[發明專利]一種人臉模糊度檢測方法、裝置、終端設備及存儲介質

在審

• 申請號: 202010776747.1
• 申請日: 2020-08-05
• 公開（公告）號: CN112085701A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 曾鈺勝;顧景;劉業鵬;程駿;龐建新
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/50;G06K9/00;G06K9/03
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

1.一種人臉模糊度檢測方法，其特征在于，包括：

對目標圖像進行人臉檢測；

當所述目標圖像包含人臉圖像時，將所述人臉圖像輸入第一神經網絡模型中對所述人臉圖像中人臉的模糊度進行初步檢測，獲得初步檢測結果；

當所述初步檢測結果滿足深度檢測條件時，將所述人臉圖像輸入第二神經網絡模型中對所述人臉圖像中人臉的模糊度進行深度檢測，獲得深度檢測結果。

2.根據權利要求1所述的人臉模糊度檢測方法，其特征在于，所述將所述人臉圖像輸入第一神經網絡模型中對所述人臉圖像中人臉的模糊度進行初步檢測，獲得初步檢測結果，包括：

將所述人臉圖像輸入第一神經網絡模型中對所述人臉圖像中人臉的模糊度進行分類，獲得人臉模糊度分類結果；其中，所述人臉模糊度分類結果包括用于指示所述人臉圖像的模糊度且按照模糊度由大到小的順序排列的一級模糊度、二級模糊度和三級模糊度；

當所述人臉模糊度分類結果為一級模糊度時，判定所述人臉圖像為模糊人臉圖像；

當所述人臉模糊度分類結果為二級模糊度時，判定所述初步檢測結果滿足深度檢測條件；

當所述人臉模糊度分類結果為三級模糊度時，判定所述人臉圖像為清晰人臉圖像。

3.根據權利要求2所述的人臉模糊度檢測方法，其特征在于，所述當所述初步檢測結果滿足深度檢測條件時，將所述人臉圖像輸入第二神經網絡模型中對所述人臉圖像中人臉的模糊度進行深度檢測，獲得深度檢測結果，包括：

當所述初步檢測結果滿足深度檢測條件時，將所述人臉圖像輸入至第二神經網絡模型中對所述人臉圖像中人臉的模糊度進行評分，獲得人臉模糊度評分值；

當人臉模糊度評分值低于預設閾值時，判定所述人臉圖像為模糊人臉圖像；

當人臉模糊度評分值大于或等于預設閾值時，判定所述人臉圖像為清晰人臉圖像。

4.根據權利要求1所述的人臉模糊度檢測方法，其特征在于，所述當所述目標圖像包含人臉圖像時，將所述人臉圖像輸入第一神經網絡模型中對所述人臉圖像中人臉的模糊度進行初步檢測，獲得初步檢測結果，包括：

當所述目標圖像包含人臉圖像時，對所述人臉圖像進行關鍵點檢測；

根據所述關鍵點的坐標位置與預設標準人臉圖像的關鍵點的坐標位置，將所述人臉圖像進行校正，獲得校正后的人臉圖像；

將所述校正后的人臉圖像輸入第一神經網絡模型中對所述人臉圖像中人臉的模糊度進行初步檢測，獲得初步檢測結果。

5.根據權利要求3所述的人臉模糊度檢測方法，其特征在于，在對目標圖像進行人臉檢測之前，包括：

對預先構建的第二神經網絡模型進行訓練；其中，所述第二神經網絡模型的輸出結果為人臉圖像的人臉模糊度評分值。

6.根據權利要求5所述的人臉模糊度檢測方法，其特征在于，所述對預先構建的第二神經網絡模型進行訓練，包括：

獲取訓練人臉圖像集；

根據所述訓練人臉圖像集對預先構建的第二神經網絡模型進行訓練，得到所述訓練人臉圖像集中的每個人臉圖像屬于預設N類模糊等級中的每類的模糊等級的概率；其中，N≥2；

根據每個所述人臉圖像屬于預設N類模糊等級中的每類的模糊等級的概率，計算得到每個所述人臉模糊度評分值；

當預設損失函數收斂時，對所述第二神經網絡模型訓練完成；其中，所述預設損失函數用于指示計算得到所述人臉模糊度評分值與對應人臉圖像預先標記的人臉模糊度評分值之間的差值。

7.根據權利要求6所述的人臉模糊度檢測方法，其特征在于，所述根據每個所述人臉圖像屬于預設N類模糊等級中的每類的模糊等級的概率，計算得到每個所述人臉模糊度評分值的計算公式為：

其中，所述E﹙O﹚表示所述人臉模糊度評分值，所述y_i表示通過所述第二神經網絡模型訓練得到的所述人臉圖像屬于第i類預設模糊等級的概率，所述O_i表示所述第i類預設模糊等級的分值。