【技术领域】
本发明涉及神经网络技术领域，尤其涉及一种图像处理方法及装置、计算机设备、计算机可读存储介质。
背景技术：
在视频步态识别中，可对待识别的视频中的图像序列进行处理，具体来说，将视频的图像序列中的每一帧图像中的待识别目标处理为轮廓图像(剪影)，得到轮廓图像序列，将得到的轮廓图像序列输入预先训练好的步态识别模型，得到步态识别结果。其中，步态识别模型需要利用用户的大量轮廓图像作为样本进行训练得到。
然而，同一个用户穿不同的服装、戴不同的配饰时，得到的轮廓图像也不同。也就是说，衣着、配饰等外在因素会影响轮廓图像的形状(即影响剪影效果)。因此，为同一个用户建立步态识别模型时，需要拍摄该用户在不同衣着、配饰下的多组视频，并在多组视频中提取大量轮廓图像作为步态识别模型的训练样本。以此种方式获取训练样本，会消耗大量的人力成本和时间成本，无法快速进入到使用训练样本训练步态识别模型的步骤。
因此，如何降低步态识别模型的训练样本的获取成本，成为目前亟待解决的技术问题。
技术实现要素：
本发明实施例提供了一种图像处理方法及装置、计算机设备、计算机可读存储介质，旨在解决相关技术中步态识别模型的训练样本的获取成本高的技术问题，能够将训练样本的获取过程自动化和高效化。
第一方面，本发明实施例提供了一种图像处理方法，包括：获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像；根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域；对所述第一图像中的所述轮廓区域进行模糊化处理；按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
在本发明上述实施例中，可选地，所述按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像的步骤，具体包括：在所述第二衣着厚重于所述第一衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一增加规则增加所述位置的轮廓厚度；当所述位置的轮廓厚度大于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二增加规则增加所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一增加规则为：将所述位置的轮廓厚度增加第一指定值，或者，将所述位置的轮廓厚度增加至第二指定值，或者，将所述位置的轮廓厚度按照第一指定比例值进行增加；所述第二增加规则为：将所述位置的轮廓厚度增加第三指定值，所述第三指定值小于所述第一指定值，或者，将所述位置的轮廓厚度增加至第四指定值，所述第四指定值小于所述第二指定值，或者，将所述位置的轮廓厚度按照第二指定比例值进行增加，所述第二指定比例值小于所述第一指定比例值。
在本发明上述实施例中，可选地，所述按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像的步骤，具体包括：在所述第一衣着厚重于所述第二衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一减少规则减少所述位置的轮廓厚度；当所述位置的轮廓厚度小于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二减少规则减少所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一减少规则为：将所述位置的轮廓厚度减少第五指定值，或者，将所述位置的轮廓厚度减少至第六指定值，或者，将所述位置的轮廓厚度按照第三指定比例值进行减少；所述第二减少规则为：将所述位置的轮廓厚度减少第七指定值，所述第七指定值小于所述第五指定值，或者，将所述位置的轮廓厚度减少至第八指定值，所述第八指定值小于所述第六指定值，或者，将所述位置的轮廓厚度按照第四指定比例值进行减少，所述第四指定比例值小于所述第三指定比例值。
在本发明上述实施例中，可选地，所述根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域的步骤，具体包括：将所述初始图像与所述第一图像对齐；将对齐后的所述初始图像与所述第一图像之间的差别区域识别为所述第一图像中的所述轮廓区域。
