虚拟形象生成方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种虚拟形象生成方法、装置、设备及存储介质。


背景技术：

2.随着人工智能的发展，虚拟形象也能智能化生成。在目前的虚拟形象生成方案中，通过对用户提供的相片人像进行转换，然而，这种方式生成的虚拟形象的样式固定，导致无法实现个性化生成虚拟形象，另外，目前仍无法为生成的虚拟形象赋予符合需求的音频。


技术实现要素：

3.鉴于以上内容，有必要提供一种虚拟形象生成方法、装置、设备及存储介质，能够解决无法个性化生成虚拟形象及为生成的虚拟形象赋予符合需求的音频的技术问题。
4.一方面，本发明提出一种虚拟形象生成方法，应用于电子设备中，所述电子设备中包括显示面板及摄像头，所述虚拟形象生成方法包括：
5.响应于虚拟形象生成请求，定位预设形象在所述显示面板的显示位置；
6.基于所述摄像头捕获使用者的脸部图像；
7.切割所述脸部图像，得到眼球图像及表情图像；
8.基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点；
9.基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度；
10.基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象；
11.基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
12.根据本发明优选实施例，所述定位预设形象在所述显示面板的显示位置包括：
13.从所述虚拟形象生成请求中提取生成类型；
14.从配置形象库中获取与所述生成类型对应的形象模板作为所述预设形象，并在所述显示面板上展示所述预设形象；
15.采集所述显示面板上所有像素点的像素值信息；
16.将所述像素值信息不为预设阈值的像素点所对应的坐标信息确定为所述显示位置。
17.根据本发明优选实施例，所述切割所述脸部图像，得到眼球图像及表情图像包括：
18.对所述脸部图像进行关键点检测，得到眼球关键点、眉毛关键点及嘴部关键点；
19.基于所述眼球关键点在所述脸部图像的眼球坐标及偏移阈值，生成眼球区域坐标；
20.将所述脸部图像中与所述眼球区域坐标所对应的区域确定为所述眼球图像；
21.基于所述眉毛关键点及所述嘴部关键点，对所述脸部图像进行掩膜处理，得到所述表情图像。
22.根据本发明优选实施例，所述基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点包括：
23.将所述显示位置与所述眼球区域坐标进行匹配，得到与所述眼球区域坐标匹配成功的目标位置；
24.基于所述目标位置，从所述预设形象中识别出所述形象关注点。
25.根据本发明优选实施例，所述基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度包括：
26.基于所述表情图像的图像像素点对所述表情图像进行向量化处理，得到图像矩阵；
27.将所述图像矩阵输入至预先训练完成的表情识别模型中，得到表情类型及所述表情识别模型生成所述表情类型的识别概率；
28.获取与所述表情类型对应的表情分值；
29.基于所述识别概率及所述表情分值生成所述形象认可度。
30.根据本发明优选实施例，所述基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象包括：
31.若所述形象认可度小于预设认可度阈值，则基于所述识别概率及所述表情分值，从所述形象关注点中识别出待调整关注区域及标准关注区域；
32.基于所述标准关注区域，对所述待调整关注区域的区域信息进行调整，得到修订形象；
33.基于所述摄像头捕获所述使用者对所述修订形象的面部图像，计算所述修订形象的修订认可度；
34.若所述修订认可度大于所述预设认可度阈值，则将所述修订形象确定为所述虚拟形象。
35.根据本发明优选实施例，所述基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频包括：
36.对所述音频信息进行语义识别，得到音频语义；
37.基于所述音频语义与配置语义的匹配，从与所述配置语义所对应的配置认可度中筛选出所述音频认可度；
38.若所述音频认可度小于配置等级，则对所述音频信息进行特征识别，得到语音特征；
39.基于所述语音特征，对所述初始音频进行语音转换，直至所述音频认可度大于所述配置等级，得到所述形象音频。
40.另一方面，本发明还提出一种虚拟形象生成装置，运行于电子设备中，所述电子设备中包括显示面板及摄像头，所述虚拟形象生成装置包括：
41.定位单元，用于响应于虚拟形象生成请求，定位预设形象在所述显示面板的显示位置；
