一种明星人像优化方法、装置以及存储装置与流程

本发明适用于视频优化技术领域，尤其涉及一种明星人像优化方法、装置以及存储装置。

背景技术：

随着人们业余活动的丰富，以及各类终端的逐渐发展，许多人选择在终端上观看各类视频，例如在手机上观看电视剧等。现有的电视剧往往只是由出品方提供的原始视频，用户再通过第三方观看途径(例如app播放等)进行观看。第三方常常基于新一代高性能视频编码标准hevc(highefficiencyvideocoding)进行视频编码，虽然该种编码方式能够大大降低比特率，但是，对于人们日益渐长的需求而言，若是终端的屏幕较小，依然存在画质清晰度较差、人像不够精细的缺陷，大大降低了用户的观看体验。

技术实现要素：

本发明实施例提供一种明星人像优化方法、装置以及存储装置，旨在解决现有供给用户观看的视频存在画质清晰度较差、人像不够精细的问题。

本发明实施例是这样实现的，提供一种明星人像优化方法，所述明星人像优化方法包括以下步骤：预先对明星图片进行深度学习，生成训练好的明星人像优化模型；在输入的视频中采集待优化的明星人像信息；以及将待优化的明星人像信息采用训练好的明星人像优化模型进行计算，获取已优化的明星人像信息，并根据已优化的明星人像信息输出视频。

更进一步地，所述预先对明星图片进行深度学习，生成训练好的明星人像优化模型的步骤，具体包括：根据多个明星图片构建明星图片数据库；构建用于深度学习的明星人像识别模型以及明星人像补偿模型；采用所述明星人像识别模型以及所述明星人像补偿模型对所述明星图片数据库中的所述明星图片进行训练学习，生成训练好的明星人像优化模型。

更进一步地，所述在输入的视频中采集待优化的明星人像信息的步骤，具体包括：在输入的视频中依据预设时间进行检测，获取序列图像；在所述序列图像中采集待优化的明星人像信息，所述明星人像信息与所述序列图像的标号相互对应。

更进一步地，所述明星图片为视频中每一主演的对应图片。

本发明实施例还提供一种明星人像优化装置，所述明星人像优化装置包括：生成单元，用于预先对明星图片进行深度学习，生成训练好的明星人像优化模型；采集单元，用于在输入的视频中采集待优化的明星人像信息；以及计算单元，用于将待优化的明星人像信息采用训练好的明星人像优化模型进行计算，获取已优化的明星人像信息，并根据已优化的明星人像信息输出视频。

更进一步地，所述生成单元包括：数据库构建单元，用于根据多个明星图片构建明星图片数据库；模型构建单元，用于构建用于深度学习的明星人像识别模型以及明星人像补偿模型；学习单元，用于采用所述明星人像识别模型以及所述明星人像补偿模型对所述明星图片数据库中的所述明星图片进行训练学习，生成训练好的明星人像优化模型。

更进一步地，所述采集单元包括：检测单元，用于在输入的视频中依据预设时间进行检测，获取序列图像；明星人像信息采集单元，用于在所述序列图像中采集待优化的明星人像信息，所述明星人像信息与所述序列图像的标号相互对应。

更进一步地，所述明星图片为视频中每一主演的对应图片。

本发明实施例还提供一种明星人像优化装置，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如上所述明星人像优化方法的步骤。

本发明实施例还提供一种存储装置，所述存储装置存储有计算机程序，所述计算机程序能够被执行以实现如上所述明星人像优化方法的步骤。

本发明的有益效果在于，与现有技术相比，本发明通过设计一种明星人像优化方法、装置以及存储装置，预先生成训练好的明星人像优化模型，获取待优化的视频，输入视频之后再从视频中采集待优化的明星人像信息，将待优化的明星人像信息输入明星人像优化模型之后，即会自动生成已优化的明星人像信息，最后再将已优化的明星人像信息输入视频中，完成整体视频的人像优化，可大大提高画面中人像的清晰度以及修正及完善人像质量不佳的部分，从而大大提高用户的视频观看体验。

