一种直播课人像瘦身处理方法、装置及电子设备

技术领域

本发明属于网络在线教育技术领域，特别适用于在线直播课技术，更具体的是涉及一种直播课人像瘦身处理方法、装置、电子设备及计算机可读介质。

背景技术

随着互联网技术的发展以及人们对教育的重视，互联网直播课因有名师指导且价格相对于传统课程便宜的优势受到学生和家长的喜爱。

互联网直播课通常需要学生通过平板电脑或智能手机等可连接互联网的可视设备进行观看，完成听课、做习题的学习过程。直播课中老师需要通过网络视频来与学生进行互动。直播视频中良好的教师形象能够吸引学生听课，提高学生上课积极性、专注度等。因此，如何为直播课中老师进行瘦身，提升老师形象成为直播课视频亟待解决的问题。

发明内容

(一)要解决的技术问题

本发明旨在解决如何为直播课中老师进行瘦身，提升老师形象，从而提高学生上课积极性和专注度的技术问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种直播课人像瘦身处理方法，所述方法包括如下步骤：

分别采集直播课中包含人像的第一场景视频图片和包含板书的第二场景视频图片；

提取所述第一场景视频图片中的人像图片；

定位所述人像图片的瘦身位置信息；

对所述瘦身位置信息进行瘦身处理，得到瘦身后的人像图片；

将所述瘦身后的人像图片与所述第二场景视频图片相融合；

输出融合后的视频图片。

根据本发明一种优选的实施方式，所述定位所述人像图片的瘦身位置信息包括：

提取所述人像图片的关键部位位置信息以及关键部位高度信息；

根据所述关键部位高度信息确定关键部位标准位置信息；

比较所述关键部位位置信息与所述关键部位标准位置信息，得到需要瘦身的瘦身位置信息。

根据本发明一种优选的实施方式，将所述人像图片输入深度学习模型中，得到所述人像图片的关键部位位置信息。

根据本发明一种优选的实施方式，所述将所述人像图片输入深度学习模型中，得到所述人像图片的关键部位位置信息之前，所述方法还包括：

获取历史直播课中的人像图片作为样本集；

标注所述样本集图片中的关键部位位置信息；

根据所述样本集和所述关键部位位置信息训练深度学习模型。

根据本发明一种优选的实施方式，采用图像扭曲将所述瘦身位置信息的像素映射至预设范围内，得到瘦身后的人像图片。

根据本发明一种优选的实施方式，所述将所述瘦身后的人像图片与所述第二场景视频图片相融合包括：

将所述瘦身后的人像图片粘贴至所述第二场景视频图片中除板书以外的位置；

采用高斯混叠算法处理所述人像图片与所述第二场景视频图片的粘贴边界。

根据本发明一种优选的实施方式，所述将所述瘦身后的人像图片与所述第二场景视频图片相融合之后，所述方法还包括：

采用图形学的光照模型处理融合后的图片。

根据本发明一种优选的实施方式，所述方法还包括：

当接收到场景切换指令时，将所述第二场景视频图片切换至对应的场景图片中。

根据本发明一种优选的实施方式，所述方法还包括：

当接收到重点知识提示指令时，提示重点知识信息。

本发明第二方面提出一种直播课人像瘦身处理装置，所述装置包括：

采集模块，用于分别采集直播课中包含人像的第一场景视频图片和包含板书图片的第二场景视频图片；

提取模块，用于提取所述第一场景视频图片中的人像图片；

定位模块，用于定位所述人像图片的瘦身位置信息；

瘦身处理模块，用于对所述瘦身位置信息进行瘦身处理，得到瘦身后的人像图片；

融合模块，用于将所述瘦身后的人像图片与所述第二场景视频图片相融合；

输出模块，用于输出融合后的视频图片。

本发明第三方面提出一种电子设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行所述的方法。

本发明第四方面还提出一种计算机可读介质，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现所述的方法。

(三)有益效果

本发明实时采集直播课的至少两个场景视频，其中，一个场景视频由包含人像的第一场景视频图片组成，另一个场景视频由包含板书的第二场景视频图片组成；通过提取所述第一场景视频图片中的人像图片；定位所述人像图片的瘦身位置信息；再对所述瘦身位置信息进行瘦身处理，完成对直播课中人像的单独瘦身；再将所述瘦身后的人像图片与所述第二场景视频图片相融合；输出融合后的视频图片。从而实现对直播课人像实时瘦身并保证板书不变形的效果，有效提升了直播课中教师形象，从而提高学生上课积极性、专注度。

