图像处理方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种图像处理方法、装置、设备及计算机可读存储介质，方法包括：获取图像采集装置采集到的待校正图像，待校正图像为人脸旋转预设的第一角度的司机人脸图像，第一角度是根据图像采集装置与司机的之间的夹角确定的；将第一角度作为待校正图像的约束条件，将待校正图像以及第一角度，输入至预设的条件对抗网络，获得校正后的目标图像，其中，目标图像为司机的正脸图像；根据目标图像以及预设的人脸识别技术，对司机的身份信息进行识别操作。区别于现有的将图像中的人脸特征信息标注的技术方案，将第一角度作为约束条件，训练数据较为丰富。在基于该目标图像进行人脸识别的过程中，由于该目标图像为司机的正脸图像，从而识别精度角度。

Image processing method, device, equipment and computer-readable storage medium

【技术实现步骤摘要】
图像处理方法、装置、设备及计算机可读存储介质
本专利技术涉及图像处理领域，尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
技术介绍
随着科技的发展，人脸识别技术的应用领域越来越广泛。例如，在网约车领域，为了提高司乘安全，可以通过人脸识别技术对司机的身份信息进行识别。具体地，可以在车辆内部安装图像采集装置，获取当前司机的图像信息，对该图像信息进行人脸识别操作，以确定当前司机的身份信息。但是，由于车内安装的图像采集装置与司机之间往往存在着夹角，相应地，获取到的图像信息往往存在扭转，不是司机的正脸信息，进而导致人脸识别的难度较大，且精度不高。为了解决上述技术问题，现有技术中提供了一种网络模型，在获取到图像采集装置采集到的司机图像之后，通过该网络模型对司机图像进行校正操作。但是，现有技术中提供的网络模型往往校正精度不高，进而根据校正后的图像进行人脸识别的准确度较低，无法满足实际应用的需求。
技术实现思路
本专利技术提供一种图像处理方法、装置、设备及计算机可读存储介质，用于解决现有的图像处理方法训练过程中训练数据获取难度较高，进而导致模型精度不高的技术问题。本专利技术的第一个方面是提供一种图像处理方法，包括：获取图像采集装置采集到的待校正图像，所述待校正图像为人脸旋转预设的第一角度的司机人脸图像，所述第一角度是根据所述图像采集装置与司机的之间的夹角确定的；将所述第一角度作为所述待校正图像的约束条件，将所述待校正图像以及所述第一角度，输入至预设的条件对抗网络，获得目标图像，其中，所述目标图像为所述司机的正脸图像；根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作。在一种可能的设计中，所述将所述待校正图像以及所述预设角度，输入至预设的条件对抗网络之前，还包括：获取预设的待训练数据，所述待训练数据中包括至少一组图像对，所述图像对中包括两张旋转角度相同的同一用户的图像，所述旋转角度为第二角度；根据所述待训练数据对预设的待训练模型进行训练，获得所述条件对抗网络。在一种可能的设计中，所述根据所述待训练数据对预设的待训练模型进行训练，包括：随机选取所述图像对中的一张图像作为待训练图像，将所述第二角度作为所述待训练图像的约束条件，将所述待训练图像以及所述第二角度输入至预设的生成器中，获得生成图像；将所述图像对中的另一图像作为真实图像，将所述真实图像以及所述生成图像分别输入至预设的判别器，以使所述判别器对所述真实图像以及所述生成图像的真实性进行判别；根据所述判别器输出的判别结果对所述生成器进行监督训练，获得所述条件对抗网络。在一种可能的设计中，所述生成器包括编码器以及解码器；相应地，所述将所述待训练图像以及所述第二角度输入至预设的生成器中，获得生成器输出的生成图像，包括：通过所述编码器学习所述待训练图像中的人脸特征向量；通过所述解码器根据所述人脸特征向量生成所述生成图像；以及，对所述第二角度进行编码操作，获得所述第二角度对应的限制条件向量；对所述限制条件向量进行重塑操作，获得与所述人脸特征向量尺寸相同的目标限制条件向量；将所述人脸特征向量以及目标限制条件向量输入至编码器，获得生成器输出的生成图像。在一种可能的设计中，所述对所述限制条件向量进行重塑操作，包括：通过预设的全连接层将所述限制条件向量重塑为预设尺寸的特征向量；通过预设的转置卷积并级联至少一个卷积层将所述预设尺寸的特征向量重塑为与所述人脸特征向量尺寸相同的目标限制条件向量。在一种可能的设计中，所述根据所述判别器输出的判别结果对所述生成器进行监督训练，包括：当所述判别器的判别结果为假时，则控制所述生成器再次根据所述待训练图像以及所述第二角度生成图像，直至所述判别器输出的结果为真；以及，计算所述生成图像以及所述真实图像之间的欧氏距离，当所述欧氏距离最小化时，获得所述条件对抗网络。在一种可能的设计中，所述当所述欧氏距离小于预设的距离阈值时，包括：当所述待训练模型的loss值趋于平稳时，判定所述欧式距离最小化。在一种可能的设计中，所述将所述待训练图像以及所述第二角度输入至预设的生成器中，获得生成图像之后，还包括：将预设的第三角度作为所述生成图像的约束条件，将所述生成图像以及所述第三角度对应的特征向量输入至所述生成器，对所述待训练模型进行训练，其中，所述第二角度与第三角度不一致。在一种可能的设计中，所述根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作，包括：通过所述人脸识别技术对所述目标图像进行识别，获得所述司机的身份信息；所述根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作之后，还包括：根据预存的真实司机信息判断所述司机的身份信息是否合法。本专利技术的第二个方面是提供一种图像处理装置，包括：获取模块，用于获取图像采集装置采集到的待校正图像，所述待校正图像为人脸旋转预设的第一角度的司机人脸图像，所述第一角度是根据所述图像采集装置与司机的之间的夹角确定的；处理模块，用于将所述第一角度作为所述待校正图像的约束条件，将所述待校正图像以及所述第一角度，输入至预设的条件对抗网络，获得目标图像，其中，所述目标图像为所述司机的正脸图像；识别模块，用于根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作。本专利技术的第三个方面是提供一种图像处理设备，包括：存储器，处理器；存储器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为由所述处理器执行如第一方面所述的图像处理方法。本专利技术的第四个方面是提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的图像处理方法。本专利技术提供的图像处理方法、装置、设备及计算机可读存储介质，通过获取图像采集装置采集到的待校正图像，根据司机与图像采集装置之间形成的夹角确定预设的第一角度。将该第一角度作为待校正图像的约束条件，将待校正图像以及第一角度，输入至预设的条件对抗网络中。通过条件对抗网络生成校正后的目标图像，该目标图像为校正后的司机的正脸图像。区别于现有技术中将图像中的人脸特征信息标注的技术方案，将第一角度作为约束条件，训练数据较为丰富。此外，可以根据该目标图像对司机的身份信息进行识别。由于该目标图像为司机的正脸图像，从而识别精度角度。附图说明为了更清楚地说明本专利技术实施例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简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1为本专利技术基于的系统架构示意图；图2为本专利技术实施例一提供的图像处理方法的流程示意图；图3为本专利技术本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取图像采集装置采集到的待校正图像，所述待校正图像为人脸旋转预设的第一角度的司机人脸图像，所述第一角度是根据所述图像采集装置与司机的之间的夹角确定的；/n将所述第一角度作为所述待校正图像的约束条件，将所述待校正图像以及所述第一角度，输入至预设的条件对抗网络，获得校正后的目标图像，其中，所述目标图像为所述司机的正脸图像；/n根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取图像采集装置采集到的待校正图像，所述待校正图像为人脸旋转预设的第一角度的司机人脸图像，所述第一角度是根据所述图像采集装置与司机的之间的夹角确定的；
将所述第一角度作为所述待校正图像的约束条件，将所述待校正图像以及所述第一角度，输入至预设的条件对抗网络，获得校正后的目标图像，其中，所述目标图像为所述司机的正脸图像；
根据所述目标图像以及预设的人脸识别技术，对所述司机的身份信息进行识别操作。


