[发明专利]单张图片背景虚化方法、装置及设备

权利要求书

1.一种单张图片背景虚化方法，其特征在于，包括：

基于预设深度模型，分割目标图片中的人像；

根据所述人像，确定所述目标图片的背景；

基于预设规则，对所述背景进行虚化。

2.根据权利要求1所述的方法，其特征在于，所述基于预设规则，对所述背景进行虚化，包括：

通过高斯模糊，对所述背景进行虚化效果处理。

3.根据权利要求1所述的方法，其特征在于，所述预设深度模型的构建方法，包括：

确定人像图片数据集；

将所述人像图片数据集划分为训练集、验证集和测试集；

基于卷积神经网络结构，提取所述训练集中图片的多尺度的高维特征向量，所述多尺度为至少两个尺度，每个高维特征向量，关联一维人像分割预测值；

在每个所述尺度，通过相邻两个尺度的人像分割预测值，获取边缘加强图；对下一个尺度的高维特征向量进行加强；

基于所述边缘加强图和逐尺度融合，获取图片的人像分割结果；

基于卷积神经网络，对所述人像图片数据集进行训练、验证和测试，构建所述预设深度模型。

4.根据权利要求3所述的方法，其特征在于，还包括：

对图片上同一位置两个尺度的人像分割预测值不同的地方进行加强学习，获取图片的人像分割结果。

5.根据权利要求3所述的方法，其特征在于，还包括：

若两个尺度的人像分割预测值在同一位置的差异在预设范围内，则所述图片的预测为正确；

若两个尺度的人像分割预测值在同一位置的差异超出所述预设范围，则两个尺度预测结果不一致，提高边缘加强图的权重；

两个尺度m和m-1之间的边缘加强图A_m，m-1计算如下：

A_m，m-1＝|S_m·(1-S_m-1)-S_m-1·(1-S_m)|，

其中，S_m和S_m-1为两个尺度的人像分割预测值。

6.根据权利要求1所述的方法，其特征在于，在所述预设深度模型的训练中，通过损失函数对每个尺度的人像分割预测值进行有监督学习；

所述损失函数，为：

其中，W是深度模型各尺度共用权重集合，w_m指各尺度特有权重，g_i代表人像数据集中第i个像素标记出的标准结果，是其对应的第m尺度上相应位置的人像预测结果，N是训练集上所有图片的所有像素总和。

7.根据权利要求2所述的方法，其特征在于，所述通过高斯模糊，对所述背景进行虚化效果处理的处理公式，包括：

其中，r是模糊半径(u²+v²)，σ是正态分布的标准偏；

通过控制模糊半径r来调整背景的虚化程度，获取所述目标图片的背景虚化结果。

8.一种单张图片背景虚化装置，其特征在于，包括：分割模块、确定模块和虚化模块；

所述分割模块，用于基于预设深度模型，分割目标图片中的人像；

所述确定模块，用于根据所述人像，确定所述目标图片的背景；

所述虚化模块，用于基于预设规则，对所述背景进行虚化。