[发明专利]图像处理的方法和装置

说明书

本申请提供了一种视频处理的方法和装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括获取第一图像，第一图像包括较低分辨率的第一人脸图像；提取第一人脸图像的第一人脸特征；根据神经网络模型与人脸特征之间的一一对应关系，确定与第一人脸特征对应的第一神经网络模型，其中，所述第一人脸特征与所述第一神经网络模型对应的第二人脸特征之间的相似度在预设范围内；将第一人脸图像输入第一神经网络模型，以获取较高分辨率的第二人脸图像，从而确定最终的图像。根据对应于特定的人的神经网络模型，对该特定的人的图像进行超分辨率处理，使得处理后的图片更好的反映特定的人的特点。

技术领域

本申请涉及计算机视觉领域，尤其涉及一种图像处理的方法及装置。

背景技术

计算机视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分，它是一门关于如何运用照相机/摄像机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。总的来说，计算机视觉就是用各种成像系统代替视觉器官获取输入信息，再由计算机来代替大脑对这些输入信息完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。

超分辨率处理是图像处理领域中重要的研究任务之一，在监控图像、卫星图像和医学影像等领域都有重要的应用价值。在日常生活中，人脸图像往往是一整张图像中人们专注的重点区域。根据低分辨率图像，获取更加符合人的特点的高分辨率图像十分重要。

发明内容

本申请提供一种视频处理的方法及装置，能够提高视频中的人脸清晰度，更好的反映特定的人的细节特点。

第一方面，提供了一种图像处理的方法，包括：获取第一图像，所述第一图像包括第一分辨率的第一人脸图像和所述第一人脸图像之外的背景图像；将所述第一人脸图像输入特征提取模型，以获取所述第一人脸图像的第一人脸特征；根据至少一个神经网络模型与至少一个人脸特征之间的一一对应关系，确定与所述第一人脸特征对应的第一神经网络模型，其中，所述第一人脸特征与所述第一神经网络模型对应的第二人脸特征之间的相似度在预设范围内，所述神经网络模型用于获取第二分辨率的图像，所述第二分辨率高于所述第一分辨率；将所述第一人脸图像输入所述第一神经网络模型，以获取第二分辨率的第二人脸图像；根据所述第二人脸图像和所述背景图像，确定第二图像。

通过将人脸图像输入到与特定的人脸特征对应的神经网络模型进行超分辨率处理，可以使得处理后的叫高分辨率的图像更好的反映特定的人的细节特点，提高用户体验。

结合第一方面，在一些可能的实现方式中，所述方法还包括：获取第三分辨率的第一训练人脸图像；将所述第一训练人脸图像对应的第四分辨率的第二训练人脸图像输入第一原始模型，以获取第三分辨率的第三训练人脸图像，所述第三分辨率高于所述第四分辨率；根据所述第一训练人脸图像和所述第三训练人脸图像调整所述第一原始模型的参数，以使所述第一训练人脸图像和所述第三训练人脸图像的相似度在第二预设范围内；将调整后的所述第一原始模型作为第二神经网络模型；获取所述第一训练人脸图像的第三人脸特征；确定所述第二神经网络模型与所述第三人脸特征的对应关系，所述第二神经网络是所述至少一个神经网络中的任一神经网络模型。

通过训练，生成神经网络模型。神经网络模型的训练，可以由使用神经网络模型进行图像处理的设备进行，也可以由其他设备进行。在神经网络模型训练的过程中，基于第一原始模型处理得到的高清人脸图像，以及原始的高清人脸图像，对第一原始模型进行参数调整，以获取神经网络模型，提高了神经网络模型对特定人的人脸图像的理解能力，从而提高了超分辨率处理的准确性。

结合第一方面，在一些可能的实现方式中，所述方法还包括：对所述第一训练人脸图像进行下采样，以获取所述第二训练人脸图像。