图像处理方法、装置、电子设备以及存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及智能搜索领域，具体涉及图像处理方法、装置、电子设备、存储介质以及程序产品。


背景技术：

2.随着互联网的普及，智能搜索已经成为互联网的重要工具之一。智能搜索可以提供信息查询、检索等服务，在提供该些服务的过程中，可以通过不断优化其智能化、个性化、交互性、主动性等优势，力求使用户快速精准地找到自己需要的信息。


技术实现要素：

3.本公开提供了一种图像处理方法、装置、电子设备、存储介质以及程序产品。
4.根据本公开的一方面，提供了一种图像处理方法，包括：识别图像数据中的目标物品对象的类别信息和属性特征信息；基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息，并提供给用户；以及响应于用于图像处理的请求，根据类别信息和属性特性信息，对待处理图像进行图像处理，得到目标图像。
5.根据本公开的另一方面，提供了一种图像处理装置，包括：识别模块，用于识别图像数据中的目标物品对象的类别信息和属性特征信息；标识确定模块，用于基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息，并提供给用户；以及响应模块，用于响应于用于图像处理的请求，根据类别信息和属性特性信息，对待处理图像进行图像处理，得到目标图像。
6.根据本公开的另一方面，提供了一种电子设备，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，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。
8.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1示意性示出了根据本公开实施例的可以应用图像处理方法及装置的示例性系统架构；
12.图2示意性示出了根据本公开实施例的图像处理方法的流程图；
13.图3示意性示出了根据本公开实施例的确定目标物品对象的属性特征信息和类别信息的示意图；
14.图4示意性示出了根据本公开另一实施例的确定目标物品对象的属性特征信息和类别信息的示意图；
15.图5示意性示出了根据本公开实施例的对待处理图像进行渲染的示意图；
16.图6示意性示出了根据本公开另一实施例的图像处理方法的流程图；
17.图7示意性示出了根据本公开实施例的图像处理装置的框图；以及
18.图8示意性示出了根据本公开实施例的适于实现图像处理方法的电子设备的框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.随着互联网的快速发展，用户在浏览网页、观看直播等线上活动时，可能对漂亮的服饰、精致的妆容引发兴趣，有进一步了解和购买的想法。
21.在实际情况中，可以采用文字搜索同款物品的方式来进一步获取物品信息。但是，少量的或者不精确的搜索信息，导致搜索结果难以符合用户预期，乃至难以满足用户精准需求。另外，还可以利用公众号推荐的方式来获取推荐的同款物品信息。但是，公众号推荐的单品种类和数量有限，难以满足对多种多样的物品的搜索需求。
22.本公开的实施例提供了一种图像处理方法、装置、电子设备、存储介质以及程序产品。
23.根据本公开的实施例，图像处理方法可以包括：识别图像数据中的目标物品对象的类别信息和属性特征信息；基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息，并提供给用户；以及响应于用于图像处理的请求，根据类别信息和属性特性信息，对待处理图像进行图像处理，得到目标图像。
24.利用本公开的实施例提供的图像处理方法，可以通过识别图像数据中的目标物品对象的类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息。用户可以通过获悉得到的与目标物品对象相匹配的物品标识信息，可以更深入地了解、学习目标物品对象。进而解决用户通过文字搜索而导致的搜索用语描述不准确，搜索结果难以满足用户需求等问题。更进一步，可以根据类别信息和属性特征信息，对待处理图像进行图像处理，得到目标图像，将目标物品对象与待处理图像相结合，将虚拟信息可视化，更直观，提高用户体验。
25.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
26.图1示意性示出了根据本公开实施例的可以应用图像处理方法及装置的示例性系统架构。