42.捕获单元，用于基于所述摄像头捕获使用者的脸部图像；
43.切割单元，用于切割所述脸部图像，得到眼球图像及表情图像；
44.提取单元，用于基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点；
45.生成单元，用于基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度；
46.调整单元，用于基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象；
47.所述生成单元，还用于基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
48.另一方面，本发明还提出一种电子设备，所述电子设备包括：
49.存储器，存储计算机可读指令；及
50.处理器，执行所述存储器中存储的计算机可读指令以实现所述虚拟形象生成方法。
51.另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述虚拟形象生成方法。
52.由以上技术方案可以看出，本技术通过对所述摄像头捕获到的脸部图像进行分割，能够确保所述眼球图像及所述表情图像是基于同一时刻使用者所对应的眼球位置及表情，进而结合预设形象在所述显示面板上的显示位置及眼球图像，能够准确的提取到所述使用者对所述预设形象的形象关注点，由于所述表情图像与所述眼球图像是基于同一时刻采集到的，因此，通过所述表情图像能够准确的生成所述形象认可度，进而基于所述形象认可度对所述预设形象进行形象调整，由于本技术并不局限于在固定的样式中生成形象，从而能够提高所述虚拟形象的生成个性化，丰富了所述虚拟形象的形象场景。此外，由于所述音频信息中包含了所述使用者的语音习惯等语音特征，因此，本技术通过结合所述音频认可度，能够生成符合使用者需求的形象音频。
附图说明
53.图1是本发明虚拟形象生成方法的较佳实施例的应用环境图。
54.图2是本发明虚拟形象生成方法的较佳实施例的流程图。
55.图3是本发明虚拟形象生成方法中眼球图像在显示面板中的示意图。
56.图4是本发明虚拟形象生成装置的较佳实施例的功能模块图。
57.图5是本发明实现虚拟形象生成方法的较佳实施例的电子设备的结构示意图。
具体实施方式
58.为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
59.如图1所示，是本发明虚拟形象生成方法的较佳实施例的应用环境图。所述虚拟形象生成方法可应用于一个或者多个电子设备10中，所述电子设备10包括显示面板100及摄像头1000。
60.其中，所述显示面板100上可以对所述电子设备10中需要展示的信息进行显示，例如，所述显示面板100可以展示预设形象。
61.所述摄像头1000可以是任意能够实现拍摄的设备，所述摄像头1000通常是所述电子设备10的前置摄像头，所述摄像头1000用于拍摄处于所述电子设备10前端的对象，例如，所述摄像头1000可以用于采集所述电子设备10的使用者的人脸信息等。
62.所述虚拟形象生成方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
63.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
64.所述虚拟形象生成方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字信号处理器(digital signal processor，dsp)、嵌入式设备等。
65.所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)、游戏机、交互式网络电视(internet protocol television，iptv)、智能穿戴式设备等。
66.所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(cloud computing)的由大量主机或网络电子设备构成的云。
67.所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
68.如图2所示，是本发明虚拟形象生成方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。所述方法的执行主体为电子设备，例如图1所示的电子设备10。所述电子设备中包括显示面板及摄像头。
69.101，响应于虚拟形象生成请求，定位预设形象在所述显示面板的显示位置。
70.在本发明的至少一个实施例中，所述虚拟形象生成请求可以由有生成界面形象的使用者生成。
