本申请涉及图像处理技术领域，特别涉及一种基于人像的卡通形象生成方法、装置、设备及存储介质。
背景技术：
随着图像处理技术的不断发展，用户在对图像进行处理时，不但可以对图像进行美颜处理，还可以对图像进行卡通化处理，使得处理后的图像具有卡通化的效果。
现有的根据图像生成卡通形象的方式主要是根据图像进行手工设计卡通形象或先通过软件生成后再进行人工调整。
但采用现有的生成卡通形象的方式存在与实际人物匹配度不够高的问题。
技术实现要素：
本申请的目的在于，针对上述现有技术中的不足，提供一种基于人像的卡通形象生成方法、装置、设备及存储介质，可以解决现有技术中根据人像图像生成卡通形象时，与实际人物匹配度不够高的问题。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种基于人像的卡通形象生成方法，包括：采用预设人像特征识别算法获取待处理图像的多维特征信息，多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息；根据待处理图像的多维特征信息，生成对应的多维标签向量；根据多维标签向量，在预设素材库中匹配对应的目标素材集合，预设素材库包括不同待匹配标签向量对应的素材；根据目标素材集合，生成待处理图像所对应的卡通形象。
可选地，上述根据多维标签向量，在预设素材库中匹配对应的目标素材集合，包括：计算多维标签向量与预设素材库中各待匹配标签向量之间的相似度；根据相似度，在预设素材库中确定目标标签向量；在预设素材库中获取目标标签向量对应的目标素材集合。
可选地，上述采用预设人像特征识别算法获取待处理图像的多维特征信息，包括：根据预设人像分割算法，对待处理图像进行区域分割，划分成多个区域，多个区域包括下述至少两种；人脸区域、皮肤区域、头发区域及衣服区域；采用预设人像特征识别算法提取各区域的特征信息。
可选地，上述采用预设人像特征识别算法提取各区域的特征信息之后，还包括：采用预设颜色提取算法获取各区域的颜色信息；相应地，可选地，上述根据目标素材集合，生成待处理图像所对应的卡通形象，包括：根据目标素材集合和各区域的颜色信息，生成待处理图像所对应的卡通形象。
可选地，上述根据目标素材集合，生成待处理图像所对应的卡通形象，包括：根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象。
可选地，上述根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象，包括：根据各区域对应的素材合成算法，对目标素材集合中各区域所对应的素材进行合成，生成各区域所对应的卡通形象；根据预设素材合成算法，对各区域所对应的卡通形象进行合成，生成待处理图像所对应的卡通形象。
可选地，上述人脸属性信息包括下述至少两种：待处理图像中人物的性别、年龄及表情；五官信息包括下述至少两种：待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型；发型信息包括下述至少两种：待处理图像中人物的发型长度、卷发度、有无发髻、有无辫子、有无刘海、刘海类型、发量信息及头发走向；服饰信息包括下述至少两种：服饰类型、服饰花纹、领型类别及袖长信息；配饰信息包括下述至少两种：眼镜类型、帽子类型及首饰类型。
第二方面，本申请实施例提供了一种基于人像的卡通形象生成装置，包括：获取模块、第一生成模块、匹配模块及第二生成模块。
获取模块，用于采用预设人像特征识别算法获取待处理图像的多维特征信息，多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息；第一生成模块，用于根据待处理图像的多维特征信息，生成对应的多维标签向量；匹配模块，用于根据多维标签向量，在预设素材库中匹配对应的目标素材集合，预设素材库包括不同待匹配标签向量对应的素材；第二生成模块，用于根据目标素材集合，生成待处理图像所对应的卡通形象。
可选地，上述匹配模块，具体用于计算多维标签向量与预设素材库中各待匹配标签向量之间的相似度；根据相似度，在预设素材库中确定目标标签向量；在预设素材库中获取目标标签向量对应的目标素材集合。
可选地，上述获取模块，具体用于根据预设人像分割算法，对待处理图像进行区域分割，划分成多个区域，多个区域包括下述至少两种；人脸区域、皮肤区域、头发区域及衣服区域；采用预设人像特征识别算法提取各区域的特征信息。