在本发明上述实施例中，可选地，所述将所述初始图像与所述第一图像对齐的步骤包括：根据接收到的操作信息，将所述初始图像与所述第一图像移动至对齐；或者在网格中对所述初始图像与所述第一图像进行仿射变换；将仿射变换后的所述初始图像与仿射变换后的所述第一图像分别对齐至所述网格中的指定区域。
在本发明上述实施例中，可选地，还包括：获取针对所述第一图像和所述第二图像中的任一图像的配饰增加指令；根据所述配饰增加指令，在所述图像的所述轮廓区域的指定位置绘制配饰图像。
在本发明上述实施例中，可选地，还包括：获取针对所述图像的配饰删除指令；在所述图像的所述轮廓区域中删除所述图像的所述配饰图像所在的区域。
第二方面，本发明实施例提供了一种图像处理装置，包括：图像获取单元，用于获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像；轮廓识别单元，用于根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域；模糊处理单元，用于对所述第一图像中的所述轮廓区域进行模糊化处理；厚度调整单元，用于按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
在本发明上述实施例中，可选地，所述厚度调整单元包括：第一执行单元，用于在所述第二衣着厚重于所述第一衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一增加规则增加所述位置的轮廓厚度；第二执行单元，用于当所述位置的轮廓厚度大于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二增加规则增加所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一增加规则为：将所述位置的轮廓厚度增加第一指定值，或者，将所述位置的轮廓厚度增加至第二指定值，或者，将所述位置的轮廓厚度按照第一指定比例值进行增加；所述第二增加规则为：将所述位置的轮廓厚度增加第三指定值，所述第三指定值小于所述第一指定值，或者，将所述位置的轮廓厚度增加至第四指定值，所述第四指定值小于所述第二指定值，或者，将所述位置的轮廓厚度按照第二指定比例值进行增加，所述第二指定比例值小于所述第一指定比例值。
在本发明上述实施例中，可选地，所述厚度调整单元包括：第三执行单元，用于在所述第一衣着厚重于所述第二衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一减少规则减少所述位置的轮廓厚度；第四执行单元，用于当所述位置的轮廓厚度小于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二减少规则减少所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一减少规则为：将所述位置的轮廓厚度减少第五指定值，或者，将所述位置的轮廓厚度减少至第六指定值，或者，将所述位置的轮廓厚度按照第三指定比例值进行减少；所述第二减少规则为：将所述位置的轮廓厚度减少第七指定值，所述第七指定值小于所述第五指定值，或者，将所述位置的轮廓厚度减少至第八指定值，所述第八指定值小于所述第六指定值，或者，将所述位置的轮廓厚度按照第四指定比例值进行减少，所述第四指定比例值小于所述第三指定比例值。
在本发明上述实施例中，可选地，所述轮廓识别单元包括：图像对齐单元，用于将所述初始图像与所述第一图像对齐；则所述轮廓识别单元用于：将对齐后的所述初始图像与所述第一图像之间的差别区域识别为所述第一图像中的所述轮廓区域。
在本发明上述实施例中，可选地，所述图像对齐单元具体用于：根据接收到的操作信息，将所述初始图像与所述第一图像移动至对齐；或者在网格中对所述初始图像与所述第一图像进行仿射变换；将仿射变换后的所述初始图像与仿射变换后的所述第一图像分别对齐至所述网格中的指定区域。
在本发明上述实施例中，可选地，还包括：配饰增加指令获取单元，用于获取针对所述第一图像和所述第二图像中的任一图像的配饰增加指令；配饰增加单元，用于根据所述配饰增加指令，在所述图像的所述轮廓区域的指定位置绘制配饰图像。
在本发明上述实施例中，可选地，还包括：配饰删除指令获取单元，用于获取针对所述图像的配饰删除指令；配饰删除单元，用于在所述图像的所述轮廓区域中删除所述图像的所述配饰图像所在的区域。
