本技術(shù)涉及圖像處理領(lǐng)域，尤其涉及一種人臉圖像合成方法、設(shè)備及計算機(jī)可讀介質(zhì)。

背景技術(shù)：

1、在圖像處理領(lǐng)域中，若需要對一個人物圖像中的人臉部分進(jìn)行修改，一般需要由用戶手動標(biāo)注出人臉部分的位置，然后根據(jù)用戶的需要對這部分位置的圖像進(jìn)行進(jìn)一步的調(diào)整，最終在人物圖像中合成一個新的人臉圖像。但是目前的方案中，整個處理過程較為復(fù)雜，需要人工參與的環(huán)節(jié)較多，難以高效地實(shí)現(xiàn)人臉圖像的自動化合成。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的一個目的是提供一種人臉圖像合成方法、設(shè)備及計算機(jī)可讀介質(zhì)，用以解決現(xiàn)有方案中處理過程復(fù)雜，難以高效地實(shí)現(xiàn)自動化處理的問題。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例提供了一種人臉圖像合成方法，所述方法包括：

3、獲取用于確定圖像風(fēng)格的提示文本，并對所述提示文本進(jìn)行特征抽取，獲取風(fēng)格特征；

4、獲取第一人臉圖像，并對所述第一人臉圖像進(jìn)行特征抽取，獲取人臉圖像特征；

5、獲取包含第二人臉圖像的人物圖像，并對所述人物圖像進(jìn)行特征抽取，獲取人物圖像特征；

6、將所述風(fēng)格特征和所述人臉圖像特征進(jìn)行特征拼接，生成第一拼接特征，并將所述人臉圖像特征與所述人物圖像特征進(jìn)行特征拼接，生成第二拼接特征；

7、根據(jù)所述第一拼接特征和所述第二拼接特征，獲取生成特征，其中，所述生成特征中包括了所述風(fēng)格特征、人臉圖像特征和人物圖像特征；

8、基于注意力機(jī)制對所述生成特征和高斯樣本特征進(jìn)行特征融合，獲取目標(biāo)特征；

9、根據(jù)所述目標(biāo)特征，生成包含第三人臉圖像的輸出圖像，其中，所述輸出圖像融合了所述第一人臉圖像、第二人臉圖像的圖像特征以及提示文本所確定的圖像風(fēng)格。

10、進(jìn)一步地，獲取第一人臉圖像，并對所述第一人臉圖像進(jìn)行特征抽取，獲取人臉圖像特征，包括：

11、獲取多張第一人臉圖像，并對每張第一人臉圖像進(jìn)行特征抽取，生成多個待融合人臉圖像特征；

12、對多個所述待融合人臉圖像特征進(jìn)行特征融合，生成人臉圖像特征。

13、進(jìn)一步地，對多個所述待融合人臉圖像特征進(jìn)行特征融合，生成人臉圖像特征，包括：

14、對每個待融合人臉圖像特征采用不同的三個多層感知機(jī)模型進(jìn)行編碼，分別得到單張人臉q特征矩陣、單張人臉k特征矩陣和單張人臉v特征矩陣，同時將多個待融合人臉圖像特征進(jìn)行特征拼接，并輸入到另一個多層感知機(jī)模型進(jìn)行編碼，得到整體q特征矩陣；

15、分別將每個待融合人臉圖像特征所對應(yīng)的單張人臉k特征矩陣與整體q特征矩陣進(jìn)行矩陣乘法，獲取對應(yīng)的注意力權(quán)重矩陣；

16、分別將每個待融合人臉圖像特征所對應(yīng)的單張人臉v特征矩陣，與對應(yīng)的注意力權(quán)重矩陣進(jìn)行矩陣乘法，獲取對應(yīng)的第一融合特征；

17、將各個待融合人臉圖像特征所對應(yīng)的第一融合特征進(jìn)行合并，獲取第二融合特征；

18、分別將每個待融合人臉圖像特征所對應(yīng)的單張人臉q特征矩陣，作為交叉注意力機(jī)制模型的q特征矩陣，將所述第二融合特征作為所述交叉注意力機(jī)制模型的k特征矩陣和v特征矩陣，輸入至所述交叉注意力機(jī)制模型中，獲取對應(yīng)的第三融合特征；

19、將各個待融合人臉圖像特征所對應(yīng)的第三融合特征進(jìn)行合并，并結(jié)合所述第二融合特征，獲取人臉圖像特征。

20、進(jìn)一步地，將各個待融合人臉圖像特征所對應(yīng)的第一融合特征進(jìn)行合并，獲取第二融合特征，包括：

21、將各個待融合人臉圖像特征所對應(yīng)的第一融合特征中的元素分別乘以對應(yīng)的第一權(quán)重后，進(jìn)行元素相加并取平均值，獲取第二融合特征；

