本申请实施例涉及计算机技术领域，具体涉及用于发送信息的方法和装置。
背景技术：
在互联网技术不断发展的过程中，各种信息资源也逐渐丰富。现阶段，用户可以通过互联网获取各种图片和视频。实践中，对于图片和视频中显示的某些信息，可以根据实际需要进行替换。以人物的图片为例，可以根据实际需要使用一张特定部位图片直接将图片中的人物的特定部位(例如，头部、面部、身体等等)进行替换，这种方式在静态图像中可以得到比较好的替换效果。由于动态图片和视频中的人物的各个部位是动态变化的，因此，使用一张特定部位图片直接替换的方式往往会导致替换后的动态图片或视频缺乏生动性。
技术实现要素：
本申请实施例提出了用于发送信息的方法和装置。
第一方面，本申请实施例提供了一种用于发送信息的方法，该方法包括：接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；对于上述至少两张静态图像中的静态图像，执行以下操作：响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；基于上述第二人脸图像处理上述第一人脸图像；使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；响应于确定上述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
在一些实施例中，上述基于上述第二人脸图像处理上述第一人脸图像，包括：分别对上述第一人脸图像和上述第二人脸图像进行人脸关键点检测，得到上述第一人脸图像和第二人脸图像的关键点信息；根据上述第二人脸图像的关键点信息，调整上述第一人脸图像的关键点信息。
在一些实施例中，上述基于上述第二人脸图像处理上述第一人脸图像，包括：分别将上述第一人脸图像和上述第二人脸图像输入预先建立的表情识别模型，得到上述第一人脸图像和上述第二人脸图像的表情类别，其中，上述表情识别模型用于表征人脸图像与表情类别的对应关系；响应于确定上述第一人脸图像和上述第二人脸图像的表情类别相匹配，将上述第一人脸图像作为处理后的第一人脸图像。
在一些实施例中，上述基于上述第二人脸图像处理上述第一人脸图像，还包括：响应于确定上述第一人脸图像和上述第二人脸图像的表情类别不匹配，将上述第一人脸图像和上述第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将上述生成人脸图像作为处理后的第一人脸图像，其中，上述图像生成模型用于表征人脸图像和表情类别与生成人脸图像的对应关系。
在一些实施例中，上述表情识别模型通过以下方式训练得到：获取第一训练样本集，其中，第一训练样本包括人脸图像和与人脸图像对应的表情类别；将上述第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到上述表情识别模型。
在一些实施例中，上述图像生成模型通过以下方式训练得到：获取第二训练样本集，其中，第二训练样本包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像，其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配；将上述第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到上述图像生成模型。
第二方面，本申请实施例提供了一种用于发送信息的装置，装置包括：接收单元，被配置成接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；执行单元，被配置成对于上述至少两张静态图像中的静态图像，执行预定操作，其中，上述执行单元包括：确定单元，被配置成响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；处理单元，被配置成基于上述第二人脸图像处理上述第一人脸图像；替换单元，被配置成使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；发送单元，被配置成响应于确定上述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
在一些实施例中，上述处理单元进一步被配置成：分别对上述第一人脸图像和上述第二人脸图像进行人脸关键点检测，得到上述第一人脸图像和第二人脸图像的关键点信息；根据上述第二人脸图像的关键点信息，调整上述第一人脸图像的关键点信息。
在一些实施例中，上述处理单元进一步被配置成：分别将上述第一人脸图像和上述第二人脸图像输入预先建立的表情识别模型，得到上述第一人脸图像和上述第二人脸图像的表情类别，其中，上述表情识别模型用于表征人脸图像与表情类别的对应关系；响应于确定上述第一人脸图像和上述第二人脸图像的表情类别相匹配，将上述第一人脸图像作为处理后的第一人脸图像。
在一些实施例中，上述处理单元还进一步被配置成：响应于确定上述第一人脸图像和上述第二人脸图像的表情类别不匹配，将上述第一人脸图像和上述第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将上述生成人脸图像作为处理后的第一人脸图像，其中，上述图像生成模型用于表征人脸图像和表情类别与生成人脸图像的对应关系。