本发明采用高斯混叠算法处理人像图片与第二场景视频图片的粘贴边界，能有效缓解人像图片与第二场景视频图片存在光照不一致而使二者的粘贴边界出现的马赛克现象，提高融合视频图片的质量。

本发明在接收到场景切换指令时，将所述第二场景视频图片切换至对应的场景图片中，能进一步提高学生的学习注意力，提升课堂气氛。

本发明在接收到重点知识提示指令时，提示重点知识信息，加深学生对重点知识的关注度和记忆，提升学习效果。

附图说明

图1是本发明一种直播课人像瘦身处理方法的流程示意图；

图2是本发明定位所述人像图片的瘦身位置信息的示意图；

图3a是本发明直播课实时显示包含瘦身后教师及板书的示意图；

图3b是在图3a的直播过程中接收到场景切换指令后自动切换第二场景视频图片的示意图；

图4是本发明一种重点显示的方式的示意图；

图5是本发明一种直播课人像瘦身处理装置的结构示意图；

图6是的一个实施例的电子设备的结构示意图；

图7是本发明的一个实施例的计算机可读记录介质的示意图。

具体实施方式

在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。

附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。

附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。

各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。

本发明主要用于对在线直播课中的老师进行瘦身，由于在线直播是实时场景，并非静态单张图像，因此对速度要求比较高，需要保证处理的实时性。另一方面，在线直播课中老师会在显示屏上书写板书，如果只对老师进行瘦身处理会导致瘦身区域的板书发生变形和扭曲。因此，本发明的直播课人像瘦身方法需要同时保证实时性和瘦身后板书不扭曲的效果。基于此，本发明实时采集直播课的至少两个场景视频，其中，一个场景视频由包含人像的第一场景视频图片组成，另一个场景视频由包含板书的第二场景视频图片组成；通过提取所述第一场景视频图片中的人像图片；定位所述人像图片的瘦身位置信息；再对所述瘦身位置信息进行瘦身处理，完成对直播课中人像的单独瘦身；再将所述瘦身后的人像图片与所述第二场景视频图片相融合；输出融合后的视频图片。从而实现对直播课人像实时瘦身并保证板书不变形的效果。

在一种具体实施方式中，本发明通过提取人像图片的关键部位位置信息以及关键部位高度信息；基于标准的身高胖瘦分布，根据所述关键部位高度信息确定关键部位标准位置信息；比较所述关键部位位置信息与所述关键部位标准位置信息，得到需要瘦身的瘦身位置信息。其中，人像图片的关键部位位置指需要瘦身的位置，包括但不限于：腰部、脸部等。对应的，所述人像图片的关键部位位置信息可以是腰部宽度、脸部宽度等。所述人像图片的关键部位位置信息具体可以通过预先训练好的深度学习模型获得。

本发明采用图像扭曲的方式将瘦身位置信息的像素映射至预设范围内，得到瘦身后的人像图片。其中，该预设范围是根据人像高度设置的瘦身范围。

本发明将所述瘦身后的人像图片粘贴至所述第二场景视频图片中除板书以外的位置；再采用高斯混叠算法处理所述人像图片与所述第二场景视频图片的粘贴边界。能有效缓解人像图片与第二场景视频图片存在光照不一致而使二者的粘贴边界出现的马赛克现象，提高融合视频图片的质量。并进一步采用图形学的光照模型处理融合后的图片，进一步消除人像图片与第二场景视频图片存在光照不一致的问题，提高融合后图片的真实性。

本发明在接收到场景切换指令时，将所述第二场景视频图片切换至对应的场景图片中，能进一步提高学生的学习注意力，提升课堂气氛。

本发明在接收到重点知识提示指令时，提示重点知识信息，加深学生对重点知识的关注度和记忆，提升学习效果。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。

