本發(fā)明涉及視頻領(lǐng)域，特別涉及一種表情遷移方法和電子設(shè)備。

背景技術(shù)：

隨著即時視頻的普及，越來越多的用戶希望通過表情遷移，將視頻中的人臉遷移至其他人臉或者遷移模型上，從而滿足自身的個性化需求，提升在視頻交互過程中的用戶體驗(yàn)。

現(xiàn)有技術(shù)提供了一種表情遷移方法，在表情遷移過程中，通過線性擬合的方式，實(shí)現(xiàn)表情遷移。

在使用技術(shù)所采用的方法時，由于線性擬合的局限性，從而使得無法獲得較好的表情遷移效果，從而降低了用戶體驗(yàn)。

技術(shù)實(shí)現(xiàn)要素：

為了獲取更好的表情遷移效果，提高用戶體驗(yàn)，本發(fā)明實(shí)施例提供了一種表情遷移方法和電子設(shè)備。所述技術(shù)方案如下：

第一方面，提供了一種表情遷移方法，所述方法包括：

獲取視頻幀中人臉的正面特征點(diǎn)；

將所述正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；

對所述第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；

根據(jù)所述第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

結(jié)合第一方面，在第一種可能的實(shí)現(xiàn)方式中，所述獲取視頻幀中人臉的正面特征點(diǎn)包括：

獲取視頻幀中人臉的特征點(diǎn)；

對所述人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)所述人臉姿態(tài)估計(jì)參數(shù)，獲取所述人臉的正面特征點(diǎn)。

結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述將所述正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量包括：

通過回歸分析對所述表情庫中的表情和所述正面特征點(diǎn)進(jìn)行擬合，生成所述第一擬合向量。

結(jié)合第一方面至第一方面的第二種任意一種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述對所述第一擬合向量進(jìn)行非線性變換，生成第二擬合向量之前，所述方法還包括：

刪除所述第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

結(jié)合第一方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述對所述第一擬合向量進(jìn)行非線性變換，生成第二擬合向量包括：

對所述表情庫中的表情和由所述第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量；

對所述第二中間向量進(jìn)行非線性變換，生成所述第二擬合向量。

第二方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：

特征點(diǎn)獲取模塊，用于獲取視頻幀中人臉的正面特征點(diǎn)；

擬合模塊，用于將所述正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；

非線性變換模塊，用于對所述第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；

表情對象遷移模塊，用于根據(jù)所述第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

結(jié)合第二方面，在第一種可能的實(shí)現(xiàn)方式中，所述特征點(diǎn)獲取模塊具體用于：

獲取視頻幀中人臉的特征點(diǎn)；

對所述人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)所述人臉姿態(tài)估計(jì)參數(shù)，獲取所述人臉的正面特征點(diǎn)。

結(jié)合第二方面或第二方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述擬合模塊具體用于：

通過回歸分析對所述表情庫中的表情和所述正面特征點(diǎn)進(jìn)行擬合，生成所述第一擬合向量。

結(jié)合第二方面至第二方面的第二種任意一種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述設(shè)備還包括處理模塊，用于：

刪除所述第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

結(jié)合第二方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述非線性變換模塊用于：

對所述表情庫中的表情和由所述第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量；

對所述第二中間向量進(jìn)行非線性變換，生成所述第二擬合向量。

第三方面，提供了一種電子設(shè)備，所述電子設(shè)備包括存儲器以及與所述存儲器連接的處理器，所述存儲器用于存儲一組程序代碼，所述處理器調(diào)用所述存儲器所存儲的程序代碼用于執(zhí)行以下操作：

獲取視頻幀中人臉的正面特征點(diǎn)；

將所述正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；

對所述第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；

根據(jù)所述第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

結(jié)合第三方面，在第一種可能的實(shí)現(xiàn)方式中，所述處理器調(diào)用所述存儲器 所存儲的程序代碼具體用于執(zhí)行以下操作：

獲取視頻幀中人臉的特征點(diǎn)；

對所述人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)所述人臉姿態(tài)估計(jì)參數(shù)，獲取所述人臉的正面特征點(diǎn)。

結(jié)合第三方面或第三方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述處理器調(diào)用所述存儲器所存儲的程序代碼具體用于執(zhí)行以下操作：

通過回歸分析對所述表情庫中的表情和所述正面特征點(diǎn)進(jìn)行擬合，生成所述第一擬合向量。

結(jié)合第三方面至第三方面的第二種任意一種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述處理器調(diào)用所述存儲器所存儲的程序代碼還用于執(zhí)行以下操作：

刪除所述第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

結(jié)合第三方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述處理器調(diào)用所述存儲器所存儲的程序代碼具體用于執(zhí)行以下操作：