在一些实施例中，上述表情识别模型通过以下方式训练得到：获取第一训练样本集，其中，第一训练样本包括人脸图像和与人脸图像对应的表情类别；将上述第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到上述表情识别模型。
在一些实施例中，上述图像生成模型通过以下方式训练得到：获取第二训练样本集，其中，第二训练样本包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像，其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配；将上述第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到上述图像生成模型。
第三方面，本申请实施例提供了一种设备，该设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于发送信息的方法和装置，首先接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息，而后对于至少两张静态图像中的静态图像，执行以下操作：响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像，基于第二人脸图像处理第一人脸图像，并使用处理后的第一人脸图像替换该静态图像中的第二人脸图像，最后，响应于确定待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理图像进行发送，从而实现了基于原始图像中包含的第一人脸图像替换待处理信息中包含的第二人脸图像，由于替换时根据待处理信息所包含的各静态图像中的第二人脸图像处理第一人脸图像，因此，可以使替换后的待处理信息生动、自然。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于发送信息的方法的一个实施例的流程图；
图3是根据本申请的用于发送信息的方法的一个应用场景的示意图；
图4是根据本申请的用于发送信息的方法的又一个实施例的流程图；
图5是根据本申请的用于发送信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于发送信息的方法或用于发送信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处理类应用、视频编辑类应用、网页浏览器应用、搜索类应用、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像处理的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器可以对接收到的图像等信息进行分析等处理，并将处理结果(例如处理后的信息)反馈给终端设备101、102、103。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于发送信息的方法可以通过终端设备101、102、103执行，也可以通过服务器105执行。相应地，用于发送信息的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。本申请对此不做限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法，包括以下步骤：
步骤201，接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息。
在本实施例中，用于发送信息的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以通过各种方式接收原始图像和待处理信息。例如，当上述执行主体为终端设备时，可以直接接收用户输入的原始图像和待处理信息。又例如，当上述执行主体为服务器时，可以从用户利用其进行信息输入的终端设备接收原始图像和待处理信息。在这里，上述原始图像可以包含第一人脸图像，作为示例，原始图像可以是一个人的全身照、半身照等等。待处理信息可以是由至少两张静态图像组成的，作为一个示例，待处理信息可以是动态图片，如gif(graphicsinterchangeformat，图像互换格式)图像。动态图片是指当一组特定的静态图像以指定的频率切换而产生某种动态效果的图片。作为另一个示例，待处理信息还可以是一段视频。
实践中，上述执行主体接收到原始图像之后，可以对原始图像进行人脸检测，从而得到第一人脸图像。需要说明的是，人脸检测技术是目前广泛研究和应用的公知技术，在此不再赘述。
步骤202，对于至少两张静态图像中的静态图像，执行预定操作。
在本实施例中，对于组成待处理信息的至少两张静态图像中的每一张静态图像，上述执行主体可以执行预定操作。其中，上述预定操作可以包括以下步骤：
步骤2021，响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像。
在本实施例中，上述执行主体可以对该静态图像进行人脸检测，并根据人脸检测结果确定该静态图像中是否包含人脸图像。响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像。
步骤2022，基于第二人脸图像处理第一人脸图像。