第三方面，本发明实施例提供了一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面中任一项所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述第一方面中任一项所述的方法流程。
在相关技术中，为同一个用户建立步态识别模型时，需要拍摄该用户在不同衣着、配饰下的多组视频，并在多组视频中提取大量轮廓图像作为步态识别模型的训练样本。以此种方式获取训练样本，包括拍摄多组视频的步骤和在多组视频中分别抽取用户的多个轮廓图像的步骤，会消耗大量的人力成本和时间成本，无法快速进入到使用训练样本训练步态识别模型的步骤。
而相对于相关技术中拍摄多组视频和在多组视频中分别抽取用户的多个轮廓图像的技术方案，本发明的技术方案仅需要获得初始图像和第一图像即可，其中，初始图像可由对用户进行单独拍摄获得，但为了简化图像处理过程以及提升处理效率，还可以使用已有图像中用户的人像，或者使用已有的标准人像。标准人像可以但不仅限于采用拟合等方式生成，或从第三方获取已有的标准人像。后续根据初始图像和第一图像自动生成不同衣着下的大量第二图像作为训练样本的过程是自动进行，简洁高效，无需消耗人力成本。由此，将训练样本的获取过程自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
具体来说，首先，需要获取初始图像和第一图像。
其中，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像，将两者进行比对后，可将第一图像比初始图像多出的部分识别为因附有第一衣着而产生的轮廓，换句话说，可将第一图像比初始图像多出的部分识别为轮廓区域。
接着，对所述第一图像中的所述轮廓区域进行模糊化处理，该模糊化处理可通过经典卷积操作来实现，在这一过程中，可通过对轮廓区域中的相邻像素点取反而清零其他区域，进一步精确所述轮廓区域的边界。
最后，按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。具体地，在轮廓区域的轮廓厚度低于第二衣着对应的厚度阈值的情况下，将轮廓区域的轮廓厚度增加，在轮廓区域的轮廓厚度高于第二衣着对应的厚度阈值的情况下，将轮廓区域的轮廓厚度减少。总之，是减少轮廓区域的轮廓厚度与第二衣着对应的厚度阈值的差异，使得轮廓区域通过加厚或减薄而形成附有第二衣着的人像所应有的轮廓区域。
其中，第二衣着可为预设的多种，则最终生成的第二图像也为多个，多个第二图像即可作为步态识别模型的训练样本。当然，第一图像和/或初始图像也可和多个第二图像一起作为步态识别模型的训练样本。
通过以上技术方案，可根据一种衣着的轮廓图像自动生成与不同衣着相匹配的大量轮廓图像作为步态识别模型的训练样本，实现了训练样本的获取过程的自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1示出了根据本发明的一个实施例的图像处理方法的流程图；
图2示出了根据本发明的另一个实施例的图像处理方法的流程图；
图3示出了根据本发明的一个实施例的图像处理装置的框图；
图4示出了根据本发明的一个实施例的计算机设备的框图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
在相关技术中，为同一个用户建立步态识别模型时，需要拍摄该用户在不同衣着、配饰下的多组视频，并在多组视频中提取大量轮廓图像作为步态识别模型的训练样本。以此种方式获取训练样本，包括拍摄多组视频的步骤和在多组视频中分别抽取用户的多个轮廓图像的步骤，会消耗大量的人力成本和时间成本，无法快速进入到使用训练样本训练步态识别模型的步骤。
而相对于相关技术中拍摄多组视频和在多组视频中分别抽取用户的多个轮廓图像的技术方案，本发明的技术方案仅需要获得初始图像和第一图像即可，其中，初始图像可由对用户进行单独拍摄获得，但为了简化图像处理过程以及提升处理效率，还可以使用已有图像中用户的人像。后续根据初始图像和第一图像自动生成不同衣着下的大量第二图像作为训练样本的过程是自动进行，简洁高效，无需消耗人力成本。由此，将训练样本的获取过程自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
图1示出了根据本发明的一个实施例的图像处理方法的流程图。
如图1所示，根据本发明的一个实施例的图像处理方法的流程包括：
步骤102，获取初始图像和第一图像。
本发明实施例中，可选的，初始图像和第一图像均为轮廓图像。
