CN115278089B - 人脸模糊图像对焦矫正方法、装置、设备和存储介质 - Google Patents

Abstract

本发明涉及人脸模糊图像对焦矫正方法、装置、设备和存储介质，涉及图像处理技术领域，该方法为基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦。本发明通过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。

Description

人脸模糊图像对焦矫正方法、装置、设备和存储介质

技术领域

本发明涉及图像处理技术领域，特别是涉及一种人脸模糊图像对焦矫正方法、装置、设备和存储介质。

背景技术

随着人工智能技术的不断发展和研究，人工智能已实现对人脸以及自然语言的识别和理解，其中，随着人脸图像在快捷支付、刷脸打卡、门禁解锁等人脸识别领域的广泛应用，为了提高识别精度和准确性，需要保证人脸图像具有较高的图像质量。

在实际应用中，在对人脸图像进行采集时，受到多种因素的影响，例如人脸运动或镜头对焦错误，容易导致人脸图像出现模糊，无法提高对人脸图像的高质量识别。为此，需要针对人脸图像出现模糊或虚焦模糊等情况进行人脸模糊图像对焦矫正处理，而针对人脸图像模糊的情况还没有较好的解决办法。

发明内容

本申请实施例提供一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，可以对人脸图像进行准确、有效且便捷的去模糊处理，实现对焦矫正处理。

为实现上述目的，本发明提供了以下技术方案：

第一方面，本申请实施例提供了一种人脸模糊图像对焦矫正方法，包括：

基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

第二方面，本申请实施例还提供了一种人脸模糊图像对焦矫正装置，该系统包括：

人脸识别模块，用于对基于基准焦距拍摄获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

清晰度比较模块，用于将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

调焦矫正模块，用于根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

对焦验证模块，用于通过调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

第三方面，本发明实施例提供了一种计算机设备，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，处理器执行程序时实现上述人脸模糊图像对焦矫正方法的步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述人脸模糊图像对焦矫正方法的步骤。

本发明实施例提供的技术方案可以包括以下有益效果：

本申请实施例提供一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，通过对基准焦距下拍摄获取目标影像，并对识别出的人脸图像进行的清晰检测，根据清晰度标准阈值范围作为触发自动对焦的依据，可以在保证清晰度符合标准的情况下，减少频繁的对焦调整动作，而且，在触发自动对焦的情况下，也可以根据清晰度差值快速匹配出对焦矫正所需调焦的焦距矫正值，进行快速对焦矫正，并经过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。在附图中：

图1示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法的流程图；

图2示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法中获得包含人脸影像关键点位置的人脸特征图像的流程示意图；

图3示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法中建立多任务卷积神经网络的流程图；

图4示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法中获取人脸特征图像的清晰度的流程图；

图5示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法中进行调焦的流程图；

图6示出本发明示例性实施例中一种人脸模糊图像对焦矫正方法中目标影像去模糊处理的流程图；

图7为本发明人脸模糊图像对焦矫正装置的系统框图；

图8为本发明一些实施例中一种计算机设备的硬件架构图；

本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

下面将结合本申请实施例中的附图，对本申请实施例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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

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本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

相关技术中，在对人脸图像进行采集时，受到多种因素的影响，例如人脸运动或镜头对焦错误，容易导致人脸图像出现模糊，无法提高对人脸图像的高质量识别。为此，需要针对人脸图像出现模糊或虚焦模糊等情况进行人脸模糊图像对焦矫正处理，而针对人脸图像模糊的情况还没有较好的解决办法。

鉴于此，本申请提供了一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，可以对人脸图像进行准确、有效且便捷的去模糊处理，实现对焦矫正处理。

图1为本申请实施例提供的一种人脸模糊图像对焦矫正方法的流程图，该方法可以由人脸模糊图像对焦矫正装置来执行，该系统可由软件和/或硬件实现，一般可集成在计算机设备中。如图1所示，该方法包括：