附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。

附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。

各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。

图1是本发明一种直播课人像瘦身处理方法的流程示意图，如图1所示，所述方法包括如下步骤：

S1、分别采集直播课中包含人像的第一场景视频图片和包含板书的第二场景视频图片；

本发明为了对直播课中的人像进行瘦身，同时保证直播课的实时性和瘦身后板书不扭曲的效果，需要实时采集直播课中的包含人像的场景和包含板书的场景，具体可以采用两路摄像头同时进行拍摄，一路用于实时采集直播课中包含人像的第一场景视频图片，另一路用于实时采集直播课中包含板书的第二场景视频图片。比如，通过第一摄像头采集老师上直播课的真实场景，通过第二摄像头采集直播课中的纯板书场景。

为了保证实时对直播课中的人像进行瘦身，所述视频图片是实时采集直播课生成的与直播课同时播放的视频所包含的图片。为了兼顾瘦身处理的速度和效果，可以选取与直播课同时播放视频中的每帧图片作为视频图片，也可以在与直播课同时播放的视频中每隔几帧选取一张图片作为视频图片。

S2、提取所述第一场景视频图片中的人像图片；

具体可以采用图像分割技术从所述第一场景视频图片中将老师的图像扣出来。其中，图像分割是指将图像分成若干具有相似性质的区域的过程，可应用于场景物体分割、人体背景分割、人脸人体Parsing、三维重建等技术。图像分割大体可划分为基于图论的方法、基于像素聚类的方法和基于深度语义的方法这三大类。本发明优选采用基于深度语音的方法将老师的图像从第一场景视频图片中扣取出来。

S3、定位所述人像图片的瘦身位置信息；

示例性的，本发明通过提取人像图片的关键部位位置信息以及关键部位高度信息；基于标准的身高胖瘦分布，根据所述关键部位高度信息确定关键部位标准位置信息；比较所述关键部位位置信息与所述关键部位标准位置信息，得到需要瘦身的瘦身位置信息。

其中，人像图片的关键部位位置指需要瘦身的位置，本发明中，可以通过将老师腰部宽度变小来实现对腰部瘦身，也可以通过将老师脸部宽度变小来实现瘦脸效果。因此，人像图片的关键部位位置包括但不限于：腰部、脸部等。人像图片的关键部位高度与所述需要瘦身的位置对应的高度，比如需要对腰部瘦身，则关键部位高度指人像高度，若需要瘦脸，则关键部位高度指人脸高度。对应的，所述人像图片的关键部位位置信息可以是腰部宽度，则人像图片中关键部位高度信息为人像高度信息；所述人像图片的关键部位位置信息也可以是脸部宽度，则人像图片中关键部位高度信息为人脸高度信息。

本发明中，所述人像图片的关键部位位置具体可以通过预先训练好的深度学习模型获得。在训练所述深度学习模型时，可以先从历史数据或者公开的数据集中获取历史直播课中的人像图片作为样本集；标注所述样本集图片中的关键部位位置信息(比如腰部宽度、脸部宽度等)；根据所述样本集和所述关键部位位置信息训练深度学习模型。进一步，还可以将待验证人像图片输入到训练好的深度学习模型中，获得预测的关键部位位置信息，将待验证视频帧图片的实际关键部位位置信息和预测的关键部位位置信息进行比较，计算损失函数；若损失函数小于预设值，则将所述深度学习模型确定为最终训练好的深度学习模型。其中，所述深度学习模型具体可以采用CNN、Hourglass、Attention、Transform、LSTM等网络结构实现。

同理，所述人像图片中关键部位高度信息也可以训练好的深度学习模型来获取。本发明会基于第一场景视频图片坐标系预先根据标准的身高胖瘦分布，配置对应关系表，该对应关系表包含关键部位高度信息对应的关键部位标准位置信息，则根据提取的关键部位高度信息以及上述对应关系可确定当前人像关键部位标准位置信息，比较当前人像提取的关键部位位置信息与所述关键部位标准位置信息，则可以得到需要瘦身的瘦身位置信息。其中，所述瘦身位置信息包括：瘦身部位的坐标(比如腰部、脸部等)，瘦身长度(即在第一场景视频图片坐标系中，关键部位位置信息与所述关键部位标准位置信息的差值)。