可选地，上述获取模块，还用于采用预设颜色提取算法获取各区域的颜色信息；相应地，第二生成模块，具体用于根据目标素材集合和各区域的颜色信息，生成待处理图像所对应的卡通形象。
可选地，上述第二生成模块，具体用于根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象。
可选地，上述第二生成模块，具体用于根据各区域对应的素材合成算法，对目标素材集合中各区域所对应的素材进行合成，生成各区域所对应的卡通形象；根据预设素材合成算法，对各区域所对应的卡通形象进行合成，生成待处理图像所对应的卡通形象。
可选地，上述人脸属性信息包括下述至少两种：待处理图像中人物的性别、年龄及表情；五官信息包括下述至少两种：待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型；发型信息包括下述至少两种：待处理图像中人物的发型长度、卷发度、有无发髻、有无辫子、有无刘海、刘海类型、发量信息及头发走向；服饰信息包括下述至少两种：服饰类型、服饰花纹、领型类别及袖长信息；配饰信息包括下述至少两种：眼镜类型、帽子类型及首饰类型。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行上述第一方面的基于人像的卡通形象生成方法的步骤。
第四方面，本申请实施例提供了一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面的基于人像的卡通形象生成方法的步骤。
本申请的有益效果是：
本申请实施例提供的一种基于人像的卡通形象生成方法、装置、电子设备及存储介质中，采用预设人像特征识别算法获取待处理图像的多维特征信息，基于该多维特征信息可以反映待处理图像中人物的多种特征信息；根据待处理图像的多维特征信息，生成对应的多维标签向量，并根据该多维标签向量，在预设素材库中匹配对应的目标素材集合时，可以在预设素材库中匹配到与该多维特征信息最为匹配的目标素材集合，使得基于该目标素材集合生成待处理图像所对应的卡通形象时，可以提高卡通形象与待处理图像中实际人物的匹配度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为本申请实施例提供的一种基于人像的卡通形象生成方法的流程示意图；
图2为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图；
图3为本申请实施例提供的又一种基于人像的卡通形象生成方法的流程示意图；
图4为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图；
图5为本申请实施例提供的又一种基于人像的卡通形象生成方法的流程示意图；
图6为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图；
图7为本申请实施例提供的一种基于人像的卡通形象生成装置的结构示意图；
图8为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
图1为本申请实施例提供的一种基于人像的卡通形象生成方法的流程示意图，该方法的执行主体可以是计算机、服务器、处理器、移动终端等可以进行数据处理的设备，如图1所示，包括：
s101、采用预设人像特征识别算法获取待处理图像的多维特征信息。
多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息。
其中，待处理图像可以通过拍照功能拍摄获取，也可通过导入的方式导入，所获取的待处理图像可以是包括人像的上半身照、全身照等，本申请在此不作限定。预设人像特征识别算法可以基于卷积神经网络实现，根据所获取的多维特征信息的类别，预设人像特征识别算法可以包括人脸属性识别网络、五官分析网络、发型识别网络，服饰识别网络、配饰识别网络等特征识别算法，各特征识别算法可以获取待处理图像中对应的特征信息。