27.需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本
领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用图像处理方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的图像处理方法及装置。
28.如图1所示，根据该实施例的系统架构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，例如有线和/或无线通信链路等等。
29.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，例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
30.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，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。
31.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
32.需要说明的是，本公开实施例所提供的图像处理方法一般可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的图像处理装置也可以设置于终端设备101、102、或103中。
33.或者，本公开实施例所提供的图像处理方法一般也可以由服务器105执行。相应地，本公开实施例所提供的图像处理装置一般可以设置于服务器105中。本公开实施例所提供的图像处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的图像处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
34.例如，在用户搜索图像数据中的目标物品对象时，终端设备101、102、103可以获取图像数据，然后将获取的图像数据发送给服务器105，由服务器105对图像数据进行分析，识别图像数据中的目标物品对象的类别信息和属性特征信息；基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对图像数据进行分析，并最终实现确定与目标物品对象相匹配的物品标识信息。
35.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。
36.图2示意性示出了根据本公开实施例的图像处理方法的流程图。
37.如图2所示，该方法包括操作s210～s230。
38.在操作s210，识别图像数据中的目标物品对象的类别信息和属性特征信息。
39.在操作s220，基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息，并提供给用户。
40.在操作s230，响应于用于图像处理的请求，根据类别信息和属性特性信息，对待处理图像进行图像处理，得到目标图像。
41.根据本公开的实施例，图像数据的来源不做限定。例如，可以是通过图像采集装置采集的图像数据，也可以是从网页下载的图像数据，还可以是通过提取视频得到的视频帧数据。
42.根据本公开的实施例，目标物品对象的类型不做具体限定。例如，可以是涂在面部的化妆品，也可以是穿在身上的服饰，还可以是其他物品。
43.根据本公开的实施例，类别信息可以是用于区分物品类别的信息，可以表明图像数据中的目标物品对象的所属类别，例如，化妆品、服装、饰品等类别。
44.根据本公开的实施例，属性特征信息的类型不做限定。例如，可以是指目标物品对象的材质、颜色、图案、尺寸等相关属性信息。
45.根据本公开的实施例，物品标识信息的类型不做限定。例如，可以是二维码，也可以是条形码，还可以是物品标识证号。只要是能够起到唯一标识物品的作用即可。
46.根据本公开的实施例，与目标物品对象相匹配的物品标识信息，可以是目标物品对象的物品标识信息，但是并不局限于此。还可以是与目标物品对象相似的或者相关的物品的物品标识信息。
47.利用本公开的实施例提供的图像处理方法，可以通过识别图像数据中的目标物品对象的类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息。用户可以通过获悉得到的与目标物品对象相匹配的物品标识信息，对目标物品对象进行更深入地了解、学习或者购买等操作。进而解决用户通过文字搜索而导致的搜索用语描述不准确，进而搜索结果不精确、搜索结果难以满足用户需求的问题。