在一种可能的设计中，所述初始图像为未附衣着的人像(轮廓图像)，所述第一图像为附有第一衣着的人像(轮廓图像)。
步骤104，根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域。
将初始图像和第一图像进行比对后，可将第一图像比初始图像多出的部分识别为因附有第一衣着而产生的轮廓，换句话说，可将第一图像比初始图像多出的部分识别为轮廓区域。
步骤106，对所述第一图像中的所述轮廓区域进行模糊化处理。
接着，对所述第一图像中的所述轮廓区域进行模糊化处理，该模糊化处理可通过经典卷积操作来实现，在这一过程中，可通过对轮廓区域中的相邻像素点取反而清零其他区域，进一步精确所述轮廓区域的边界。
步骤108，按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
最后，按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。具体地，在轮廓区域的轮廓厚度低于第二衣着对应的厚度阈值的情况下，将轮廓区域的轮廓厚度增加，在轮廓区域的轮廓厚度高于第二衣着对应的厚度阈值的情况下，将轮廓区域的轮廓厚度减少。总之，是减少轮廓区域的轮廓厚度与第二衣着对应的厚度阈值的差异，使得轮廓区域通过加厚或减薄而形成附有第二衣着的人像所应有的轮廓区域。
其中，第二衣着可为预设的多种，则最终生成的第二图像也为多个，多个第二图像即可作为步态识别模型的训练样本。当然，第一图像和/或初始图像也可和多个第二图像一起作为步态识别模型的训练样本。
通过以上技术方案，可根据一种衣着的轮廓图像自动生成与不同衣着相匹配的大量轮廓图像作为步态识别模型的训练样本，实现了训练样本的获取过程的自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
图2示出了根据本发明的另一个实施例的图像处理方法的流程图。
如图2所示，根据本发明的另一个实施例的图像处理方法的流程包括：
步骤202，获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像。
步骤204，将所述初始图像与所述第一图像对齐。
其中，将所述初始图像与所述第一图像对齐可参考现有实现方式。例如，采用身高对齐机制，即，将初始图像与第一图像中的人物区域的垂直高度缩放至相同，再全部居中对齐。
步骤206，将对齐后的所述初始图像与所述第一图像之间的差别区域识别为所述第一图像中的所述轮廓区域。
由于所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像，则将初始图像与第一图像对齐后，第一图像上附有第一衣着的人像与初始图像上未附衣着的人像的差异部分，即为第一衣着带来的，因此，该差异部分即为第一衣着为该人像产生的轮廓区域。通俗地说，可将第一图像的人像比初始图像的人像多出的部分识别为轮廓区域。
在本发明的一种实现方式中，所述将所述初始图像与所述第一图像对齐的步骤，包括：根据接收到的操作信息，将所述初始图像与所述第一图像移动至对齐。
操作信息为人工操作产生，该人工操作包括但不限于通过鼠标等控制方式将初始图像与第一图像拖拽对齐，这种人工操作方式具有操作便利性。
在本发明的另一种实现方式中，所述将所述初始图像与所述第一图像对齐的步骤，包括：在网格中对所述初始图像与所述第一图像进行仿射变换；将仿射变换后的所述初始图像与仿射变换后的所述第一图像分别对齐至所述网格中的指定区域。
在实际场景中，识别的轮廓区域越精确，通过该轮廓区域变化得到的大量训练样本越能够反映实际样本水平，换句话说，识别的轮廓区域越精确，最终得到的训练样本越有效。因此，可提供比人工操作方式更具精确性的网格检测方式。具体来说，可将初始图像与第一图像均放置在网格中进行仿射变换，将初始图像与第一图像变换至相同的向量空间，此时，可在网格中选择多个点和/或多条线，形成指定区域，并移动初始图像与第一图像，使初始图像与第一图像中相对应的点都处于相同的位置，该位置指的是与指定区域的相对位置。由此，即可实现将初始图像与第一图像对齐的目的。
步骤208，对所述第一图像中的所述轮廓区域进行模糊化处理。
接着，对所述第一图像中的所述轮廓区域进行模糊化处理，该模糊化处理可通过经典卷积操作来实现，在这一过程中，可通过对轮廓区域中的相邻像素点取反而清零其他区域，进一步精确所述轮廓区域的边界。
最后，按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
