[发明专利]人脸图像的超分方法、装置、设备及存储介质

权利要求书

1.一种人脸图像的超分方法，其特征在于，所述方法包括：

获取目标人脸图像；

获取所述目标人脸图像的引导图像，其中，所述引导图像包括标注有所述目标人脸图像中的五官图像的位置的人脸解析图像，和/或与所述目标人脸图像中的五官图像所对应的五官模板图像；

将所述目标人脸图像和所述引导图像输入至人脸超分模型中，得到与所述目标人脸图像对应的超分人脸图像，其中，所述超分人脸图像的分辨率大于所述目标人脸图像的分辨率。

2.根据权利要求1所述的方法，其特征在于，所述引导图像包括与所述目标人脸图像中的五官图像所对应的五官模板图像；所述获取所述目标人脸图像的引导图像，包括：

从所述目标人脸图像中提取五官图像；

将提取出的所述五官图像输入到与所述五官图像对应的五官分类模型中，得到所述五官图像中五官的类型；

从对应五官的模板图像库选取出与所述五官图像中五官的类型匹配的五官模板图像；所述五官模板图像的分辨率大于预设分辨率。

3.根据权利要求1所述的方法，其特征在于，所述引导图像包括标注有所述目标人脸图像中的五官图像的位置的人脸解析图像；所述获取所述目标人脸图像的引导图像，包括：

将所述目标人脸图像输入到基于深度学习神经网络的人脸解析模型中，得到所述人脸解析图像。

4.根据权利要求1所述的方法，所述方法还包括获取所述人脸超分模型的步骤，包括：

获取第一训练样本集，所述第一训练样本集包括多组第一训练样本；一组所述第一训练样本包括超分人脸样本图像，以及对应的目标人脸样本图像和所述目标人脸样本图像的引导图像，其中，所述超分人脸样本图像的分辨率大于所述目标人脸样本图像的分辨率；

将所述目标人脸样本图像和所述目标人脸样本图像的引导图像作为图像超分网络的输入，将所述超分人脸样本图像作为监督，对图像超分网络进行训练，得到所述人脸超分模型。

5.根据权利要求4所述的方法，其特征在于，所述图像超分网络基于SRResNet模型、EDSR模型、WDSR模型中的任一个实现，以及所述图像超分网络的损失函数基于平均绝对误差的损失函数与均方根误差的损失函数的组合实现。

6.根据权利要求2所述的方法，其特征在于，所述从所述目标人脸图像中提取五官图像，包括：

将所述目标人脸图像输入到基于深度学习神经网络的人脸解析模型中，得到标注有目标人脸图像中五官图像的位置的人脸解析图像；

按照标注的位置，从所述人脸解析图像中提取所述五官图像。

7.根据权利要求3或6所述的方法，其特征在于，所述方法还包括获取人脸解析模型的步骤，包括：

获取第二训练样本集，所述第二训练样本集包括多组第二训练样本，一组所述第二训练样本包括人脸样本图像以及对应的人脸样本解析图；

将所述人脸样本图像，作为图像分割模型的输入，将所述人脸样本解析图作为监督，对所述图像分割模型进行训练，得到所述人脸解析模型。

8.一种人脸图像的超分装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标人脸图像；

第二获取模块，用于获取所述目标人脸图像的引导图像，其中，所述引导图像包括标注有所述目标人脸图像中的五官图像的位置的人脸解析图像，和/或与所述目标人脸图像中的五官图像所对应的五官模板图像；

确定模块，用于将所述目标人脸图像和所述引导图像输入至人脸超分模型中，得到与所述目标人脸图像对应的超分人脸图像，其中，所述超分人脸图像的分辨率大于所述目标人脸图像的分辨率。

9.一种电子设备，其特征在于，所述电子设备包括如权利要求8-14任一项所述的装置；或者，

包括存储器和处理器，所述存储器用于存储计算机指令，所述处理器用于从所述存储器中调用所述计算机指令，以执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。