48.根据本公开的实施例，待处理图像的图像内容不做限定。例如，可以包括脸部、头发、身体等其中一个或多个人体部位的图像，还可以具有动物、房子、自然风景等背景图像内容。
49.根据本公开的实施例，图像处理的手段不做限定。例如，可以是图像渲染处理、图像着色处理，还可以是图像合成处理，也可以是图像变形处理等。在此不再赘述。
50.利用本公开的实施例，根据类别信息和属性特征信息，对待处理图像进行图像处理，得到目标图像，将目标物品对象与待处理图像相结合，将虚拟信息可视化，更直观，用户体验好。
51.根据本公开的实施例，可以通过如下操作来确定目标物品对象的类别信息和属性特征信息。
52.例如，响应于用于识别图像数据的请求，识别图像数据中的目标物品对象的属性特征信息和附属位置信息，其中，附属位置信息用于表征目标物品对象附属于的对象的位置信息；以及基于附属位置信息，确定目标物品对象的类别信息。
53.根据本公开的实施例，可以通过识别模型来识别目标物品对象的属性特征信息和附属位置信息。
54.根据本公开的实施例，属性特征信息可以包括颜色类别特征信息、颜色型号特征信息、颜色质地特征信息中的一项或多项。
55.根据本公开的实施例，颜色类别特征信息可以是红、黄、蓝、白、黑等主颜色类别特
征信息。
56.根据本公开的实施例，颜色型号特征信息可以是色号信息，即主颜色类别中的再精细划分的颜色信息。例如，红色中的鲜红、玫红、橘红等。颜色型号特征信息可以通过颜色色号来进行标识。
57.根据本公开的实施例，颜色类别特征信息和颜色型号特征信息，可以通过颜色识别模型来识别；还可以分别采用颜色类别识别模型和颜色型号识别模型分别来识别。
58.根据本公开的实施例，精细化区分目标物品对象的颜色类别特征信息、颜色型号特征信息，可以更为精准的匹配与目标物品对象相匹配的物品标识信息。
59.根据本公开的实施例，颜色质地特征信息可以是哑光、珠光、正常等信息。
60.根据本公开的实施例，颜色质地特征信息可以通过质地识别模型来识别。
61.根据本公开的示例性实施例，识别颜色类别特征信息、颜色型号特征信息和颜色质地特征信息，并利用颜色类别特征信息、颜色型号特征信息和颜色质地特征信息共同确定与目标物品对象相匹配的物品标识信息。能够更为精准的适用于化妆品类物品对象的识别与物品标识信息的确定。
62.根据本公开的实施例，附属位置信息不做具体限定。例如，可以是附属于的对象(例如人物)的五官位置信息，也可以是附属于的对象的头部位置信息，还可以是附属于的对象的身体位置信息。可以通过对象识别模型来进行识别。例如，五官识别模型、人体识别模型等。
63.根据本公开的实施例，可以通过附属位置信息来确定目标物品对象的类别信息，尤其是化妆品类物品对象的类别信息。例如，眼部对应眼影、腮部对应腮红、眉毛对应眉笔、脸部对应粉底、嘴唇对应口红等。
64.下面结合具体实施例，并参考图3～图6对根据本公开实施例的图像处理方法做进一步说明。
65.图3示意性示出了根据本公开实施例的确定目标物品对象的属性特征信息和类别信息的示意图。
66.如图3所示，可以响应于用户用于识别例如人脸图像数据的请求，利用五官识别模型来识别图像数据中的附属位置信息、利用颜色识别模型和质地识别模型来识别图像数据中的属性特征信息。最终识别结果为，附属位置信息为嘴部，属性特征信息为玫红色的颜色色号，颜色质地为珠光。后续，基于附属位置信息，可以确定与附属位置信息对应的目标物品对象的类别信息为口红。
67.利用本公开实施例提供的属性特征信息和类别信息确定方式，可以获取图像数据中的多种信息，使识别范围广，搜索全面。
68.根据本公开的实施例，还可以通过如下操作来确定目标物品对象的类别信息和属性特征信息。
69.例如，获取用于识别图像数据的请求，其中，请求中携带目标物品对象的类别信息；响应于用于识别图像数据的请求，从图像数据中确定与类别信息相对应的附属位置信息，其中，附属位置信息用于表征目标物品对象附属于的对象的位置信息；以及基于附属位置信息，从图像数据中识别目标对象的属性特征信息。
70.根据本公开的实施例，在响应于用于识别图像数据的请求的情况下，已经获知目
标物品对象的类别信息，只需利用五官识别模型识别到对应类别信息的附属位置信息，并利用颜色识别模型和质地识别模型分别识别得到对应附属位置信息的属性特征信息即可。
71.图4示意性示出了根据本公开另一实施例的确定目标物品对象的属性特征信息和类别信息的示意图。