步骤S10、基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像。

其中，目标影像采用摄像头采集的摄像机或数字相机等设备拍摄的包含目标区域的影像视频。摄像机或数字相机在基准焦距上获取相应的影像，在此将此影像定义为目标影像。并且根据下述的数字相机对本发明流程运作方式做进一步的解释。前述的数字相机可以是但不限于数字相机、数码相机。

在本申请的实施例中，集成的计算机设备上连接有摄像机或数码相机，通过摄像机或数码相机可以在基准焦距下拍摄采集，从而获取目标影像。可以理解的是，上述拍摄采集获取目标影像的设备及采集方式是示例而非限定。

步骤S20、将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦。

步骤S30、根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦。

步骤S40、调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

本申请实施例提供一种人脸模糊图像对焦矫正方法，通过对基准焦距下拍摄获取目标影像，并对识别出的人脸图像进行的清晰检测，根据清晰度标准阈值范围作为触发自动对焦的依据，可以在保证清晰度符合标准的情况下，减少频繁的对焦调整动作，而且，在触发自动对焦的情况下，也可以根据清晰度差值快速匹配出对焦矫正所需调焦的焦距矫正值，进行快速对焦矫正，并经过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。

在一些实施例中，参见图2所示，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像，包括步骤S101-步骤S103：

步骤S101、对获取的目标影像进行分帧处理，获得分帧处理后的连续帧图像；

步骤S102、将连续帧图像输入至预先建立的多任务卷积神经网络，获取连续帧图像中人脸影像关键点位置；

步骤S103、在获取的目标影像中框选标记人脸位置，获得包含人脸影像关键点位置的人脸特征图像。

在本实施例中，将目标影像通过分帧处理的方式进行处理后得到若干连续帧的图像，将连续帧的图像输入到多任务卷积神经网络中进行处理，识别出图像中人脸影像关键点位置，根据图像中人脸影像关键点位置可以在目标影像中框选出人脸位置，获得人脸特征图像。

在一些实施例中，参见图3所示，预先建立的多任务卷积神经网络，包括步骤S1021-步骤S1023：

步骤S1021、基于标记有人脸影像的关键点位置以及人脸位置的图像构建训练数据集及测试数据集；

步骤S1022、建立多任务卷积神经网络，并将预先标记的人脸影像的关键点位置以及人脸位置的训练数据集输入到所述多任务卷积神经网络中，对所述多任务卷积神经网络进行训练，直到使得所述多任务卷积神经网络的模型收敛而完成训练；

步骤S1023、将经过预先标记处理的测试数据集输入到完成训练的所述多任务卷积神经网络中，获得所述人脸影像对应的身份特征表达向量和多个属性特征表达向量，测试完成后得到预先建立的多任务卷积神经网络。

在一些实施例中，参见图4所示，将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，包括：

步骤S201、根据人脸特征图像中包含的人脸影像关键点位置，在所述人脸特征图像中设定至少一个取样区域，并提取每个取样区域中影像的像素值；

步骤S202、将所述人脸特征图像中相邻取样区域的像素值比较，得到取样区域的像素差值；

步骤S203、统计像素差值大于预设像素阈值的数量，计算大于预设像素阈值的像素差值数量的占比，将该占比设定为人脸特征图像的清晰度。

在此需要注意的是，在步骤S202所产生的每一像素差值是由取样区域中所有相邻的两两影像像素进行计算所得出。当像素差值大于预设像素阈值，即相邻取样区域之间有明显区别，则该图像具有层次及深度，且占比为取样区域的占比越大，则反映的图像的清晰度越高。例如当相邻取样区域之间的像素差值占比大于60%时，则清晰度较为清晰，若小于10%时，则表示该图像较为模糊，相邻取样区域之间像素差不明显，模糊的取样区域之间基本相同。

在一些实施例中，参见图5所示，触发自动对焦，根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦，还包括：

