一种人脸图像预处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种人脸图像预处理方法、装置、设备及存储介质，该方法包括：确定当前需要进行预处理的人脸图像为目标图像；将所述目标图像输入至强化学习模型中，得到该强化学习模型输出的与各图像增强方法对应的图像增强参数；其中，所述强化学习模型为预先利用训练集训练得到的，所述训练集包括多个抓拍人脸图像及对应标准人脸图像；利用相应的图像增强方法，按照所述强化学习模型输出的与所述目标图像对应的各图像增强参数，对所述目标图像进行图像增强处理。可见，本申请利用强化学习解决人脸识别系统在使用过程中因光线和环境问题造成输入的人脸图像亮度、对比度及色彩失衡等问题，从而实现人脸图像质量的有效提高。

【技术实现步骤摘要】
一种人脸图像预处理方法、装置、设备及存储介质
本专利技术涉及图像处理
，更具体地说，涉及一种人脸图像预处理方法、装置、设备及存储介质。
技术介绍
人脸识别在公共安全、金融等多个领域已得到广泛利用，人脸识别系统的主要流程是先通过前端相机采集数据，然后进行图像预处理，最后进行人脸识别。受环境天气以及光线变化的影响，前端相机采集到的图像可能会出现亮度对比度、过高或过低等问题，影响后续人脸识别。为降低环境对识别的影响，在数据预处理阶段往往会根据环境条件对图像进行一系列的增强，提高图像质量，从而减少环境对识别系统的影响。通常图像增强的方法和参数需要提前给定，参数设置的合适与否会影响识别的精度，但由于前端相机设备安装环境多种多样，很难制定出一套可以适合所有场景的参数，因此导致无法有效提高图像质量。
技术实现思路
本专利技术的目的是提供一种人脸图像预处理方法、装置、设备及存储介质，能够有效提高人脸图像的质量。为了实现上述目的，本专利技术提供如下技术方案：一种人脸图像预处理方法，包括：确定当前需要进行预处理的人本文档来自技高网...

【技术保护点】
1.一种人脸图像预处理方法，其特征在于，包括：/n确定当前需要进行预处理的人脸图像为目标图像；/n将所述目标图像输入至强化学习模型中，得到该强化学习模型输出的与各图像增强方法对应的图像增强参数；其中，所述强化学习模型为预先利用训练集训练得到的，所述训练集包括多个抓拍人脸图像及对应标准人脸图像；/n利用相应的图像增强方法，按照所述强化学习模型输出的与所述目标图像对应的各图像增强参数，对所述目标图像进行图像增强处理。/n

【技术特征摘要】
1.一种人脸图像预处理方法，其特征在于，包括：
确定当前需要进行预处理的人脸图像为目标图像；
将所述目标图像输入至强化学习模型中，得到该强化学习模型输出的与各图像增强方法对应的图像增强参数；其中，所述强化学习模型为预先利用训练集训练得到的，所述训练集包括多个抓拍人脸图像及对应标准人脸图像；
利用相应的图像增强方法，按照所述强化学习模型输出的与所述目标图像对应的各图像增强参数，对所述目标图像进行图像增强处理。


2.根据权利要求1所述的方法，其特征在于，预先利用所述训练集训练得到所述强化学习模型，包括：
依次确定所述训练集中每个所述抓拍人脸图像为当前图像；
在确定出任一当前图像后，将当前图像输入至所述强化学习模型中，得到所述强化学习模型输出的各图像增强方法对应的图像增强参数，并利用相应的图像增强方法，按照所述强化学习模型输出的与当前图像对应的各图像增强参数，对当前图像进行图像增强处理；
确定当前图像进行图像增强处理后与对应标准人脸图像之间的相似度为第一相似度，当前图像进行图像增强处理前与对应标准人脸图像之间的相似度为第二相似度，以所述第一相似度及所述第二相似度的差值作为奖励，实现对所述强化学习模型的训练。


3.根据权利要求2所述的方法，其特征在于，将当前图像输入至所述强化学习模型中之前，还包括：
对当前图像进行降质处理。


4.根据权利要求3所述的方法，其特征在于，所述强化学习模型采用DDPG算法实现。


5.根据权利要求4所述的方法，其特征在于，实现对所述强化学习模型的训练之前，还包括：
在所述DDPG算法所用损失函数的基础上添加额外的损失函数，以基于添加后得到的函数实现对所述强化学习模型的训练...

【专利技术属性】
技术研发人员：韩泽，王薷泉，梁潇，谢会斌，李聪廷，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：山东;37