[发明专利]一种逆光环境下的人脸图像质量提升方法

说明书

本发明公开的属于数码摄像技术领域，具体为一种逆光环境下的人脸图像质量提升方法，该逆光环境下的人脸图像质量提升方法如下：S1：利用卷积神经网络进行深度学习，对人脸的轮廓位置进行定位训练，通过相机对人脸进行样本采集，S2：对步骤S1中的采集样本进行人工标注人脸位置，并将采集数据进行存储，S3：对步骤S2中存储采集数据通过深度学习方法，使用人脸边框预测的残差平方和作为损失函数来进行训练与学习，完成对人脸的轮廓定位的训练，并根据局部测光的结果进行曝光强度的调节训练，本发明通过综合使用神经网络技术以及摄像头调整策略，最终提高逆光环境下的人脸图像质量。该方法具有以下特点：兼容性佳，速度快，定位准确。

技术领域

本发明涉及数码摄像技术领域，具体为一种逆光环境下的人脸图像质量提升方法。

背景技术

在现有的拍照留念的行为为大众所重视时，各种数码摄像设备广受欢迎，而如何在逆光环境下的人脸图像质量提升是人脸识别产品的关键特性与难点,效果好坏直接影响产品的体验和兼容性。

现有方法之一是用背光补偿靠提升视场中央部分的亮度、降低视场四周部分的亮度来达到看清位于中央位置内物体的目的是以牺牲画面的对比度为代价的,且缺乏人脸目标不在视场中央时的动态灵活性。

现有方法之二是利用宽动态技术(HDR)基于多帧图像合成的多次曝光，不同帧之间的曝光采取时间差异，对明亮部分进行短曝。但由于快门速度不同，在两张(或更多)构成合成宽动态图像的单独快照中，捕捉图像时场景的移动部分会出现在不同的位置。宽动态打开时，其它方面的指数就会有所降低，比如清晰度、灵敏度、色彩等等，画面有可能会变得稍微模糊，色彩饱和度下降，画面显得较淡；在低照度环境中灵敏度下降等。

所以如何在逆光场景下实现人脸图像质量提升是需要不断改进优化的问题。

发明内容

本发明的目的在于提供一种逆光环境下的人脸图像质量提升方法，以解决上述背景技术中提出的如何在逆光场景下实现人脸图像质量提升的问题。

为实现上述目的，本发明提供如下技术方案：一种逆光环境下的人脸图像质量提升方法，该逆光环境下的人脸图像质量提升方法如下：

S1：利用卷积神经网络进行深度学习，对人脸的轮廓位置进行定位训练，通过相机对人脸进行样本采集；

S2：对步骤S1中的采集样本进行人工标注人脸位置，并将采集数据进行存储；

S3：对步骤S2中存储采集数据通过深度学习方法，使用人脸边框预测的残差平方和作为损失函数来进行训练与学习，完成对人脸的轮廓定位的训练；

S4：对步骤S3中的检测出的区域做局部测光，并根据局部测光的结果进行曝光强度的调节训练。

优选的，所述步骤S2中的采集样本采取逆光下脸部细节丢失的正脸、逆光下脸部细节丢失的侧脸、正常人脸、正常侧脸进行正反样本的搭配。

优选的，所述步骤S2中的采集数据采用VOC格式进行存储。

优选的，所述步骤S4中根据局部测光结果，该局部区域曝光过强则减小ISO、减小光圈、增加快门速度使测光区域区域柔和不过曝,曝光不足则增大ISO、增大光圈、降低快门速度使测光区域柔和不欠曝。

优选的，所述步骤S1中的卷积神经网络和所述步骤S4中的曝光强度调节训练均采用Tiny-DSOD计算网络进行训练学习。

与现有技术相比，本发明的有益效果是：本发明通过综合使用神经网络技术以及摄像头调整策略，最终提高逆光环境下的人脸图像质量。该方法具有以下特点：

兼容性佳：针对不同强度光环境特别是极端逆光环境下人脸细节完全丢失的场景下均能有效兼容。

速度快：仅通过一帧图像输入做处理判断,调整后第二帧即可获得质量提升。