CN113763258B - 一种视频图像的美化方法和装置 - Google Patents

Abstract

本发明公开了一种视频图像的美化方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：针对视频中的多帧第一图像，分别执行：根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；根据概率值，对第一图像进行美化，得到美化后的第二图像。该实施方式能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

Description

一种视频图像的美化方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种视频图像的美化方法和装置。

背景技术

随着硬件处理技术和网络传输技术的发展，视频软件开始逐步兴起，与此同时，用户不再满足于仅对静态的人像图片进行美化处理，越来越多的用户会在使用视频软件拍摄视频或者视频通话的时候选择实时磨皮功能，以美化动态的视频中自己的形象。

现有的视频软件在对视频中的人像进行磨皮时，采取了将识别出的皮肤区域进行磨皮处理，而对非皮肤区域不作磨皮处理的方式。但是由于现有技术对皮肤区域的识别不够准确，导致对视频中磨皮后得到的人像不够真实，进而降低了视频的质量。

发明内容

有鉴于此，本发明实施例提供一种视频图像的美化方法和装置，能够针对视频中的多帧第一图像，根据高斯模型分别确定每一张第一图像中每一个像素点是皮肤区域的概率值，其中概率值与对应像素点的美化程度正相关，再根据该概率值，对第一图像进行美化，得到美化后的第二图像，从而在现有技术对皮肤区域的识别不够准确的情况下，能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

为实现上述目的，根据本发明实施例的一个方面，提供了一种视频图像的美化方法。

本发明实施例的一种视频图像的美化方法包括：

针对视频中的多帧第一图像，分别执行：

根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；

根据概率值，对第一图像进行美化，得到美化后的第二图像。

可选地，

该方法还包括：

确定第一图像的像素值是否为第一颜色空间，如果否，将第一图像的像素值转换为第一颜色空间。

可选地，

根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，包括：

根据第一图像的像素值在第一颜色空间的色度信息，利用高斯模型，计算第一图像中每一个像素点的概率值。

可选地，

计算色度信息的均值和方差，将均值和方差作为高斯模型的输入，并将高斯模型的输出作为概率值；其中，概率值的分布在0～1区间。

可选地，

第一颜色空间为YCrCb空间，色度信息为蓝色色度分量Cb与红色色度分量Cr的值。

可选地，

在确定第一图像中每一个像素点是皮肤区域的概率值之后，还包括：

根据每一个像素点对应的概率值，确定像素点的权重值，权重值与概率值正相关；

根据第一图像中每一个像素点对应的权重值，生成第一图像对应的第一灰度权重图。

可选地，

该方法还包括：

针对每一帧第一图像，执行：

根据第一图像对应的第一灰度权重图、以及视频中位于第一图像之前的其他图像所对应的第一灰度权重图，生成第一图像对应的第二灰度权重图。

可选地，

根据概率值，对第一图像进行美化，得到美化后的第二图像，包括：

根据第二灰度权重图、第一图像的预处理图像以及第一图像，生成美化后的第二图像。

为实现上述目的，根据本发明实施例的又一方面，提供了一种视频图像的美化装置。

本发明实施例的一种视频图像的美化装置包括概率确定模块和美化模块；其中：

概率确定模块，用于针对视频中的多帧第一图像，分别执行：根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；

美化模块，用于根据概率值，对第一图像进行美化，得到美化后的第二图像。

为实现上述目的，根据本发明实施例的又一方面，提供了一种视频图像的美化电子设备。

本发明实施例的一种视频图像的美化电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明实施例的一种视频图像的美化方法。

为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读存储介质。

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例的一种视频图像的美化方法。

上述发明中的一个实施例具有如下优点或有益效果：能够针对视频中的多帧第一图像，根据高斯模型分别确定每一张第一图像中每一个像素点是皮肤区域的概率值，其中概率值与对应像素点的美化程度正相关，再根据该概率值，对第一图像进行美化，得到美化后的第二图像，从而在现有技术对皮肤区域的识别不够准确的情况下，能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的一种视频图像的美化方法的主要步骤的示意图；