在所述第二衣着厚重于所述第一衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，基于位置的轮廓厚度与第二衣着中相同位置对应的所述厚度阈值的相对大小，具有步骤210和步骤212两种处理方式。
步骤210，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一增加规则增加所述位置的轮廓厚度。
在所述第二衣着厚重于所述第一衣着的情况下，整体上应将第一衣着的轮廓区域进行加厚，才能使其形成第二衣着所对应的轮廓区域。一般地，对于模糊化处理后的所述轮廓区域中任一处位置，其轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值，此时，可按照第一增加规则对其轮廓厚度进行加厚，从而使其达到该位置在第二衣着的轮廓区域上对应的位置所需的厚度。
所述第一增加规则为：将所述位置的轮廓厚度增加第一指定值，或者，将所述位置的轮廓厚度增加至第二指定值，或者，将所述位置的轮廓厚度按照第一指定比例值进行增加。其中，第一指定值、第二指定值和第一指定比例值可根据实际需要进行设置。
需要知晓，在上下文中，由于第二衣着是预定的，则其对应的理论轮廓区域上每个位置都设置有对应的厚度阈值，因此，本发明的技术方案相当于将第一图像的轮廓区域中的极大量位置都进行轮廓厚度的自动变更，大大节约了人力成本。
步骤212，当所述位置的轮廓厚度大于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二增加规则增加所述位置的轮廓厚度。
在所述第二衣着厚重于所述第一衣着的情况下，整体上应将第一衣着的轮廓区域进行加厚，才能使其形成第二衣着所对应的轮廓区域。一般地，对于模糊化处理后的所述轮廓区域中任一处位置，其轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值。然而，对于第一衣着的轮廓区域中原本就非常厚的位置，其可能是第一衣着本身的正常厚度，也可能是第一衣着因堆叠等方式产生的意外加厚。因此，为适应此实际场景，可不改变该位置的轮廓厚度，或仅小幅度增加该位置的轮廓厚度。
所述第二增加规则为：将所述位置的轮廓厚度增加第三指定值，所述第三指定值小于所述第一指定值，或者，将所述位置的轮廓厚度增加至第四指定值，所述第四指定值小于所述第二指定值，或者，将所述位置的轮廓厚度按照第二指定比例值进行增加，所述第二指定比例值小于所述第一指定比例值。
其中，第三指定值、第四指定值和第二指定比例值均可根据实际需要灵活设置。但同时也限定，第三指定值小于所述第一指定值，第四指定值小于所述第二指定值，第二指定比例值小于所述第一指定比例值，这保证了该位置增长的厚度总小于步骤210中的位置增加的厚度，即该位置增长的厚度相对于步骤210中的位置增加的厚度，是较小幅度的增加。
在所述第一衣着厚重于所述第二衣着的情况下，在所述第一衣着厚重于所述第二衣着的情况下，基于位置的轮廓厚度与第二衣着中相同位置对应的所述厚度阈值的相对大小，具有步骤214和步骤216两种处理方式。
步骤214，在对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一减少规则减少所述位置的轮廓厚度。
在所述第一衣着厚重于所述第二衣着的情况下，整体上应将第一衣着的轮廓区域进行减薄，才能使其形成第二衣着所对应的轮廓区域。一般地，对于模糊化处理后的所述轮廓区域中任一处位置，其轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值，此时，可按照第一减少规则对其轮廓厚度进行减薄，从而使其降低至该位置在第二衣着的轮廓区域上对应的位置所需的厚度。
所述第一减少规则为：将所述位置的轮廓厚度减少第五指定值，或者，将所述位置的轮廓厚度减少至第六指定值，或者，将所述位置的轮廓厚度按照第三指定比例值进行减少。
其中，第五指定值、第六指定值和第二指定比例值可根据实际需要进行设置。
步骤216，当所述位置的轮廓厚度小于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二减少规则减少所述位置的轮廓厚度。