2.根据权利要求1所述的方法，其特征在于，所述将所述待校正图像以及所述预设角度，输入至预设的条件对抗网络之前，还包括：
获取预设的待训练数据，所述待训练数据中包括至少一组图像对，所述图像对中包括两张旋转角度相同的同一用户的图像，所述旋转角度为第二角度；
根据所述待训练数据对预设的待训练模型进行训练，获得所述条件对抗网络。


3.根据权利要求2所述的方法，其特征在于，所述根据所述待训练数据对预设的待训练模型进行训练，包括：
随机选取所述图像对中的一张图像作为待训练图像，将所述第二角度作为所述待训练图像的约束条件，将所述待训练图像以及所述第二角度输入至预设的生成器中，获得生成图像；
将所述图像对中的另一图像作为真实图像，将所述真实图像以及所述生成图像分别输入至预设的判别器，以使所述判别器对所述真实图像以及所述生成图像的真实性进行判别；
根据所述判别器输出的判别结果对所述生成器进行监督训练，获得所述条件对抗网络。


4.根据权利要求3所述的方法，其特征在于，所述生成器包括编码器以及解码器；相应地，所述将所述待训练图像以及所述第二角度输入至预设的生成器中，获得生成器输出的生成图像，包括：
通过所述编码器学习所述待训练图像中的人脸特征向量；
通过所述解码器根据所述人脸特征向量生成所述生成图像；以及，
对所述第二角度进行编码操作，获得所述第二角度对应的限制条件向量；
对所述限制条件向量进行重塑操作，获得与所述人脸特征向量尺寸相同的目标限制条件向量；
将所述人脸特征向量以及目标限制条件向量输入至编码器，获得生成器输出的生成图像。


5.根据权利要求4所述的方法，其特征在于，所述对所述限制条件向量进行重塑操作，包括：
通过预设的全连接层将所述限制条件向量重塑为预设尺寸的特征向量；
通过预设的转置卷积并级联至少一个卷积层将所述预设尺寸的特征向量重塑为与所述人脸特征向量尺寸相同的目标限制条件向...

【专利技术属性】
技术研发人员：郭远昊，张修宝，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11