此外，需要说明的是，上述各维特征信息又可由多个单维子特征信息组成。比如，人脸属性信息可以通过人脸属性识别网络获取，以获取识别待处理图像中人物的性别、年龄、表情等属性信息；五官信息可以通过五官分析网络获取，以获取待处理图像中人物的五官特征，比如，可以包括眼睛类型(如丹凤眼等)、鼻子类型(如鹰钩鼻等)、嘴巴类型等属性信息；发型信息可以通过发型识别网络获取，以获取待处理图像中人像头发的特征信息，比如，可以包括头发长度、头发走向、卷发度、有无刘海、发量多少等属性信息；服饰信息可以通过服饰识别网络获取，以获取待处理图像中人像的衣服特征，比如，可以包括服饰类型、图案、领型、袖长等属性信息，而上述每一属性信息即可对应相应的单维子特征信息，比如，人脸属性信息中，人物的性别、年龄、表情分别为人脸属性信息的单维子特征信息。
当然，需要说明的是，根据实际的应用场景，上述预设人像特征识别算法也可以包括其他的特征识别网络，比如人像区域分割网络，多维特征信息可以是上述多种特征信息的组合，也可以包括其他的特征信息，比如待处理图像中人物的背景信息等，本申请在此不作限定，也不限定每一特征信息所包括的属性信息，可根据实际的应用选择。
s102、根据待处理图像的多维特征信息，生成对应的多维标签向量。
其中，多维特征信息可包括多个单维特征信息，可选地，各单维特征信息可对应相应的类别标签向量，多维特征信息所对应的多维标签向量可以由多个类别标签向量组成。
当然，需要说明的是，各单维特征信息(比如，人脸属性信息)又可包括多个单维子特征信息(比如，性别)，可选地，各单维子特征信息可对应相应的单类别标签向量，单维特征信息所对应的类别标签向量可以由多个单类别标签向量组成。
比如，人脸属性信息包括：性别-年龄-表情，五官信息包括：眼睛类型-鼻子类型，以五官信息中的眼睛类型为例进行说明，眼睛类型包括丹凤眼、柳叶眼及桃花眼。其中，人脸属性信息：女-23-微笑所对应的类别标签向量为n1，人脸属性信息：女-24-皱眉所对应的类别标签向量为n2，五官信息：丹凤眼-鹰钩鼻所对应的类别标签向量为m1；五官信息：柳叶眼-小尖鼻所对应的类别标签向量为m2，若待处理图像的多维特征信息包括人脸属性信息和五官信息时，在分别确定待处理图像中人脸属性信息和五官信息所对应的类别标签向量后，即可根据生成待处理图像的多维特征信息所对应的多维标签向量。
可选地，本申请在此以发型信息作为一单维特征信息为例说明其所对应的类别标签向量，可选地，可以参考独热码one-hotcode的编码方式确定，比如，头发长度包括4类，分别是长、中长、短及很短，则每类头发长度所对应的单类别标签向量可以分别用0001、0010、0100及1000表示；卷发度包括3类，分别是卷、微卷及直，则每类卷发度所对应的单类别标签向量可以分别用001、010及100表示，那么若某发型信息为长直发，则长直发所对应的类别标签向量为0001100；若为短卷发，则短卷发所对应的类别标签向量为0100001，其他单维特征信息所对应的类别标签向量的可参考该过程，本申请在此不再赘述。在确定到各类别标签向量后，即可进行组合，比如，多维标签向量包括10位时，1～4位可以表示发型信息的类别标签向量，5～8位可以表示人脸属性信息的类别标签向量，9～10位可以表示五官信息的类别标签向量等，进而根据该多个类别标签向量即可确定到某多维特征信息所对应的多维标签向量。
s103、根据多维标签向量，在预设素材库中匹配对应的目标素材集合，预设素材库包括不同待匹配标签向量对应的素材。
其中，在获取到待处理图像中多维特征信息所对应的多维标签向量后，可以将该多维标签向量与预设素材库中的待匹配标签向量进行匹配，通过匹配的方式确定目标标签向量，根据所匹配的目标标签向量即可在预设素材库中确定对应的目标素材集合。
可选地，在进行匹配时，也可以将该多维标签向量进行拆分，分成多个类别标签向量，确定各类别标签向量所匹配的标签向量，进而匹配到对应的各目标素材，获取到对应的目标素材集合。
s104、根据目标素材集合，生成待处理图像所对应的卡通形象。
在确定目标素材集合后，即可将该目标素材集合依据预设的素材合成算法将多个目标素材进行整合，生成与待处理图像相对应的卡通形象，其中，根据实际的应用情况，预设的素材合成算法可以包括各目标素材的合成顺序、合成位置、合成方式等，使得最终合成的卡通形象可以与待处理图像中尽可能的匹配。
综上所述，本申请实施例所提供的基于人像的卡通形象生成方法中，采用预设人像特征识别算法获取待处理图像的多维特征信息，基于该多维特征信息可以反映待处理图像中人物的多种特征信息；根据待处理图像的多维特征信息，生成对应的多维标签向量，并根据多维标签向量，在预设素材库中匹配对应的目标素材集合时，可以在预设素材库中匹配到与该多维特征信息最为匹配的目标素材集合，使得基于该目标素材集合生成待处理图像所对应的卡通形象时，可以提高卡通形象与待处理图像中实际人物的匹配度。
