快速高精度的图像模糊检测方法及装置制造方法及图纸

本发明专利技术提供一种快速高精度的图像模糊检测方法及装置，方法包括：将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定预设深度神经网络模型的参数；根据参数及预设深度神经网络模型，确定模糊检测网络模型；将待检测人脸图像的低层次人工特征图输入至模糊检测网络模型，获取待检测人脸图像的模糊度值。所述装置用于执行上述方法。本发明专利技术提供的快速高精度的图像模糊检测方法及装置，构建的模糊检测网络模型能够对图像进行模糊检测，同时保持着耗时低及精度高的优势。

【技术实现步骤摘要】
快速高精度的图像模糊检测方法及装置
本专利技术涉及数字图像处理
，尤其涉及一种快速高精度的图像模糊检测方法及装置。
技术介绍
随着移动互联网、5G、物联网以及人工智能的发展，人脸识别技术已经广泛应用到日常生活中，例如人脸登录、人脸门禁、人脸开户等。虽然目前的人脸识别技术在高质量的人脸图像上的准确率已经能满足应用要求，但是在质量相对较差的图像上依旧还存在误识别，例如模糊、光照过曝与过暗等情况。此外，近年来基于数据驱动的活体识别方法主要集中在发现人脸图像上的微小差异来判断是否是活体。人脸图像的模糊失真直接导致人脸图像的细节丢失，进一步导致通过鉴别微小的差异的活体方法失效。因此模糊图像过滤在人脸识别技术中起到关键作用。现有技术的模糊检测方法，通过提取分析人工特征判断人脸图像是否模糊，这类方法通常与图像内容无关。近几年，基于深度学习的模糊检测方法也越来越受研究者们青睐，待检测图像经过神经网络自动学习提取特征，进一步将提取的特征进行标签分类或者回归模糊度值，这类方法不用设计特定的人工特征，并且可以学习到图像内容相关的模糊特征。目前基于深度学习的方法通常设计比较大的网络，导致在使用网络模型时耗时，且精度依旧不够高。如何设计一种快速高精度的图像模糊检测方法，能够在耗时低的前提下实现对图像的高精度模糊检测，成为亟需解决的问题。
技术实现思路
本专利技术提供的快速高精度的图像模糊检测方法，用于克服现有技术中存在的上述问题，能够在耗时低的前提下实现对图像的高精度模糊检测。本专利技术提供的一种快速高精度的图像模糊检测方法，包括：将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数；根据所述参数及预设深度神经网络模型，确定模糊检测网络模型；将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值；其中，所述待检测人脸图像的低层次人工特征图是将所述待检测人脸图像输入至预设深度神经网络模型中的低层次人工特征提取神经网络模型获取的；所述低层次人工特征提取神经网络模型的参数是预先确定的。根据本专利技术提供的一种快速高精度的图像模糊检测方法，所述低层次人工特征提取神经网络模型的参数通过如下方式确定：通过如下至少一种人工图像特征算子确定所述低层次人工特征提取网络模型的参数；索贝尔Sobel算子、Prewitt算子及拉普拉斯算子。根据本专利技术提供的一种快速高精度的图像模糊检测方法，所述将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数，包括：将所述待检测人脸图像的低层次人工特征图及所述待检测人脸图像的模糊值输入至预设中层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的中层次语义特征图；将经预处理后的所述待检测人脸图像的中层次语义特征图输入至预设高层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的高层次语义特征图；将经预处理后的所述待检测人脸图像的高层次语义特征图输入至预设深度神经网络模型进行训练，确定所述预设深度神经网络模型的参数。根据本专利技术提供的一种快速高精度的图像模糊检测方法，所述将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值，包括：将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊置信度；根据所述待检测人脸图像的模糊置信度与预设阈值的对比结果，确定所述待检测人脸图像的模糊度值。根据本专利技术提供的一种快速高精度的图像模糊检测方法，对所述待检测人脸图像的中层次语义特征图的进行预处理，包括：根据所述待检测人脸图像的中层次语义特征图的空间维度，确定特征块划分规则；根据所述特征块划分规则对所述待检测人脸图像的中层次语义特征图进行特征块划分，并基于聚合算法获取中层次分块聚合特征图。根据本专利技术提供的一种快速高精度的图像模糊检测方法，对所述待检测人脸图像的高层次语义特征图进行预处理，包括：基于聚合算法对所述待检测人脸图像的高层次语义特征图进行全局特征聚合，以获取高层次全局特征图。根据本专利技术提供的一种快速高精度的图像模糊检测方法，所述聚合算法包括如下聚合算法中的至少一种：均值聚合算法、最值聚合算法及方差聚合算法。本专利技术还提供一种快速高精度的图像模糊检测装置，包括：参数确定模块、模型确定模块以及快速高精度的图像模糊检测模块；所述参数确定模块，用于将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数；所述模型确定模块，用于根据所述参数及预设深度神经网络模型，确定模糊检测网络模型；所述快速高精度的图像模糊检测模块，用于将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值；其中，所述待检测人脸图像的低层次人工特征图是将所述待检测人脸图像输入至预设深度神经网络模型中的低层次人工特征提取神经网络模型获取的；所述低层次人工特征提取神经网络模型的参数是预先确定的。本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述快速高精度的图像模糊检测方法的步骤。本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述快速高精度的图像模糊检测方法的步骤。本专利技术提供的快速高精度的图像模糊检测方法及装置，通过将获取待检测人脸图像的低层次人工特征图与人工标注的模糊值输入至预设深度神经网络进行训练，确定预设深度神经网络模型的参数，通过预设和训练得到的参数以及预设深度神经网络模型确定支持直接输入任意分辨率人脸图像的模糊检测网络模型，同时能够在耗时低的前提下实现对图像的高精度模糊检测。附图说明为了更清楚地说明本专利技术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一简单地介绍，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，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术提供的快速高精度的图像模糊检测方法的流程示意图；图2是本专利技术提供的快速高精度的图像模糊检测装置的结构示意图；图3是本专利技术提供的电子设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实本文档来自技高网...

