[發明專利]基于人臉圖像的炫光程度檢測方法、裝置、設備及介質

在審

• 申請號: 202111150111.7
• 申請日: 2021-09-29
• 公開（公告）號: CN113888500A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 梁俊杰
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06T7/90
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種基于人臉圖像的炫光程度檢測方法，其特征在于，所述方法包括：

響應于人臉圖像的炫光程度檢測指令，生成多種顏色組成的顏色序列；

利用所述顏色序列對待認證目標對象進行炫光，得到反光視頻，所述反光視頻包含所述多種顏色對應的多個炫光子視頻；

獲取多個所述炫光子視頻的關鍵幀圖像，得到不同顏色的關鍵幀圖像；

從所述不同顏色的關鍵幀圖像中確定基準關鍵幀圖像；

將所述不同顏色的關鍵幀圖像與所述基準關鍵幀圖像做幀差，得到多張幀差圖；

將所述多張幀差圖合并，將合并得到的融合圖輸入至預訓練的深度學習模型，得到對所述待認證目標對象進行炫光后炫光程度是否合格的檢測結果。

2.如權利要求1所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述獲取多個所述炫光子視頻的關鍵幀圖像，得到不同顏色的關鍵幀圖像，包括：

分別從多個所述炫光子視頻的預設位置開始獲取圖像幀；

判斷獲取到的圖像幀是否包含所述待認證目標對象且所述待認證目標對象的大小是否滿足預設大小；

若獲取到的圖像幀包含所述待認證目標對象且所述待認證目標對象的大小滿足預設大小條件，確定獲取到的圖像幀為關鍵幀圖像；

匯總從每個所述所述炫光子視頻獲取到的關鍵幀圖像，得到不同顏色的關鍵幀圖像。

3.如權利要求1所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述確定獲取到的圖像幀為關鍵幀圖像之后，所述方法還包括：

獲取所述關鍵幀圖像的中心區域，根據所述中心區域對所述關鍵幀圖像進行裁剪。

4.如權利要求1所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述不同顏色的關鍵幀圖像包含白色的關鍵幀圖像，所述從所述不同顏色的關鍵幀圖像中確定基準關鍵幀圖，包括：

確定所述白色的關鍵幀圖像為基準關鍵幀圖像。

5.如權利要求1所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述不同顏色的關鍵幀圖像包括至少兩組不同顏色的關鍵幀圖像，所述將所述不同顏色的關鍵幀圖像與所述基準關鍵幀圖像做幀差，得到多張幀差圖，包括：

分別將每組不同顏色的關鍵幀圖像中不同顏色的關鍵幀圖像與每組不同顏色的關鍵幀圖像中所述基準關鍵幀圖像做幀差，得到多組幀差圖，其中，每組幀差圖中包含多張幀差圖；

所述將所述多張幀差圖合并，將合并得到的融合圖輸入至預訓練的深度學習模型，得到對所述待認證目標對象進行炫光后炫光程度是否合格的檢測結果，包括：

將每組幀差圖中多張幀差圖進行合并，將合并得到的多張融合圖分別輸入至預訓練的深度學習模型，得到對所述待認證目標對象進行炫光后炫光程度是否合格的多個檢測結果，根據所述多個檢測結果確定對所述待認證目標對象進行炫光后炫光程度是否合格的最終檢測結果。

6.如權利要求1至5中任一項所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述得到對所述待認證目標對象進行炫光后炫光程度是否合格的檢測結果之后，所述方法還包括：

若所述檢測結果為對所述待認證目標對象進行炫光后炫光程度不合格，則發送調整環境信息；

若所述檢測結果為對所述待認證目標對象進行炫光后炫光程度合格，則通過所述反光視頻對所述待認證目標對象進行認證。

7.如權利要求1至5中任一項所述的基于人臉圖像的炫光程度檢測方法，其特征在于，所述深度學習模型為mobileNetV3模型。