在本实施例中，上述执行主体可以基于上述第二人脸图像对上述第一人脸图像进行各种处理。作为示例，上述执行主体可以根据上述第二人脸图像中人脸的角度(例如正脸、侧脸、仰头、低头等等)、眼睛的状态(例如，睁眼、眯眼、闭眼等等)、嘴巴的状态(例如，张嘴、闭嘴等)、光照等信息调整第一人脸图像中人脸的角度、眼睛的状态、嘴巴的状态、光照等信息。以人脸的角度为例，假设第二人脸图像的中人脸的角度为侧脸，而第一人脸图像中人脸的角度为正脸，可以基于仿射变换、正玄变换等方式对第一人脸图像进行人脸姿态矫正，从而将第一人脸图像中人脸的角度调整为侧脸。需要说明的是，基于仿射变换、正玄变换等方式进行人脸姿态矫正是目前广泛研究和应用的公知技术，在此不再赘述。
在本实施例的一些可选的实现方式中，上述步骤2022可以具体包括如下内容：
步骤s1，上述执行主体可以分别将第一人脸图像和第二人脸图像输入预先建立的表情识别模型，得到第一人脸图像和第二人脸图像的表情类别。
在本实现方式中，表情类别可以用于表征人脸图像所呈现人脸的表情的类别。作为示例，可以根据实际需要预先将人脸表情划分为不同类别，例如，根据人脸表情所表达的情绪划分为无表情、高兴、惊讶、害怕、生气等等。可以理解的是，人脸表情划分的类别越多，替换人脸图像后得到的待处理信息的效果越好。
在这里，上述表情识别模型可以用于表征人脸图像与表情类别的对应关系。作为示例，上述表情识别模型可以包括特征提取部分和第一对应关系表。其中，特征提取部分可以用于提取人脸图像的特征信息。第一对应关系表可以是技术人员基于对大量特征信息与表情类别的统计而制定的、存储有多个特征信息与表情类别的对应关系的对应关系表。这样，对于某一张人脸图像，上述表情识别模型可以首先使用特征提取单元提取该人脸图像的特征信息，并将得到的特征信息作为目标特征信息。之后，将目标特征信息与第一对应关系表中的特征信息进行对比，若目标特征信息与第一对应关系表中的某条特征信息相同或相似，则将第一对应关系表中的该条特征信息对应的表情类别作为该人脸图像的表情类别。
在一些可选的实现方式中，上述表情识别模型可以通过以下方式训练得到：首先，获取第一训练样本集，其中，第一训练样本可以包括人脸图像和与人脸图像对应的表情类别。然后，将第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到表情识别模型。
在本实现方式中，训练表情识别模型的执行主体可以与上述主体相同，也可以不同。作为示例，训练表情识别模型的执行主体可以首先确定第一初始模型以及第一初始模型的模型参数。这里，第一初始模型可以用于表征人脸图像与表情类别的对应关系，第一初始模型可以是卷积神经网络、深度神经网络等等各种机器学习模型。之后，可以将第一训练样本集中的第一训练样本中的人脸图像输入第一初始模型，得到该人脸图像的表情类别，将该人脸图像对应的表情类别作为第一初始模型的期望输出，利用机器学习方法训练第一初始模型。具体地，可以首先利用预设的损失函数计算所得到的表情类别与期望输出之间的差异。然后，可以基于计算所得的差异，调整第一初始模型的模型参数，并在满足预设的训练结束条件的情况下，结束训练，得到表情识别模型。例如，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长，训练次数超过预设次数，第一初始模型的预测准确率大于预设准确率阈值等等。
这里，可以采用各种实现方式基于所生成的表情类别与期望输出之间的差异调整第一初始模型的模型参数。例如，可以采用bp(backpropagation，反向传播)算法或者sgd(stochasticgradientdescent，随机梯度下降)算法来调整第一初始模型的模型参数。
步骤s2，响应于确定第一人脸图像和第二人脸图像的表情类别相匹配，将第一人脸图像作为处理后的第一人脸图像。
在这里，上述执行主体可以确定第一人脸图像和第二人脸图像的表情类别是否相匹配。响应于确定第一人脸图像和第二人脸图像的表情类别相匹配(例如，相同)，可以将第一人脸图像作为处理后的第一人脸图像。即，当第一人脸图像和第二人脸图像的表情类别相匹配时，不需要对第一人脸图像中的人脸信息进行调整，直接将第一人脸图像作为处理后的第一人脸图像。
在一些可选的实现方式中，上述步骤2022还可以包括以下内容：
步骤s3，响应于确定第一人脸图像和第二人脸图像的表情类别不匹配，将第一人脸图像和第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将生成人脸图像作为处理后的第一人脸图像。
在这里，图像生成模型可以用于输入信息与生成人脸图像的对应关系，其中，输入信息可以包括人脸图像和表情类别。作为示例，上述图像生成模型可以包括特征提取部分和第二对应关系表。特征提取部分可以用于提取人脸图像中的特征信息。第二对应关系表可以是技术人员基于对大量输入信息与生成图像的统计而制定的、存储有多个输入信息与生成图像的对应关系的对应关系表，其中，输入信息包括人脸图像的特征信息和表情类别。这样，对于输入的某一张人脸图像和表情类别，上述图像生成模型可以首先使用特征提取单元提取该人脸图像的特征信息，得到输入信息，并将得到的输入信息作为目标输入信息。之后，将目标输入信息与第二对应关系表中的输入信息进行对比，若目标输入信息与第二对应关系表中的某条输入信息相同或相似，则将第二对应关系表中的该输入信息对应的生成图像作为该输入信息的生成图像。
