[发明专利]一种人脸模糊度检测方法、装置、终端设备及存储介质

权利要求书

1.一种人脸模糊度检测方法，其特征在于，包括：

对目标图像进行人脸检测；

当所述目标图像包含人脸图像时，将所述人脸图像输入第一神经网络模型中对所述人脸图像中人脸的模糊度进行初步检测，获得初步检测结果；

当所述初步检测结果满足深度检测条件时，将所述人脸图像输入第二神经网络模型中对所述人脸图像中人脸的模糊度进行深度检测，获得深度检测结果。

2.根据权利要求1所述的人脸模糊度检测方法，其特征在于，所述将所述人脸图像输入第一神经网络模型中对所述人脸图像中人脸的模糊度进行初步检测，获得初步检测结果，包括：

将所述人脸图像输入第一神经网络模型中对所述人脸图像中人脸的模糊度进行分类，获得人脸模糊度分类结果；其中，所述人脸模糊度分类结果包括用于指示所述人脸图像的模糊度且按照模糊度由大到小的顺序排列的一级模糊度、二级模糊度和三级模糊度；

当所述人脸模糊度分类结果为一级模糊度时，判定所述人脸图像为模糊人脸图像；

当所述人脸模糊度分类结果为二级模糊度时，判定所述初步检测结果满足深度检测条件；

当所述人脸模糊度分类结果为三级模糊度时，判定所述人脸图像为清晰人脸图像。

3.根据权利要求2所述的人脸模糊度检测方法，其特征在于，所述当所述初步检测结果满足深度检测条件时，将所述人脸图像输入第二神经网络模型中对所述人脸图像中人脸的模糊度进行深度检测，获得深度检测结果，包括：

当所述初步检测结果满足深度检测条件时，将所述人脸图像输入至第二神经网络模型中对所述人脸图像中人脸的模糊度进行评分，获得人脸模糊度评分值；

当人脸模糊度评分值低于预设阈值时，判定所述人脸图像为模糊人脸图像；

当人脸模糊度评分值大于或等于预设阈值时，判定所述人脸图像为清晰人脸图像。

4.根据权利要求1所述的人脸模糊度检测方法，其特征在于，所述当所述目标图像包含人脸图像时，将所述人脸图像输入第一神经网络模型中对所述人脸图像中人脸的模糊度进行初步检测，获得初步检测结果，包括：

当所述目标图像包含人脸图像时，对所述人脸图像进行关键点检测；

根据所述关键点的坐标位置与预设标准人脸图像的关键点的坐标位置，将所述人脸图像进行校正，获得校正后的人脸图像；

将所述校正后的人脸图像输入第一神经网络模型中对所述人脸图像中人脸的模糊度进行初步检测，获得初步检测结果。

5.根据权利要求3所述的人脸模糊度检测方法，其特征在于，在对目标图像进行人脸检测之前，包括：

对预先构建的第二神经网络模型进行训练；其中，所述第二神经网络模型的输出结果为人脸图像的人脸模糊度评分值。

6.根据权利要求5所述的人脸模糊度检测方法，其特征在于，所述对预先构建的第二神经网络模型进行训练，包括：

获取训练人脸图像集；

根据所述训练人脸图像集对预先构建的第二神经网络模型进行训练，得到所述训练人脸图像集中的每个人脸图像属于预设N类模糊等级中的每类的模糊等级的概率；其中，N≥2；

根据每个所述人脸图像属于预设N类模糊等级中的每类的模糊等级的概率，计算得到每个所述人脸模糊度评分值；

当预设损失函数收敛时，对所述第二神经网络模型训练完成；其中，所述预设损失函数用于指示计算得到所述人脸模糊度评分值与对应人脸图像预先标记的人脸模糊度评分值之间的差值。

7.根据权利要求6所述的人脸模糊度检测方法，其特征在于，所述根据每个所述人脸图像属于预设N类模糊等级中的每类的模糊等级的概率，计算得到每个所述人脸模糊度评分值的计算公式为：

其中，所述E﹙O﹚表示所述人脸模糊度评分值，所述y_i表示通过所述第二神经网络模型训练得到的所述人脸图像属于第i类预设模糊等级的概率，所述O_i表示所述第i类预设模糊等级的分值。