图2为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图。可选地，如图2所示，上述根据多维标签向量，在预设素材库中匹配对应的目标素材集合，包括：
s201、计算多维标签向量与预设素材库中各待匹配标签向量之间的相似度。
s202、根据相似度，在预设素材库中确定目标标签向量。
s203、在预设素材库中获取目标标签向量对应的目标素材集合。
其中，可以通过计算待处理图像所对应的多维标签向量与各待匹配标签向量之间的相似度，选取相似度最高的待匹配标签向量作为目标标签向量。
可选地，相似度可以通过余弦距离、欧式距离等表示，以余弦距离为例，可以比较所计算的多个余弦距离，可以将最小余弦距离所对应的待匹配标签向量作为目标标签向量，进而可以在预设素材库中获取与该目标标签向量对应的目标素材集合，用于生成与待处理图像所对应的卡通形象。
比如，假设待处理图像所对应的多维标签向量维度是10维，所对应的多维标签向量为0010100101，而素材a的标签向量为1000100101，素材b的标签向量为0010101010，则计算待处理图像所对应的多维标签向量和素材a所对应的多维标签向量的余弦距离较小，所以匹配到素材a，确定素材a所对应的多维标签向量为目标标签向量。
当然，需要说明的是，计算多维标签向量与预设素材库中各待匹配标签向量之间的相似度，也可根据各单维特征信息对应的各类别标签向量，计算各类别标签向量与预设素材库中各待匹配类别标签向量之间的相似度，计算各类别标签向量所对应的目标素材。
例如，本申请在此以发型信息为例对预设素材库进行说明，预设素材库可以包括多种头发素材，头发素材的属性信息包括：发型长度-卷发度-有无辫子-有无刘海-刘海类型-发量信息，根据属性信息的不同，每种头发素材对应不同的特征标签(比如，长发-有刘海等)，每一特征标签对应相应的标签向量，本申请在此以预设素材库包括5种头发素材为例进行说明，如下表一所示，对于头发素材1所对应的特征标签为发型长度(长)-卷发度(直)-有无辫子(有)-有无刘海(无)-刘海类型(斜刘海)-发量信息(多)，对应地，头发素材1所对应的待匹配标签向量为q1。
表一头发素材
可选地，待处理图像的特征信息包括发型信息，该发型信息所对应的类别标签向量为q6，与预设素材库中头发素材3所对应的待匹配标签向量q3的余弦距离最小，即可将头发素材3作为发型信息的发型素材集合，用于生成与待处理图像所对应的发型卡通形象。
此外，需要说明的是，根据实际的需要也可以对预设素材库进行更新，使得在预设素材库中所确定的目标素材集合可以尽可能的接近待处理图像中的人物形象。例如，基于上述表一的头发素材库，可以对头发素材进行更新，获取更新后的头发素材库，见表二所示。
表二头发素材
图3为本申请实施例提供的又一种基于人像的卡通形象生成方法的流程示意图。可选地，如图3所示，上述采用预设人像特征识别算法获取待处理图像的多维特征信息，包括：
s301、根据预设人像分割算法，对待处理图像进行区域分割，划分成多个区域。
多个区域包括下述至少两种；人脸区域、皮肤区域、头发区域及衣服区域。
s302、采用预设人像特征识别算法提取各区域的特征信息。
当然，预设人像特征识别算法也可包括预设人像分割算法，通过预设人像分割算法可以对待处理图像进行区域划分，以便分割后，根据各区域特征信息的特点，各区域可以采用预设人像特征识别算法分区域提取各区域的特征信息，使得提取到的各区域的特征信息更为精细、细化，后续根据该特征信息所对应的多维标签向量，在预设素材库中匹配对应的目标素材集合时，所匹配的目标素材集合可以与待处理图像更为接近，生成的卡通形象可以更为生动、形象，与待处理图像的匹配度更高。
图4为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图。可选地，如图4所示，上述采用预设人像特征识别算法提取各区域的特征信息之后，还包括：
s401、采用预设颜色提取算法获取各区域的颜色信息。
预设颜色提取算法用于提取各区域的颜色信息，可选地，可以基于最小差值法、中位切分法、八叉树算法、聚类、色彩建模法等算法提取到各区域的主色色值信息，本申请在此不作限定，根据实际的应用场景可以自行选择。
