CN114332983A - 人脸图像清晰度检测方法、装置、电子设备、及介质 - Google Patents
人脸图像清晰度检测方法、装置、电子设备、及介质 Download PDFInfo
- Publication number
- CN114332983A CN114332983A CN202111452748.1A CN202111452748A CN114332983A CN 114332983 A CN114332983 A CN 114332983A CN 202111452748 A CN202111452748 A CN 202111452748A CN 114332983 A CN114332983 A CN 114332983A
- Authority
- CN
- China
- Prior art keywords
- face
- shooting
- definition
- face image
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明提供人脸图像清晰度检测方法、装置、电子设备、及介质,涉及图像处理技术领域。所述方法包括:通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;为若干第一人脸图像分别设置第一清晰度标签;通过不同的拍摄焦距拍摄同一人脸,得到若干第二人脸图像;为若干第二人脸图像分别设置第二清晰度标签;基于第一人脸图像、第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;利用人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。本发明能够有效提高训练得到的人脸图像清晰度检测模型检测待测人脸图像的清晰度的精度,进而保证检测所得的清晰度结果的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种人脸图像清晰度检测方法、装置、电子设备、非暂态计算机可读存储介质、及计算机程序产品。
背景技术
目前,人脸识别检测已经被广泛应用于各个领域,例如公安布控监控、民航安检、银行密押、智能身份证等等。现有的人脸识别检测通常是预先在检测系统上录入人脸图像,继而通过检测系统实现人脸识别。预先录入检测系统的人脸图像的清晰度会直接影响检测系统对人脸识别的准确率。现有的人脸识别检测系统大多没有对录入的人脸图像进行录入前的清晰度检测,而少部分的人脸识别检测系统采用传统的人脸图像清晰度检测方法,但是传统的人脸图像清晰度检测方法主要依据模糊图像相邻像素颜色和亮度等不剧烈变化的特性来实现,检测所得的清晰度结果易受光线、肉眼判断等因素的影响,导致清晰度结果的准确性无法得到保证。
发明内容
本发明提供人脸图像清晰度检测方法、装置、电子设备、及介质,用以解决现有技术中的人脸图像清晰度检测方法无法保证清晰度结果的准确性的缺陷。
本发明提供一种人脸图像清晰度检测方法,包括:
通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
根据本发明提供的一种人脸图像清晰度检测方法,所述通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像,包括:
得到清晰拍摄速度和模糊拍摄速度;
在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度;
通过所述清晰拍摄速度、所述模糊拍摄速度、以及若干个所述中间拍摄速度拍摄所述同一人脸,得到若干所述第一人脸图像。
根据本发明提供的一种人脸图像清晰度检测方法,所述在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度,具体为:
通过第一线性插值法,在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中插入若干个中间拍摄速度。
根据本发明提供的一种人脸图像清晰度检测方法,所述通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像,具体为:
以不同的拍摄速度从不同角度拍摄所述同一人脸,得到若干所述第一人脸图像。
根据本发明提供的一种人脸图像清晰度检测方法,所述通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像,包括:
得到清晰拍摄焦距和模糊拍摄焦距;
在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距;
通过所述清晰拍摄焦距、所述模糊拍摄焦距、以及若干个所述中间拍摄焦距拍摄所述同一人脸,得到若干所述第二人脸图像。
根据本发明提供的一种人脸图像清晰度检测方法,所述在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距,具体为:
通过第二线性插值法,在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距。
根据本发明提供的一种人脸图像清晰度检测方法,还包括:
对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理。