图2是一张根据概率值生成的灰度权重图；

图3是一张根据权重值生成的第一灰度权重图；

图4是通过现有技术得到的一张美化后的第二图像；

图5是通过本方案得到的一张美化后的第二图像；

图6是根据本发明实施例的另一种视频图像的美化方法的主要步骤的示意图；

图7是根据本发明实施例的一种视频图像的美化装置的主要模块的示意图；

图8是本发明实施例可以应用于其中的示例性系统架构图；

图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。

需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。

现有技术中，常用肤色检测算法的返回值为0或1，返回值为1则判定当前像素点位于皮肤区域，而返回值为0则判定当前像素点位于非皮肤区域，此方法会造成视频中人像的皮肤区域与非皮肤区域具有明显的分割，影响视觉效果。

基于此，本方案利用基于YCbCr空间的高斯肤色相似度模型，求解视频每一帧图像的每一个像素点是皮肤区域的概率值，进而可以有效区分皮肤区域与非皮肤区域，再结合生成的灰度权重图对视频图像进行实时美化，从而有效提升对人像的美颜效果。

图1是根据本发明实施例的一种视频图像的美化方法的主要步骤的示意图。

如图1所示，本发明实施例的一种视频图像的美化方法针对视频中的多帧第一图像，分别执行以下步骤：

步骤S101：根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关。

在本发明实施例中，该方法还包括：确定第一图像的像素值是否为第一颜色空间，如果否，将第一图像的像素值转换为第一颜色空间。

在本发明实施例中，第一颜色空间可以是RGB颜色空间，也可以是YCbCr颜色空间，也可以是HSV颜色空间，还可以是其他颜色空间。其中，由于YCbCr颜色空间中，光照强度分量Y具有独立性，可以很好地解决光照强度变化影响人脸肤色的问题，并且在YCbCr颜色空间中，人脸的肤色也更加紧凑，由光照引起的皮肤区域与非皮肤区域之间的重叠不明显，更便于检测和分割皮肤区域与非皮肤区域，因此在本发明一个优选的实施例中，第一颜色空间为YCrCb空间，色度信息为蓝色色度分量Cb与红色色度分量Cr的值。

在本发明实施例中，当第一图像的像素值不是YCrCb空间时，可以将第一图像的像素值转换为YCrCb空间。例如，将RGB颜色空间转换为YCrCb空间的公式如下：

Y＝0.299*R+0.587*G+0.114*B

Cb＝(R-Y)*0.713+128

Cr＝(B-Y)*0.564+128

其中，Y是指亮度分量，Cb是指蓝色色度分量，Cr是指红色色度分量。

由于人的肤色在亮度上差异较大，但在色度空间上却比较接近，在二维色度平面上，皮肤区域比较集中，因此在本发明实施例中，可以用高斯分布描述皮肤区域和非皮肤区域，具体地，在将颜色空间转换为YCbCr颜色空间上之后，根据第一图像的像素值在第一颜色空间的色度信息，利用高斯模型，计算第一图像中每一个像素点的概率值，该概率值就指示了对应的像素点与皮肤区域的相似度。

在本发明实施例中，可以计算色度信息的均值和方差，将均值和方差作为高斯模型的输入，并将高斯模型的输出作为概率值；其中，概率值的分布在0～1区间。

在本发明实施例中，高斯模型计算概率值的公式如下：

P(CbCr)＝exp(-0.5(x-m)^TC^-1(x-m))

其中，x＝(CbCr)^T；m为整体肤色CbCr通道的均值，m＝E(x)；C为协方差矩阵，C＝E(x-m)(x-m^T)。

在本发明实施例中，均值m和方差C还可以通过对大量图像进行统计得到。在本发明一个优选的实施例中，

m＝[117.4316,148.5599

在本发明实施例中，在确定第一图像中每一个像素点是皮肤区域的概率值之后，还可以根据每一个像素点对应的概率值，确定像素点的权重值，权重值与概率值正相关，并根据第一图像中每一个像素点对应的权重值，生成第一图像对应的第一灰度权重图。