可选地，也可基于预设颜色提取算法所获取的各区域的颜色信息，对各区域的颜色信息进行调整，以得到更加丰富多样的形象结果，具体地，可以将各区域的素材分为底色层和纹理层，底色层根据预设颜色提取算法提取的主色变换为对应的颜色，纹理层通过正片叠底的图层混合方式叠加到底色层，从而确定各区域对应的颜色信息。
相应地，可选地，上述根据目标素材集合，生成待处理图像所对应的卡通形象，包括：
s402、根据目标素材集合和各区域的颜色信息，生成待处理图像所对应的卡通形象。
可选地，在获取到各区域的颜色信息后，目标素材集合中各目标素材根据所属区域对应的颜色信息可以进行着色，使得生成的卡通形象的颜色可以与待处理图像中人物颜色相匹配，最终生成生动、形象的卡通形象。
当然，各区域的颜色信息也可采用预设的颜色信息，比如，人脸区域中的眼睛区域、眉毛区域可以为黑色，嘴巴区域可以为粉红色，皮肤信息的预设颜色信息可以为黄色肤色，头发区域的预设颜色信息可以为黑色等，生成待处理图像所对应的卡通形象时，根据各区域所对应的预设的颜色信息，即可生成对应的卡通形象。
此外，本申请在此并不对该着色顺序进行限定，根据实际的应用场景可以自行选择，可选地，可以是先对目标素材集合中的各目标素材进行着色，然后根据着色后的目标素材集合，生成待处理图像所对应卡通形象；也可以是先根据目标素材集合，生成待处理图像所对应的基础卡通形象，然后根据各区域的颜色信息，对该基础卡通形象进行分区域着色，最终生成待处理图像所对应卡通形象。
图5为本申请实施例提供的又一种基于人像的卡通形象生成方法的流程示意图。可选地，如图5所示，上述根据目标素材集合，生成待处理图像所对应的卡通形象，包括：
s501、根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象。
预设素材合成算法用于对确定的目标素材集合进行合成，可以包括各目标素材的合成顺序、合成位置、合成方式等，比如对于合成顺序，从底到顶可以依次是背景素材、身体素材、衣服素材、脸素材等，目标素材集合中的各目标素材根据该合成顺序依次叠加，对于合成位置，从上到下可以依次是发型素材、脸素材、上衣素材、裤子素材等，根据实际应用场景可进行相应的选择，本申请在此不作限定。
当然，若还可以获取到各区域的颜色信息，可以根据目标素材集合中的各目标素材所属区域的颜色信息，对各目标素材进行着色，获取着色后的目标素材集合；然后，再根据预设素材合成算法，对着色后的目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象。
图6为本申请实施例提供的另一种基于人像的卡通形象生成方法的流程示意图。可选地，如图6所示，上述根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象，包括：
s601、根据各区域对应的素材合成算法，对目标素材集合中各区域所对应的素材进行合成，生成各区域所对应的卡通形象。
s602、根据预设素材合成算法，对各区域所对应的卡通形象进行合成，生成待处理图像所对应的卡通形象。
其中，在进行卡通形象的合成时，可以根据各区域对应的素材合成算法对目标素材集合进行分区域合成，获取各区域所对应的卡通形象，然后再基于各区域卡通形象的基础上，对各区域所对应的卡通形象进行合成，进而生成待处理图像所对应的卡通形象。
比如，待处理图像包括人脸区域、头发区域和衣服区域时，可以分别采用人脸区域、头发区域和衣服区域所对应的素材合成算法，对人脸区域、头发区域和衣服区域分别进行合成，生成对应的人脸区域的卡通形象、头发区域的卡通形象和衣服区域的卡通形象，并进一步地，根据预设素材合成算法，将人脸区域的卡通形象、头发区域的卡通形象和衣服区域的卡通形象进行合成，最终即可生成待处理图像所对应的卡通形象，所生成的卡通形象可以满足大众个性化娱乐的需求，还可以运用于各项非真人场景需求，比如虚拟直播，虚拟客服等。
可选地，上述人脸属性信息包括下述至少两种：待处理图像中人物的性别、年龄及表情；五官信息包括下述至少两种：待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型；发型信息包括下述至少两种：待处理图像中人物的发型长度、卷发度、有无发髻、有无辫子、有无刘海、刘海类型、发量信息及头发走向；服饰信息包括下述至少两种：服饰类型、服饰花纹、领型类别及袖长信息；配饰信息包括下述至少两种：眼镜类型、帽子类型及首饰类型。
