一种图像的模糊检测方法及模糊检测装置制造方法及图纸

本申请适用于图像处理的技术领域，提供一种图像的模糊检测方法及模糊检测装置，所述检测方法包括：获取待检测图像、目标锐化图像以及目标虚化图像；分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征；将所述第一图像特征、所述第二图像特征以及所述第三图像特征输入预设函数中，得到由所述预设函数输出的所述待检测图像的模糊值。由于预设函数可根据详细的第一图像特征、第二图像特征以及第三图像特征进行模糊检测，故模糊检测的准确度较高。

【技术实现步骤摘要】
一种图像的模糊检测方法及模糊检测装置
本申请属于图像处理的
，尤其涉及一种图像的模糊检测方法及模糊检测装置。
技术介绍
人脸识别技术是一种常见的身份识别手段。广泛应用于考勤、安检、门禁以及人脸支付等场景。其原理是基于人的脸部特征，将采集的当前人脸图像与历史人脸图像进行对比，得到当前人脸图像对应的身份信息。然而，当采集的人脸图像过于模糊时，人脸识别准确度较低。故在人脸识别前，对人脸图像进行模糊检测显得尤为重要。以在人脸图像过于模糊时，重新采集人脸图像或进行预处理，提高人脸识别准确度。其中，传统模糊检测方法往往对人脸图像的细节以及全局模糊程度不敏感，导致模糊检测准确度较低，这是一个亟需解决的问题。
技术实现思路
有鉴于此，本申请实施例提供了一种图像的模糊检测方法、模糊检测装置、终端设备以及计算机可读存储介质，可以解决传统模糊检测方法往往对人脸图像的细节以及全局模糊程度不敏感，导致模糊检测准确度较低的技术问题。本申请实施例的第一方面提供了一种图像的模糊检测方法，所述模糊检测方法包括：获取待检测图像、目标锐化图像以及目标虚化图像；所述目标锐化图像是指将所述待检测图像进行锐化处理后得到的图像；所述目标虚化图像是指将所述待检测图像进行虚化处理后得到的图像；分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征；所述第一图像特征、所述第二图像特征以及所述第三图像特征分别用于表示图像清晰度的特征；将所述第一图像特征、所述第二图像特征以及所述第三图像特征输入预设函数中，得到由所述预设函数输出的所述待检测图像的模糊值。本申请实施例的第二方面提供了一种图像的模糊检测装置，所述模糊检测装置包括：获取单元，用于获取待检测图像、目标锐化图像以及目标虚化图像；所述目标锐化图像是指将所述待检测图像进行锐化处理后得到的图像；所述目标虚化图像是指将所述待检测图像进行虚化处理后得到的图像；提取单元，用于分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征；所述第一图像特征、所述第二图像特征以及所述第三图像特征分别用于表示图像清晰度的特征；计算单元，用于将所述第一图像特征、所述第二图像特征以及所述第三图像特征输入预设函数中，得到由所述预设函数输出的所述待检测图像的模糊值。本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。本申请实施例与现有技术相比存在的有益效果是：为了避免基于单一待检测图像的图像特征，无法反映图像的细节以及全局模糊程度。故本申请将待检测图像进行虚化和锐化，得到目标锐化图像以及目标虚化图像。并将待检测图像、目标锐化图像以及目标虚化图像对应的第一图像特征、第二图像特征以及第三图像特征输入预设函数中。使得预设函数可以根据详细的图像特征对待检测图像进行模糊检测，故提高了模糊检测的准确度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它的附图。图1示出了本申请提供的一种图像的模糊检测方法的示意性流程图；图2示出了本申请提供的一种图像的模糊检测方法中步骤102具体示意性流程图；图3示出了本申请提供的相邻像素点的预设权重示意图；图4示出了本申请提供的一种图像的模糊检测方法的整体性示意图；图5示出了本申请提供的另一种图像的模糊检测方法的示意性流程图；图6示出了本申请提供的一种图像的模糊检测装置的示意图；图7是本专利技术一实施例提供的一种终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。为了更好地理解本申请解决的技术问题，故在此对上述
技术介绍
进行进一步说明：传统模糊检测方法包括神经网络模型以及梯度清晰度评价函数等。其中，神经网络模型具有较高的识别准确度，但其模型体积较大，对处理器算力以及存储资源有一定要求。而梯度清晰度评价函数对处理器算力以及存储资源要求较低，且处理效率较高。然而，梯度清晰度评价函数对于人脸图像的细节以及全局模糊程度不敏感，也即模糊检测准确率较低。故神经网络模型以及梯度清晰度评价函数具有不同的优劣势：①神经网络模型检测准确率较高，但计算量大。②梯度清晰度评价函数处理效率高，但准确率较低。故，如何在计算量较小的情况下，提高模糊检测准确度成了一个亟需解决的技术问题。有鉴于此，本申请实施例提供了一种图像的模糊检测方法、检测装置、终端设备以及计算机可读存储介质，可以解决上述技术问题。首先，本申请提供了一种图像的模糊检测方法，所述检测方法具体包括如下内容：请参见图1，图1示出了本申请提供的一种图像的模糊检测方法的示意性流程图。如图1所示，该检测方法可以包括如下步骤：步骤101，获取待检测图像、目标锐化图像以及目标虚化图像；所述目标锐化图像是指将所述待检测图像进行锐化处理后得到的图像；所述目标虚化图像是指将所述待检测图像进行虚化处理后得到的图像。待检测图像可以为未处理的原始图像(原始图像是指直接由摄像模块采集的图像)，也可以为处理后的原始图像。优选地，为了提高模糊检测效率，可将原始图像的图像尺寸缩小至预设尺寸。将预设尺寸的原始图像作为待检测图像。可以理解的是，所述“将原始图像的图像尺寸缩小至预设尺寸”是指将整个原始图像缩小至预设尺寸，而不是指在原始图像中截取预设尺寸的区域。值得注意的，随着待检测图像的图像尺寸无限小时，模糊检测精度随之下降。而待检测图像的图像尺寸较大时，模糊检测精度较高，但计算量较大。故可根据实际应用场景的检测精度和计算效率等综合需求，拟定较为适宜的预设尺寸。作为本申请的一个可选实施例，若本方案应用于人脸检测场景，则在得到原始图像后，需要在原始图像中提取人脸图像，提取过程如下：通过人脸检测算法，得到原始图像中的人脸框，并提取人脸框中的人脸图像。人脸检测算法包括但不限于单镜头多箱式人脸检测(singleshotMulti-boxesdetector，SSD)、目标检测(youonlylookonce，YOLO)以及DLIB人脸检测本文档来自技高网...