在本发明一个优选的实施例中，可以使用三次方函数y＝x³生成像素点的权重值，以进一步将概率值较高的像素点处的权值增加，而降低概率值较低的像素点处的权值，从而使越接近于皮肤区域的像素点的权值越大，越远离皮肤区域的像素点的权值越小。举例来说，根据概率值生成的灰度权重图如图2所示，而采用三次方函数y＝x³将概率值转换为权重值之后，生成的第一灰度权重图如图3所示，明显地，图3相比于图2更容易区分皮肤区域与非皮肤区域。

步骤S102：根据概率值，对第一图像进行美化，得到美化后的第二图像。

现有技术中，将连续的第一图像形成视频时，由于光照的影响可能会导致连续的多帧第一图像的光照亮度不同，进而在视频中造成闪动现象。因此，在本发明实施例中，可以进一步针对每一帧第一图像，均执行：根据第一图像对应的第一灰度权重图、以及视频中位于第一图像之前的其他图像所对应的第一灰度权重图，生成第一图像对应的第二灰度权重图，以使生成的连续的多帧第二图像之间光照亮度差别更小，减少视频中闪动现象的发生，并且也可以提升识别皮肤区域的准确度。

在本发明一个优选的实施例中，可以通过将得到的连续四帧第一灰度权重图以加权融合方式融合到一起，生成第二灰度权重图，这样就可减缓闪动现象。具体地，可以将待美化的第一图像对应的第一灰度权重图、以及视频中与第一图像相邻且位于第一图像之前的三张其他图像分别对应的第一灰度权重图依次保存在四维数组中，并将待美化的第一图像对应的第一灰度权重图保存在数组的第一个值即I₁中，其他图像所对应的第一灰度权重图则根据在视频中其他图像和与第一图像的远近依次保存在数组的其他值I₂，I₃和I₄中，然后根据下式，生成第一图像对应的第二灰度权重图：

I_skin＝I₁*0.4+I₂*0.3+I₃*0.2+I₄*0.1

其中，I_skin即为生成的第二灰度权重图。

在本发明实施例中，可以将得到的第二灰度权重图作为美化第一图像时的权重函数，以使越接近于皮肤区域的权重越大，美化程度越高。

在本发明实施例中，可以根据第二灰度权重图、第一图像的预处理图像以及第一图像，生成美化后的第二图像。其中，第一图像的预处理图像可以是采用现有技术中任意一种图像美化方式得到的全屏美化图像。

在本发明一个优选的实施例中，可以根据下式，生成美化后的第二图像：

I_out＝(1.0-I_skin)*I_ori+I_skin*I_blur

其中，I_ori为第一图像，I_skin为生成的第二灰度权重图，I_blur为第一图像的预处理图像，I_out为生成的第二图像。

在本发明实施例中，也可以根据第一图像对应的第二灰度权重图、针对视频中第一图像的下一帧图像进行美化。具体地，可以根据第一图像对应的第二灰度权重图、视频中第一图像的下一帧图像以及该下一帧图像的预处理图像，对该下一帧图像进行美化。

在本发明实施例中，利用现有技术得到美化后的第二图像如图4所示，由于肤色检测不准确，导致图4中存在部分皮肤区域未被磨皮美化；而基于本方案得到美化后的第二图像如图5所示，明显地，基于第二灰度权重图得到的图5可以不受光照影响地将皮肤区域全部进行磨皮美化，使得皮肤区域在视觉上更加真实。

在本发明实施例中，还可以把本方案提出的一种视频图像的美化方法运用于实时的视频直播等场景中，具体地，如图6所示，图6是根据本发明实施例的另一种视频图像的美化方法的主要步骤的示意图，该方法主要包括以下步骤：

