛，得到已训练好的形象调整模型。

在本公开的一个实施例中，第二残差包括第二嘴部残差、第二左眼残差和第二右眼残差，第二三元组由第二人脸样本数据中人物的第二唇部开合度、第二左眼开合度和第二右眼开合度构成。

需要说明的是，用分段函数对第二目标三元组F’(m，e1，e2)计算第二残差C。当m<mMin时，第二嘴部残差cm＝mMin-F’m；当m>mMin时，cm＝F’m-mMax；当m小于或等于mMax，且m大于或等于mMin时，cm＝0。同理，可计算第二左眼残差ce1和第二右眼残差ce2。根据第二嘴部残差、第二左眼残差和第二右眼残差，计算第二残差，第二残差C＝sqrt(ce1×ce1+ce2×ce2+cm×cm)。

在本公开的一个实施例中，根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片，包括：对第二背景照片和第一漫画图像进行人物与背景合成，得到卡通数字人的形象照片。

在本公开的一个实施例中，数字人平台app提示用户上传照片；用户从手机相册中选择照片上传；数字人平台采用本公开方法，根据用户照片生成多种漫画风格的数字人形象照片供用户选择；用户选择喜欢的漫画形象作为自己的数字人形象；数字人平台利用用户选择的数字人形象，生成多段数字人说话视频，用于用户未接听电话时的数字人播放和留言引导。用户未接来电时，数字人平台的数字人对话模块接管主叫信令，播放预先生成的多轮数字人对话视频，引导用户进行语音留言。当用户用户A看到未接来电时在app里，通过平台获取之前存储的用户B音频、文本留言信息。

在本公开的一个实施例中，参见图5所示的另一种卡通数字人的形象生成方法示意图，在对照片进行人脸检测、裁剪、背景分离后，得到人物照片和背景照片，可以计算人物照片中人物的面部参数，得到三元组，对人物照片进行人脸编码得到人脸向量；基于形象调整模型和三元组，确定预测面部编辑向量，根据预测面部编辑向量调整人脸向量，得到调整后的人脸向量，对调整后的人脸向量进行人脸解码得到漫画图片；基于背景照片，从预设背景库中选取相似的背景照片，得到相似背景照片；将漫画图片和相似背景照片进行合成，得到用于卡通数字人驱动的形象照片。

基于同一发明构思，本公开实施例中还提供了一种卡通数字人的形象生成装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图6示出本公开实施例中一种卡通数字人的形象生成装置示意图，如图6所示，该装置包括：

图像数据获取模块610，用于获取用户上传的图像数据；

人物与背景分离模块620，用于对图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；

计算模块630，用于根据第一人物照片和第一背景照片，确定第一三元组和第一五元组，其中，第一三元组由第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，第一五元组由归一化后的第一人物照片中人物的性别、年龄以及第一背景照片的RGB均值构成；

漫画图像输出模块640，用于将第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；

相似背景选取模块650，用于根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片；

形象照片生成模块660，用于根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片。

在本公开的一个实施例中，上述计算模块630包括面部参数计算模块和背景特征计算模块，其中，面部参数计算模块，用于计算第一人物照片中人物的面部参数，得到第一三元组，其中，面部参数包括唇部开合度、左眼开合度和右眼开合度；背景特征计算模块，用于对第一人物照片进行AI识别，确定第一人物照片中人物的性别信息和年龄信息，计算第一背景照片的RGB均值，并对性别信息、年龄信息和第一背景照片的RGB均值进行归一化处理，得到第一五元组。

在本公开的一个实施例中，上述面部参数计算模块，还用于获取第一人物照片中人物的上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标；根据上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标，计算得到第一唇部开合度。

在本公开的一个实施例中，预设背景库中包含多个背景照片以及每个背景照片对应的五元组；上述相似背景选取模块650，还用于计算第一五元组与预设背景库中各个背景照片的五元组之间的余弦相似度，得到多个余弦相似度；根据余弦相似度的数值大小，从多个余弦相似度中确定数值最大的余弦相似度对应的第二背景照片。

在本公开的一个实施例中，上述装置还包括模型训练模块，该模型训练模块，用于通过以下步骤训练形象调整模型，得到已训练好的形象调整模型，包括：获取人脸数据集，其中，人脸数据集中包含多个人脸样本数据；将形象调整模型的模型参数初始化为第一参数；设置唇部开合度的第一阈值和第二阈值，眼部开合度的第三阈值和第四阈值；从人脸数据集中选取第二人脸样本数据作为本轮次用于训练形象调整模型的样本数据后，执行迭代训练步骤；迭代训练步骤包括：计算第二人脸样本数据的面部参数，得到第二三元组；对第二人脸样本数据进行人脸编码，得到第二人脸向量；根据第一参数、第二三元组和第二人脸向量，确定第二面部向量调整值；根据第二面部向量调整值调整第二人脸样本数据的第二人脸向量，得到调整后的第二人脸向量；对调整后的第二人脸向量进行人脸解码，得到第二漫画图像；计算第二漫画图像的面部参数，得到第二漫画图像的第二目标三元组；利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算第二目标三元组的第二残差；根据第二残差计算形象调整模型的第二梯度，利用第二梯度完成形象调整模型的一次训练迭代；依次从人脸数据集中选取人脸样本数据后，重复执行迭代训练步骤，直到形象调整模型收敛，得到已训练好的形象调整模型。

在本公开的一个实施例中，上述形象照片生成模块660，还用于对第二背景照片和第一漫画图像进行人物与背景合成，得到卡通数字人的形象照片。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为***、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同***组件(包括存储单元720和处理单元710)的总线730。