根据本发明提供的一种人脸图像清晰度检测方法,所述对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理,包括:
检测若干所述第一人脸图像和若干所述第二人脸图像中的人脸位置和人脸关键点;
基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像。
根据本发明提供的一种人脸图像清晰度检测方法,所述人脸关键点包括左眼睛位置点、右眼睛位置点、鼻子位置点、左嘴角位置点、以及右嘴角位置点。
根据本发明提供的一种人脸图像清晰度检测方法,所述基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像,包括:
根据所述左眼睛位置点至所述右眼睛位置点之间的距离,得到所述人脸细化图像的宽度值;
根据所述左眼睛位置点、所述右眼睛位置点、所述鼻子位置点、所述左嘴角位置点、以及所述右嘴角位置点,得到所述人脸细化图像的长度值。
根据本发明提供的一种人脸图像清晰度检测方法,所述基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型,具体为:
基于多任务卷积神经网络和均方误差损失函数,根据若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签进行训练,得到人脸图像清晰度检测模型。
根据本发明提供的一种人脸图像清晰度检测方法,所述利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测,包括:
得到所述待测人脸图像的待测人脸细化图像;
通过所述人脸图像清晰度检测模型检测所述待测人脸细化图像,得到所述待测人脸图像的清晰度估值;
将所述待测人脸图像的清晰度估值与预设清晰度阈值进行比对,若所述待测人脸图像的清晰度估值大于所述预设清晰度阈值,则所述待测人脸图像为人脸清晰图像,若所述待测人脸图像的清晰度估值小于所述预设清晰度阈值,则所述待测人脸图像为人脸模糊图像。
本发明还提供一种人脸图像清晰度检测装置,包括:
速度拍摄模块,用于:通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
第一清晰度标签设置模块,用于:根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
焦距拍摄模块,用于:通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
第二清晰度标签设置模块,用于:根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
人脸图像清晰度检测模型训练模块,用于:基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
清晰度检测模块,用于:利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述人脸图像清晰度检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述人脸图像清晰度检测方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述人脸图像清晰度检测方法的步骤。
本发明提供的人脸图像清晰度检测方法、装置、电子设备、及介质,通过不同的拍摄速度摄得若干第一人脸图像并为若干第一人脸图像分别设置第一清晰度标签,以及通过不同的拍摄焦距摄得若干第二人脸图像并为若干第二人脸图像分别设置第二清晰度标签,然后基于第一人脸图像、第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型。本发明基于摄像头运动速度和摄像头焦距两个维度的大量数据来训练得到人脸图像清晰度检测模型,摄像头运动速度和摄像头焦距都是可以预先设置的,不会受环境因素或肉眼判断的影响而发生变化,而且每一张人脸图像均设有对应的清晰度标签,能够有效提高训练得到的人脸图像清晰度检测模型检测待测人脸图像的清晰度的精度,进而保证检测所得的清晰度结果的准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的人脸图像清晰度检测方法的流程示意图;
图2是本发明提供的人脸图像清晰度检测方法装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
图1为本发明提供的一种人脸图像清晰度检测方法的流程示意图。
参照图1,本发明提供的一种人脸图像清晰度检测方法,可以包括:
S110、通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像。
S120、根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签。
S130、通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
S140、根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签。