步骤S301、根据获取的人脸特征图像的清晰度，计算与清晰度标准阈值的清晰度差值；

步骤S302、遍历预设的清晰度差值与焦距矫正值的对照表，查询所述清晰度差值对应的焦距矫正值；

步骤S303、将对角位置锁定在目标影像中框选标记的人脸位置，启动马达进行移动调焦。

在进行调整时，根据前述计算的清晰度差值查表获得对应的焦距矫正值进行对焦矫正调整即可。

在一些实施例中，调焦后的镜头拍摄获取当前目标影像，还包括：

调焦后验证人脸特征图像的清晰度是否符合清晰度标准阈值，若符合清晰度标准阈值，将调焦后的焦距设定为基准焦距。

在一些实施例中，参见图6所示，所述人脸模糊图像对焦矫正方法，还包括对符合清晰度标准阈值的调焦后的镜头拍摄获取当前目标影像去模糊处理，目标影像去模糊处理包括以下步骤：

步骤S401、对获得的目标影像中人脸特征图像以及背景像素识别；

步骤S402、定义所述人脸特征图像与背景像素之间所需的边缘像素数量；

步骤S403、使用遮罩对所述人脸特征图像之外的背景像素进行模糊处理，保留边缘像素数量条件下将遮罩范围外的背景像素更改为新像素。

本发明实施例的人脸模糊图像对焦矫正方法，基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

图7是本申请实施例提供的一种人脸模糊图像对焦矫正装置的结构示意图。该系统可有软件和/或硬件实现，一般集成在计算机设备中。如图2和图7所示，该系统可以包括：

人脸识别模块100，用于对基于基准焦距拍摄获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

清晰度比较模块200，用于将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

调焦矫正模块300，用于根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

对焦验证模块400，用于通过调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

本申请实施例的技术方案提供一种人脸模糊图像对焦矫正装置，通过对基准焦距下拍摄获取目标影像，并对识别出的人脸图像进行的清晰检测，根据清晰度标准阈值范围作为触发自动对焦的依据，可以在保证清晰度符合标准的情况下，减少频繁的对焦调整动作，而且，在触发自动对焦的情况下，也可以根据清晰度差值快速匹配出对焦矫正所需调焦的焦距矫正值，进行快速对焦矫正，并经过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。

以上所描述的系统实施例仅仅是示意性的，其中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，或者也可以分布到至少两个网络单元上。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申请实施例方案的目的。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。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本实施例还提供一种计算机设备，如图8所示，该计算机设备包括多个计算机设备1000，在实施例中人脸模糊图像对焦矫正装置的组成部分可分散于不同的计算机设备1000中，计算机设备1000可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备1000至少包括但不限于：可通过系统总线相互通信连接的存储器1001、处理器1002。需要指出的是，图8仅示出了具有组件存储器1001和处理器1002的计算机设备1000，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器1001(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器1001可以是计算机设备1000的内部存储单元，例如该计算机设备1000的硬盘或内存。在另一些实施例中，存储器1001也可以是计算机设备1000的外部存储设备，例如该计算机设备1000上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器1001还可以既包括计算机设备1000的内部存储单元也包括其外部存储设备。本实施例中，存储器1001通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例的人脸模糊图像对焦矫正装置等。此外，存储器1001还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器1002在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器1002通常用于控制计算机设备1000的总体操作。本实施例中，处理器1002用于运行存储器1001中存储的程序代码或者处理数据。本实施例计算机设备的多个计算机设备1000的处理器1002共同执行计算机程序时实现实施例的人脸模糊图像对焦矫正方法，该方法包括：

基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可匹配存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。

本申请的实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例计算机可读存储介质存储实施例的人脸模糊图像对焦矫正装置，被处理器执行时实现实施例的人脸模糊图像对焦矫正方法，该方法包括：

基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。

存储介质：任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带系统；计算机系统存储器或随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDORAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的人脸模糊图像对焦矫正操作，还可以执行本申请任意实施例所提供的人脸模糊图像对焦矫正方法中的相关操作。