以对直播课中老师腰部进行瘦身为例，如图2所示，本步骤通过训练好的深度学习模型获取第一场景视频图片中老师图像21中的腰部宽度D及老师高度H，根据对应关系查找与老师高度H对应的腰部标准宽度D

S4、对所述瘦身位置信息进行瘦身处理，得到瘦身后的人像图片；

本发明采用图像扭曲将所述瘦身位置信息的像素映射至预设范围内，得到瘦身后的人像图片。具体可以先根据第一场景视频图片的坐标像素转换关系，将瘦身部位坐标转换为瘦身部位像素，并将瘦身长度转换为对应的瘦身像素，再通过图像扭曲将所述瘦身部位的像素映射至瘦身像素的范围内，得到瘦身后的人像图片。其中，图像扭曲是将图片上每一个像素点按照一定的规律映射到新的位置上，实际上就是求解新的像素坐标x，y的过程。

S5、将所述瘦身后的人像图片与所述第二场景视频图片相融合；

具体的，本发明将所述瘦身后的人像图片粘贴至所述第二场景视频图片中除板书以外的位置；再采用高斯混叠算法处理所述人像图片与所述第二场景视频图片的粘贴边界。能有效缓解人像图片与第二场景视频图片存在光照不一致而使二者的粘贴边界出现的马赛克现象，提高融合视频图片的质量。

其中，高斯混叠算法包含如下步骤：

S11、分别根据待融合图片L和R构建其对应的高斯残差金字塔(层数为预设值level)，并保留高斯金字塔下采样最顶端的图像(尺寸最小的图像，第level+1层)：

其中，高斯金字塔构建方法如下，以图片L为例：

(1)对图片L进行高斯下采样得到downL，具体采用OpenCV中的pyrDown()函数可以实现。然后再对downL进行高斯上采样得到upL，OpenCV中pyrUp()函数可以实现。

(2)计算图片L与upL之间的残差，得到一幅残差图lapL0。作为高斯金字塔最低端的图像。

(3)对downL继续进行步骤(1)(2)操作，不断计算残差图lapL1、lap2、lap3.....lapN。这样得到一系列残差图，即为高斯残差金字塔。

(4)高斯残差金字塔中一共有level幅图像。保留第level+1层的高斯下采样图topL，以便后面使用。

S12、在二值掩模mask下采样构建高斯金字塔，同样利用pyrDown()实现，共有level+1层。

S13、利用mask金字塔每一层的mask图，将图片L和R的高斯残差金字塔对应层的图像合并为一幅图像。这样得到合并后的高斯残差金字塔。同时利用最顶端的mask将步骤S11中保留的topL和topR合并为topLR。

S14、以topLR为金字塔最顶端的图像，利用pyrUp()函数对topLR进行高斯上采样，得到upTopLR，并将upTopLR与步骤S13中合并后的残差金字塔对应层的图像相加，重建出该层的图像。

S15、重复步骤S14，直至重建出第0层，也就是金字塔最低端的图像，即blendImg。输出。

此外，本发明中，瘦身后的人像图片与第二场景视频图片会出现光照分布不相同的情况。为了提高融合后图片的真实性，需要消除瘦身后的人像图片与第二场景视频图片存在光照分布不同的问题，因此，本步骤还可以进一步采用图形学的光照模型处理融合后的图片。

其中，图形学中光照模型用于描述三维场景中光源与物体表面光照之间的关系。本发明通过求解光照模型参数分别得到瘦身后人像图片及第二场景视频图片的光照分布，然后根据第二场景视频图片的光照分布来修正瘦身后人像图片的光照分布，使得二者的光照分布一致。显然，也可以根据瘦身后人像图片的光照分布来修正第二场景视频图片的光照分布，使得二者的光照分布一致。或者，也可以将瘦身后人像图片集第二场景视频图片的光照分布同时调整到预先设置的最佳光照强度，使得二者的光照分布一致，本发明不作具体限定。

