本发明专利技术涉及人脸模糊图像对焦矫正方法、装置、设备和存储介质，涉及图像处理技术领域，该方法为基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦。本发明专利技术通过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。区域对焦矫正后所需的清晰效果。区域对焦矫正后所需的清晰效果。
【技术实现步骤摘要】
人脸模糊图像对焦矫正方法、装置、设备和存储介质
[0001]本专利技术涉及图像处理
，特别是涉及一种人脸模糊图像对焦矫正方法、装置、设备和存储介质。
技术介绍
[0002]随着人工智能技术的不断发展和研究，人工智能已实现对人脸以及自然语言的识别和理解，其中，随着人脸图像在快捷支付、刷脸打卡、门禁解锁等人脸识别领域的广泛应用，为了提高识别精度和准确性，需要保证人脸图像具有较高的图像质量。
[0003]在实际应用中，在对人脸图像进行采集时，受到多种因素的影响，例如人脸运动或镜头对焦错误，容易导致人脸图像出现模糊，无法提高对人脸图像的高质量识别。为此，需要针对人脸图像出现模糊或虚焦模糊等情况进行人脸模糊图像对焦矫正处理，而针对人脸图像模糊的情况还没有较好的解决办法。
技术实现思路
[0004]本申请实施例提供一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，可以对人脸图像进行准确、有效且便捷的去模糊处理，实现对焦矫正处理。
[0005]为实现上述目的，本专利技术提供了以下技术方案：第一方面，本申请实施例提供了一种人脸模糊图像对焦矫正方法，包括：基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。
[0006]第二方面，本申请实施例还提供了一种人脸模糊图像对焦矫正装置，该系统包括：人脸识别模块，用于对基于基准焦距拍摄获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；清晰度比较模块，用于将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；调焦矫正模块，用于根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；对焦验证模块，用于通过调焦后的镜头拍摄获取当前目标影像，并进行人脸识别
获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值。
[0007]第三方面，本专利技术实施例提供了一种计算机设备，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，处理器执行程序时实现上述人脸模糊图像对焦矫正方法的步骤。
[0008]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述人脸模糊图像对焦矫正方法的步骤。
[0009]本专利技术实施例提供的技术方案可以包括以下有益效果：本申请实施例提供一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，通过对基准焦距下拍摄获取目标影像，并对识别出的人脸图像进行的清晰检测，根据清晰度标准阈值范围作为触发自动对焦的依据，可以在保证清晰度符合标准的情况下，减少频繁的对焦调整动作，而且，在触发自动对焦的情况下，也可以根据清晰度差值快速匹配出对焦矫正所需调焦的焦距矫正值，进行快速对焦矫正，并经过调焦验证后获取清晰度达标的目标影像，达到人脸区域对焦矫正后所需的清晰效果。
[0010]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有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。在附图中：图1示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法的流程图；图2示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法中获得包含人脸影像关键点位置的人脸特征图像的流程示意图；图3示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法中建立多任务卷积神经网络的流程图；图4示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法中获取人脸特征图像的清晰度的流程图；图5示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法中进行调焦的流程图；图6示出本专利技术示例性实施例中一种人脸模糊图像对焦矫正方法中目标影像去模糊处理的流程图；图7为本专利技术人脸模糊图像对焦矫正装置的系统框图；图8为本专利技术一些实施例中一种计算机设备的硬件架构图；本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0012]下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施
例。
[0013]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0014]下面将结合本申请实施例中的附图，对本申请实施例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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0015]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0016]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0017]相关技术中，在对人脸图像进行采集时，受到多种因素的影响，例如人脸运动或镜头对焦错误，容易导致人脸图像出现模糊，无法提高对人脸图像的高质量识别。为此，需要针对人脸图像出现模糊或虚焦模糊等情况进行人脸模糊图像对焦矫正处理，而针对人脸图像模糊的情况还没有较好的解决办法。
[0018]鉴于此，本申请提供了一种人脸模糊图像对焦矫正方法、装置、设备和存储介质，可以对人脸图像进行准确、有效且便捷的去模糊处理，实现对焦矫正处理。
[0019]图1为本申请实施例提供的一种人脸模糊图像对焦矫正方法的流程图，该方法可以由人脸模糊图像对焦矫正装置来执行，该系统可由软件和/或硬件实现，一般可集成在计算机设备中。如图1所示，该方法包括：步骤S10、基于基准焦距拍摄获取目标影像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸模糊图像对焦矫正方法，其特征在于，包括：基于基准焦距拍摄获取目标影像，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像；将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，并与清晰度标准阈值对比，若低于清晰度标准阈值范围，则触发自动对焦；根据获取的人脸特征图像的清晰度相对于清晰度标准阈值的清晰度差值匹配镜头对焦时控制马达进行调焦的焦距矫正值，并进行调焦；调焦后的镜头拍摄获取当前目标影像，并进行人脸识别获得当前人脸特征图像，将当前人脸特征图像输入至图像模糊检测模型获取清晰度，直至获取的清晰度符合清晰度标准阈值；调焦后验证人脸特征图像的清晰度是否符合清晰度标准阈值，若符合清晰度标准阈值，将调焦后的焦距设定为基准焦距。2.根据权利要求1所述的人脸模糊图像对焦矫正方法，其特征在于，对获取的目标影像进行人脸识别，获得包含人脸影像关键点位置的人脸特征图像，包括：对获取的目标影像进行分帧处理，获得分帧处理后的连续帧图像；将连续帧图像输入至预先建立的多任务卷积神经网络，获取连续帧图像中人脸影像关键点位置；在获取的目标影像中框选标记人脸位置，获得包含人脸影像关键点位置的人脸特征图像。3.根据权利要求2所述的人脸模糊图像对焦矫正方法，其特征在于，预先建立的多任务卷积神经网络，包括：基于标记有人脸影像的关键点位置以及人脸位置的图像构建训练数据集及测试数据集；建立多任务卷积神经网络，并将预先标记的人脸影像的关键点位置以及人脸位置的训练数据集输入到所述多任务卷积神经网络中，对所述多任务卷积神经网络进行训练，直到使得所述多任务卷积神经网络的模型收敛而完成训练；将经过预先标记处理的测试数据集输入到完成训练的所述多任务卷积神经网络中，获得所述人脸影像对应的身份特征表达向量和多个属性特征表达向量，测试完成后得到预先建立的多任务卷积神经网络。4.根据权利要求2所述的人脸模糊图像对焦矫正方法，其特征在于，将人脸特征图像输入至图像模糊检测模型，以获取所述人脸特征图像的清晰度，包括：根据人脸特征图像中包含的人脸影像关键点位置，在所述人脸特征图像中设定至少一个取样区域，并提取每个取样区域中影像的像素值；将所述人脸特征图像中相邻取样区域的像素值比较，得到取样区域的像素差值；统计像素差值大于预设像素阈值的数量，计算大于预设像素阈值的像素差值数量的占比，将所述占比设定为人脸特征图像的清晰度。5.根据权利要求3...
【专利技术属性】
技术研发人员：张振辉，叶征，宋贝贝，黄涛，潘朝，
申请(专利权)人：合肥岭雁科技有限公司，
类型：发明
国别省市：
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。