可选的，上述图像生成模型可以是通过以下方式训练得到：首先，获取第二训练样本集，其中，第二训练样本可以包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像。其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配(例如，相同)。然后，将第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到图像生成模型。
作为示例，训练图像生成模型的执行主体可以首先确定第二初始模型以及第二初始模型的模型参数。这里，第二初始模型可以用于表征输入信息与生成人脸图像的对应关系，其中，输入信息可以包括样本人脸图像和样本表情类别。第二初始模型可以是卷积神经网络、深度神经网络等等各种机器学习模型。之后，可以将第二训练样本集中的第二训练样本中的样本人脸图像和样本表情类别输入第二初始模型，得到生成人脸图像，将该样本人脸图像和样本表情类别对应的样本生成人脸图像作为第二初始模型的期望输出，利用机器学习方法训练第二初始模型。具体地，可以首先利用预设的损失函数计算所得到的生成人脸图像与期望输出之间的差异。然后，可以基于计算所得的差异，调整第二初始模型的模型参数，并在满足预设的训练结束条件的情况下，结束训练，得到图像生成模型。例如，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长，训练次数超过预设次数，第二初始模型的生成准确率大于预设准确率阈值等等。
步骤2023，使用处理后的第一人脸图像替换该静态图像中的第二人脸图像。
在本实施例中，执行主体可以使用经步骤2022处理后的第一人脸图像替换该静态图像中的第二人脸图像。应该理解，在使用处理后的第一人脸图像替换该静态图像中的第二人脸图像之前，需要对处理后的第一人脸图像的尺寸等进行调整。在替换之后，还可以对替换后的图像做无缝融合、锐化等处理，从而保证人脸图像边缘与背景图之间的融合效果。
步骤203，响应于确定待处理信息中的各张静态图像替换完成，将替换后的待处理信息进行发送。
在本实施例中，上述执行主体可以确定待处理信息中包含人脸图像的各张静态图像是否替换完成。响应于确定待处理信息中包含人脸图像的各张静态图像替换完成，上述执行可以将替换完成后的待处理信息进行发送。作为示例，当上述执行主体为终端设备时，可以将替换完成后的待处理信息发送给显示设备进行显示。当上述执行主体为服务器时，可以将替换完成后的待处理信息发送给用户利用其进行原始图像和待处理信息发送的终端设备。
继续参见图3，图3是根据本实施例的用于发送信息的方法的应用场景的一个示意图。在图3的应用场景中，终端设备301首先接收用户发送的包含有第一人脸图像的原始图像和由5张静态图像组成的动态图片。之后，对于动态图片中的每一张静态图像，终端设备301响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像，并基于第二人脸图像处理第一人脸图像，以及使用处理后的第一人脸图像替换该静态图像中的第二人脸图像。最后，响应于确定动态图片中包含人脸图像的各张静态图像替换完成，将替换后的动态图片发送给显示器进行显示。
本申请的上述实施例提供的方法基于原始图像中包含的第一人脸图像替换待处理信息中包含的第二人脸图像，由于替换时根据待处理信息所包含的各静态图像中的第二人脸图像处理第一人脸图像，因此，可以使替换后的待处理信息生动、自然。
进一步参考图4，其示出了用于发送信息的方法的又一个实施例的流程400。该用于发送信息的方法的流程400，包括以下步骤：
步骤401，接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息。
在本实施例中，步骤401与图2所示实施例的步骤201类似，此处不再赘述。
步骤402，对于至少两张静态图像中的静态图像，执行预定操作。
在本实施例中，对于组成待处理信息的至少两张静态图像中的每一张静态图像，上述执行主体可以执行预定操作。其中，上述预定操作包括以下步骤：
步骤4021，响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像。
在本实施例中，步骤4021与图2所示实施例的步骤2021类似，此处不再赘述。
步骤4022，分别对第一人脸图像和第二人脸图像进行人脸关键点检测，得到第一人脸图像和第二人脸图像的关键点信息。
在本实施例中，上述执行主体可以分别对上述第一人脸图像和上述第二人脸图像进行人脸关键点检测，从而得到第一人脸图像和第二人脸图像的人脸关键点的关键点信息，例如，各个人脸关键点的位置信息。实践中，可以将人脸关键点分为内部关键点和轮廓关键点，内部关键点可以包含眉毛、眼睛、鼻子、嘴巴等的关键点。通过对人脸图像进行人脸关键点检测，可以定位出人脸图像中人脸的眉毛、眼睛、鼻子、嘴巴等的位置信息。需要说明的是，对人脸图像进行人脸关键点检测是目前广泛研究和应用的公知技术，在此不再赘述。
步骤4023，根据第二人脸图像的关键点信息，调整第一人脸图像的关键点信息。
在本实施例中，上述执行主体可以根据第二人脸图像的关键点信息调整第一人脸图像的关键点信息。作为示例，上述执行主体可以根据第二人脸图像中各个关键点的位置信息调整第一人脸图像的关键点的位置信息。以嘴巴为例，上述执行主体可以根据第二人脸图像中与嘴巴有关的多个关键点的位置信息，确定第二人脸图像中人脸嘴巴的张合角度，并将所确定的张合角度作为目标张合角度。根据目标张合角度，上述执行主体可以调整第一人脸图像中与嘴巴有关的多个关键点的位置信息，从而使调整后的第一人脸图像中的人脸嘴巴的张合角度与目标张合角度相同或相近。
