[发明专利]基于人体姿态的多视角人体图像合成方法及装置

权利要求书

1.一种基于人体姿态的多视角人体图像合成方法，其特征在于包括：

基于预先构建的姿态转换模型并根据当前获取的原始人体姿态和目标视角，对所述原始人体姿态进行姿态转换，得到目标视角人体姿态；

基于预先构建的前景转换模型并根据当前获取的原始前景图像、所述原始人体姿态和目标视角人体姿态，对所述原始前景图像进行前景转换，得到目标前景图像；

基于预先构建的多视角合成模型并根据当前获取的原始图像和所述目标前景图像，对所述原始图像进行多视角合成，得到多视角人体合成图像；

其中，所述姿态转换模型、前景转换模型和多视角合成模型均是基于预设的多视角人体图像数据并利用机器学习算法所构建的神经网络模型。

2.根据权利要求1所述的基于人体姿态的多视角人体图像合成方法，其特征在于，在“基于预先构建的姿态转换模型并根据当前获取的原始人体姿态和目标视角，对所述原始人体姿态进行姿态转换”步骤之前，所述方法还包括：

基于所述多视角人体图像数据并利用反向传播算法训练所述姿态转换模型。

3.根据权利要求2所述的基于人体姿态的多视角人体图像合成方法，其特征在于，在“基于预先构建的前景转换模型并根据获取的原始前景图像、所述原始人体姿态和目标视角人体姿态，对所述原始前景图像进行前景转换”的步骤之前，所述方法还包括：

利用训练后的姿态转换模型获取目标视角对应的目标视角人体姿态；

基于所述多视角人体图像数据和所述目标视角人体姿态并利用反向传播算法训练所述前景转换模型。

4.根据权利要求3所述的基于人体姿态的多视角人体图像合成方法，其特征在于，在“基于预先构建的多视角合成模型并根据获取的原始图像和所述目标前景图像，对所述原始图像进行多视角合成”的步骤之前，所述方法还包括：

利用训练后的前景转换模型获取原始前景图像对应的目标前景图像；

基于所述多视角人体图像数据和所述目标前景图像并利用反向传播算法训练所述多视角合成模型。

5.根据权利要求1-4中任一项所述的基于人体姿态的多视角人体图像合成方法，其特征在于，所述姿态转换模型包括多层全连接神经网络，所述前景转换模型和多视角合成模型均包括生成对抗网络。

6.一种基于人体姿态的多视角人体图像合成装置，其特征在于包括：

姿态转换模块，配置为基于预先构建的姿态转换模型并根据当前获取的原始人体姿态和目标视角，对所述原始人体姿态进行姿态转换，得到目标视角人体姿态；

前景转换模块，配置为基于预先构建的前景转换模型并根据当前获取的原始前景图像、所述原始人体姿态和目标视角人体姿态，对所述原始前景图像进行前景转换，得到目标前景图像；

多视角合成模块，配置为基于预先构建的多视角合成模型并根据当前获取的原始图像和所述目标前景图像，对所述原始图像进行多视角合成，得到多视角人体合成图像；

其中，所述姿态转换模型、前景转换模型和多视角合成模型均是基于预设的多视角人体图像数据并利用机器学习算法所构建的神经网络模型。

7.根据权利要求6所述的基于人体姿态的多视角人体图像合成装置，其特征在于，所述姿态转换模块进一步配置为：

基于所述多视角人体图像数据并利用反向传播算法训练所述姿态转换模型。

8.根据权利要求7所述的基于人体姿态的多视角人体图像合成装置，其特征在于，所述前景转换模块进一步配置为：

利用训练后的姿态转换模型获取目标视角对应的目标视角人体姿态；

基于所述多视角人体图像数据和所述目标视角人体姿态并利用反向传播算法训练所述前景转换模型。

9.根据权利要求8所述的基于人体姿态的多视角人体图像合成装置，其特征在于，所述多视角合成模块进一步配置为：

利用训练后的前景转换模型获取原始前景图像对应的目标前景图像；

基于所述多视角人体图像数据和所述目标前景图像并利用反向传播算法训练所述多视角合成模型。

10.根据权利要求6-9中任一项所述的基于人体姿态的多视角人体图像合成装置，其特征在于，所述姿态转换模型包括多层全连接神经网络，所述前景转换模型和多视角合成模型均包括生成对抗网络。