S150、基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型。
S160、利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
需要说明的是,本发明提供的一种人脸图像清晰度检测方法的执行主体可以是任何终端侧设备,例如图像处理系统、人脸识别系统等。
需要说明的是,本发明提供的一种人脸图像清晰度检测方法不规定步骤S110和步骤S130的执行先后次序。
在步骤S110中,终端侧设备会通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像。
需要说明的是,拍摄速度指摄像头在拍摄过程中的运动速度值。
例如,终端侧设备可以控制摄像头自由地以不同的运动速度来拍摄同一人脸,通过测试统计的方法在得到的人脸图像中区分出理想清晰图像和理想模糊图像,再以拍摄理想清晰图像时对应的运动速度为第一运动速度,拍摄理想模糊图像时对应的运动速度为第二运动速度,那么第一运动速度和第二运动速度形成的区间就是摄像头在拍摄过程中的运动速度取值的范围。如此摄得的若干第一人脸图像中,在拍摄速度的维度上,既存在足够清晰的人脸图像,又存在足够模糊的人脸图像,也存在从清晰过渡至模糊的人脸图像,为后续训练人脸图像清晰度检测模型提供了充分的数据基础。
在步骤S120中,终端侧设备会根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签。
需要说明的是,拍摄速度和第一人脸图像的清晰度关系是一对一的,即通过不同拍摄速度摄得的人脸图像的清晰度互不相同,通过为若干第一人脸图像分别设置第一清晰度标签,能够根据拍摄速度细致地区分每一张第一人脸图像的清晰度,继而提高后续训练人脸图像清晰度检测模型的精度。
需要说明的是,可以利用现有的标签标注方法为若干第一人脸图像分别设置第一清晰度标签。
在步骤S130中,终端侧设备会通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像。
需要说明的是,拍摄焦距指摄像头在拍摄人脸时的拍摄焦距值。
例如,终端侧设备可以控制摄像头自由地以不同的拍摄焦距来拍摄同一人脸,通过测试统计的方法在得到的人脸图像中区分出理想清晰图像和理想模糊图像,再以拍摄理想清晰图像时对应的拍摄焦距为第一拍摄焦距,拍摄理想模糊图像时对应的拍摄焦距为第二拍摄焦距,那么第一拍摄焦距和第二拍摄焦距形成的区间就是摄像头在拍摄过程中的拍摄焦距取值的范围。如此摄得的若干第二人脸图像中,在拍摄焦距的维度上,既存在足够清晰的人脸图像,又存在足够模糊的人脸图像,也存在从清晰过渡至模糊的人脸图像,为后续训练人脸图像清晰度检测模型提供了充分的数据基础。
在步骤S140中,终端侧设备会根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签。
需要说明的是,拍摄焦距和第二人脸图像的清晰度关系是一对一的,即通过不同拍摄焦距摄得的人脸图像的清晰度互不相同,通过为若干第二人脸图像分别设置第二清晰度标签,能够根据拍摄焦距细致地区分每一张第二人脸图像的清晰度,继而提高后续训练人脸图像清晰度检测模型的精度。
需要说明的是,可以利用现有的标签标注方法为若干第二人脸图像分别设置第二清晰度标签。
在步骤S150中,终端侧设备会基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型。
需要说明的是,可以基于多任务卷积神经网络和均方误差损失函数,根据若干第一人脸图像、若干第二人脸图像、以及对应的清晰度标签进行训练,得到人脸图像清晰度检测模型。
基于深度学习的方法,利用深度卷积网络提取人脸图像的特征,从多维度获取人脸清晰图像和人脸模糊图像的对立特征,继而训练人脸图像清晰度检测模型,能够有效提高人脸图像清晰度检测模型的训练精度,以及提高人脸图像清晰度检测模型的鲁棒性。
在步骤S160中,终端侧设备会利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
本发明提供的人脸图像清晰度检测方法,通过不同的拍摄速度摄得若干第一人脸图像并为若干第一人脸图像分别设置第一清晰度标签,以及通过不同的拍摄焦距摄得若干第二人脸图像并为若干第二人脸图像分别设置第二清晰度标签,然后基于第一人脸图像、第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型。本发明基于摄像头运动速度和摄像头焦距两个维度的大量数据来训练得到人脸图像清晰度检测模型,摄像头运动速度和摄像头焦距都是可以预先设置的,不会受环境因素或肉眼判断的影响而发生变化,而且每一张人脸图像均设有对应的清晰度标签,能够有效提高训练得到的人脸图像清晰度检测模型检测待测人脸图像的清晰度的精度,进而保证检测所得的清晰度结果的准确性。
根据本发明提供的一种人脸图像清晰度检测方法,步骤S110可以包括:
得到清晰拍摄速度和模糊拍摄速度;
在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度;
通过所述清晰拍摄速度、所述模糊拍摄速度、以及若干个所述中间拍摄速度拍摄所述同一人脸,得到若干所述第一人脸图像。