71.所述预设形象是指与所述虚拟形象生成请求携带的生成类型相对应的形象，例如，所述预设形象可以是与猫脸形状相同的精灵形象等。
72.所述显示位置是指所述预设形象在所述显示面板上的具体坐标位置，例如，所述显示位置可以包括多个坐标值，诸如(2，1)、(4，1)、(2，4)及(4，2)等。
73.在本发明的至少一个实施例中，所述电子设备定位预设形象在所述显示面板的显示位置包括：
74.从所述虚拟形象生成请求中提取生成类型；
75.从配置形象库中获取与所述生成类型对应的形象模板作为所述预设形象，并在所述显示面板上展示所述预设形象；
76.采集所述显示面板上所有像素点的像素值信息；
77.将所述像素值信息不为预设阈值的像素点所对应的坐标信息确定为所述显示位置。
78.其中，所述生成类型可以是用于描述形状的类型，例如，开心类型，所述生成类型也可以是用于描述形状的类型，例如，猫脸等。
79.所述电子设备可以基于预设标签从所述虚拟形象生成请求携带的报文中提取到对应的生成类型。
80.所述配置形象库中存储有多种生成类型与多个形象模板的映射关系，所述多个形象模板包括预先生成的固定样式，所述多个形象模板也可以包括任意用于基于固定样式调整后所生成的自定义样式。
81.所述预设阈值可以根据所述显示面板的面板颜色设定。
82.通过所述虚拟形象生成请求中的报文，能够快速获取到所述生成类型，进而基于所述生成类型从所述配置形象库中快速获取到所述预设形象进行展示，进一步地，通过所述显示面板上所有像素点的像素值信息与所述预设阈值的比较，能够准确的识别出所述像素值信息不为预设阈值的像素点，从而基于所述像素点能够细粒度的获取到所述显示位置，提高所述显示位置的准确性。
83.102，基于所述摄像头捕获使用者的脸部图像。
84.在本发明的至少一个实施例中，所述使用者可以是所述虚拟形象生成请求的触发用户。
85.所述脸部图像是在所述预设形象在所述显示面板展示时，所述摄像头采集到的图像。所述脸部图像通常为所述使用者的正脸图像。
86.在本发明的至少一个实施例中，所述电子设备基于所述摄像头捕获使用者的脸部图像包括：
87.控制所述摄像头进行拍摄，并记录所述摄像头的拍摄时刻；
88.基于所述拍摄时刻，从与所述摄像头关联的图像数据库中获取所述脸部图像。
89.通过结合所述拍摄时刻及所述图像数据库，能够准确的获取到所述脸部图像。
90.103，切割所述脸部图像，得到眼球图像及表情图像。
91.在本发明的至少一个实施例中，所述眼球图像是指所述脸部图像中仅包含眼球区域的图像。
92.所述表情图像是指所述脸部图像中由眉毛关键点及嘴部关键点构成的图像。
93.在本发明的至少一个实施例中，所述电子设备切割所述脸部图像，得到眼球图像及表情图像包括：
94.对所述脸部图像进行关键点检测，得到眼球关键点、眉毛关键点及嘴部关键点；
95.基于所述眼球关键点在所述脸部图像的眼球坐标及偏移阈值，生成眼球区域坐标；
96.将所述脸部图像中与所述眼球区域坐标所对应的区域确定为所述眼球图像；
97.基于所述眉毛关键点及所述嘴部关键点，对所述脸部图像进行掩膜处理，得到所
述表情图像。
98.其中，所述偏移阈值通常是根据用户群体的眼球半径所设定的阈值。
99.所述眼球区域坐标包括由所述眼球坐标及所述偏移阈值所生成的多个坐标值。
100.通过所述眼球关键点在所述脸部图像的眼球坐标及所述偏移阈值，能够准确的生成所述眼球区域坐标，从而提高所述眼球图像的切割准确性，同时，由于所述眼球图像仅包括眼球信息，由于避免其他眼部信息对后续形象关注点的干扰。此外，基于所述眉毛关键点及所述嘴部关键点，能够在所述表情图像中增加眉毛特征，有利于提高表情信息的准确识别。
101.本实施例中，为了提高所述表情图像的分割准确性，所述眉毛关键点的关键点数量及所述嘴部关键点的关键点数量有多个。多个所述眉毛关键点所构成的区域形状为眉毛形状，及多个所述嘴部关键点所构成的区域形状为嘴部形状。
102.具体地，所述电子设备对所述脸部图像进行关键点检测，得到眼球关键点、眉毛关键点及嘴部关键点包括：
103.获取所述脸部图像中所述脸部像素点的图像像素值及像素位置；
104.基于预先训练完成的分类模型对所述图像像素值及所述像素位置进行识别，得到每个脸部像素点的像素类型；
105.基于所述像素类型，从多个所述脸部像素点中筛选出所述眼球关键点、所述眉毛关键点及所述嘴部关键点。
106.其中，所述分类模型的网络结构可以是任意卷积神经网络。
107.通过结合所述图像像素值及所述像素位置，能够准确识别出每个脸部像素点的像素类型，进而通过所述像素类型，能够准确的筛选出所述眼球关键点、所述眉毛关键点及所述嘴部关键点。
108.具体地，所述电子设备基于所述眉毛关键点及所述嘴部关键点，对所述脸部图像进行掩膜处理，得到所述表情图像包括：