具体的，图形学中的光照模型有多种，以冯氏光照模型(Phong Lighting Model)为例，冯氏光照模型的主要结构由3个分量组成：环境(Ambient)、漫反射(Diffuse)和镜面(Specular)光照。

其中，环境光照(Ambient Lighting)使用一个环境光照常量模拟在黑暗的情况下，物体仍然有一些光亮(月亮、远处的光)。可以通过如下公式计算环境光照C

其中：m

漫反射光照(Diffuse Lighting)模拟光源对物体的方向性影响(DirectionalImpact)。漫反射光照服从Lambert法则：反射光强正比于法向量与光线夹角的余弦，用点乘来计算余弦，可以通过如下公式计算漫反射光照C

其中：n为表面法向量，l为指向光源的单位向量，m

镜面光照(Specular Lighting)模拟有光泽物体上面出现的亮点。可以通过如下公式计算镜面光照C

其中：θ为r和v的夹角，由r·v给出，描述镜像的方位性；v指向观察者；r为“镜像”向量。m

通过上述公式计算可以得到瘦身后人像图片的环境光照、漫反射光照及镜面光照，以及第二场景视频图像的环境光照、漫反射光照及镜面光照。再结合光照衰减(Attenuation)，得到如下光照衰减公式：

其中：A为环境光照，D为漫反射光照，S为镜面光照，k为相应的参数的系数，a

通过调整瘦身后人像图片和/或第二场景视频图片的a

S6、输出融合后的视频图片。

本发明实时采集直播课的至少两个场景视频，其中，一个场景视频由包含人像的第一场景视频图片组成，另一个场景视频由包含板书的第二场景视频图片组成；通过提取所述第一场景视频图片中的人像图片；定位所述人像图片的瘦身位置信息；再对所述瘦身位置信息进行瘦身处理，完成对直播课中人像的单独瘦身；再将所述瘦身后的人像图片与所述第二场景视频图片相融合；输出融合后的视频图片。从而实现对直播课人像实时瘦身并保证板书不变形的效果。

本发明为了进一步提高学生的学习注意力，提升课堂气氛。在接收到场景切换指令时，将所述第二场景视频图片切换至对应的场景图片中。比如图3a中，直播课实时显示包含瘦身后教师31及板书图片32的视频。当直播课中讲解古诗：“大漠孤烟直，长河落日圆”时，教师可以通过点击直播设备屏幕等方式发出场景切换指令，则如图3b，将直播课中板书32自动切换到戈壁大漠落日的场景。

进一步的，为了加深学生对重点知识的关注度和记忆，提升学习效果。本发明在接收到重点知识提示指令时，提示重点知识信息。其中，重点知识提示指令可以通过检测老师对检测装置(比如设置在直播设备上的触摸屏、物理按键等)的触摸来获取。所述提示重点知识的方式可以是以大于正常音量的音量播放重点知识，也可以是重点显示的方式直播屏幕上显示重点知识，还可以是二者结果的方式。如图4，所述重点显示的方式可以是在直播屏幕10的右上角显示卡通形象11(如摇摆的小熊)，并在卡通形象11的下部显示重点知识XXX。重点显示的方式也可以是在直播屏幕上以放大的彩色字体显示重点知识，本发明不作具体限定。