72.如图4所示，在已知目标物品对象的类别信息为口红的情况下，响应于用于识别人脸图像数据的请求，利用五官识别模型来识别图像数据中的附属位置信息(嘴部位置信息)。利用颜色识别模型和质地识别模型来识别图像数据中的与嘴部位置信息对应的属性特征信息，例如，颜色色号为玫红色，颜色质地为珠光。
73.利用本公开另一实施例提供的属性特征信息和类别信息确定方式，可以更具有针对性，使识别更快速、精准。
74.根据本公开的实施例，可以通过如下操作来基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息。
75.例如，从物品对象集合中筛选与类别信息和属性特征信息相匹配的候选物品对象；以及在确定候选物品对象满足预设条件的情况下，将候选物品对象的物品标识信息确定为与目标物品对象相匹配的物品标识信息。
76.根据本公开的实施例，与目标物品对象相匹配的物品对象可以是目标物品对象，也可以是与目标物品对象相似的或者相关的物品对象。
77.根据本公开的实施例，基于类别信息和属性特征信息作为匹配信息来从物品对象集合中进行筛选，可以筛选出一个或者多个候选物品对象。
78.根据本公开的实施例，在将候选物品对象的物品标识信息确定为与目标物品对象相匹配的物品标识信息之前，本公开实施例提供的图像处理方法可以执行确定候选物品对象是否满足预设条件的操作。
79.根据本公开的实施例，利用预设条件进一步筛选候选物品对象，不仅能更贴近用户需求，而且能进一步筛减候选物品对象，避免信息冗余，影响用户体验。
80.根据本公开的实施例，可以通过如下方式来确定候选物品对象是否满足预设条件。
81.例如，确定候选物品对象的价值属性值；以及在确定候选物品对象的价值属性值小于或等于预设价值阈值的情况下，确定候选物品对象满足预设条件。
82.根据本公开的实施例，将价值属性值小于或等于预设价值阈值作为预设条件，将价值属性值小于或等于预设价值阈值的候选物品对象的物品标识信息确定为与目标物品对象相匹配的物品标识信息，有利于快速筛选出与目标物品对象相类似的平价款物品对象或者目标物品对象。
83.根据本公开的实施例，还可以通过如下方式来确定候选物品对象是否满足预设条件。
84.例如，确定多个候选物品对象中的每个候选物品对象的关注度；以及将关注度最高的候选物品对象确定为满足预设条件的候选物品对象。
85.根据本公开的实施例，候选物品对象的关注度的类型不做限定。例如，可以是用户对候选物品对象的感兴趣程度，也可以是该候选物品对象的热度，例如收藏数量、加入购物车数量、或者购买数量，还可以是候选物品对象的上市时间。
86.根据本公开的示例性实施例，候选物品对象的关注度可以是基于感兴趣程度、热度、以及上市时间等多个因素共同确定。例如，可以为感兴趣程度、热度、以及上市时间等因素配置不同的权重因子，由总权重来确定关注度。
87.关注度＝感兴趣程度*第一权重因子 热度*第二权重因子 上市时间*第三权重因子。
88.根据本公开的实施例，将关注度最高作为预设条件，将关注度最高的候选物品对象确定为满足预设条件的候选物品对象，贴近用户的需求。
89.根据本公开的示例性实施例，还可以确定候选物品对象的价值属性值，并确定多个候选物品对象中的每个候选物品对象的关注度，将价值属性值小于或等于预设价值阈值的候选物品对象确定为候选物品对象满足第一预设条件，将关注度满足预设关注度阈值的候选物品对象确定为候选物品对象满足第二预设条件，将同时满足第一预设条件和第二预设条件的候选物品对象确定为满足预设条件的候选物品对象。
90.根据本公开的实施例，将价值属性值和关注度结合考虑，能够筛选出符合用户个性化需求的平价物品对象或者同款物品对象。
91.根据本公开的实施例，与目标物品对象相匹配的物品标识信息可以包括：目标物品对象的物品链接信息、目标物品对象的物品型号信息、目标物品对象的物品价值属性值信息、与目标物品对象相似的物品的物品链接信息、与目标物品对象相似的物品的物品型号信息、与目标物品对象相似的物品的物品价值属性值信息中的一项或多项。
92.根据本公开的实施例，与目标物品对象相匹配的物品标识信息可以是目标物品对象的物品标识信息，也可以是与目标物品对象相似的物品对象的物品标识信息。
93.根据本公开的实施例，物品标识信息可以是二维码，也可以是条形码，还可以是物品标识证号，但是并不局限于此。还可以附加有链接信息、型号信息、物品价值属性值信息等。
94.根据本公开的实施例，在识别到目标物品对象的属性特征信息和类别信息后，进一步确定与目标物品对象匹配的物品标识信息，有利于用户快速、深入地了解目标物品对象或者与目标物品对象相似的物品对象，满足用户的购买需求。
95.根据本公开的实施例，在确定与目标物品对象相匹配的物品标识信息后，还可以通过如下操作来得到目标对象，并展示给用户。
