一种证件照抠图方法及系统技术方案

本发明专利技术提供一种证件照抠图方法及系统，属于人像抠图领域，均能够实现：将待抠图证件照图像输入预先训练好的能够提取人像前景掩模的网络模型进行运算,得到所述待抠图证件照图像的人像前景掩模,记为目标人像前景掩模；根据所述目标人像前景掩模，估计所述待抠图证件照图像的前景图像，得到所述待抠图证件照图像对应的前景估计图像；将所述目标人像前景掩模、所述前景估计图像以及给定的证件照背景图像进行图像融合，得到所述待抠图证件照图像对应的抠图后的证件照图像。本发明专利技术用于降低所需的技术要求，提高人工效率，降低生产成本，提高抠图精度。抠图精度。抠图精度。

【技术实现步骤摘要】
一种证件照抠图方法及系统


[0001]本专利技术涉及人像抠图领域，具体涉及一种证件照抠图方法及系统。

技术介绍

[0002]证件照的生成方式有很多，最常见的就是PS技术，PS技术虽然好用但是需要进行专业培训的技术人员才能处理完成。对于以证件照业务为主的企业来说，每天处理百万级数量的照片，需要大量的专业培训的人员操作，人工效率及成本问题会限制企业的发展。
[0003]证件照抠图技术是证件照生成的一个必要技术。证件照抠图技术就是给定一张包含人像的照片图像，识别出照片图像中的前景区域(人像)和背景区域，并预测出照片图像中前景和背景交界处的不透明度。现有证件照抠图方法是以三值图(前景、背景、未知区域)作为先验信息，对前景人像和背景区域的分割过程进行约束，从而得到提取人像的高精度掩模。
[0004]公开号为CN104504745A的专利技术专利申请公开了一种基于图像分割和抠图的证件照生成方法，其通过标记出图像中前景为人脸、头发以及上半身衣服组成的人像前景和不覆盖人像的其他区域的背景，得到种子图像，将种子图像的三个通道量化为直方图，构建图像分割模型对得到的直方图进行分割，得到分割后的前景和背景，再与指定的背景色进行混合，得到相应的证件照图像。该方法需要人工标注人脸、头发以及上半身衣服组成的人像前景，过程繁琐且耗时，并且人工标注存在主观性，当标注不准确时，会降低前景人像和背景区域的分割精度。
[0005]公开号为CN107123088A的专利技术专利公开了一种自动更换证件照背景颜色的方法，其对证件照图像进行边缘检测，提取人物目标区域的外轮廓，采用4
×
4的方形结构元素，对人物目标区域外轮廓图像做多次形态学膨胀运算，得到三值图像矩阵Trimap图，采用基于全局学习的数字抠图算法计算图像合成中所需的掩膜值。
[0006]公开号为CN108320294A的专利技术专利申请，其在HSV色彩空间，利用多尺度视觉敏感度排序度量方法，增强人像与背景显著性，分割所述显著性图得到人像和背景初始二值图，采用形态学方法删除孤立的噪声区域，然后采用高斯平滑方式自动生成三值图；根据自动生成的三值图和原始人像照片，采用多尺度随机游走搜索方法，最小化抠图目标函数，求解得到人像前景的不透明度图。
[0007]以上公开号为CN107123088A和CN108320294A的两篇专利技术专利申请，都是通过传统的图像处理方法对照片图像进行分析，确定前景区域和背景区域，从而进一步优化分割边缘。该传统的图像处理方法无需标注，三值图的生成速度提高了，但是，该方法实现的抠图，人像与背景之间没有平滑的过渡边缘显得很生硬，并且对于头发等这样的复杂结构的前景分割非常不精确。
[0008]公开号为CN110889855A的专利技术专利申请，其根据轻量级语义分割网络模型生成粗分割Trimap图网络，根据编解码网络对粗分割Trimap图网络进行精细化抠图，得到精细化抠图网络；将粗分割Trimap图网络和精细化抠图网络进行级联，得到端到端网络模型。该方
法依然是基于生成Trimap图的模式，Trimap中未知像素的区域是估计的，未知区域的宽或窄对抠图结果都会产生影响，增加抠图结果的误差。
[0009]为此，本专利技术提供一种证件照抠图方法及系统，用于解决上述问题。