步骤S601：通过摄像头获取第一图像；

步骤S602：通过肤色检测算法得到第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；

步骤S603：对概率值进行调整，得到权重值，并根据权重值生成第一图像对应的第一灰度权重图；

步骤S604：将第一图像对应的第一灰度权重图以及第一图像之前的其他图像对应的第一灰度权重图进行混合，得到第一图像对应的第二灰度权重图；

步骤S605：根据第二灰度权重图、第一图像的预处理图像以及第一图像，对第一图像进行磨皮美化，得到第二图像。

根据本发明实施例的一种视频图像的美化方法可以看出，能够针对视频中的多帧第一图像，根据高斯模型分别确定每一张第一图像中每一个像素点是皮肤区域的概率值，其中概率值与对应像素点的美化程度正相关，再根据该概率值，对第一图像进行美化，得到美化后的第二图像，从而在现有技术对皮肤区域的识别不够准确的情况下，能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

图7是根据本发明实施例的一种视频图像的美化装置的主要模块的示意图。

如图7所示，本发明实施例的一种视频图像的美化装置700包括概率确定模块701和美化模块702；其中：

概率确定模块701，用于针对视频中的多帧第一图像，分别执行：根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；

美化模块702，用于根据概率值，对第一图像进行美化，得到美化后的第二图像。

在本发明实施例中，概率确定模块701进一步用于：确定第一图像的像素值是否为第一颜色空间，如果否，将第一图像的像素值转换为第一颜色空间。

在本发明实施例中，概率确定模块701进一步用于：根据第一图像的像素值在第一颜色空间的色度信息，利用高斯模型，计算第一图像中每一个像素点的概率值。

在本发明实施例中，概率确定模块701进一步用于：计算色度信息的均值和方差，将均值和方差作为高斯模型的输入，并将高斯模型的输出作为概率值；其中，概率值的分布在0～1区间。

在本发明实施例中，第一颜色空间为YCrCb空间，色度信息为蓝色色度分量Cb与红色色度分量Cr的值。

在本发明实施例中，在确定第一图像中每一个像素点是皮肤区域的概率值之后，概率确定模块701进一步用于：根据每一个像素点对应的概率值，确定像素点的权重值，权重值与概率值正相关；根据第一图像中每一个像素点对应的权重值，生成第一图像对应的第一灰度权重图。

在本发明实施例中，美化模块702进一步用于：针对每一帧第一图像，执行：根据第一图像对应的第一灰度权重图、以及视频中位于第一图像之前的其他图像所对应的第一灰度权重图，生成第一图像对应的第二灰度权重图。

在本发明实施例中，美化模块702进一步用于：根据第二灰度权重图、第一图像的预处理图像以及第一图像，生成美化后的第二图像。

根据本发明实施例的一种视频图像的美化装置可以看出，能够针对视频中的多帧第一图像，根据高斯模型分别确定每一张第一图像中每一个像素点是皮肤区域的概率值，其中概率值与对应像素点的美化程度正相关，再根据该概率值，对第一图像进行美化，得到美化后的第二图像，从而在现有技术对皮肤区域的识别不够准确的情况下，能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

图8示出了可以应用本发明实施例的一种视频图像的美化方法或一种视频图像的美化装置的示例性系统架构800。

如图8所示，系统架构800可以包括终端设备801、802、803，网络804和电子设备805。网络804用以在终端设备801、802、803和电子设备805之间提供通信链路的介质。网络804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801、802、803通过网络804与电子设备805交互，以接收或发送消息等。终端设备801、802、803上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备801、802、803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。

电子设备805可以是提供各种服务的服务器，例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。

需要说明的是，本发明实施例所提供的一种视频图像的美化方法一般由电子设备805执行，相应地，一种视频图像的美化装置一般设置于电子设备805中。

应该理解，图8中的终端设备、网络和电子设备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、网络和电子设备。

下面参考图9，其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；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907；包括硬盘等的存储部分908；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909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，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910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908。