附图说明

图1是本发明实施例提供的明星人像优化方法的流程框图；

图2是本发明实施例提供的生成训练好的明星人像优化模型的流程框图；

图3是本发明实施例提供的采集待优化的明星人像信息的流程框图；

图4是本发明实施例提供的明星人像优化装置的结构框图；

图5是本发明实施例提供的生成单元的结构框图；

图6是本发明实施例提供的采集单元的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明通过设计一种明星人像优化方法、装置以及存储装置，预先生成训练好的明星人像优化模型，获取待优化的视频，输入视频之后再从视频中采集待优化的明星人像信息，将待优化的明星人像信息输入明星人像优化模型之后，即会自动生成已优化的明星人像信息，最后再将已优化的明星人像信息输入视频中，完成整体视频的人像优化，可大大提高画面中人像的清晰度以及修正及完善人像质量不佳的部分，从而大大提高用户的视频观看体验。

实施例一

参考图1，本实施例一提供一种明星人像优化方法，所述明星人像优化方法包括以下步骤：

步骤1、预先对明星图片进行深度学习，生成训练好的明星人像优化模型；

步骤2、在输入的视频中采集待优化的明星人像信息；以及

步骤3、将待优化的明星人像信息采用训练好的明星人像优化模型进行计算，获取已优化的明星人像信息，并根据已优化的明星人像信息输出视频。

其中，预先获取多个明星图片，明星图片可从全网高清图片数据库中获取，例如百度数据库、谷歌数据库等。再对获取的明星图片进行深度学习，基于该深度学习过程，不断进行图片输入以及人像输出的过程，生成训练好的明星人像优化模型。在进行明星人像优化时，输入待优化的视频，在输入的视频中采集多个待优化的明星人像信息，明星人像信息可为明星人像图片。然后，将采集的待优化的明星人像信息输入以训练好的明星人像优化模型中，经过计算即自动获取已优化的明星人像信息。在获取已优化的明星人像信息之后，根据已优化的明星人像信息进行视频的编码，最后可输出已对明星人像优化的视频，大大提高画面中人像的清晰度以及修正及完善人像质量不佳的部分，从而大大提高用户的视频观看体验。值得一提的是，上述人像包括脸部或者躯干。在实际应用中，由于考虑到用户的关注点通常只在明星的脸部，则人像通常只包括脸部。

需要说明的是，明星图片的获取过程以及明星人像优化模型的生成过程可针对输入的视频而言，例如，输入的视频为a电视剧，则针对a电视剧的各个明星进行明星图片的获取过程以及明星人像优化模型的生成过程。或者，明星图片的获取过程以及明星人像优化模型的生成过程可针对所有的视频而言，即是说，针对部分或全部现有明星进行明星图片的获取过程以及明星人像优化模型的生成过程，后续基于明星人像优化模型即可实现部分或全部视频的明星人像优化。

上述明星人像优化方法可由视频的出品方执行，亦可由实现视频播放的第三方执行，当然，也可以由其他方执行，只要能够通过明星人像优化方法实现对视频中的人像优化即可。

实施例二

参考图2，在实施例一的基础上，本实施例二的所述预先对明星图片进行深度学习，生成训练好的明星人像优化模型的步骤，具体包括：

步骤11、根据多个明星图片构建明星图片数据库；

步骤12、构建用于深度学习的明星人像识别模型以及明星人像补偿模型；

步骤13、采用所述明星人像识别模型以及所述明星人像补偿模型对所述明星图片数据库中的所述明星图片进行训练学习，生成训练好的明星人像优化模型。

其中，预先从全网高清图片数据库中获取多个所需的明星图片，根据明星图片构建明星图片数据库；或者，若是现有的明星图片数据库包含有多个所需的明星图片，则可直接使用现有的明星图片数据库。然后，构建用于深度学习的明星人像识别模型以及明星人像补偿模型，明星人像识别模型可针对明星图片识别出所对应的明星，形成识别结果，明星人像补偿模型可根据识别结果对明星图片进行补偿及优化，针对明星图片将画面中清晰度和质量不佳的部分进行修正和精细渲染。随后，采用已构建的明星人像识别模型以及明星人像补偿模型对明星图片数据库中的明星图片进行训练学习，不断输入待优化的明星图片以及不断输出已优化的明星图片，生成训练好的明星人像优化模型。后续通过训练好的明星人像优化模型，只需输入明星图片，即可自动输出优化后的明星图片。