需要说明的是,清晰拍摄速度和模糊拍摄速度可以是预先设置的。
需要说明的是,可以通过第一线性插值法,在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中插入若干个中间拍摄速度。
例如,假设清晰拍摄速度为V0,模糊拍摄速度为V9,所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间为[V0,V9],可以通过第一线性插值法,在[V0,V9]中插入8个中间拍摄速度。即终端侧设备可以控制摄像头以V0、V9、以及在[V0,V9]中的8个不同的中间拍摄速度来拍摄同一人脸,以增加后续用于训练人脸图像清晰度检测模型的数据多样性。
根据本发明提供的一种人脸图像清晰度检测方法,步骤S110可以为:
以不同的拍摄速度从不同角度拍摄所述同一人脸,得到若干所述第一人脸图像。
例如,终端侧设备可以控制摄像头以12个平行于人脸平面的不同角度来拍摄同一人脸,以提高得到的第一人脸图像的精度。
根据本发明提供的一种人脸图像清晰度检测方法,步骤S130可以包括:
得到清晰拍摄焦距和模糊拍摄焦距;
在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距;
通过所述清晰拍摄焦距、所述模糊拍摄焦距、以及若干个所述中间拍摄焦距拍摄所述同一人脸,得到若干所述第二人脸图像。
需要说明的是,清晰拍摄焦距和模糊拍摄焦距可以是预先设置的。
需要说明的是,可以通过第二线性插值法,在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中插入若干个中间拍摄焦距。
例如,假设清晰拍摄焦距为M0,模糊拍摄焦距为M9,所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间为[M0,M9],可以通过第二线性插值法,在[M0,M9]中插入8个中间拍摄焦距。即终端侧设备可以控制摄像头以M0、M9、以及在[M0,M9]中的8个不同的中间拍摄焦距来拍摄同一人脸,以增加后续用于训练人脸图像清晰度检测模型的数据多样性。
根据本发明提供的一种人脸图像清晰度检测方法,还包括:
对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理。
对第一人脸图像和第二人脸图像均进行图像对齐处理,能够避免第一人脸图像或第二人脸图像中一些非人脸特征影响对人脸图像清晰度检测模型的训练效果。
根据本发明提供的一种人脸图像清晰度检测方法,所述对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理,包括:
检测若干所述第一人脸图像和若干所述第二人脸图像中的人脸位置和人脸关键点;
基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像。
需要说明的是,所述人脸关键点包括左眼睛位置点、右眼睛位置点、鼻子位置点、左嘴角位置点、以及右嘴角位置点。
需要说明的是,可以根据所述左眼睛位置点至所述右眼睛位置点之间的距离,得到所述人脸细化图像的宽度值;以及根据所述左眼睛位置点、所述右眼睛位置点、所述鼻子位置点、所述左嘴角位置点、以及所述右嘴角位置点,得到所述人脸细化图像的长度值(高度值)。
例如,可以根据人脸位置和人脸关键点,在第一人脸图像和第二人脸图像中提取人脸细化图像,该人脸细化图像只存在人脸特征。
将第一人脸图像和第二人脸图像转换为人脸细化图像,再将其作为训练人脸图像清晰度检测模型的输入数据,减少图像特征差异对训练过程的影响,可实现小样本数据集训练,有利于训练快速收敛,提高训练效果,保证人脸图像清晰度检测模型的检测准确性。
另外,还可以将若干人脸细化图像的尺寸进行统一,例如将人脸细化图像的尺寸统一为64x64,以保证模型的输入数据的统一性,提高模型对输入数据的接纳性。
根据本发明提供的一种人脸图像清晰度检测方法,步骤S160可以包括:
得到所述待测人脸图像的待测人脸细化图像;
通过所述人脸图像清晰度检测模型检测所述待测人脸细化图像,得到所述待测人脸图像的清晰度估值;
将所述待测人脸图像的清晰度估值与预设清晰度阈值进行比对,若所述待测人脸图像的清晰度估值大于所述预设清晰度阈值,则所述待测人脸图像为人脸清晰图像,若所述待测人脸图像的清晰度估值小于所述预设清晰度阈值,则所述待测人脸图像为人脸模糊图像。
需要说明的是,可以利用在第一人脸图像或第二人脸图像提取得到人脸细化图像的方式来得到待测人脸图像的待测人脸细化图像。
需要说明的是,预设清晰度阈值可以是人工根据实际情况预先设置的,也可以是在训练人脸图像清晰度检测模型时统计得出的。预设清晰度阈值表示将待测人脸图像归类为人脸清晰图像的最小清晰度。
通过步骤S150训练所得的人脸图像清晰度检测模型对待测人脸细化图像进行清晰度检测,得到待测人脸图像的清晰度估值,再将其与预设清晰度阈值进行比对,即可得到待测人脸图像为人脸清晰图像或待测人脸图像为人脸模糊图像的结果。后续可以将归类为人脸清晰图像的待测人脸图像录入人脸识别系统,以用于人脸识别,提高人脸识别系统的识别精度和识别准确性。
下面对本发明提供的人脸图像清晰度检测装置进行描述,下文描述的人脸图像清晰度检测方法装置与上文描述的人脸图像清晰度检测方法可相互对应参照。