22、將各個待融合人臉圖像特征所對應(yīng)的第三融合特征進(jìn)行合并，并結(jié)合所述第二融合特征，獲取人臉圖像特征，包括：

23、將各個待融合人臉圖像特征所對應(yīng)的第三融合特征中的元素分別乘以對應(yīng)的第二權(quán)重后，進(jìn)行元素相加并取平均值，獲取第四融合特征；

24、將所述第四融合特征與所述第二融合特征進(jìn)行元素相加，獲取人臉圖像特征。

25、進(jìn)一步地，根據(jù)所述第一拼接特征和所述第二拼接特征，獲取生成特征，其中，所述生成特征中包括了所述風(fēng)格特征、人臉圖像特征和人物圖像特征，包括：

26、將所述第一拼接特征和所述第二拼接特征進(jìn)行特征拼接，獲取第三拼接特征；

27、將所述第三拼接特征采用多層感知機(jī)模型進(jìn)行編碼，獲取第四拼接特征；

28、將所述第四拼接特征按照特征拼接時的維度進(jìn)行特征分離，獲取第一混合特征和第二混合特征；

29、將所述第一混合特征和第二混合特征進(jìn)行合并，獲取生成特征，其中，所述生成特征中包括了所述風(fēng)格特征、人臉圖像特征和人物圖像特征。

30、進(jìn)一步地，將所述第一混合特征和第二混合特征進(jìn)行合并，獲取生成特征，包括：

31、將所述第一混合特征中的元素乘以對應(yīng)的第三權(quán)重，并將所述第二混合特征中的元素乘以對應(yīng)的第四權(quán)重后，進(jìn)行元素相加，獲得生成特征，其中，所述第三權(quán)重與第四權(quán)重的和為1。

32、進(jìn)一步地，基于注意力機(jī)制對所述生成特征和高斯樣本特征進(jìn)行特征融合，獲取目標(biāo)特征，包括：

33、將所述生成特征作為注意力機(jī)制模型的k特征矩陣和v特征矩陣；

34、基于預(yù)設(shè)的高斯分布進(jìn)行采樣，獲取高斯樣本特征，并將所述高斯樣本特征作為注意力機(jī)制模型的q特征矩陣；

35、將所述k特征矩陣、v特征矩陣和q特征矩陣輸入至注意力機(jī)制模型，獲取目標(biāo)特征。

36、進(jìn)一步地，根據(jù)所述目標(biāo)特征，生成包含第三人臉圖像的輸出圖像，包括：

37、對所述目標(biāo)特征進(jìn)行降噪處理，獲取降噪目標(biāo)特征；

38、根據(jù)所述降噪目標(biāo)特征，生成包含第三人臉圖像的輸出圖像。

39、本技術(shù)的一些實(shí)施例還提供了一種人臉圖像合成設(shè)備，其中，該設(shè)備包括用于存儲計算機(jī)程序指令的存儲器和用于執(zhí)行計算機(jī)程序指令的處理器，其中，當(dāng)該計算機(jī)程序指令被該處理器執(zhí)行時，觸發(fā)所述設(shè)備執(zhí)行前述的人臉圖像合成方法。

40、本技術(shù)的另一些實(shí)施例還提供了一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令可被處理器執(zhí)行以實(shí)現(xiàn)所述的人臉圖像合成方法。

41、相較于現(xiàn)有技術(shù)，本技術(shù)實(shí)施例提供的一種人臉圖像合成方案，該方案首先獲取用于確定圖像風(fēng)格的提示文本、第一人臉圖像以及包含第二人臉圖像的人物圖像，分別進(jìn)行特征抽取后獲得風(fēng)格特征、人臉圖像特征和人物圖像特征，然后將所述風(fēng)格特征和所述人臉圖像特征進(jìn)行特征拼接，生成第一拼接特征，并將所述人臉圖像特征與所述人物圖像特征進(jìn)行特征拼接，生成第二拼接特征，根據(jù)所述第一拼接特征和所述第二拼接特征，獲取生成特征，其中，所述生成特征中包括了所述風(fēng)格特征、人臉圖像特征和人物圖像特征，由此完成對上述三種特征的融合。而后可以基于注意力機(jī)制對所述生成特征和高斯樣本特征進(jìn)行特征融合，獲取目標(biāo)特征，并根據(jù)所述目標(biāo)特征，生成包含第三人臉圖像的輸出圖像。由此，所述輸出圖像融合了所述第一人臉圖像、第二人臉圖像的圖像特征以及提示文本所確定的圖像風(fēng)格，用戶僅需要輸入提示文本和需要融合的人臉圖像，即可對人物圖像中的人臉部分進(jìn)行相應(yīng)的修改，整個處理過程對于用戶而言操作簡單，能夠?qū)崿F(xiàn)高效的自動化處理。