[发明专利]快速高精度的图像模糊检测方法及装置

权利要求书

1.一种快速高精度的图像模糊检测方法，其特征在于，包括：

将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数；

根据所述参数及预设深度神经网络模型，确定模糊检测网络模型；

将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值；

其中，所述待检测人脸图像的低层次人工特征图是将所述待检测人脸图像输入至预设深度神经网络模型中的低层次人工特征提取神经网络模型获取的；

所述低层次人工特征提取神经网络模型的参数是预先确定的。

2.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述低层次人工特征提取神经网络模型的参数通过如下方式确定：

通过如下至少一种人工图像特征算子确定所述低层次人工特征提取网络模型的参数；

索贝尔Sobel算子、Prewitt算子及拉普拉斯算子。

3.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述将待检测人脸图像的低层次人工特征图及待检测人脸图像的模糊值输入至预设深度神经网络模型进行训练，以确定所述预设深度神经网络模型的参数，包括：

将所述待检测人脸图像的低层次人工特征图及所述待检测人脸图像的模糊值输入至预设中层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的中层次语义特征图；

将经预处理后的所述待检测人脸图像的中层次语义特征图输入至预设高层次语义特征提取神经网络模型进行训练，获取待检测人脸图像的高层次语义特征图；

将经预处理后的所述待检测人脸图像的高层次语义特征图输入至预设深度神经网络模型进行训练，确定所述预设深度神经网络模型的参数。

4.根据权利要求1所述的快速高精度的图像模糊检测方法，其特征在于，所述将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊度值，包括：

将所述待检测人脸图像的低层次人工特征图输入至所述模糊检测网络模型，获取待检测人脸图像的模糊置信度；

根据所述待检测人脸图像的模糊置信度与预设阈值的对比结果，确定所述待检测人脸图像的模糊度值。

5.根据权利要求3所述的快速高精度的图像模糊检测方法，其特征在于，对所述待检测人脸图像的中层次语义特征图的进行预处理，包括：

根据所述待检测人脸图像的中层次语义特征图的空间维度，确定特征块划分规则；

根据所述特征块划分规则对所述待检测人脸图像的中层次语义特征图进行特征块划分，并基于聚合算法获取中层次分块聚合特征图。

6.根据权利要求3所述的快速高精度的图像模糊检测方法，其特征在于，对所述待检测人脸图像的高层次语义特征图进行预处理，包括：

基于聚合算法对所述待检测人脸图像的高层次语义特征图进行全局特征聚合，以获取高层次全局特征图。

7.根据权利要求5或6任一项所述的快速高精度的图像模糊检测方法，其特征在于，所述聚合算法包括如下聚合算法中的至少一种：

均值聚合算法、最值聚合算法及方差聚合算法。