特别地，根据本发明公开的实施例，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，本发明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909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CP U)901执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示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。在本发明中，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。而在本发明中，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。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括概率确定模块和美化模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，美化模块还可以被描述为“根据概率值对第一图像进行美化得到美化后的第二图像的模块”。

作为另一方面，本发明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设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：针对视频中的多帧第一图像，分别执行：根据高斯模型，确定第一图像中每一个像素点是皮肤区域的概率值，其中，概率值与对应的像素点的美化程度正相关；根据概率值，对第一图像进行美化，得到美化后的第二图像。

根据本发明实施例的技术方案，能够针对视频中的多帧第一图像，根据高斯模型分别确定每一张第一图像中每一个像素点是皮肤区域的概率值，其中概率值与对应像素点的美化程度正相关，再根据该概率值，对第一图像进行美化，得到美化后的第二图像，从而在现有技术对皮肤区域的识别不够准确的情况下，能够对视频图像中皮肤区域和非皮肤区域的美化更加平滑，得到更为真实的人像，进而提升视频的质量。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (8)

1.一种视频图像的美化方法，其特征在于，包括：

针对视频中的多帧第一图像，分别执行：

根据高斯模型，确定所述第一图像中每一个像素点是皮肤区域的概率值，其中，所述概率值与对应的所述像素点的美化程度正相关；

根据每一个像素点对应的所述概率值，确定所述像素点的权重值，所述权重值与所述概率值正相关；根据所述第一图像中每一个像素点对应的所述权重值，生成所述第一图像对应的第一灰度权重图；根据所述第一图像对应的所述第一灰度权重图、以及所述视频中位于所述第一图像之前的其他图像对应的第一灰度权重图，生成所述第一图像对应的第二灰度权重图；

根据所述概率值，对所述第一图像进行美化，得到美化后的第二图像；具体包括：根据所述第二灰度权重图、所述第一图像的预处理图像以及所述第一图像，生成美化后的第二图像。

2.根据权利要求1所述的方法，其特征在于，还包括：

确定所述第一图像的像素值是否为第一颜色空间，如果否，将所述第一图像的像素值转换为所述第一颜色空间。

3.根据权利要求2所述的方法，其特征在于，所述根据高斯模型，确定所述第一图像中每一个像素点是皮肤区域的概率值，包括：

根据所述第一图像的像素值在所述第一颜色空间的色度信息，利用所述高斯模型，计算所述第一图像中每一个像素点的所述概率值。

4.根据权利要求3所述的方法，其特征在于，

计算所述色度信息的均值和方差，将所述均值和方差作为所述高斯模型的输入，并将所述高斯模型的输出作为所述概率值；其中，所述概率值的分布在0～1区间。

5.根据权利要求3或4所述的方法，其特征在于，

所述第一颜色空间为YCrCb空间，所述色度信息为蓝色色度分量Cb与红色色度分量Cr的值。

6.一种视频图像的美化装置，其特征在于，包括概率确定模块和美化模块；其中：

所述概率确定模块，用于针对视频中的多帧第一图像，分别执行：根据高斯模型，确定所述第一图像中每一个像素点是皮肤区域的概率值，其中，所述概率值与对应的所述像素点的美化程度正相关；还用于根据每一个像素点对应的所述概率值，确定所述像素点的权重值，所述权重值与所述概率值正相关；根据所述第一图像中每一个像素点对应的所述权重值，生成所述第一图像对应的第一灰度权重图；

所述美化模块，用于根据所述概率值，对所述第一图像进行美化，得到美化后的第二图像；还用于根据所述第一图像对应的所述第一灰度权重图、以及所述视频中位于所述第一图像之前的其他图像对应的第一灰度权重图，生成所述第一图像对应的第二灰度权重图；根据所述第二灰度权重图、所述第一图像的预处理图像以及所述第一图像，生成美化后的第二图像。

7.一种视频图像的美化电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

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1-5中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。