步骤4024，使用处理后的第一人脸图像替换该静态图像中的第二人脸图像。
在本实施例中，步骤4024与图2所示实施例的步骤2023类似，此处不再赘述。
步骤403，响应于确定待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
在本实施例中，步骤403与图2所示实施例的步骤203类似，此处不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于发送信息的方法的流程400突出了根据第二人脸图像的关键点信息调整第一人脸图像的关键点信息的步骤。由此，可以使第一人脸图像中人脸的面部动作与第二人脸图像中人脸的面部动作相近，从而使替换后的待处理信息的各张静态图像中的人脸表情更加自然、生动。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于发送信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于发送信息的装置500包括：接收单元501、执行单元502和发送单元503。其中，接收单元501被配置成接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；执行单元502被配置成对于上述至少两张静态图像中的静态图像，执行预定操作，其中，上述执行单元502包括：确定单元5021，被配置成响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；处理单元5022，被配置成基于上述第二人脸图像处理上述第一人脸图像；替换单元5023，被配置成使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；发送单元503被配置成响应于确定上述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
在本实施例中，用于发送信息的装置500的接收单元501、执行单元502和发送单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述处理单元5022进一步被配置成：分别对上述第一人脸图像和上述第二人脸图像进行人脸关键点检测，得到上述第一人脸图像和第二人脸图像的关键点信息；根据上述第二人脸图像的关键点信息，调整上述第一人脸图像的关键点信息。
在本实施例的一些可选的实现方式中，上述处理单元5022进一步被配置成：分别将上述第一人脸图像和上述第二人脸图像输入预先建立的表情识别模型，得到上述第一人脸图像和上述第二人脸图像的表情类别，其中，上述表情识别模型用于表征人脸图像与表情类别的对应关系；响应于确定上述第一人脸图像和上述第二人脸图像的表情类别相匹配，将上述第一人脸图像作为处理后的第一人脸图像。
在本实施例的一些可选的实现方式中，上述处理单元5022还进一步被配置成：响应于确定上述第一人脸图像和上述第二人脸图像的表情类别不匹配，将上述第一人脸图像和上述第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将上述生成人脸图像作为处理后的第一人脸图像，其中，上述图像生成模型用于表征人脸图像和表情类别与生成人脸图像的对应关系。
在本实施例的一些可选的实现方式中，上述表情识别模型通过以下方式训练得到：获取第一训练样本集，其中，第一训练样本包括人脸图像和与人脸图像对应的表情类别；将上述第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到上述表情识别模型。
在本实施例的一些可选的实现方式中，上述图像生成模型通过以下方式训练得到：获取第二训练样本集，其中，第二训练样本包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像，其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配；将上述第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到上述图像生成模型。
下面参考图6，其示出了适于用来实现本申请实施例的设备的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、执行单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；对于上述至少两张静态图像中的静态图像，执行以下操作：响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；基于上述第二人脸图像处理上述第一人脸图像；使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；响应于确定上述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
1.一种用于发送信息的方法，包括：
接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；
