[发明专利]人脸图像模糊度的获取方法、装置和设备

权利要求书

1.一种人脸图像模糊度的获取方法，其特征在于，包括：

根据人脸关键点的位置对人脸图像进行采样，获取多个图像块，所述人脸关键点包括人脸五官的轮廓点；

对每个所述图像块的特征图进行池化处理，获取每个所述图像块对应的特征向量；

对每个所述图像块对应的特征向量进行回归计算，获取所述人脸图像的模糊度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对采集到的人物图像进行人脸检测，获取所述人脸图像；

根据人脸的位置在所述人脸图像中进行人脸关键点定位，获取所述人脸关键点的位置。

3.根据权利要求1或2所述的方法，其特征在于，所述对每个所述图像块的特征图进行池化处理，获取每个所述图像块对应的特征向量，包括：

采用预设步长的卷积神经网络CNN对每个所述图像块进行特征提取，获取每个所述图像块的特征图；

对每个所述图像块的特征图按通道维度进行最大值和最小值池化处理，获取每个所述图像块对应的特征向量。

4.根据权利要求3所述的方法，其特征在于，所述对每个所述图像块的特征图按通道维度进行最大值和最小值池化处理，获取每个所述图像块对应的特征向量，包括：

分别对每个所述图像块的特征图在通道维度上进行最大值池化，获取每个所述图像块的特征图的第一特征；

分别对每个所述图像块的特征图在通道维度上进行最小值池化，获取每个所述图像块的特征图的第二特征；

分别将每个所述图像块的特征图的所述第一特征和所述第二特征进行拼接，获取每个所述图像块的特征向量。

5.根据权利要求1或2所述的方法，其特征在于，所述对每个所述图像块对应的特征向量进行回归计算，获取所述人脸图像的模糊度，包括：

采用预设的回归模型分别对每个所述图像块对应的特征向量进行回归计算，获取每个所述图像块的模糊度；

将所有图像块的模糊度进行平均，获取所述人脸图像的模糊度。

6.一种人脸图像模糊度的获取装置，其特征在于，包括：

采样模块，被配置为根据人脸关键点的位置对人脸图像进行采样，获取多个图像块，所述人脸关键点包括人脸五官的轮廓点；

池化模块，被配置为对每个所述图像块的特征图进行池化处理，获取每个所述图像块对应的特征向量；

回归模块，被配置为对每个所述图像块对应的特征向量进行回归计算，获取所述人脸图像的模糊度。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

检测模块，被配置为对采集到的人物图像进行人脸检测，获取所述人脸图像；

定位模块，被配置为根据人脸的位置在所述人脸图像中进行人脸关键点定位，获取所述人脸关键点的位置。

8.根据权利要求6或7所述的装置，其特征在于，所述池化模块包括：

提取子模块，被配置为采用预设步长的卷积神经网络CNN对每个所述图像块进行特征提取，获取每个所述图像块的特征图；

池化子模块，被配置为对每个所述图像块的特征图按通道维度进行最大值和最小值池化处理，获取每个所述图像块对应的特征向量。

9.根据权利要求8所述的装置，其特征在于，所述池化子模块包括：

最大池化子模块，被配置分别对每个所述图像块的特征图在通道维度上进行最大值池化，获取每个所述图像块的特征图的第一特征；

最小池化子模块，被配置分别对每个所述图像块的特征图在通道维度上进行最小值池化，获取每个所述图像块的特征图的第二特征；

拼接子模块，被配置为分别将每个所述图像块的特征图的所述第一特征和所述第二特征进行拼接，获取每个所述图像块的特征向量。

10.根据权利要求6或7所述的装置，其特征在于，所述回归模块包括：

回归子模块，被配置为采用预设的回归模型分别对每个所述图像块对应的特征向量进行回归计算，获取每个所述图像块的模糊度；

平均子模块，被配置为将所有图像块的模糊度进行平均，获取所述人脸图像的模糊度。