图5是本发明一种直播课人像瘦身处理装置的结构示意图，如图5所示，所述装置包括：

采集模块51，用于分别采集直播课中包含人像的第一场景视频图片和包含板书图片的第二场景视频图片；

提取模块52，用于提取所述第一场景视频图片中的人像图片；

定位模块53，用于定位所述人像图片的瘦身位置信息；

瘦身处理模块54，用于对所述瘦身位置信息进行瘦身处理，得到瘦身后的人像图片；

融合模块55，用于将所述瘦身后的人像图片与所述第二场景视频图片相融合；

输出模块56，用于输出融合后的视频图片。

在一种具体实施方式中，所述定位模块53包括：

提取模块，用于提取所述人像图片的关键部位位置信息以及关键部位高度信息；

确定模块，用于根据所述关键部位高度信息确定关键部位标准位置信息；

比较模块，用于比较所述关键部位位置信息与所述关键部位标准位置信息，得到需要瘦身的瘦身位置信息。

具体的，将所述人像图片输入深度学习模型中，得到所述人像图片的关键部位位置信息。则所述装置还包括：

获取模块，用于获取历史直播课中的人像图片作为样本集；

标注模块，用于标注所述样本集图片中的关键部位位置信息；

训练模块，用于根据所述样本集和所述关键部位位置信息训练深度学习模型。

在一种具体实施方式中，瘦身处理模块54采用图像扭曲将所述瘦身位置信息的像素映射至预设范围内，得到瘦身后的人像图片。

所述融合模块55包括：

粘贴模块，用于将所述瘦身后的人像图片粘贴至所述第二场景视频图片中除板书以外的位置；

子处理模块，用于采用高斯混叠算法处理所述人像图片与所述第二场景视频图片的粘贴边界。

进一步的，所述装置还包括：

图形处理模块，用于采用图形学的光照模型处理融合后的图片。

在一种具体实施方式中，所述装置还包括：

切换模块57，用于当接收到场景切换指令时，将所述第二场景视频图片切换至对应的场景图片中。

提示模块58，用于当接收到重点知识提示指令时，提示重点知识信息。

本发明实时采集直播课的至少两个场景视频，其中，一个场景视频由包含人像的第一场景视频图片组成，另一个场景视频由包含板书的第二场景视频图片组成；通过提取所述第一场景视频图片中的人像图片；定位所述人像图片的瘦身位置信息；再对所述瘦身位置信息进行瘦身处理，完成对直播课中人像的单独瘦身；再将所述瘦身后的人像图片与所述第二场景视频图片相融合；输出融合后的视频图片。从而实现对直播课人像实时瘦身并保证板书不变形的效果。

本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

图6是本发明的一个实施例的电子设备的结构示意图，该电子设备包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行直播课人像瘦身处理方法。

如图6所示，电子设备以通用计算设备的形式表现。其中处理器可以是一个，也可以是多个并且协同工作。本发明也不排除进行分布式处理，即处理器可以分散在不同的实体设备中。本发明的电子设备并不限于单一实体，也可以是多个实体设备的总和。

所述存储器存储有计算机可执行程序，通常是机器可读的代码。所述计算机可读程序可以被所述处理器执行，以使得电子设备能够执行本发明的方法，或者方法中的至少部分步骤。

所述存储器包括易失性存储器，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以是非易失性存储器，如只读存储单元(ROM)。

可选的，该实施例中，电子设备还包括有I/O接口，其用于电子设备与外部的设备进行数据交换。I/O接口可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

应当理解，图6显示的电子设备仅仅是本发明的一个示例，本发明的电子设备中还可以包括上述示例中未示出的元件或组件。例如，有些电子设备中还包括有显示屏等显示单元，有些电子设备还包括人机交互元件，例如按扭、键盘等。只要该电子设备能够执行存储器中的计算机可读程序以实现本发明方法或方法的至少部分步骤，均可认为是本发明所涵盖的电子设备。

图7是本发明的一个实施例的计算机可读记录介质的示意图。如图7所示，计算机可读记录介质中存储有计算机可执行程序，所述计算机可执行程序被执行时，实现本发明上述的直播课人像瘦身处理方法。所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

通过以上对实施方式的描述，本领域的技术人员易于理解，本发明可以由能够执行特定计算机程序的硬件来实现，例如本发明的系统，以及系统中包含的电子处理单元、服务器、客户端、手机、控制单元、处理器等，本发明也可以由包含上述系统或部件的至少一部分的车辆来实现。本发明也可以由执行本发明的方法的计算机软件来实现，例如由直播设备的微处理器、电子控制单元，客户端、服务器端等执行的控制软件来实现。但需要说明的是，执行本发明的方法的计算机软件并不限于由一个或特定个的硬件实体中执行，其也可以是由不特定具体硬件的以分布式的方式来实现，对于计算机软件，软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中，也可以分布式存储于网络上，只要其能使得电子设备执行根据本发明的方法。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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，均应包含在本发明的保护范围之内。