96.例如，响应于用于图像处理的请求，基于类别信息，确定待处理图像的目标位置信息；以及基于属性特征信息，对待处理图像的目标位置信息进行渲染，得到目标图像。
97.根据本公开的实施例，目标位置信息可以是众多附属位置信息中的一个或多个位置信息，例如，可以是五官、人体的头部、身体等部位中的一个或多个。在确定目标位置信息后，即可以确定待处理图像的纹理信息。可以根据属性特征信息中的颜色类别特征信息、颜色型号特征信息和颜色质地特征信息等中的一种或多种，对待处理图像的目标位置信息进行渲染，得到渲染后的目标图像。
98.需要说明的是，对图像进行渲染处理的操作也可以基于用户的跳过请求而放弃执行。在获取到用户用于图像处理的请求的情况下，再响应于用于图像处理的请求，执行对待处理图像的目标位置信息进行渲染的操作。
99.利用本公开实施例提供的图像处理方法，选择性高、灵活、智能，满足用户的多种
需求。
100.图5示意性示出了根据本公开实施例的对待处理图像进行渲染的示意图。
101.如图5所示，对待处理图像510进行渲染，可以模拟对面部进行自动试妆的操作。待处理图像510可以是图库中用户确定的人脸图像，也可以是在线拍摄的人脸图像。可以基于用户的指令，进行整体面容试妆、唇部试妆、眼影试妆等操作。可以利用五官识别模型识别待处理图像中的目标位置信息520，例如唇部，然后基于属性特征信息，对唇部进行着色，得到涂覆口红的目标图像530。
102.利用本公开实施例提供的图像处理方法，通过对待处理图像的渲染，能够模拟在线试妆，可视化效果好。
103.需要说明的是，利用本公开的实施例提供的图像处理方法，不仅可以对待处理图像进行渲染处理，还可以对待处理图像进行合成处理，例如将目标物品对象(包、服饰、发饰、首饰等物品对象)与待处理图像进行拼接，合成为一张图像，作为目标图像。
104.根据本公开的示例性实施例，智能识别五官中的位置信息，并识别图像数据中的化妆品类物品对象的属性特征信息，例如颜色类别特征信息、颜色型号特征信息、质地特征信息以及类别信息等，更为突出地解决了用户难以用语言文字描述搜索的诉求。
105.图6示意性示出了根据本公开另一实施例的图像处理方法的流程图。
106.如图6所示，图像数据610的来源可以是图片，也可以是视频。可以直接提取图片中的数据作为图像数据，也可以提取视频帧中的关键帧，提取关键帧中的数据作为图像数据。
107.利用深度学习的识别模型来智能识别图像数据610中的目标物品对象的类别信息、属性特征信息。并基于此，利用属性特征信息例如颜色类别信息、颜色型号信息、颜色质地信息、类别信息，从物品对象集合中进行映射检索，确定与目标物品对象相匹配的物品标识信息620。展示给用户。
108.在本实施例中，还可以提供用户选择是否进行试妆操作，例如试妆或者跳过。在响应于用户用于进行试妆操作的请求的情况下，可以在线采集人脸面部信息，基于属性特征信息和类别信息，对面部图像进行着色，得到上妆的目标图像630。
109.用户可以根据目标图像来判断试妆效果，最终确定是否购买目标物品对象或者与目标物品对象相似的物品对象。
110.利用本公开的实施例提供的图像处理方法，适用于图片或者视频等场景，可以精准识别图像数据中的目标物品对象的属性特征信息和类别信息，确定与目标物品对象相匹配的物品标识信息(即搜索到同款或者能够达到同等效果的相似款物品)，而且能够进行试妆，虚拟上妆的样貌。实现看、试、买的完整闭环操作，智能满足用户的多种需求，解决语言文字描述搜索不精准的问题。
111.图7示意性示出了根据本公开实施例的图像处理装置的框图。
112.如图7所示，图像处理装置700可以包括识别模块710、标识确定模块720、以及响应模块730。
113.识别模块710，用于识别图像数据中的目标物品对象的类别信息和属性特征信息；
114.标识确定模块720，用于基于类别信息和属性特征信息，确定与目标物品对象相匹配的物品标识信息，并提供给用户；以及
115.响应模块730，用于响应于用于图像处理的请求，根据类别信息和属性特性信息，
对待处理图像进行图像处理，得到目标图像。
116.根据本公开的实施例，识别模块710可以包括第一识别单元、以及类别确定单元。
117.第一识别单元，用于响应于用于识别图像数据的请求，识别图像数据中的目标物品对象的属性特征信息和附属位置信息，其中，附属位置信息用于表征目标物品对象附属于的对象的位置信息；
118.类别确定单元，用于基于附属位置信息，确定目标物品对象的类别信息。
119.根据本公开的实施例，识别模块710可以包括获取单元、位置确定单元、以及第二识别单元。