109.基于所述眉毛关键点生成眉毛区域，并基于所述嘴部关键点生成嘴部区域；
110.将所述脸部图像中除所述眉毛区域及所述嘴部区域外的像素点进行像素赋值，得到所述表情图像。
111.104，基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点。
112.在本发明的至少一个实施例中，所述形象关注点是指所述使用者注视所述预设形象的关注点。
113.在本发明的至少一个实施例中，所述电子设备基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点包括：
114.将所述显示位置与所述眼球区域坐标进行匹配，得到与所述眼球区域坐标匹配成功的目标位置；
115.基于所述目标位置，从所述预设形象中识别出所述形象关注点。
116.其中，所述目标位置是指与所述眼球坐标的坐标相同的显示位置。
117.所述形象关注点是指所述预设形象中与所述目标位置所对应的信息。如图3所示，图3是本发明虚拟形象生成方法中眼球图像在显示面板中的示意图，通过所述眼球图像在
所述显示面板中的眼球区域坐标，能够识别出所述形象关注点。
118.通过上述实施方式，由于所述眼球图像是由安装在所述电子设备上的摄像头所拍摄的，以及，所述预设形象展示在的显示面板是安装在所述电子设备上，因此，能够将所述显示位置与所述眼球坐标直接进行匹配，解决了所述显示位置与所述眼球坐标因角度等问题而无法直接匹配比较的技术障碍，从而提高所述形象关注点的识别简便性及效率。
119.105，基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度。
120.在本发明的至少一个实施例中，所述形象认可度是指所述使用者对所述预设形象的满意度，例如，所述形象认可度可以是0.2等。
121.在本发明的至少一个实施例中，所述电子设备基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度包括：
122.基于所述表情图像的图像像素点对所述表情图像进行向量化处理，得到图像矩阵；
123.将所述图像矩阵输入至预先训练完成的表情识别模型中，得到表情类型及所述表情识别模型生成所述表情类型的识别概率；
124.获取与所述表情类型对应的表情分值；
125.基于所述识别概率及所述表情分值生成所述形象认可度。
126.其中，所述表情识别模型的网络结构为深度学习网络。
127.通过所述图像像素点对所述表情图像进行向量化处理，能够提高所述图像矩阵对所述表情图像的表征能力，通过所述表情识别模型能够输出所述表情类型及所述识别概率，进而结合所述表情类型及所述识别概率，能够提高所述形象认可度的生成准确性。
128.具体地，所述形象认可度的计算公式为：
[0129][0130]
其中，y表示所述形象认可度，n表示所述形象关注点的数量，xi表示第i个形象关注点的表情类型所对应的表情分值，di表示所述第i个形象关注点的表情类型所对应的识别概率。
[0131]
106，基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象。
[0132]
在本发明的至少一个实施例中，所述虚拟形象是指认可度大于预设认可度阈值所对应的形象。其中，所述预设认可度阈值可以根据实际需求设定，例如，所述预设认可度阈值可以是0.8。
[0133]
在本发明的至少一个实施例中，所述电子设备基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象包括：
[0134]
若所述形象认可度小于预设认可度阈值，则基于所述识别概率及所述表情分值，从所述形象关注点中识别出待调整关注区域及标准关注区域；
[0135]
基于所述标准关注区域，对所述待调整关注区域的区域信息进行调整，得到修订形象；
[0136]
基于所述摄像头捕获所述使用者对所述修订形象的面部图像，计算所述修订形象的修订认可度；
[0137]
若所述修订认可度大于所述预设认可度阈值，则将所述修订形象确定为所述虚拟
形象。
[0138]
其中，所述待调整关注区域是指由认可分值小于第一预设分值的多个相邻的形象关注点所构成的区域。所述认可分值的计算方式为：任一形象关注点所对应的识别概率与表情分值的乘积。
[0139]
所述标准关注区域是指由认可分值大于第二预设分值的多个相邻的形象关注点所构成的区域，所述第一预设分值小于所述第二预设分值，所述第一预设分值及所述第二预设分值可以根据实际需求设定。
[0140]
所述区域信息可以包括，但不限于：区域形状、区域颜色等。
[0141]
所述修订形象中，所述待调整关注区域的区域信息与所述标准关注区域的区域信息属于同一类别。例如，若所述标准关注区域的区域信息属于活泼类型，则将所述待调整关注区域的区域信息相应调整为活泼类型。
