[发明专利]一种去模糊的人脸识别方法、系统和一种巡检机器人

权利要求书

1.一种去模糊的人脸识别方法，其特征在于，包括：

获取来自巡检机器人摄像头的视频流，并对所述视频流进行视频解码，得到解码后的视频图像；

采用人脸检测算法对所述视频图像进行人脸检测，得到所述视频图像中包含人脸ROI区域的区域图像；

对所述区域图像进行模糊度判断；

若模糊度判断结果为所述区域图像不是模糊图像，则对所述视频图像进行人脸识别，得到人脸识别结果；

若模糊度判断结果为所述区域图像是模糊图像，则提取所述视频图像前后连续的多帧图像；

将所述多帧图像输入至去模糊网络，得到所述去模糊网络输出的去模糊图像，所述去模糊网络为由多张模糊图像样本和对应的清晰图像样本作为训练样本预先训练得到的深度学习网络；

对所述去模糊图像进行人脸识别，得到人脸识别结果。

2.如权利要求1所述的去模糊的人脸识别方法，其特征在于，所述去模糊网络通过以下步骤预先训练得到：

收集多张清晰图像样本，并对每张清晰图像样本进行模糊处理，得到多张连续的、与之对应的模糊图像样本，得到多组训练样本，每组训练样本由一张清晰图像样本和对应的多张模糊图像样本组成；

针对每组训练样本，将所述每组训练样本中的多张模糊图像样本输入去模糊网络，得到所述去模糊网络输出的一张目标图像；

以预设损失函数的计算结果为调整目标，在迭代学习的过程中，通过调整所述去模糊网络的网络参数，以最小化所述损失函数的计算结果，所述损失函数用于计算每组训练样本中清晰图像样本与目标图像之间的误差；

若所述损失函数的计算结果满足预设的训练终止条件，则确定所述去模糊网络已训练完成。

3.如权利要求2所述的去模糊的人脸识别方法，其特征在于，所述去模糊网络包括编码网络和解码网络；

针对每组训练样本，将所述每组训练样本中的多张模糊图像样本输入去模糊网络，得到所述去模糊网络输出的一张目标图像包括：

在编码网络中，将所述每组训练样本中的多张模糊图像样本压缩成第一指定尺寸图像，再将所述第一指定尺寸图像经过两组残差卷积，得到第二指定尺寸图像；

在解码网络中，将所述第二指定尺寸图像经过两组残差反向卷积并解压缩，得到一张与所述模糊图像样本尺寸相同的目标图像。

4.如权利要求1所述的去模糊的人脸识别方法，其特征在于，所述对所述去模糊图像进行人脸识别，得到人脸识别结果包括：

将所述去模糊图像输入人脸特征提取网络进行人脸特征提取，得到第一目标人脸特征，所述人脸特征提取网络为由多张人脸样本预先训练好的深度学习网络；

将所述第一目标人脸特征与预设人脸特征库中的人脸特征进行比较，确定出所述去模糊图像中各张人脸对应的身份信息。

5.如权利要求1所述的去模糊的人脸识别方法，其特征在于，所述对所述视频图像进行人脸识别，得到人脸识别结果包括：

将所述视频图像输入人脸特征提取网络进行人脸特征提取，得到第二目标人脸特征，所述人脸特征提取网络为由多张人脸样本预先训练好的深度学习网络；

将所述第二目标人脸特征与预设人脸特征库中的人脸特征进行比较，确定出所述视频图像中各张人脸对应的身份信息。

6.如权利要求1所述的去模糊的人脸识别方法，其特征在于，所述对所述区域图像进行模糊度判断包括：

采用Laplacian算法计算所述区域图像的模糊度；

判断计算得到的模糊度是否大于预设的模糊度阈值；

若计算得到的模糊度大于预设的模糊度阈值，则确定所述区域图像不是模糊图像；

若计算得到的模糊度小于或等于预设的模糊度阈值，则确定所述区域图像是模糊图像。

7.如权利要求1至6中任一项所述的去模糊的人脸识别方法，其特征在于，所述提取所述视频图像前后连续的多帧图像具体为：提取所述视频图像前后连续的六帧图像。