其中，存储单元存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元710可以执行上述方法实施例的如下步骤：获取用户上传的图像数据；对图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；根据第一人物照片和第一背景照片，确定第一三元组和第一五元组，其中，第一三元组由第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，第一五元组由归一化后的第一人物照片中人物的性别、年龄以及第一背景照片的RGB均值构成；将第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；根据第一五元组，从预设背景库中选取与第一背景照片相似的第二背景照片；根据第二背景照片和第一漫画图像，生成卡通数字人的形象照片。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种卡通数字人的形象生成方法，其特征在于，包括：

获取用户上传的图像数据；

对所述图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；

根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，其中，所述第一三元组由所述第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，所述第一五元组由归一化后的所述第一人物照片中人物的性别、年龄以及所述第一背景照片的RGB均值构成；

将所述第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，所述已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；

根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片；

根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片。

2.根据权利要求1所述的卡通数字人的形象生成方法，其特征在于，根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，包括：

计算所述第一人物照片中人物的面部参数，得到所述第一三元组，其中，所述面部参数包括唇部开合度、左眼开合度和右眼开合度；

对所述第一人物照片进行AI识别，确定所述第一人物照片中人物的性别信息和年龄信息，计算所述第一背景照片的RGB均值，并对所述性别信息、年龄信息和所述第一背景照片的RGB均值进行归一化处理，得到所述第一五元组。

3.根据权利要求2所述的卡通数字人的形象生成方法，其特征在于，计算所述第一人物照片中人物的面部参数，得到所述第一三元组，包括：

获取所述第一人物照片中人物的上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标；

根据上嘴唇底部中间点坐标、下嘴唇顶部中间点坐标、嘴唇最左端点坐标和嘴唇最右端点坐标，计算得到所述第一唇部开合度。

4.根据权利要求1所述的卡通数字人的形象生成方法，其特征在于，所述预设背景库中包含多个背景照片以及每个背景照片对应的五元组；

根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片，包括：

计算所述第一五元组与所述预设背景库中各个背景照片的五元组之间的余弦相似度，得到多个余弦相似度；

根据余弦相似度的数值大小，从所述多个余弦相似度中确定数值最大的余弦相似度对应的第二背景照片。

5.根据权利要求1所述的卡通数字人的形象生成方法，其特征在于，通过以下步骤训练形象调整模型，得到所述已训练好的形象调整模型，包括：

获取人脸数据集，其中，所述人脸数据集中包含多个人脸样本数据；

将形象调整模型的模型参数初始化为第一参数；

设置唇部开合度的第一阈值和第二阈值，眼部开合度的第三阈值和第四阈值；

从所述人脸数据集中选取第二人脸样本数据作为本轮次用于训练所述形象调整模型的样本数据后，执行迭代训练步骤；

所述迭代训练步骤包括：计算所述第二人脸样本数据的面部参数，得到第二三元组；对所述第二人脸样本数据进行人脸编码，得到第二人脸向量；根据所述第一参数、所述第二三元组和所述第二人脸向量，确定第二面部向量调整值；根据所述第二面部向量调整值调整所述第二人脸样本数据的第二人脸向量，得到调整后的第二人脸向量；对所述调整后的第二人脸向量进行人脸解码，得到第二漫画图像；计算所述第二漫画图像的面部参数，得到所述第二漫画图像的第二目标三元组；利用分段函数、第一阈值、第二阈值、第三阈值和第四阈值，计算所述第二目标三元组的第二残差；根据所述第二残差计算所述形象调整模型的第二梯度，利用所述第二梯度完成所述形象调整模型的一次训练迭代；

依次从所述人脸数据集中选取人脸样本数据后，重复执行所述迭代训练步骤，直到所述形象调整模型收敛，得到所述已训练好的形象调整模型。

6.根据权利要求5所述的卡通数字人的形象生成方法，其特征在于，所述第二残差包括第二嘴部残差、第二左眼残差和第二右眼残差，所述第二三元组由所述第二人脸样本数据中人物的第二唇部开合度、第二左眼开合度和第二右眼开合度构成。

7.根据权利要求1所述的卡通数字人的形象生成方法，其特征在于，根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片，包括：

对所述第二背景照片和所述第一漫画图像进行人物与背景合成，得到所述卡通数字人的形象照片。

8.一种卡通数字人的形象生成装置，其特征在于，包括：

图像数据获取模块，用于获取用户上传的图像数据；

人物与背景分离模块，用于对所述图像数据进行面部检测、识别裁剪和背景分离处理，得到第一人物照片和第一背景照片；

计算模块，用于根据所述第一人物照片和所述第一背景照片，确定第一三元组和第一五元组，其中，所述第一三元组由所述第一人物照片中人物的第一唇部开合度、第一左眼开合度和第一右眼开合度构成，所述第一五元组由归一化后的所述第一人物照片中人物的性别、年龄以及所述第一背景照片的RGB均值构成；

漫画图像输出模块，用于将所述第一三元组输入至已训练好的形象调整模型中，输出得到用于卡通数字人驱动的第一漫画图像，其中，所述已训练好的形象调整模型用于对输入图像数据的三元组进行面部向量编辑输出漫画图像；

相似背景选取模块，用于根据所述第一五元组，从预设背景库中选取与所述第一背景照片相似的第二背景照片；

形象照片生成模块，用于根据所述第二背景照片和所述第一漫画图像，生成所述卡通数字人的形象照片。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述卡通数字人的形象生成方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的卡通数字人的形象生成方法。

Images