对于所述至少两张静态图像中的静态图像，执行以下操作：响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；基于所述第二人脸图像处理所述第一人脸图像；使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；
响应于确定所述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
2.根据权利要求1所述的方法，其中，所述基于所述第二人脸图像处理所述第一人脸图像，包括：
分别对所述第一人脸图像和所述第二人脸图像进行人脸关键点检测，得到所述第一人脸图像和第二人脸图像的关键点信息；
根据所述第二人脸图像的关键点信息，调整所述第一人脸图像的关键点信息。
3.根据权利要求1所述的方法，其中，所述基于所述第二人脸图像处理所述第一人脸图像，包括：
分别将所述第一人脸图像和所述第二人脸图像输入预先建立的表情识别模型，得到所述第一人脸图像和所述第二人脸图像的表情类别，其中，所述表情识别模型用于表征人脸图像与表情类别的对应关系；
响应于确定所述第一人脸图像和所述第二人脸图像的表情类别相匹配，将所述第一人脸图像作为处理后的第一人脸图像。
4.根据权利要求3所述的方法，其中，所述基于所述第二人脸图像处理所述第一人脸图像，还包括：
响应于确定所述第一人脸图像和所述第二人脸图像的表情类别不匹配，将所述第一人脸图像和所述第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将所述生成人脸图像作为处理后的第一人脸图像，其中，所述图像生成模型用于表征人脸图像和表情类别与生成人脸图像的对应关系。
5.根据权利要求3所述的方法，其中，所述表情识别模型通过以下方式训练得到：
获取第一训练样本集，其中，第一训练样本包括人脸图像和与人脸图像对应的表情类别；
将所述第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到所述表情识别模型。
6.根据权利要求4所述的方法，其中，所述图像生成模型通过以下方式训练得到：
获取第二训练样本集，其中，第二训练样本包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像，其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配；
将所述第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到所述图像生成模型。
7.一种用于发送信息的装置，包括：
接收单元，被配置成接收包含有第一人脸图像的原始图像和由至少两张静态图像组成的待处理信息；
执行单元，被配置成对于所述至少两张静态图像中的静态图像，执行预定操作，其中，所述执行单元包括：确定单元，被配置成响应于确定该静态图像中包含人脸图像，将该静态图像中包含的人脸图像作为第二人脸图像；处理单元，被配置成基于所述第二人脸图像处理所述第一人脸图像；替换单元，被配置成使用处理后的第一人脸图像替换该静态图像中的第二人脸图像；
发送单元，被配置成响应于确定所述待处理信息中包含人脸图像的各张静态图像替换完成，将替换后的待处理信息进行发送。
8.根据权利要求7所述的装置，其中，所述处理单元进一步被配置成：
分别对所述第一人脸图像和所述第二人脸图像进行人脸关键点检测，得到所述第一人脸图像和第二人脸图像的关键点信息；
根据所述第二人脸图像的关键点信息，调整所述第一人脸图像的关键点信息。
9.根据权利要求7所述的装置，其中，所述处理单元进一步被配置成：
分别将所述第一人脸图像和所述第二人脸图像输入预先建立的表情识别模型，得到所述第一人脸图像和所述第二人脸图像的表情类别，其中，所述表情识别模型用于表征人脸图像与表情类别的对应关系；
响应于确定所述第一人脸图像和所述第二人脸图像的表情类别相匹配，将所述第一人脸图像作为处理后的第一人脸图像。
10.根据权利要求9所述的装置，其中，所述处理单元还进一步被配置成：
响应于确定所述第一人脸图像和所述第二人脸图像的表情类别不匹配，将所述第一人脸图像和所述第二人脸图像的表情类别输入预先建立的图像生成模型，得到生成人脸图像，以及将所述生成人脸图像作为处理后的第一人脸图像，其中，所述图像生成模型用于表征人脸图像和表情类别与生成人脸图像的对应关系。
11.根据权利要求9所述的装置，其中，所述表情识别模型通过以下方式训练得到：
获取第一训练样本集，其中，第一训练样本包括人脸图像和与人脸图像对应的表情类别；
将所述第一训练样本集中的第一训练样本的人脸图像作为输入，将与输入的人脸图像对应的表情类别作为期望输出，训练得到所述表情识别模型。
12.根据权利要求10所述的装置，其中，所述图像生成模型通过以下方式训练得到：
获取第二训练样本集，其中，第二训练样本包括样本人脸图像和样本表情类别，以及与样本人脸图像和样本表情类别对应的样本生成人脸图像，其中，样本人脸图像和样本生成人脸图像为同一人的人脸图像，样本生成人脸图像的表情类别与样本表情类别相匹配；
将所述第二训练样本集中的第二训练样本的样本人脸图像和样本表情类别作为输入，将与输入的样本人脸图像和样本表情类别对应的样本生成人脸图像作为期望输出，训练得到所述图像生成模型。
13.一种设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
技术总结