[0142]
所述修订认可度的计算方式与所述形象认可度的计算方式相似，本技术对此不再赘述。
[0143]
通过结合所述识别概率及所述表情分值，能够准确的计算出所述认可分值，从而基于所述认可分值，能够准确的识别出所述待调整关注区域及所述标准关注区域，进而通过所述标准关注区域的区域信息所对应的类型，能够合理的调整所述待调整关注区域的区域信息，以提高所述修订形象的修订认可度，从而生成符合所述使用者预期的虚拟形象。
[0144]
在其他实施例中，所述电子设备获取所述使用者对所述虚拟形象的标识类型，进一步地，所述电子设备将所述虚拟形象与所述标识类型的对应关系，存储指所述配置形象库中。
[0145]
通过上述实施方式，能够扩充所述配置形象库的数据量，避免其他用户需要对所述配置形象库中存储的模板形象进行大幅度调整。
[0146]
107，基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
[0147]
需要强调的是，为进一步保证上述虚拟形象及上述形象音频的私密和安全性，上述虚拟形象及上述形象音频还可以存储于一区块链的节点中。
[0148]
在本发明的至少一个实施例中，所述音频信息可以是所述使用者与所述预设形象在交互过程中的语音信息。
[0149]
所述初始音频可以是所述预设形象与所述使用者在交互过程中的语音信息。
[0150]
所述音频认可度是指所述使用者对所述预设形象的初始音频的满意层级，例如，所述音频认可度为高层级。
[0151]
在本发明的至少一个实施例中，所述电子设备基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频包括：
[0152]
对所述音频信息进行语义识别，得到音频语义；
[0153]
基于所述音频语义与配置语义的匹配，从与所述配置语义所对应的配置认可度中筛选出所述音频认可度；
[0154]
若所述音频认可度小于配置等级，则对所述音频信息进行特征识别，得到语音特征；
[0155]
基于所述语音特征，对所述初始音频进行语音转换，直至所述音频认可度大于所
述配置等级，得到所述形象音频。
[0156]
其中，所述音频语义是指所述音频信息的文本信息所对应的语义。
[0157]
所述配置语义与所述配置认可度的对应关系可以基于实际需求设定，例如，所述配置语义不满意，对应的配置认可度为低层级。
[0158]
所述配置等级可以设定为中等级。
[0159]
所述语义特征包括音调、语气词等语音习惯。
[0160]
通过将识别出的音频语义与所述配置语义的匹配，能够准确的筛选出所述音频认可度，进而在所述音频认可度小于配置等级时，通过识别出所述音频信息所对应的语音特征，对所述初始音频进行语音转换，提高所述使用者对所述形象音频的认可度。
[0161]
由以上技术方案可以看出，本技术通过对所述摄像头捕获到的脸部图像进行分割，能够确保所述眼球图像及所述表情图像是基于同一时刻使用者所对应的眼球位置及表情，进而结合预设形象在所述显示面板上的显示位置及眼球图像，能够准确的提取到所述使用者对所述预设形象的形象关注点，由于所述表情图像与所述眼球图像是基于同一时刻采集到的，因此，通过所述表情图像能够准确的生成所述形象认可度，进而基于所述形象认可度对所述预设形象进行形象调整，由于本技术并不局限于在固定的样式中生成形象，从而能够提高所述虚拟形象的生成个性化，丰富了所述虚拟形象的形象场景。此外，由于所述音频信息中包含了所述使用者的语音习惯等语音特征，因此，本技术通过结合所述音频认可度，能够生成符合使用者需求的形象音频。
[0162]
如图4所示，是本发明虚拟形象生成装置的较佳实施例的功能模块图。所述虚拟形象生成装置11包括定位单元110、捕获单元111、切割单元112、提取单元113、生成单元114及调整单元115。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
[0163]
定位单元110，用于响应于虚拟形象生成请求，定位预设形象在所述显示面板的显示位置；
[0164]
捕获单元111，用于基于所述摄像头捕获使用者的脸部图像；
[0165]
切割单元112，用于切割所述脸部图像，得到眼球图像及表情图像；
[0166]
提取单元113，用于基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点；
[0167]
生成单元114，用于基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度；
[0168]
调整单元115，用于基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象；
[0169]