技术实现思路

[0010]针对现有技术的上述问题，本专利技术提供一种证件照抠图方法及系统，用于降低所需的技术要求，提高人工效率，降低生产成本，提高抠图精度。
[0011]第一方面，本专利技术提供一种证件照抠图方法，包括步骤：
[0012]S1：将待抠图证件照图像输入预先训练好的能够提取人像前景掩模的网络模型进行运算,得到所述待抠图证件照图像的人像前景掩模,记为目标人像前景掩模；
[0013]S2：根据所述目标人像前景掩模，估计所述待抠图证件照图像的前景图像，得到所述待抠图证件照图像对应的前景估计图像；
[0014]S3：将所述目标人像前景掩模、所述前景估计图像以及给定的证件照背景图像进行图像融合，得到所述待抠图证件照图像对应的抠图后的证件照图像。
[0015]进一步地，步骤S1中所述网络模型的获取步骤为：
[0016]创建证件照抠图数据集；
[0017]构建用来提取人像前景掩模的网络结构；
[0018]利用所述证件照抠图数据集训练所述网络结构，得到训练好的能够提取人像前景掩模的网络模型。
[0019]进一步地，所述的创建证件照抠图数据集，其实现方法为：
[0020]收集证件照图像形成训练集；
[0021]利用图像处理软件对训练集中的各证件照图像分别进行人像前景抠图，得到训练集中每一个证件照图像的人像前景图像；
[0022]对训练集中的每一个证件照图像，分别根据其对应的人像前景图像，提取其对应的人像前景掩模；
[0023]利用训练集中的各证件照图像及其各自的人像前景掩模，构建证件照抠图数据集。
[0024]进一步地，所述网络结构的构建方法为：
[0025]构建用来提取人像前景掩模的网络结构的子模块，该子模块以ResNet网络中的残差模块为基础，用卷积层输入替换残差模块的原始数据输入，用类U
‑
Net的对称编码器
‑
解码器结构代替残差模块中的两层权重层，将残差模块的快捷连接的原始数据输入替换为卷积层输入，通过求和来连接卷积层输入和类U
‑
Net的对称编码器
‑
解码器结构的输出，并实现输入卷积层提取的局部特征和类U
‑
Net的对称编码器
‑
解码器结构提取的多尺度特征的残差连接；
[0026]以所述子模块为基础构建能够从多尺度提取证件照人像局部和全局特征信息的类U型网络结构，该类U型网络结构即为构建得到的用于提取人像前景掩模的网络结构，其中，该网络结构能够在编码阶段从逐渐降采样特征映射过程中提取多尺度特征，能够在解码阶段将上述提取的多尺度特征编码到高分辨率特征图像中，并能够将解码阶段和最后编码阶段相连接的显著图融合得到输出结果。
[0027]进一步地,利用所述证件照抠图数据集训练所述网络结构，得到训练好的能够提取人像前景掩模的网络模型，其实现方法步骤为：
[0028]将证件照抠图数据集中的证件照图像输入所述网络结构进行前向计算，得到预测的人像前景掩模；
[0029]将所述预测的人像前景掩模与其在证件照抠图数据集中对应的人像前景掩模进行比较，反向计算，优化构建的网络结构，反复迭代得到上述训练好的用于提取人像前景掩模的网络模型。
[0030]进一步地,步骤S2的实现方法为：
[0031]根据目标人像前景掩模，采用多层次的前景估计方法，以预先设定的分辨率求解所述待抠图证件照图像的前景图像，迭代最小局部成本函数，然后以当前分辨率下求解出的前景图像为初始化图像，计算下一个预先设定的分辨率下的前景图像，重复执行以上过程，直到最新计算出的前景图像达到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种证件照抠图方法，其特征在于，包括步骤：S1：将待抠图证件照图像输入预先训练好的能够提取人像前景掩模的网络模型进行运算,得到所述待抠图证件照图像的人像前景掩模,记为目标人像前景掩模；S2：根据所述目标人像前景掩模，估计所述待抠图证件照图像的前景图像，得到所述待抠图证件照图像对应的前景估计图像；S3：将所述目标人像前景掩模、所述前景估计图像以及给定的证件照背景图像进行图像融合，得到所述待抠图证件照图像对应的抠图后的证件照图像。2.根据权利要求1所述的证件照抠图方法，其特征在于，步骤S1中所述网络模型的获取步骤为：创建证件照抠图数据集；构建用来提取人像前景掩模的网络结构；利用所述证件照抠图数据集训练所述网络结构，得到训练好的能够提取人像前景掩模的网络模型。3.根据权利要求2所述的证件照抠图方法，其特征在于，所述的创建证件照抠图数据集，其实现方法为：收集证件照图像形成训练集；利用图像处理软件对训练集中的各证件照图像分别进行人像前景抠图，得到训练集中每一个证件照图像的人像前景图像；对训练集中的每一个证件照图像，分别根据其对应的人像前景图像，提取其对应的人像前景掩模；利用训练集中的各证件照图像及其各自的人像前景掩模，构建证件照抠图数据集。4.根据权利要求2或3所述的证件照抠图方法，其特征在于，所述网络结构的构建方法为：构建用来提取人像前景掩模的网络结构的子模块，该子模块以ResNet网络中的残差模块为基础，用卷积层输入替换残差模块的原始数据输入，用类U
‑
Net的对称编码器
‑
解码器结构代替残差模块中的两层权重层，将残差模块的快捷连接的原始数据输入替换为卷积层输入，通过求和来连接卷积层输入和类U
‑
Net的对称编码器
‑
解码器结构的输出，并实现输入卷积层提取的局部特征和类U
‑
Net的对称编码器
‑
解码器结构提取的多尺度特征的残差连接；以所述子模块为基础构建能够从多尺度提取证件照人像局部和全局特征信息的类U型网络结构，该类U型网络结构即为构建得到的用于提取人像前景掩模的网络结构，其中，该网络结构能够在编码阶段从逐渐降采样特征映射过程中提取多尺度特征，能够在解码阶段将上述提取的多尺度特征编码到高分辨率特征图像中，并能够将解码阶段和最后编码阶段相连接的显著图融合得到输出结果。5.根据权利要求2或3所述的证件照抠图方法，其特征在于,所述利用所述证件照抠图数据集训练所述网络结构，得到训练好的能够提取人像前景掩模的网络模型，其实现方法步骤为：将证件照抠图数据集中的证件照图像输入所述网络结构进行前向计算，得到预测的人像前景掩模；
将所述预测的人像前景掩模与其在证件照抠图数据集中对应的人像前景掩模进行比较，反向计算，优化构建的网络结构，反复迭代得到上述训练好的用于提取人像前景掩模的网络模型...

【专利技术属性】
技术研发人员：郭志强，魏延文，
申请(专利权)人：世纪开元智印互联科技集团股份有限公司，
类型：发明
国别省市：