120.获取单元，用于获取用于识别图像数据的请求，其中，请求中携带目标物品对象的类别信息；
121.位置确定单元，用于响应于请求，从图像数据中确定与类别信息相对应的附属位置信息，其中，附属位置信息用于表征目标物品对象附属于的对象的位置信息；
122.第二识别单元，用于基于附属位置信息，从图像数据中识别目标对象的属性特征信息。
123.根据本公开的实施例，标识确定模块720可以包括筛选单元、以及标识确定单元。
124.筛选单元，用于从物品对象集合中筛选与类别信息和属性特征信息相匹配的候选物品对象；以及
125.标识确定单元，用于在确定候选物品对象满足预设条件的情况下，将候选物品对象的物品标识信息确定为与目标物品对象相匹配的物品标识信息。
126.根据本公开的实施例，图像处理装置700还可以包括价值确定模块、以及第一候选确定模块。
127.价值确定模块，用于确定候选物品对象的价值属性值；以及
128.第一候选确定模块，用于在确定候选物品对象的价值属性值小于或等于预设价值阈值的情况下，确定候选物品对象满足预设条件。
129.根据本公开的实施例，图像处理装置700还可以包括关注度确定模块、以及第二候选确定模块。
130.关注度确定模块，用于确定多个候选物品对象中的每个候选物品对象的关注度；以及
131.第二候选确定模块，用于将关注度最高的候选物品对象确定为满足预设条件的候选物品对象。
132.根据本公开的实施例，响应模块730可以包括响应单元、以及渲染单元。
133.响应单元，用于响应于用于图像处理的请求，基于类别信息，确定待处理图像的目标位置信息；
134.渲染单元，用于基于属性特征信息，对待处理图像的目标位置信息进行渲染，得到目标图像。
135.根据本公开的实施例，属性特征信息包括以下至少一项：颜色类别特征信息、颜色型号特征信息、颜色质地特征信息。
136.根据本公开的实施例，与目标物品对象相匹配的物品标识信息包括以下至少一项：目标物品对象的物品链接信息、目标物品对象的物品型号信息、目标物品对象的物品价
值属性值信息、与目标物品对象相似的物品的物品链接信息、与目标物品对象相似的物品的物品型号信息、与目标物品对象相似的物品的物品价值属性值信息。
137.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
138.根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上所述的方法。
139.根据本公开的实施例，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上所述的方法。
140.根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上所述的方法。
141.图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
142.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
143.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
144.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。
145.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实
现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
146.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
147.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
148.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
149.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
150.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
151.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
152.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。