所述生成单元114，还用于基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
[0170]
在本发明的至少一个实施例中，所述定位单元110，还用于从所述虚拟形象生成请求中提取生成类型；
[0171]
从配置形象库中获取与所述生成类型对应的形象模板作为所述预设形象，并在所述显示面板上展示所述预设形象；
[0172]
采集所述显示面板上所有像素点的像素值信息；
[0173]
将所述像素值信息不为预设阈值的像素点所对应的坐标信息确定为所述显示位置。
[0174]
在本发明的至少一个实施例中，所述切割单元112，还用于对所述脸部图像进行关键点检测，得到眼球关键点、眉毛关键点及嘴部关键点；
[0175]
基于所述眼球关键点在所述脸部图像的眼球坐标及偏移阈值，生成眼球区域坐标；
[0176]
将所述脸部图像中与所述眼球区域坐标所对应的区域确定为所述眼球图像；
[0177]
基于所述眉毛关键点及所述嘴部关键点，对所述脸部图像进行掩膜处理，得到所述表情图像。
[0178]
在本发明的至少一个实施例中，所述提取单元113，还用于将所述显示位置与所述眼球区域坐标进行匹配，得到与所述眼球区域坐标匹配成功的目标位置；
[0179]
基于所述目标位置，从所述预设形象中识别出所述形象关注点。
[0180]
在本发明的至少一个实施例中，所述生成单元114，还用于基于所述表情图像的图像像素点对所述表情图像进行向量化处理，得到图像矩阵；
[0181]
将所述图像矩阵输入至预先训练完成的表情识别模型中，得到表情类型及所述表情识别模型生成所述表情类型的识别概率；
[0182]
获取与所述表情类型对应的表情分值；
[0183]
基于所述识别概率及所述表情分值生成所述形象认可度。
[0184]
在本发明的至少一个实施例中，所述调整单元115，还用于若所述形象认可度小于预设认可度阈值，则基于所述识别概率及所述表情分值，从所述形象关注点中识别出待调整关注区域及标准关注区域；
[0185]
基于所述标准关注区域，对所述待调整关注区域的区域信息进行调整，得到修订形象；
[0186]
基于所述摄像头捕获所述使用者对所述修订形象的面部图像，计算所述修订形象的修订认可度；
[0187]
若所述修订认可度大于所述预设认可度阈值，则将所述修订形象确定为所述虚拟形象。
[0188]
在本发明的至少一个实施例中，所述生成单元114，还用于对所述音频信息进行语义识别，得到音频语义；
[0189]
基于所述音频语义与配置语义的匹配，从与所述配置语义所对应的配置认可度中筛选出所述音频认可度；
[0190]
若所述音频认可度小于配置等级，则对所述音频信息进行特征识别，得到语音特征；
[0191]
基于所述语音特征，对所述初始音频进行语音转换，直至所述音频认可度大于所述配置等级，得到所述形象音频。
[0192]
由以上技术方案可以看出，本技术通过对所述摄像头捕获到的脸部图像进行分割，能够确保所述眼球图像及所述表情图像是基于同一时刻使用者所对应的眼球位置及表情，进而结合预设形象在所述显示面板上的显示位置及眼球图像，能够准确的提取到所述
使用者对所述预设形象的形象关注点，由于所述表情图像与所述眼球图像是基于同一时刻采集到的，因此，通过所述表情图像能够准确的生成所述形象认可度，进而基于所述形象认可度对所述预设形象进行形象调整，由于本技术并不局限于在固定的样式中生成形象，从而能够提高所述虚拟形象的生成个性化，丰富了所述虚拟形象的形象场景。此外，由于所述音频信息中包含了所述使用者的语音习惯等语音特征，因此，本技术通过结合所述音频认可度，能够生成符合使用者需求的形象音频。
[0193]
如图5所示，是本发明实现虚拟形象生成方法的较佳实施例的电子设备的结构示意图。
[0194]
在本发明的一个实施例中，所述电子设备10包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如虚拟形象生成程序。
[0195]
本领域技术人员可以理解，所述示意图仅仅是电子设备10的示例，并不构成对电子设备10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，例如所述电子设备10还可以包括输入输出设备、网络接入设备、总线等。
[0196]
所述处理器13可以是中央处理单元(central processing unit，cpu)，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)、现场可编程门阵列(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，所述处理器13是所述电子设备10的运算核心和控制中心，利用各种接口和线路连接整个电子设备10的各个部分，及执行所述电子设备10的操作系统以及安装的各类应用程序、程序代码等。