参照图2,本发明提供的一种人脸图像清晰度检测装置,可以包括:
速度拍摄模块210,用于:通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
第一清晰度标签设置模块220,用于:根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
焦距拍摄模块230,用于:通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
第二清晰度标签设置模块240,用于:根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
人脸图像清晰度检测模型训练模块250,用于:基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
清晰度检测模块260,用于:利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
根据本发明提供的一种人脸图像清晰度检测装置,所述速度拍摄模块210可以包括:
拍摄速度得到子模块,用于:得到清晰拍摄速度和模糊拍摄速度;
中间拍摄速度设置子模块,用于:在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度;
第一人脸图像得到子模块,用于:通过所述清晰拍摄速度、所述模糊拍摄速度、以及若干个所述中间拍摄速度拍摄所述同一人脸,得到若干所述第一人脸图像。
根据本发明提供的一种人脸图像清晰度检测装置,所述中间拍摄速度设置子模块具体用于:
通过第一线性插值法,在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中插入若干个中间拍摄速度。
根据本发明提供的一种人脸图像清晰度检测装置,所述速度拍摄模块210具体用于:
以不同的拍摄速度从不同角度拍摄所述同一人脸,得到若干所述第一人脸图像。
根据本发明提供的一种人脸图像清晰度检测装置,所述焦距拍摄模块230可以包括:
拍摄焦距得到子模块,用于:得到清晰拍摄焦距和模糊拍摄焦距;
中间拍摄焦距得到子模块,用于:在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距;
第二人脸图像得到子模块,用于:通过所述清晰拍摄焦距、所述模糊拍摄焦距、以及若干个所述中间拍摄焦距拍摄所述同一人脸,得到若干所述第二人脸图像。
根据本发明提供的一种人脸图像清晰度检测装置,所述焦距拍摄模块230具体用于:
通过第二线性插值法,在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距。
根据本发明提供的一种人脸图像清晰度检测装置,还可以包括:
图像对齐处理模块,用于:对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理。
根据本发明提供的一种人脸图像清晰度检测装置,所述图像对齐处理模块可以包括:
人脸检测子模块,用于:检测若干所述第一人脸图像和若干所述第二人脸图像中的人脸位置和人脸关键点;
人脸细化图像得到子模块,用于:基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像。
根据本发明提供的一种人脸图像清晰度检测装置,所述人脸关键点包括左眼睛位置点、右眼睛位置点、鼻子位置点、左嘴角位置点、以及右嘴角位置点。
根据本发明提供的一种人脸图像清晰度检测装置,所述人脸检测子模块可以包括:
宽度值得到子模块,用于:根据所述左眼睛位置点至所述右眼睛位置点之间的距离,得到所述人脸细化图像的宽度值;
长度值得到子模块,用于:根据所述左眼睛位置点、所述右眼睛位置点、所述鼻子位置点、所述左嘴角位置点、以及所述右嘴角位置点,得到所述人脸细化图像的长度值。
根据本发明提供的一种人脸图像清晰度检测装置,所述人脸图像清晰度检测模型训练模块250具体用于:
基于多任务卷积神经网络和均方误差损失函数,根据若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签进行训练,得到人脸图像清晰度检测模型。
根据本发明提供的一种人脸图像清晰度检测装置,所述清晰度检测模块260可以包括:
待测人脸细化图像得到子模块,用于:得到所述待测人脸图像的待测人脸细化图像;
清晰度估计子模块,用于:通过所述人脸图像清晰度检测模型检测所述待测人脸细化图像,得到所述待测人脸图像的清晰度估值;
清晰度比对子模块,用于:将所述待测人脸图像的清晰度估值与预设清晰度阈值进行比对,若所述待测人脸图像的清晰度估值大于所述预设清晰度阈值,则所述待测人脸图像为人脸清晰图像,若所述待测人脸图像的清晰度估值小于所述预设清晰度阈值,则所述待测人脸图像为人脸模糊图像。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行人脸图像清晰度检测方法,该方法包括:
通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的人脸图像清晰度检测方法,该方法包括:
通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的人脸图像清晰度检测方法,该方法包括:
