[發明專利]證卡數字人像復原方法、裝置、存儲介質及處理器

在審

• 申請號: 201911030852.4
• 申請日: 2019-10-28
• 公開（公告）號: CN110766635A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 黃金;錢彬;虞力英;徐巍;倪鳴
• 申請（專利權）人: 公安部交通管理科學研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 32104 無錫市大為專利商標事務所(普通合伙)
• 代理人: 曹祖良;陳麗麗

1.一種證卡數字人像復原方法，其特征在于，包括：

采集數字人像照片；

根據所述數字人像照片建立數字人像訓練數據庫；

根據所述數字人像照片建立深度殘差卷積神經網絡；

根據所述數字人像訓練數據庫和所述深度殘差卷積神經網絡進行深度殘差網絡學習，得到深度殘差網絡復原模型；

將待復原的證卡數字人像輸入至所述深度殘差網絡復原模型得到復原后的證卡數字人像。

2.根據權利要求1所述的證卡數字人像復原方法，其特征在于，所述根據所述數字人像照片建立數字人像訓練數據庫，包括：

對所述數字人像照片進行人像定位，得到規范化人像照片；

對所述規范化人像照片進行小波變換和解壓縮處理，得到數字人像訓練數據庫。

3.根據權利要求2所述的證卡數字人像復原方法，其特征在于，所述根據所述數字人像照片建立數字人像訓練數據庫，還包括：

對所述數字人像訓練數據庫中的圖像進行鏡像變換。

4.根據權利要求2所述的證卡數字人像復原方法，其特征在于，所述對所述數字人像照片進行人像定位，得到規范化人像照片，包括：

根據多任務級聯卷積神經網絡和膚色模型算法對所述數字人像照片進行人像定位；

調整所述數字人像照片的分辨率，得到所述規范化人像照片。

5.根據權利要求1所述的證卡數字人像復原方法，其特征在于，所述根據所述數字人像照片建立深度殘差卷積神經網絡，包括：

根據所述數字人像照片建立圖像復原模型；

對所述圖像復原模型進行殘差處理；

確定所述圖像復原模型的輸入輸出數據，得到目標函數；

根據所述目標函數進行期望學習，得到所述深度殘差卷積神經網絡。

6.根據權利要求1所述的證卡數字人像復原方法，其特征在于，所述根據所述數字人像訓練數據庫和所述深度殘差卷積神經網絡進行深度殘差網絡學習，得到深度殘差網絡復原模型，包括：

根據殘差成對數據集對所述深度殘差卷積神經網絡重復訓練；

統計每次訓練后復原圖像與原始圖像的峰值信噪比值，并記錄達到目標峰值信噪比值時所用的訓練次數和參數；

根據記錄的達到目標峰值信噪比值時所用的訓練次數和參數對重復訓練的結果進行檢查和網絡調試，得到深度殘差網絡復原模型。

7.根據權利要求1所述的證卡數字人像復原方法，其特征在于，所述將待復原的證卡數字人像輸入至所述深度殘差網絡復原模型得到復原后的證卡數字人像，包括：

對證卡中的數字簽名信息驗證通過后，抽取待復原的證卡數字人像的圖像壓縮數據；

對所述圖像壓縮數據進行小波解壓得到低質量圖像；

根據所述深度殘差網絡復原模型進行殘差預測，得到預測殘差；

根據所述預測殘差和所述低質量圖像進行計算得到復原后的證卡數字人像。

8.一種證卡數字人像復原裝置，其特征在于，包括：

采集模塊，用于采集數字人像照片；

訓練數據庫建立模塊，用于根據所述數字人像照片建立數字人像訓練數據庫；

殘差卷積神經網絡建立模塊，用于根據所述數字人像照片建立深度殘差卷積神經網絡；

模型獲取模塊，用于根據所述數字人像訓練數據庫和所述深度殘差卷積神經網絡進行深度殘差網絡學習，得到深度殘差網絡復原模型；

復原模塊，用于將待復原的證卡數字人像輸入值所述深度殘差網絡復原模型得到復原后的證卡數字人像。

9.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行如權利要求1至7中任意一項所述的證卡數字人像復原方法。

10.一種處理器，其特征在于，所述處理器用于運行計算機程序，其中，所述計算機程序運行時執行如權利要求1至7中任意一項所述的證卡數字人像復原方法。