[0197]
示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备10中的执行过程。例如，所述计算机可读指令可以被分割成定位单元110、捕获单元111、切割单元112、提取单元113、生成单元114及调整单元115。
[0198]
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备10的各种功能。所述存储器12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电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
[0199]
所述存储器12可以是电子设备10的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、tf卡(trans-flash card)等等。
[0200]
所述电子设备10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，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
[0201]
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令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可读指令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-only memory)、随机存取存储器(ram，random access memory)。
[0202]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0203]
结合图2，所述电子设备10中的所述存储器12存储计算机可读指令实现一种虚拟形象生成方法，所述处理器13可执行所述计算机可读指令从而实现：
[0204]
响应于虚拟形象生成请求，定位预设形象在显示面板的显示位置；
[0205]
基于摄像头捕获使用者的脸部图像；
[0206]
切割所述脸部图像，得到眼球图像及表情图像；
[0207]
基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点；
[0208]
基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认可度；
[0209]
基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象；
[0210]
基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
[0211]
具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0212]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
[0213]
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
[0214]
响应于虚拟形象生成请求，定位预设形象在显示面板的显示位置；
[0215]
基于摄像头捕获使用者的脸部图像；
[0216]
切割所述脸部图像，得到眼球图像及表情图像；
[0217]
基于所述眼球图像及所述显示位置，从所述预设形象中提取所述使用者对所述预设形象的形象关注点；
[0218]
基于所述表情图像及所述形象关注点生成所述使用者对所述预设形象的形象认
可度；
[0219]
基于所述形象认可度对所述预设形象进行形象调整，得到虚拟形象；
[0220]
基于所述使用者的音频信息及所述使用者对所述预设形象的初始音频的音频认可度，生成所述虚拟形象的形象音频。
[0221]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
[0222]
另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。
[0223]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0224]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0225]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。