【技术保护点】
1.一种快速高精度的图像模糊检测方法，其特征在于，包括：/n将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数；/n根据所述参数及预设深度神经网络模型，确定模糊检测网络模型；/n将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值；/n其中，所述待检测人脸图像的低层次人工特征图是将所述待检测人脸图像输入至预设深度神经网络模型中的低层次人工特征提取神经网络模型获取的；/n所述低层次人工特征提取神经网络模型的参数是预先确定的。/n

【技术特征摘要】
1.一种快速高精度的图像模糊检测方法，其特征在于，包括：
将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数；
根据所述参数及预设深度神经网络模型，确定模糊检测网络模型；
将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值；
其中，所述待检测人脸图像的低层次人工特征图是将所述待检测人脸图像输入至预设深度神经网络模型中的低层次人工特征提取神经网络模型获取的；
所述低层次人工特征提取神经网络模型的参数是预先确定的。


2.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述低层次人工特征提取神经网络模型的参数通过如下方式确定：
通过如下至少一种人工图像特征算子确定所述低层次人工特征提取网络模型的参数；
索贝尔Sobel算子、Prewitt算子及拉普拉斯算子。


3.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数，包括：
将所述待检测人脸图像的低层次人工特征图及所述待检测人脸图像的模糊值输入至预设中层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的中层次语义特征图；
将经预处理后的所述待检测人脸图像的中层次语义特征图输入至预设高层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的高层次语义特征图；
将经预处理后的所述待检测人脸图像的高层次语义特征图输入至预设深度神经网络模型进行训练，确定所述预设深度神经网络模型的参数。


4.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值，包括：
将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊置信度；
根据所述待检测人脸图像的模糊置信度与预设阈值的对比结果，确定所述待检测人脸图像的模糊度值。<...

【专利技术属性】
技术研发人员：刘晓春，王国霞，王贤良，孟凡军，
申请(专利权)人：北京海鑫智圣技术有限公司，
类型：发明
国别省市：北京;11