【技术实现步骤摘要】
图像处理方法和图像处理装置
[0001]本申请涉及人工智能领域中的计算机图像处理技术,尤其涉及一种图像处理方法和图像处理装置。
技术介绍
[0002]人脸检索被广泛应用于安防监控或门禁闸机等场景,由于在实际应用场景下,图像采集设备经常采集到正脸缺失的图像,例如模糊图像、有遮挡图像,大角度图像如侧脸图像等,正脸缺失的图像给识别算法或肉眼辨别均造成了困难,因为肉眼不容易辨别这些图像的人脸信息,而识别算法对同一人的正脸缺失的图像进行识别的相似度较低。
[0003]现有技术中,基于预构建的神经网络模型从正脸缺失的图像中提取一维特征向量,即人脸特征,通过该人脸特征恢复遮挡或重建无遮挡的正脸图像。
[0004]现有技术中通过人脸特征进行正脸图像的重建,相较原图像信息损失较多,据此重建得到的图像质量较低,不能通过肉眼识别,或通过识别算法识别辨别的匹配度较低。
技术实现思路
[0005]本申请实施例提供了一种图像处理方法,用于基于正脸缺失的图像生成无遮挡的正脸图像,生成的无遮挡的正脸图像用于肉眼识别或识别算法 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取人脸图像的人脸特征和关键点的位置信息,所述人脸特征包括所述人脸图像中人脸信息的特征向量,所述关键点包括所述人脸图像中表示人脸位置的特征点;根据所述人脸特征和所述关键点的位置信息,通过预训练的第一神经网络模型得到所述人脸图像对应的无遮挡的正脸图像。2.根据权利要求1所述的方法,其特征在于,所述第一神经网络模型包括一个或多个反卷积层。3.根据权利要求2所述的方法,其特征在于,所述关键点的位置信息包括关键点特征图;根据所述人脸特征和所述关键点的位置信息,通过预训练的第一神经网络模型得到所述人脸图像对应的无遮挡的正脸图像包括:将所述人脸特征输入第一反卷积层,以得到第一特征图;融合所述第一特征和所述关键点特征图,以得到第二特征图;将所述第二特征图输入第二反卷积层,以得到所述无遮挡的正脸图像。4.根据权利要求1至3中任一项所述的方法,其特征在于,所述第一神经网络模型由第一初始网络模型训练后得到,所述方法还包括:将第一训练样本的第一人脸特征和第一关键点的位置信息输入所述第一初始网络模型中训练,以得到第一损失;根据所述第一损失更新所述第一初始网络模型中的权重参数,以得到所述第一神经网络模型。5.根据权利要求4所述的方法,其特征在于,所述第一损失为第一特征与第二特征之间的差异,所述第一特征为从所述第一训练样本对应的正脸图像中提取的人脸特征,所述第二特征为从第一生成图像中提取的人脸特征,所述第一生成图像为将所述第一训练样本输入所述第一初始网络模型得到的无遮挡的正脸图像。6.根据权利要求4所述的方法,其特征在于,所述第一损失包括第一特征与第二特征之间的差异,以及所述第一训练样本对应的正脸图像与第一生成图像之间的差异。7.根据权利要求4所述的方法,其特征在于,所述第一损失包括第一特征与第二特征之间的差异、第一训练样本对应的正脸图像与第一生成图像之间的差异,和判断损失,所述判断损失为判别器将所述第一生成图像判别为假的概率,所述判别器用于将真实图像判别为真,将生成的图像判别为假。8.根据权利要求1至7中任一项所述的方法,其特征在于,所述获取人脸图像的人脸特征和关键点的位置信息包括:将所述人脸图像输入第二神经网络模型中得到所述人脸特征;将所述人脸图像输入第三神经网络模型中得到所述关键点的位置信息。9.根据权利要求8所述的方法,其特征在于,所述第二神经网络模型包括特征抽取器或编码器,所述特征抽取器为根据输入的人脸图像输出人脸特征的神经网络,所述编码器为自编码器中的部分。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述无遮挡的正脸图像用于肉眼识别,或用于输入人脸识别系统实现人脸识别。11.一种图像处理装置,其特征在于,包括:获取单元,用于获取人脸图像的人脸特征和关键点的位置信息,所述人脸特征包括所述人脸图像中人脸信息的特征向量,所述关键点包括所述人脸图像中表示人脸位置的特征点;处理单元,用于根据所述人脸特征和所述关键点的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。