采用预设人像特征识别算法获取待处理图像的多维特征信息时，每一特征信息又可包括至少两种属性信息，使得在基于待处理图像的多维特征信息、多维属性信息生成待处理图像所对应的卡通形象，可以提高卡通形象与待处理图像中实际人物的匹配度，使得生成的卡通形象更为生动、形象。
可选地，五官信息包括待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型中的至少两种，当然，五官信息也可包括眉毛类型、耳朵类型，此外，发型信息也可包括待处理图像中人物发型分线位置(中分、偏分)，配饰信息中的眼镜类型可以包括眼镜边框类型、镜片颜色、镜片形状类型等多种，根据实际的应用场景可自行选择，本申请在此不作限定。
图7为本申请实施例提供的一种基于人像的卡通形象生成装置的结构示意图，该装置基本原理及产生的技术效果与前述对应的方法实施例相同，为简要描述，本实施例中未提及部分，可参考方法实施例中的相应内容。如图7所示，该装置包括：获取模块110、第一生成模块120、匹配模块130及第二生成模块140。
获取模块110，用于采用预设人像特征识别算法获取待处理图像的多维特征信息，多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息；第一生成模块120，用于根据待处理图像的多维特征信息，生成对应的多维标签向量；匹配模块130，用于根据多维标签向量，在预设素材库中匹配对应的目标素材集合，预设素材库包括不同待匹配标签向量对应的素材；第二生成模块140，用于根据目标素材集合，生成待处理图像所对应的卡通形象。
可选地，上述匹配模块130，具体用于计算多维标签向量与预设素材库中各待匹配标签向量之间的相似度；根据相似度，在预设素材库中确定目标标签向量；在预设素材库中获取目标标签向量对应的目标素材集合。
可选地，上述获取模块110，具体用于根据预设人像分割算法，对待处理图像进行区域分割，划分成多个区域，多个区域包括下述至少两种；人脸区域、皮肤区域、头发区域及衣服区域；采用预设人像特征识别算法提取各区域的特征信息。
可选地，上述获取模块110，还用于采用预设颜色提取算法获取各区域的颜色信息；相应地，第二生成模块140，具体用于根据目标素材集合和各区域的颜色信息，生成待处理图像所对应的卡通形象。
可选地，上述第二生成模块140，具体用于根据预设素材合成算法，对目标素材集合中的素材进行合成，生成待处理图像所对应的卡通形象。
可选地，上述第二生成模块140，具体用于根据各区域对应的素材合成算法，对目标素材集合中各区域所对应的素材进行合成，生成各区域所对应的卡通形象；根据预设素材合成算法，对各区域所对应的卡通形象进行合成，生成待处理图像所对应的卡通形象。
可选地，上述人脸属性信息包括下述至少两种：待处理图像中人物的性别、年龄及表情；五官信息包括下述至少两种：待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型；发型信息包括下述至少两种：待处理图像中人物的发型长度、卷发度、有无发髻、有无辫子、有无刘海、刘海类型、发量信息及头发走向；服饰信息包括下述至少两种：服饰类型、服饰花纹、领型类别及袖长信息；配饰信息包括下述至少两种：眼镜类型、帽子类型及首饰类型。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，简称asic)，或，一个或多个微处理器(digitalsignalprocessor，简称dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。
图8为本申请实施例提供的一种电子设备结构示意图。如图8所示，该电子设备可以包括：处理器210、存储介质220和总线230，存储介质220存储有处理器210可执行的机器可读指令，当电子设备运行时，处理器210与存储介质220之间通过总线230通信，处理器210执行机器可读指令，以执行上述基于人像的卡通形象生成方法的步骤。具体实现方式和技术效果类似，这里不再赘述。
可选地，本申请还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述基于人像的卡通形象生成方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