【技术保护点】
1.一种图像的模糊检测方法，其特征在于，所述模糊检测方法包括：/n获取待检测图像、目标锐化图像以及目标虚化图像；所述目标锐化图像是指将所述待检测图像进行锐化处理后得到的图像；所述目标虚化图像是指将所述待检测图像进行虚化处理后得到的图像；/n分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征；所述第一图像特征、所述第二图像特征以及所述第三图像特征分别用于表示图像清晰度的特征；/n将所述第一图像特征、所述第二图像特征以及所述第三图像特征输入预设函数中，得到由所述预设函数输出的所述待检测图像的模糊值。/n

【技术特征摘要】
1.一种图像的模糊检测方法，其特征在于，所述模糊检测方法包括：
获取待检测图像、目标锐化图像以及目标虚化图像；所述目标锐化图像是指将所述待检测图像进行锐化处理后得到的图像；所述目标虚化图像是指将所述待检测图像进行虚化处理后得到的图像；
分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征；所述第一图像特征、所述第二图像特征以及所述第三图像特征分别用于表示图像清晰度的特征；
将所述第一图像特征、所述第二图像特征以及所述第三图像特征输入预设函数中，得到由所述预设函数输出的所述待检测图像的模糊值。


2.如权利要求1所述模糊检测方法，其特征在于，所述分别提取所述待检测图像的第一图像特征、所述目标锐化图像的第二图像特征以及所述目标虚化图像的第三图像特征，包括：
通过第一预设公式对所述待检测图像进行卷积运算，得到所述第一图像特征；
通过所述第一预设公式对所述目标锐化图像进行卷积运算，得到第四图像特征；
根据所述第一图像特征和所述第四图像特征，得到所述第二图像特征；
通过所述第一预设公式对所述目标虚化图像进行卷积运算，得到第五图像特征；
根据所述第一图像特征和所述第五图像特征，得到所述第三图像特征。


3.如权利要求2所述模糊检测方法，其特征在于，所述第一预设公式如下：



其中，EAV表示所述第一图像特征、所述第四图像特征或所述第五图像特征，M与N表示所述待检测图像、所述目标锐化图像或所述目标虚化图像中像素的行列数，dI表示待计算像素点与相邻像素点之间的灰度差值，1/dx表示所述相邻像素点的预设权重，表示依次将与所述待计算像素点相邻的8个相邻像素点的所述灰度差值以及预设权重相乘，得到乘积的绝对值，并进行求和运算；i＝1与a＝1分别表示每次运算取1。


4.如权利要求2所述模糊检测方法，其特征在于，所述根据所述第一图像特征和所述第四图像特征，得到所述第二图像特征，包括：
将所述第一图像特征和所述第四图像特征代入第二预设公式，得到所述第二图像特征；
所述第二预设公式如下：



其中，A表示所述第二图像特征，EAV0表示所述第一图像特征，EAV1表示所述第四图像特征。


5.如权利要求2所述模糊检测方法，其特征在于，所述根据所述第一图像特征和所述第五图像特征，计算所述第三图像特征，包括：
将所述第一图像特征和所述第五图像特征代入第三预设公式，得到所述第三图像特征；
所述第三预设公式如下：

...

【专利技术属性】
技术研发人员：巫英东，黄若普，
申请(专利权)人：深圳市安思疆科技有限公司，
类型：发明
国别省市：广东;44