[发明专利]一种由模糊监控视频重建高分辨率人脸图像的方法与系统

权利要求书

1.一种由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，包括以下步骤：

1)检测视频帧图像中人面部区域，得到模糊人脸图像；

2)对模糊人脸图像进行预处理，包括尺寸调整及直方图均衡；

3)利用由图像增强模块、一级图像放大模块、二级图像放大模块和图像优化模块构建的级联模糊人脸重建模型，得到高分辨率人脸图像；具体为：

3.1)图像增强模块：首先对预处理后的模糊人脸图像进行人脸蒙板层处理，然后采用第一编解码网络和图像优化层输出人脸增强图像；

3.2)一级图像放大模块：将人脸增强图像作为输入，采用第二编解码网络、图像优化层和人脸分割层输出一级人脸放大图像和人脸分割图像；

3.3)二级图像放大模块：将一级人脸放大图像和人脸分割图像作为输入，采用第三编解码网络和图像优化层输出二级人脸放大图像；

3.4)图像优化模块：将二级人脸放大图像作为输入，引入随机噪声，采用第四编解码网络和图像优化层输出高分辨率人脸图像。

2.根据权利要求1所述的由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，所述的级联模糊人脸重建模型在训练时，通过判别网络模型，与所述的级联模糊人脸重建模型构成生成式对抗网络，对级联模糊人脸重建模型进行训练。

3.根据权利要求2所述的由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，将级联模糊人脸重建模型输出的结果作为判别网络模型的输入，计算人脸是否准确的置信度；所述的判别网络模型由特征降采样网络和激活函数层构成，计算公式为：

res＝sigmoid(feat_Dis) (24)

其中，表示级联模糊人脸重建模型输出的结果，feat_Dis表示判别网络模型中的特征采样网络的输出结果，downsample()表示特征降采样，ResNet()表示残差网络结构，sigmoid()表示激活函数，res表示置信度。

4.根据权利要求1所述的由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，所述的第一编解码网络和第四编码网络由3个编码器和3个解码器级联构成，计算公式为：

其中，encoder()、decoder()分别表示编码器和解码器，feat表示输入特征，feat_i，i∈[1,6]，括号内的feat_i作为输入特征，括号外的feat_i作为输出特征；noise表示在编解码过程中注入的随机噪声，feat₆作为第一或第四编解码网络的输出。

5.根据权利要求1所述的由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，所述的图像增强模块中的人脸蒙板层采用低通滤波器实现，公式为：

式中，LPF表示低通滤波器，m₁、m₂表示滤波器尺度，pic表示目标图像，Facemask表示人脸蒙版结果。

6.根据权利要求1所述的由模糊监控视频重建高分辨率人脸图像的方法，其特征在于，所述的第二编解码网络和第三编码网络由3个编码器和4个解码器级联构成，计算公式为：

其中，encoder()、decoder()分别表示编码器和解码器，feat表示编解码器输入特征，feat_i，i∈[1,7]，括号内的feat_i作为输入特征，括号外的feat_i作为输出特征；noise表示在编解码过程中注入的随机噪声，其中feat₇作为第二或第三编解码网络的输出。