在所述第一衣着厚重于所述第二衣着的情况下，整体上应将第一衣着的轮廓区域进行减薄，才能使其形成第二衣着所对应的轮廓区域。一般地，对于模糊化处理后的所述轮廓区域中任一处位置，其轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值。然而，对于第一衣着的轮廓区域中原本就非常薄的位置，其可能是第一衣着本身的正常厚度，也可能是因人体穿着第一衣着不当而产生的意外减薄。因此，为适应此实际场景，可不改变该位置的轮廓厚度，或仅小幅度减少该位置的轮廓厚度。
所述第二减少规则为：将所述位置的轮廓厚度减少第七指定值，所述第七指定值小于所述第五指定值，或者，将所述位置的轮廓厚度减少至第八指定值，所述第八指定值小于所述第六指定值，或者，将所述位置的轮廓厚度按照第四指定比例值进行减少，所述第四指定比例值小于所述第三指定比例值。
其中，第七指定值、第八指定值和第四指定比例值均可根据实际需要灵活设置。但同时也限定，所述第七指定值小于所述第五指定值，所述第八指定值小于所述第六指定值，所述第四指定比例值小于所述第三指定比例值。这保证了该位置减少的厚度总小于步骤214中的位置减少的厚度，即该位置减少的厚度相对于步骤214中的位置减少的厚度，是较小幅度的减少。
另外，第二衣着可为预设的多种，则最终生成的第二图像也为多个，多个第二图像即可作为步态识别模型的训练样本。当然，第一图像和/或初始图像也可和多个第二图像一起作为步态识别模型的训练样本。
通过以上技术方案，可根据一种衣着的轮廓图像自动生成与不同衣着相匹配的大量轮廓图像作为步态识别模型的训练样本，实现了训练样本的获取过程的自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
结合图1和图2示出的实施例可知，在本发明的一种实现方式中，还包括：获取针对所述第一图像和所述第二图像中的任一图像的配饰增加指令；根据所述配饰增加指令，在所述图像的所述轮廓区域的指定位置绘制配饰图像。
在本发明的一种实现方式中，还包括：获取针对所述图像的配饰删除指令；在所述图像的所述轮廓区域中删除所述图像的所述配饰图像所在的区域。
配饰图像可预设多种，在接收到配饰增加指令时，在多种预设的配饰图像中随机选择，或根据所述配饰增加指令指定的配饰信息进行选择。指定位置可由操作者通过标记操作选定，也可由操作者在给定的多个指定位置中根据实际需要选择。
由于配饰图像是可增加的，则其增加时，其配饰轮廓是确定的。因此，在接收到配饰删除指令时，可直接将其配饰轮廓产生的区域进行删除。
需要知晓，配饰的增加和删除会使图像的衣着轮廓也就是轮廓区域产生变化，从而生成新的图像，加入训练样本。
图3示出了根据本发明的一个实施例的图像处理装置的框图。
如图3所示，根据本发明的一个实施例的图像处理装置300包括：图像获取单元302，用于获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像；轮廓识别单元304，用于根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域；模糊处理单元306，用于对所述第一图像中的所述轮廓区域进行模糊化处理；厚度调整单元308，用于按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
在本发明上述实施例中，可选地，所述厚度调整单元308包括：第一执行单元，用于在所述第二衣着厚重于所述第一衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一增加规则增加所述位置的轮廓厚度；第二执行单元，用于当所述位置的轮廓厚度大于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二增加规则增加所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一增加规则为：将所述位置的轮廓厚度增加第一指定值，或者，将所述位置的轮廓厚度增加至第二指定值，或者，将所述位置的轮廓厚度按照第一指定比例值进行增加；所述第二增加规则为：将所述位置的轮廓厚度增加第三指定值，所述第三指定值小于所述第一指定值，或者，将所述位置的轮廓厚度增加至第四指定值，所述第四指定值小于所述第二指定值，或者，将所述位置的轮廓厚度按照第二指定比例值进行增加，所述第二指定比例值小于所述第一指定比例值。