实施例三

参考图3，在实施例一的基础上，本实施例三的所述在输入的视频中采集待优化的明星人像信息的步骤，具体包括：

步骤21、在输入的视频中依据预设时间进行检测，获取序列图像；

步骤22、在所述序列图像中采集待优化的明星人像信息，所述明星人像信息与所述序列图像的标号相互对应。

其中，先设定预设时间，预设时间可自定义，例如一帧、一秒等，帧指的是画面，通常在视频(例如电影)中，每秒为24帧。然后，获取输入的视频，在输入的视频中依据预设时间进行检测，进一步获取在预设时间中的所有序列图像，可依照先后顺序对每一序列图像进行标号。随后，在获取的所有序列图像中采集待优化的明星人像信息，而明星人像信息与序列图像的标号相互对应。举例来说，对于第一帧而言，获取第一帧中的序列图像，该序列图像的标号为1，然后再在序列图像中采集待优化的明星人像信息，该明星人像信息同样为1。对于第二帧而言，获取第二帧中的序列图像，该序列图像的标号为2，然后再在序列图像中采集待优化的明星人像信息，该明星人像信息同样为2。如此类推，直至将视频中所有序列图像的明星人像信息采集完毕。经过对应标号之后，有助于后续对视频的编码及输出，只需将对应帧数的对应明星人像信息相互更换即可。

实施例四

在实施例一的基础上，本实施例四的所述明星图片为视频中每一主演的对应图片。对于每一视频而言，出品之前会制定主演列表。由于主演列表中的各个主演戏份更多，用户更会将关注点放在各个主演身上，因此，后续执行明星人像优化方法时，只需针对主演列表中的各个主演即可，从而能够大大提高优化效率，以及减少计算量。

实施例五

参考图4，本实施例五提供一种明星人像优化装置，所述明星人像优化装置包括：

生成单元100，用于预先对明星图片进行深度学习，生成训练好的明星人像优化模型；

采集单元200，用于在输入的视频中采集待优化的明星人像信息；以及

计算单元300，用于将待优化的明星人像信息采用训练好的明星人像优化模型进行计算，获取已优化的明星人像信息，并根据已优化的明星人像信息输出视频。

其中，通过生成单元100，预先获取多个明星图片，明星图片可从全网高清图片数据库中获取，例如百度数据库、谷歌数据库等。再对获取的明星图片进行深度学习，基于该深度学习过程，不断进行图片输入以及人像输出的过程，生成训练好的明星人像优化模型。通过采集单元200，在进行明星人像优化时，输入待优化的视频，在输入的视频中采集多个待优化的明星人像信息，明星人像信息可为明星人像图片。然后，通过计算单元300，将采集的待优化的明星人像信息输入以训练好的明星人像优化模型中，经过计算即自动获取已优化的明星人像信息。在获取已优化的明星人像信息之后，根据已优化的明星人像信息进行视频的编码，最后可输出已对明星人像优化的视频，大大提高画面中人像的清晰度以及修正及完善人像质量不佳的部分，从而大大提高用户的视频观看体验。值得一提的是，上述人像包括脸部或者躯干。在实际应用中，由于考虑到用户的关注点通常只在明星的脸部，则人像通常只包括脸部。

需要说明的是，明星图片的获取过程以及明星人像优化模型的生成过程可针对输入的视频而言，例如，输入的视频为a电视剧，则针对a电视剧的各个明星进行明星图片的获取过程以及明星人像优化模型的生成过程。或者，明星图片的获取过程以及明星人像优化模型的生成过程可针对所有的视频而言，即是说，针对部分或全部现有明星进行明星图片的获取过程以及明星人像优化模型的生成过程，后续基于明星人像优化模型即可实现部分或全部视频的明星人像优化。

