基于卷积神经网络的人像LAB色彩矫正方法、装置、介质及设备与流程

技术特征：
1.一种基于卷积神经网络的人像lab色彩矫正方法，其特征在于，包括：构建人脸解析网络，所述人脸解析网络采用双边分割网络bisenet，所述双边分割网络bisenet包括上下文路径构件，所述上下文路径构件的各个金字塔采样层中加入通道融合下采样结构；获取预设的训练样本集，采用所述训练样本集对所述人脸解析网络进行训练，得到人脸解析模型；获取待矫正的人脸图像，通过训练好的所述人脸解析模型对所述人脸图像进行人脸解析，得到所述人脸图像的脸部细分部位及部位标识信息；对预选的脸部细分部位进行lab色偏检测，得到各个预选的脸部细分部位的lab色偏；根据所述lab色偏获取色偏部位，对所述色偏部位进行矫正；在矫正后，按照部位标识信息合并各个脸部细分部位，得到矫正后的人脸图像。2.如权利要求1所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，在所述通道融合下采样结构中，每一金字塔采样层在得到输入特征图后，通过n倍下采样模块对输入特征图进行下采样得到第一特征图，以及通过卷积结构对输入特征图进行特征提取得到第二特征图，将所述第一特征图和第二特征图进行合并，得到卷积特征图；其中，所述卷积结构采用尺寸为步长为的卷积核进行卷积。3.如权利要求1或2所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，所述获取预设的训练样本集包括：获取预设的人脸图像样本集；利用语义分割标注工具对所述人脸图像样本集中的每一个人脸图像样本进行像素级标注，得到每个人脸图像样本的各个脸部细分部位及其脸部标注信息；将标注后的人脸图像样本集按预设比例划分为训练样本集、测试样本集和验证样本集。4.如权利要求3所述的基于卷积神经网络的人脸lab色彩矫正方法，其特征在于，所述采用所述训练样本集对所述人脸解析网络进行训练，得到人脸解析模型包括：将训练样本集中的m1个人脸图像样本作为一个批次输入所述人脸解析网络，使用随机梯度下降法对每个批次的双边神经网络损失函数进行优化，并进行反向传播，当所述人脸解析网络的损失代价下降到预设精度时停止迭代；在训练每个批次时，将验证样本集中的m2个人脸图像样本作为一个批次输入所述人脸解析网络进行训练验证；在训练完成后，将测试样本集中的m3个人脸图像样本作为一个批次输入所述人脸解析网络进行测试验证。5.如权利要求1或2所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，所述对预选的脸部细分部位进行lab色偏检测，得到各个预选的脸部细分部位的lab色偏包括：将所述人脸图像从rgb色彩空间转换为lab色彩空间；遍历每一个预选的脸部细分部位，提取lab色彩空间中的a通道和b通道的像素灰度值；
利用等效圆来计算每一个脸部细分部位的lab色偏，其中，计算公式为：在上式中，n表示一个脸部细分部位的像素个数，a表示第i个像素的a通道的灰度值，b表示第i个像素的b通道的灰度值，k表示色偏因子，k值越大色偏越严重。6.如权利要求5所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，所述根据所述lab色偏获取色偏部位，对所述色偏部位进行矫正包括：根据色偏因子k获取色偏部位；对于每一色偏部位，计算所述色偏部位内的所有像素的平均lab灰度值；将人脸肤色的合规均值减去所述平均lab灰度值，得到所述色偏部位的补偿均值；遍历所述色偏部位中的每一个像素，将所述像素的lab灰度值与所述补偿均值进行相加，得到所述像素的矫正灰度值。7.如权利要求6所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，在得到所述像素的矫正灰度值之后，所述方法还包括：采用α通道对所述色偏部位中的每一个像素的lab灰度值和矫正灰度值进行合并，得到所述像素的目标灰度值。8.如权利要求4所述的基于卷积神经网络的人像lab色彩矫正方法，其特征在于，所述人脸解析网络采用交叉熵作为训练损失函数。9.一种基于卷积神经网络的人像lab色彩矫正装置，其特征在于，包括：构建模块，用于构建人脸解析网络，所述人脸解析网络采用双边分割网络bisenet，所述双边分割网络bisenet包括上下文路径构件，所述上下文路径构件的各个金字塔采样层中加入通道融合下采样结构；训练模块，用于获取预设的训练样本集，采用所述训练样本集对所述人脸解析网络进行训练，得到人脸解析模型；解析模块，用于获取待矫正的人脸图像，通过训练好的所述人脸解析模型对所述人脸图像进行人脸解析，得到所述人脸图像的脸部细分部位及部位标识信息；检测模块，用于对预选的脸部细分部位进行lab色偏检测，得到各个预选的脸部细分部位的lab色偏；矫正模块，用于根据所述lab色偏获取色偏部位，对所述色偏部位进行矫正；合并模块，用于在矫正后，按照部位标识信息合并各个脸部细分部位，得到矫正后的人脸图像。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于卷积神经网络的人像lab色彩矫正方法。11.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于卷积神经网络的人像lab色彩矫正方法。

技术总结
本发明公开了一种基于卷积神经网络的人像LAB色彩矫正方法，包括：构建人脸解析网络，所述人脸解析网络采用双边分割网络BiseNet，其上下文路径构件的各个金字塔采样层中加入通道融合下采样结构；采用训练样本集对所述人脸解析网络进行训练，得到人脸解析模型；通过所述人脸解析模型对人脸图像进行人脸解析，得到脸部细分部位及部位标识信息；对预选的脸部细分部位进行LAB色偏检测，得到各个预选的脸部细分部位的LAB色偏；根据所述LAB色偏获取色偏部位，对所述色偏部位进行矫正；按照部位标识信息合并各个脸部细分部位，得到矫正后的人脸图像。本发明解决了现有技术对证件照进行人脸部位切割时存在的精度、色彩矫正问题以及证件照拍摄质量不高的问题。件照拍摄质量不高的问题。件照拍摄质量不高的问题。


技术研发人员：李博 曹婉玉
受保护的技术使用者：广州卓腾科技有限公司
技术研发日：2022.03.18
技术公布日：2022/6/10