在本发明上述实施例中，可选地，所述厚度调整单元308包括：第三执行单元，用于在所述第一衣着厚重于所述第二衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一减少规则减少所述位置的轮廓厚度；第四执行单元，用于当所述位置的轮廓厚度小于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二减少规则减少所述位置的轮廓厚度。
在本发明上述实施例中，可选地，所述第一减少规则为：将所述位置的轮廓厚度减少第五指定值，或者，将所述位置的轮廓厚度减少至第六指定值，或者，将所述位置的轮廓厚度按照第三指定比例值进行减少；所述第二减少规则为：将所述位置的轮廓厚度减少第七指定值，所述第七指定值小于所述第五指定值，或者，将所述位置的轮廓厚度减少至第八指定值，所述第八指定值小于所述第六指定值，或者，将所述位置的轮廓厚度按照第四指定比例值进行减少，所述第四指定比例值小于所述第三指定比例值。
在本发明上述实施例中，可选地，所述轮廓识别单元304包括：图像对齐单元，用于将所述初始图像与所述第一图像对齐；则所述轮廓识别单元用于：将对齐后的所述初始图像与所述第一图像之间的差别区域识别为所述第一图像中的所述轮廓区域。
在本发明上述实施例中，可选地，所述图像对齐单元具体用于：根据接收到的操作信息，将所述初始图像与所述第一图像移动至对齐；或者在网格中对所述初始图像与所述第一图像进行仿射变换；将仿射变换后的所述初始图像与仿射变换后的所述第一图像分别对齐至所述网格中的指定区域。
在本发明上述实施例中，可选地，还包括：配饰增加指令获取单元，用于获取针对所述第一图像和所述第二图像中的任一图像的配饰增加指令；配饰增加单元，用于根据所述配饰增加指令，在所述图像的所述轮廓区域的指定位置绘制配饰图像。
在本发明上述实施例中，可选地，还包括：配饰删除指令获取单元，用于获取针对所述图像的配饰删除指令；配饰删除单元，用于在所述图像的所述轮廓区域中删除所述图像的所述配饰图像所在的区域。
该图像处理装置300使用图1和图2示出的实施例中任一项所述的方案，因此，具有上述所有技术效果，在此不再赘述。
图4示出了根据本发明的一个实施例的计算机设备的框图。
如图4所示，本发明的一个实施例的计算机设备400，包括至少一个存储器402；以及，与所述至少一个存储器402通信连接的处理器404；其中，所述存储器存储有可被所述至少一个处理器404执行的指令，所述指令被设置为用于执行上述图1和图2实施例中任一项所述的方案。因此，该计算机设备400具有和图1和图2实施例中任一项相同的技术效果，在此不再赘述。
本发明实施例的计算机设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
另外，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述图1和图2实施例中任一项所述的方法流程。
以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，可根据一种衣着的轮廓图像自动生成与不同衣着相匹配的大量轮廓图像作为步态识别模型的训练样本，实现了训练样本的获取过程的自动化和高效化，大大降低了获取训练样本所消耗时间成本和人力成本。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述图像，但这些图像不应限于这些术语。这些术语仅用来将图像彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一图像也可以被称为第二图像，类似地，第二图像也可以被称为第一图像。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
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，所述单元的划分，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，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明各个实施例中的各功能单元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单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
1.一种图像处理方法，其特征在于，包括：
获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像；