本申请实施例提供一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，通过对基准焦距下拍摄获取目标影像，并对识别出的人脸图像进行的清晰检测，根据清晰度标准阈值范围作为触发自动对焦的依据，可以在保证清晰度符合标准的情况下，减少频繁的对焦调整动作，而且，在触发自动对焦的情况下，也可以根据清晰度差值快速匹配出对焦矫正所需调焦的焦距矫正值，进行快速对焦矫正，并经过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种人脸模糊图像对焦矫正方法，其特征在于，包括：

基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值；调焦后验证人脸特征图像的清晰度是否符合清晰度标准阈值，若符合清晰度标准阈值，将调焦后的焦距设定为基准焦距。

2.根据权利要求1所述的人脸模糊图像对焦矫正方法，其特征在于，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像，包括：

对获取的目标影像进行分帧处理，获得分帧处理后的连续帧图像；

将连续帧图像输入至预先建立的多任务卷积神经网络，获取连续帧图像中人脸影像关键点位置；

在获取的目标影像中框选标记人脸位置，获得包含人脸影像关键点位置的人脸特征图像。

3.根据权利要求2所述的人脸模糊图像对焦矫正方法，其特征在于，预先建立的多任务卷积神经网络，包括：

基于标记有人脸影像的关键点位置以及人脸位置的图像构建训练数据集及测试数据集；

建立多任务卷积神经网络，并将预先标记的人脸影像的关键点位置以及人脸位置的训练数据集输入到所述多任务卷积神经网络中，对所述多任务卷积神经网络进行训练，直到使得所述多任务卷积神经网络的模型收敛而完成训练；

将经过预先标记处理的测试数据集输入到完成训练的所述多任务卷积神经网络中，获得所述人脸影像对应的身份特征表达向量和多个属性特征表达向量，测试完成后得到预先建立的多任务卷积神经网络。

4.根据权利要求2所述的人脸模糊图像对焦矫正方法，其特征在于，将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，包括：

根据人脸特征图像中包含的人脸影像关键点位置，在所述人脸特征图像中设定至少一个取样区域，并提取每个取样区域中影像的像素值；

将所述人脸特征图像中相邻取样区域的像素值比较，得到取样区域的像素差值；

统计像素差值大于预设像素阈值的数量，计算大于预设像素阈值的像素差值数量的占比，将所述占比设定为人脸特征图像的清晰度。

5.根据权利要求3所述的人脸模糊图像对焦矫正方法，其特征在于，触发自动对焦，根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦，还包括：

根据获取的人脸特征图像的清晰度，计算与清晰度标准阈值的清晰度差值；

遍历预设的清晰度差值与焦距矫正值的对照表，查询所述清晰度差值对应的焦距矫正值；

将对角位置锁定在目标影像中框选标记的人脸位置，启动马达进行移动调焦。

6.根据权利要求3所述的人脸模糊图像对焦矫正方法，其特征在于，所述人脸模糊图像对焦矫正方法，还包括对符合清晰度标准阈值的调焦后的镜头拍摄获取当前目标影像去模糊处理，目标影像去模糊处理包括以下步骤：

对获得的目标影像中人脸特征图像以及背景像素识别；

定义所述人脸特征图像与背景像素之间所需的边缘像素数量；

使用遮罩对所述人脸特征图像之外的背景像素进行模糊处理，保留边缘像素数量条件下将遮罩范围外的背景像素更改为新像素。

7.一种人脸模糊图像对焦矫正装置，其特征在于，基于权利要求1-6中任意一项所述人脸模糊图像对焦矫正方法进行人脸模糊图像对焦矫正处理，所述人脸模糊图像对焦矫正装置，包括：

人脸识别模块，用于对基于基准焦距拍摄获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；

清晰度比较模块，用于将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；

调焦矫正模块，用于根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；

对焦验证模块，用于通过调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。

8.一种计算机设备，其特征在于，所述计算机设备包括多个计算机设备，各计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述多个计算机设备的处理器执行所述计算机程序时共同实现权利要求1至6中任一项所述人脸模糊图像对焦矫正方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述存储介质存储的所述计算机程序被处理器执行时实现权利要求1至6中任一项所述人脸模糊图像对焦矫正方法的步骤。

Images