上述明星人像优化装置可由视频的出品方执行，亦可由实现视频播放的第三方执行，当然，也可以由其他方执行，只要能够通过明星人像优化装置实现对视频中的人像优化即可。

实施例六

参考图5，在实施例五的基础上，本实施例六的所述生成单元包括：

数据库构建单元110，用于根据多个明星图片构建明星图片数据库；

模型构建单元120，用于构建用于深度学习的明星人像识别模型以及明星人像补偿模型；

学习单元130，用于采用所述明星人像识别模型以及所述明星人像补偿模型对所述明星图片数据库中的所述明星图片进行训练学习，生成训练好的明星人像优化模型。

其中，通过数据库构建单元110，预先从全网高清图片数据库中获取多个所需的明星图片，根据明星图片构建明星图片数据库；或者，若是现有的明星图片数据库包含有多个所需的明星图片，则可直接使用现有的明星图片数据库。然后，通过模型构建单元120，构建用于深度学习的明星人像识别模型以及明星人像补偿模型，明星人像识别模型可针对明星图片识别出所对应的明星，形成识别结果，明星人像补偿模型可根据识别结果对明星图片进行补偿及优化，针对明星图片将画面中清晰度和质量不佳的部分进行修正和精细渲染。随后，通过学习单元130，采用已构建的明星人像识别模型以及明星人像补偿模型对明星图片数据库中的明星图片进行训练学习，不断输入待优化的明星图片以及不断输出已优化的明星图片，生成训练好的明星人像优化模型。后续通过训练好的明星人像优化模型，只需输入明星图片，即可自动输出优化后的明星图片。

实施例七

参考图6，在实施例五的基础上，本实施例七的所述采集单元包括：

检测单元210，用于在输入的视频中依据预设时间进行检测，获取序列图像；

明星人像信息采集单元220，用于在所述序列图像中采集待优化的明星人像信息，所述明星人像信息与所述序列图像的标号相互对应。

其中，通过检测单元210，先设定预设时间，预设时间可自定义，例如一帧、一秒等，帧指的是画面，通常在视频(例如电影)中，每秒为24帧。然后，获取输入的视频，在输入的视频中依据预设时间进行检测，进一步获取在预设时间中的所有序列图像，可依照先后顺序对每一序列图像进行标号。随后，通过明星人像信息采集单元220，在获取的所有序列图像中采集待优化的明星人像信息，而明星人像信息与序列图像的标号相互对应。举例来说，对于第一帧而言，获取第一帧中的序列图像，该序列图像的标号为1，然后再在序列图像中采集待优化的明星人像信息，该明星人像信息同样为1。对于第二帧而言，获取第二帧中的序列图像，该序列图像的标号为2，然后再在序列图像中采集待优化的明星人像信息，该明星人像信息同样为2。如此类推，直至将视频中所有序列图像的明星人像信息采集完毕。经过对应标号之后，有助于后续对视频的编码及输出，只需将对应帧数的对应明星人像信息相互更换即可。

实施例八

在实施例五的基础上，本实施例八的所述明星图片为视频中每一主演的对应图片。对于每一视频而言，出品之前会制定主演列表。由于主演列表中的各个主演戏份更多，用户更会将关注点放在各个主演身上，因此，后续使用明星人像优化装置时，只需针对主演列表中的各个主演即可，从而能够大大提高优化效率，以及减少计算量。

实施例九

本实施例九提供一种明星人像优化装置，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如实施例一至实施例四所述明星人像优化方法的步骤。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程，计算机装置即是上述明星人像优化装置。例如，所述计算机程序可以被分割成上述各个方法实施例提供的明星人像优化方法的步骤。

本领域技术人员可以理解，上述计算机装置的描述仅仅是示例，并不构成对计算机装置的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，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，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个用户终端的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述计算机装置集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。

实施例十

本实施例十提供一种存储装置，所述存储装置存储有计算机程序，所述计算机程序能够被执行以实现如实施例一至实施例四所述明星人像优化方法的步骤。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程，计算机装置即是上述明星人像优化装置。例如，所述计算机程序可以被分割成上述各个方法实施例提供的明星人像优化方法的步骤。

所述存储装置可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储装置内的计算机程序和/或模块，以及调用存储在存储装置内的数据，实现所述计算机装置的各种功能。所述存储装置可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储装置可以包括高速随机存取存储装置，还可以包括非易失性存储装置，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储装置件、闪存器件、或其他易失性固态存储器件。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。