根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域；
对所述第一图像中的所述轮廓区域进行模糊化处理；
按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像的步骤，具体包括：
在所述第二衣着厚重于所述第一衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度小于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一增加规则增加所述位置的轮廓厚度；
当所述位置的轮廓厚度大于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二增加规则增加所述位置的轮廓厚度。
3.根据权利要求1所述的图像处理方法，其特征在于，
所述第一增加规则为：
将所述位置的轮廓厚度增加第一指定值，或者，
将所述位置的轮廓厚度增加至第二指定值，或者，
将所述位置的轮廓厚度按照第一指定比例值进行增加；
所述第二增加规则为：
将所述位置的轮廓厚度增加第三指定值，所述第三指定值小于所述第一指定值，或者，
将所述位置的轮廓厚度增加至第四指定值，所述第四指定值小于所述第二指定值，或者，
将所述位置的轮廓厚度按照第二指定比例值进行增加，所述第二指定比例值小于所述第一指定比例值。
4.根据权利要求2或3所述的图像处理方法，其特征在于，所述按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像的步骤，具体包括：
在所述第一衣着厚重于所述第二衣着的情况下，对于模糊化处理后的所述轮廓区域中任一处位置，当所述位置的轮廓厚度大于所述第二衣着中相同位置对应的所述厚度阈值时，按照第一减少规则减少所述位置的轮廓厚度；
当所述位置的轮廓厚度小于或等于所述第二衣着中相同位置对应的所述厚度阈值时，不改变所述位置的轮廓厚度或按照第二减少规则减少所述位置的轮廓厚度。
5.根据权利要求4所述的图像处理方法，其特征在于，
所述第一减少规则为：
将所述位置的轮廓厚度减少第五指定值，或者，
将所述位置的轮廓厚度减少至第六指定值，或者，
将所述位置的轮廓厚度按照第三指定比例值进行减少；
所述第二减少规则为：
将所述位置的轮廓厚度减少第七指定值，所述第七指定值小于所述第五指定值，或者，
将所述位置的轮廓厚度减少至第八指定值，所述第八指定值小于所述第六指定值，或者，
将所述位置的轮廓厚度按照第四指定比例值进行减少，所述第四指定比例值小于所述第三指定比例值。
6.根据权利要求1至5中任一项所述的图像处理方法，其特征在于，所述根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域的步骤，具体包括：
将所述初始图像与所述第一图像对齐；
将对齐后的所述初始图像与所述第一图像之间的差别区域识别为所述第一图像中的所述轮廓区域。
7.根据权利要求6所述的图像处理方法，其特征在于，所述将所述初始图像与所述第一图像对齐的步骤包括：
根据接收到的操作信息，将所述初始图像与所述第一图像移动至对齐；
或者
在网格中对所述初始图像与所述第一图像进行仿射变换；
将仿射变换后的所述初始图像与仿射变换后的所述第一图像分别对齐至所述网格中的指定区域。
8.根据权利要求1至5中任一项所述的图像处理方法，其特征在于，还包括：
获取针对所述第一图像和所述第二图像中的任一图像的配饰增加指令；
根据所述配饰增加指令，在所述图像的所述轮廓区域的指定位置绘制配饰图像。
9.根据权利要求8所述的图像处理方法，其特征在于，还包括：
获取针对所述图像的配饰删除指令；
在所述图像的所述轮廓区域中删除所述图像的所述配饰图像所在的区域。
10.一种图像处理装置，其特征在于，包括：
图像获取单元，用于获取初始图像和第一图像，所述初始图像为未附衣着的人像，所述第一图像为附有第一衣着的人像；
轮廓识别单元，用于根据所述初始图像，识别所述第一图像中所述第一衣着形成的轮廓区域；
模糊处理单元，用于对所述第一图像中的所述轮廓区域进行模糊化处理；
厚度调整单元，用于按照第二衣着对应的厚度阈值，对模糊化处理后的所述轮廓区域的轮廓厚度进行调整，得到第二图像。
11.一种计算机设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至9中任一项所述的方法流程。
技术总结