另外，在本申请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设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请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(英文：read-onlymemory，简称：rom)、随机存取存储器(英文：randomaccessmemory，简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
1.一种基于人像的卡通形象生成方法，其特征在于，包括：
采用预设人像特征识别算法获取待处理图像的多维特征信息，所述多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息；
根据所述待处理图像的多维特征信息，生成对应的多维标签向量；
根据所述多维标签向量，在预设素材库中匹配对应的目标素材集合，所述预设素材库包括不同待匹配标签向量对应的素材；
根据所述目标素材集合，生成所述待处理图像对应的卡通形象。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多维标签向量，在预设素材库中匹配对应的目标素材集合，包括：
计算所述多维标签向量与所述预设素材库中各所述待匹配标签向量之间的相似度；
根据所述相似度，在所述预设素材库中确定目标标签向量；
在所述预设素材库中获取所述目标标签向量对应的所述目标素材集合。
3.根据权利要求1所述的方法，其特征在于，所述采用预设人像特征识别算法获取待处理图像的多维特征信息，包括：
根据预设人像分割算法，对所述待处理图像进行区域分割，划分成多个区域，所述多个区域包括下述至少两种；人脸区域、皮肤区域、头发区域及衣服区域；
采用所述预设人像特征识别算法提取各所述区域的特征信息。
4.根据权利要求3所述的方法，其特征在于，所述采用所述预设人像特征识别算法提取各所述区域的特征信息之后，还包括：
采用预设颜色提取算法获取各所述区域的颜色信息；
相应地，根据所述目标素材集合，生成所述待处理图像对应的卡通形象，包括：
根据所述目标素材集合和各所述区域的颜色信息，生成所述待处理图像对应的卡通形象。
5.根据权利要求3或4所述的方法，其特征在于，所述根据所述目标素材集合，生成所述待处理图像对应的卡通形象，包括：
根据预设素材合成算法，对所述目标素材集合中的素材进行合成，生成所述待处理图像对应的卡通形象。
6.根据权利要求5所述的方法，其特征在于，所述根据预设素材合成算法，对所述目标素材集合中的素材进行合成，生成所述待处理图像对应的卡通形象，包括：
根据各区域对应的素材合成算法，对所述目标素材集合中各区域所对应的素材进行合成，生成各区域所对应的卡通形象；
根据预设素材合成算法，对各区域所对应的所述卡通形象进行合成，生成所述待处理图像对应的卡通形象。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述人脸属性信息包括下述至少两种：待处理图像中人物的性别、年龄及表情；
所述五官信息包括下述至少两种：待处理图像中人物的眼睛类型、鼻子类型及嘴巴类型；
所述发型信息包括下述至少两种：待处理图像中人物的发型长度、卷发度、有无发髻、有无辫子、有无刘海、刘海类型、发量信息及头发走向；
所述服饰信息包括下述至少两种：服饰类型、服饰花纹、领型类别及袖长信息；
所述配饰信息包括下述至少两种：眼镜类型、帽子类型及首饰类型。
8.一种基于人像的卡通形象生成装置，其特征在于，包括：获取模块、第一生成模块、匹配模块及第二生成模块；
所述获取模块，用于采用预设人像特征识别算法获取待处理图像的多维特征信息，所述多维特征信息包括下述至少两种：人脸属性信息、五官信息、发型信息、服饰信息、配饰信息；
所述第一生成模块，用于根据所述待处理图像的多维特征信息，生成对应的多维标签向量；
所述匹配模块，用于根据所述多维标签向量，在预设素材库中匹配对应的目标素材集合，所述预设素材库包括不同待匹配标签向量对应的素材；
所述第二生成模块，用于根据所述目标素材集合，生成所述待处理图像对应的卡通形象。
9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-7任一项所述基于人像的卡通形象生成方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一项所述基于人像的卡通形象生成方法的步骤。
技术总结