通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (15)
1.一种人脸图像清晰度检测方法,其特征在于,包括:
通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
2.根据权利要求1所述的人脸图像清晰度检测方法,其特征在于,所述通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像,包括:
得到清晰拍摄速度和模糊拍摄速度;
在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度;
通过所述清晰拍摄速度、所述模糊拍摄速度、以及若干个所述中间拍摄速度拍摄所述同一人脸,得到若干所述第一人脸图像。
3.根据权利要求2所述的人脸图像清晰度检测方法,其特征在于,所述在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中新增若干个中间拍摄速度,具体为:
通过第一线性插值法,在所述清晰拍摄速度和所述模糊拍摄速度形成的拍摄速度区间中插入若干个中间拍摄速度。
4.根据权利要求1所述的人脸图像清晰度检测方法,其特征在于,所述通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像,具体为:
以不同的拍摄速度从不同角度拍摄所述同一人脸,得到若干所述第一人脸图像。
5.根据权利要求1所述的人脸图像清晰度检测方法,其特征在于,所述通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像,包括:
得到清晰拍摄焦距和模糊拍摄焦距;
在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距;
通过所述清晰拍摄焦距、所述模糊拍摄焦距、以及若干个所述中间拍摄焦距拍摄所述同一人脸,得到若干所述第二人脸图像。
6.根据权利要求5所述的人脸图像清晰度检测方法,其特征在于,所述在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距,具体为:
通过第二线性插值法,在所述清晰拍摄焦距和所述模糊拍摄焦距形成的拍摄焦距区间中新增若干个中间拍摄焦距。
7.根据权利要求1-6任一项所述的人脸图像清晰度检测方法,其特征在于,还包括:
对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理。
8.根据权利要求7所述的人脸图像清晰度检测方法,其特征在于,所述对若干所述第一人脸图像和若干所述第二人脸图像进行图像对齐处理,包括:
检测若干所述第一人脸图像和若干所述第二人脸图像中的人脸位置和人脸关键点;
基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像。
9.根据权利要求8所述的人脸图像清晰度检测方法,其特征在于,所述人脸关键点包括左眼睛位置点、右眼睛位置点、鼻子位置点、左嘴角位置点、以及右嘴角位置点。
10.根据权利要求9所述的人脸图像清晰度检测方法,其特征在于,所述基于若干所述第一人脸图像和若干所述第二人脸图像,根据所述人脸位置和所述人脸关键点,得到若干人脸细化图像,包括:
根据所述左眼睛位置点至所述右眼睛位置点之间的距离,得到所述人脸细化图像的宽度值;
根据所述左眼睛位置点、所述右眼睛位置点、所述鼻子位置点、所述左嘴角位置点、以及所述右嘴角位置点,得到所述人脸细化图像的长度值。
11.根据权利要求1-6任一项所述的人脸图像清晰度检测方法,其特征在于,所述利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测,包括:
得到所述待测人脸图像的待测人脸细化图像;
通过所述人脸图像清晰度检测模型检测所述待测人脸细化图像,得到所述待测人脸图像的清晰度估值;
将所述待测人脸图像的清晰度估值与预设清晰度阈值进行比对,若所述待测人脸图像的清晰度估值大于所述预设清晰度阈值,则所述待测人脸图像为人脸清晰图像,若所述待测人脸图像的清晰度估值小于所述预设清晰度阈值,则所述待测人脸图像为人脸模糊图像。
12.一种人脸图像清晰度检测装置,其特征在于,包括:
速度拍摄模块,用于:通过不同的拍摄速度拍摄同一人脸,得到若干第一人脸图像;
第一清晰度标签设置模块,用于:根据拍摄速度和若干所述第一人脸图像的清晰度关系,为若干所述第一人脸图像分别设置第一清晰度标签;
焦距拍摄模块,用于:通过不同的拍摄焦距拍摄所述同一人脸,得到若干第二人脸图像;
第二清晰度标签设置模块,用于:根据拍摄焦距和若干所述第二人脸图像的清晰度关系,为若干所述第二人脸图像分别设置第二清晰度标签;
人脸图像清晰度检测模型训练模块,用于:基于若干所述第一人脸图像、若干所述第二人脸图像、以及对应的清晰度标签,训练得到人脸图像清晰度检测模型;
清晰度检测模块,用于:利用所述人脸图像清晰度检测模型对待测人脸图像进行清晰度检测。
13.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至12任一项所述人脸图像清晰度检测方法的步骤。