對所述表情庫中的表情和由所述第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量；

對所述第二中間向量進(jìn)行非線性變換，生成所述第二擬合向量。

本發(fā)明實(shí)施例提供了一種表情遷移方法和電子設(shè)備，包括：獲取視頻幀中人臉的正面特征點(diǎn)；將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；對第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；根據(jù)第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。通過在表情遷移過程中，對擬合向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種表情遷移方法流程圖；

圖2是本發(fā)明實(shí)施例提供的一種表情遷移方法流程圖；

圖3是本發(fā)明實(shí)施例提供的一種電子設(shè)備結(jié)構(gòu)示意圖；

圖4是本發(fā)明實(shí)施例提供的一種電子設(shè)備結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例一為本發(fā)明實(shí)施例提供的一種表情遷移方法，參照圖1所示，該方法包括：

101、獲取視頻幀中人臉的正面特征點(diǎn)。

具體的，獲取視頻幀中人臉的特征點(diǎn)；

對人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)人臉姿態(tài)估計(jì)參數(shù)，獲取人臉的正面特征點(diǎn)。

102、將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量。

具體的，通過回歸分析對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬合向量。

可選的，在步驟103之前，還可以執(zhí)行：

刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成 第一中間向量。

103、對表情庫中的表情和由第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量。

104、對第二中間向量進(jìn)行非線性變換，生成第二擬合向量。

值得注意的是，步驟103至步驟104是實(shí)現(xiàn)對第一擬合向量進(jìn)行非線性變換，生成第二擬合向量的過程，除了上述步驟所述的方式之外，還可以通過其他方式實(shí)現(xiàn)該過程，本發(fā)明實(shí)施例對具體的方式不加以限定。

105、根據(jù)第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

本發(fā)明實(shí)施例提供了一種表情遷移方法，通過在表情遷移過程中，對擬合向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。

實(shí)施例二為本發(fā)明實(shí)施例提供的一種表情遷移方法，參照圖2所示，該方法包括：

201、獲取視頻幀中人臉的特征點(diǎn)。

具體的，可以通過濾波的方式，實(shí)現(xiàn)獲取視頻幀中人臉的特征點(diǎn)的過程，該濾波過程可以具體為：

根據(jù)sdm(superviseddescentmethod,監(jiān)督下降方法)算法，獲取當(dāng)前視頻幀內(nèi)所有特征點(diǎn)的sift(scale-invariantfeaturetransform,尺度不變特征變換)特征；

通過線性回歸算法，對特征點(diǎn)的sift特征進(jìn)行線性回歸，得到線性回歸后的特征點(diǎn)；

對該線性回歸后的特征點(diǎn)的坐標(biāo)通過卡爾曼濾波等濾波算法進(jìn)行濾波，得到視頻幀中人臉的特征點(diǎn)，在實(shí)際應(yīng)用中，人臉的特征點(diǎn)可以為33個或66個。

上述獲取視頻幀中人臉的特征點(diǎn)的過程僅僅是示例性的，還可以通過其他方式實(shí)現(xiàn)該過程，本發(fā)明實(shí)施例對具體的實(shí)現(xiàn)方式不加以限定。

202、對人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)。

具體的，獲取人臉的所有特征點(diǎn)的方向向量；

根據(jù)該所有特征點(diǎn)的方向向量，對當(dāng)前人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，分別獲取所有特征點(diǎn)的姿態(tài)參數(shù)；其中，對當(dāng)前人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)的方式可以包括：

根據(jù)人臉的特征點(diǎn)，建立與所述人臉對應(yīng)的三維模型，并將所述三維模型與視頻幀中的人臉進(jìn)行對比，若相似度滿足預(yù)設(shè)閾值，則所述三維模型的姿態(tài)即為當(dāng)前人臉的姿態(tài)。或者，

根據(jù)預(yù)設(shè)的決策規(guī)則或回歸函數(shù)，將所述當(dāng)前人臉的特征點(diǎn)輸入至所述預(yù)設(shè)的決策規(guī)則或回歸函數(shù)中，根據(jù)輸出結(jié)果，確定當(dāng)前人臉的姿態(tài)。其中，該預(yù)設(shè)的決策規(guī)則或回歸函數(shù)是預(yù)先通過大量的學(xué)習(xí)樣本，對二維觀測與三維姿態(tài)之間的對應(yīng)關(guān)系進(jìn)行訓(xùn)練生成的。

根據(jù)所有特征點(diǎn)的姿態(tài)參數(shù)，生成人臉姿態(tài)估計(jì)參數(shù)，在實(shí)際應(yīng)用中，該人臉姿態(tài)參數(shù)可以為由特征點(diǎn)的姿態(tài)參數(shù)生成的姿態(tài)矩陣。

203、根據(jù)人臉姿態(tài)估計(jì)參數(shù)，獲取人臉的正面特征點(diǎn)。

具體的，根據(jù)人臉姿態(tài)估計(jì)參數(shù)與預(yù)先配置的人臉正面姿態(tài)參數(shù)，對人臉姿態(tài)進(jìn)行矯正，將視頻幀中人臉的姿態(tài)矯正為正面；

獲取人臉的正面特征點(diǎn)。

值得注意的是，步驟201至步驟203是實(shí)現(xiàn)獲取視頻幀中人臉的正面特征點(diǎn)的過程，除了所述步驟所述的方式之外，還可以通過其他方式實(shí)現(xiàn)該過程，本發(fā)明實(shí)施例對具體的方式不加以限定。

204、將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量。

具體的，通過回歸分析對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬合向量。

在實(shí)際應(yīng)用中，可以通過嶺回歸分析，對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬合向量，該過程可以為：

通過嶺回歸分析，對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬 合向量,該第一擬合向量可以為包括多個擬合系數(shù)的一維矩陣。

其中，本發(fā)明實(shí)施所述的表情庫包括多個表情，該多個表情可以為多個基礎(chǔ)表情，如高興的表情、悲傷的表情、生氣的表情以及害羞的表情等多個基礎(chǔ)表情，除基礎(chǔ)表情之外，該表情庫還可以包括基礎(chǔ)表情的衍生表情，如高興的表情的衍生表情可以為微笑的表情以及哈哈大笑的表情等。

由于嶺回歸相較于其他回歸方式而言更切合實(shí)際，符合數(shù)據(jù)的真實(shí)情況，所以，可以通過嶺回歸分析，對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，使得在表情遷移過程中，所得到的遷移結(jié)果更夠能加真實(shí)地描述當(dāng)前視頻幀中的人臉，從而提高了用戶體驗(yàn)。

需要說明的是，所述步驟中通過嶺回歸，實(shí)現(xiàn)將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量的過程的方式僅僅是示例性的，在實(shí)際應(yīng)用中，該可以通過其他回歸方法實(shí)現(xiàn)該過程，本發(fā)明實(shí)施例對具體的實(shí)現(xiàn)方式不加以限定。

205、刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

具體的，可以通過預(yù)設(shè)的刪除指令，將第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)進(jìn)行刪除，并生成第一中間向量；或者，

還可以通過設(shè)置過濾條件，對第一擬合向量中的所有擬合系數(shù)進(jìn)行過濾，對第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)進(jìn)行過濾，保留絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)之外的其余擬合系數(shù)，并生成第一中間向量。

通過刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，可以在不影響表情遷移效果的前提下，減少數(shù)據(jù)處理量，從而調(diào)高了表情遷移的效率。

需要說明的是，步驟205是可選步驟，在實(shí)際應(yīng)用中，在步驟204之后，可以不執(zhí)行步驟205，直接執(zhí)行步驟206。

206、對表情庫中的表情和由第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量。

具體的，該步驟中對表情和由第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合的過程與步驟204所述的擬合方式相同，此處不再加以贅述。

207、對第二中間向量進(jìn)行非線性變換，生成第二擬合向量。

具體的，可以通過預(yù)設(shè)公式，實(shí)現(xiàn)對第二中間向量進(jìn)行非線性變換，生成第二擬合向量，該預(yù)設(shè)公式可以為：

y＝a*x²+b*x+c

其中，y為第二擬合向量，x為第二中間向量，a、b和c分別為預(yù)設(shè)系數(shù)，a的取值可以為1，b的取值可以為0.5，c的取值可以為3，在實(shí)際應(yīng)用中，可以根據(jù)實(shí)際的使用場景對該預(yù)設(shè)系數(shù)進(jìn)行調(diào)節(jié)。

上述非線性關(guān)系的公式僅僅是示例性的，在實(shí)際應(yīng)用中，還可以通過其他非線性關(guān)系的公式實(shí)現(xiàn)對第二中間向量進(jìn)行非線性變換，生成第二擬合向量的過程，本發(fā)明實(shí)施例對具體的非線性關(guān)系的公式不加以限定。

值得注意的是，步驟207至步驟208是實(shí)現(xiàn)對第一擬合向量進(jìn)行非線性變換，生成第二擬合向量的過程，除了所述步驟所述的方式之外，還可以通過其他方式實(shí)現(xiàn)該過程，本發(fā)明實(shí)施例對具體的方式不加以限定。

通過對第一擬合向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。

208、根據(jù)第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

具體的，根據(jù)第二擬合向量所包括的擬合系數(shù)，對表情庫中的表情進(jìn)行擬合，擬合出人臉的特征點(diǎn)，

根據(jù)人臉的特征點(diǎn)，對目標(biāo)對象進(jìn)行表情遷移，以將當(dāng)前視頻幀中的人臉遷移至其他人臉或遷移模型上。

本發(fā)明實(shí)施例提供了一種表情遷移方法，通過在表情遷移過程中，對擬合 向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。另外，通過刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，可以在不影響表情遷移效果的前提下，減少數(shù)據(jù)處理量，從而調(diào)高了表情遷移的效率。另外，由于嶺回歸中的回歸系數(shù)相較于其他回歸方式的回歸系數(shù)而言，該回歸系數(shù)更切合實(shí)際，符合數(shù)據(jù)的真實(shí)情況，所以，可以通過嶺回歸分析，對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，使得在表情遷移過程中，所得到的遷移結(jié)果更夠能加真實(shí)地描述當(dāng)前視頻幀中的人臉，從而提高了用戶體驗(yàn)。

實(shí)施例三為本發(fā)明實(shí)施例提供的一種電子設(shè)備，參照圖3所示，該電子設(shè)備包括：

特征點(diǎn)獲取模塊31，用于獲取視頻幀中人臉的正面特征點(diǎn)；

擬合模塊32，用于將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；

非線性變換模塊33，用于對第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；

表情對象遷移模塊34，用于根據(jù)第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

可選的，特征點(diǎn)獲取模塊31具體用于：

獲取視頻幀中人臉的特征點(diǎn)；

對人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)人臉姿態(tài)估計(jì)參數(shù)，獲取人臉的正面特征點(diǎn)。

可選的，擬合模塊32具體用于：

通過回歸分析對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬合向量。

可選的，設(shè)備還包括處理模塊35，用于：

刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

可選的，非線性變換模塊33用于：

對表情庫中的表情和由第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量；

對第二中間向量進(jìn)行非線性變換，生成第二擬合向量。

本發(fā)明實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備通過在表情遷移過程中，對擬合向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。

實(shí)施例四為本發(fā)明實(shí)施例提供的一種電子設(shè)備，參照圖4所示，該電子設(shè)備包括存儲器41以及與存儲器41連接的處理器42，存儲器41用于存儲一組程序代碼，處理器42調(diào)用存儲器41所存儲的程序代碼用于執(zhí)行以下操作：

獲取視頻幀中人臉的正面特征點(diǎn)；

將正面特征點(diǎn)與表情庫中的表情進(jìn)行擬合，生成第一擬合向量；

對第一擬合向量進(jìn)行非線性變換，生成第二擬合向量；

根據(jù)第二擬合向量，對目標(biāo)對象進(jìn)行表情遷移。

可選的，處理器42調(diào)用存儲器41所存儲的程序代碼具體用于執(zhí)行以下操作：

獲取視頻幀中人臉的特征點(diǎn)；

對人臉的特征點(diǎn)進(jìn)行姿態(tài)估計(jì)，生成人臉姿態(tài)估計(jì)參數(shù)；

根據(jù)人臉姿態(tài)估計(jì)參數(shù)，獲取人臉的正面特征點(diǎn)。

可選的，處理器42調(diào)用存儲器41所存儲的程序代碼具體用于執(zhí)行以下操作：

通過回歸分析對表情庫中的表情和正面特征點(diǎn)進(jìn)行擬合，生成第一擬合向量。

可選的，處理器42調(diào)用存儲器41所存儲的程序代碼還用于執(zhí)行以下操作：

刪除第一擬合向量中絕對值小于或者等于預(yù)設(shè)閾值的部分?jǐn)M合系數(shù)，生成第一中間向量。

可選的，處理器42調(diào)用存儲器41所存儲的程序代碼具體用于執(zhí)行以下操作：

對表情庫中的表情和由第一中間向量擬合出的人臉的特征點(diǎn)進(jìn)行線性擬合，生成第二中間向量；

對第二中間向量進(jìn)行非線性變換，生成第二擬合向量。

本發(fā)明實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備通過在表情遷移過程中，對擬合向量進(jìn)行非線性變換，相較于現(xiàn)有技術(shù)所能提供的線性擬合，可以獲得更好的擬合效果，從而獲取更好的表情遷移效果，提高了用戶體驗(yàn)。

上述所有可選技術(shù)方案，可以采用任意結(jié)合形成本發(fā)明的可選實(shí)施例，在此不再一一贅述。

需要說明的是：上述實(shí)施例提供的電子設(shè)備在執(zhí)行表情遷移方法時，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將設(shè)備的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實(shí)施例提供的表情遷移方法和電子設(shè)備實(shí)施例屬于同一構(gòu)思，其具體實(shí)現(xiàn)過程詳見方法實(shí)施例，這里不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計(jì)算機(jī)可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。