14.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至12任一项所述人脸图像清晰度检测方法的步骤。
15.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至12任一项所述人脸图像清晰度检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111452748.1A CN114332983A (zh) | 2021-12-01 | 2021-12-01 | 人脸图像清晰度检测方法、装置、电子设备、及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111452748.1A CN114332983A (zh) | 2021-12-01 | 2021-12-01 | 人脸图像清晰度检测方法、装置、电子设备、及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332983A true CN114332983A (zh) | 2022-04-12 |
Family
ID=81049186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111452748.1A Pending CN114332983A (zh) | 2021-12-01 | 2021-12-01 | 人脸图像清晰度检测方法、装置、电子设备、及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114944004A (zh) * | 2022-07-25 | 2022-08-26 | 海易科技(北京)有限公司 | 人脸图像存储方法、装置、设备、计算机介质和程序产品 |
-
2021
- 2021-12-01 CN CN202111452748.1A patent/CN114332983A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114944004A (zh) * | 2022-07-25 | 2022-08-26 | 海易科技(北京)有限公司 | 人脸图像存储方法、装置、设备、计算机介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710865B (zh) | 一种基于神经网络的司机异常行为检测方法 | |
CN111488756B (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
KR102641115B1 (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及系统 | |
CN109815797B (zh) | 活体检测方法和装置 | |
CN113033465A (zh) | 活体检测模型训练方法、装置、设备以及存储介质 | |
CN107944395B (zh) | 一种基于神经网络验证人证合一的方法及系统 | |
CN110348475A (zh) | 一种基于空间变换的对抗样本增强方法和模型 | |
CN112184771B (zh) | 一种社区的人员轨迹跟踪的方法及装置 | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
CN114332983A (zh) | 人脸图像清晰度检测方法、装置、电子设备、及介质 | |
WO2022227103A1 (zh) | 一种零部件智能检测与标签系统及方法 | |
Huang et al. | Multi-Teacher Single-Student Visual Transformer with Multi-Level Attention for Face Spoofing Detection. | |
CN112749696A (zh) | 一种文本检测方法及装置 | |
EP3757867A1 (en) | Method and system for determining whether input data to be classified is manipulated input data | |
Hadiprakoso | Face anti-spoofing method with blinking eye and hsv texture analysis | |
Liu et al. | Effectively localize text in natural scene images | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
CN106469267B (zh) | 一种验证码样本收集方法及系统 | |
CN113554685A (zh) | 遥感卫星运动目标检测方法、装置、电子设备及存储介质 | |
CN110363764B (zh) | 一种基于帧间差分的行驶证打印信息完整性检测方法 | |
CN112733670A (zh) | 指纹特征提取方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |