基于人脸图像的炫光程度检测方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113888500A(43)申请公布日2022.01.04(21)申请号202111150111.7(22)申请日2021.09.29(71)申请人平安银行股份有限公司地址518000广东省深圳市罗湖区深南东路5047号(72)发明人梁俊杰(74)专利代理机构深圳市沃德知识产权代理事务所(普通合伙)44347代理人高杰于志光(51)Int.Cl.G06T7/00(2017.01)G06T5/50(2006.01)G06T7/90(2017.01)权利要求书2页说明书12页附图3页(54)发明名称基于人脸图像的炫光程度检测方法、装置、设备及介质(57)摘要本发明涉及人工智能技术，揭露了一种基于人脸图像的炫光程度检测方法，包括：响应于人脸图像的炫光程度检测指令，利用多种颜色组成的颜色序列对待认证目标对象进行炫光，得到多种颜色对应的多个炫光子视频；获取多个炫光子视频的关键帧图像，得到不同颜色的关键帧图像；确定基准关键帧图像；将不同颜色的关键帧图像与基准关键帧图像做帧差得到的多张帧差图合并；将合并得到的融合图输入深度学习模型，得到对待认证目标对象进行炫光后炫光程度是否合格的检测结果。此外，本发明还涉及区块链技术，检测结果可存储于区块链的节点。本发明还提出一种基于人脸图像的炫光程度检测装置、电子设备以及介质。本发明可以准确识别炫光程度是否达到炫光标准。CN113888500ACN113888500A权利要求书1/2页1.一种基于人脸图像的炫光程度检测方法，其特征在于，所述方法包括：响应于人脸图像的炫光程度检测指令，生成多种颜色组成的颜色序列；利用所述颜色序列对待认证目标对象进行炫光，得到反光视频，所述反光视频包含所述多种颜色对应的多个炫光子视频；获取多个所述炫光子视频的关键帧图像，得到不同颜色的关键帧图像；从所述不同颜色的关键帧图像中确定基准关键帧图像；将所述不同颜色的关键帧图像与所述基准关键帧图像做帧差，得到多张帧差图；将所述多张帧差图合并，将合并得到的融合图输入至预训练的深度学习模型，得到对所述待认证目标对象进行炫光后炫光程度是否合格的检测结果。2.如权利要求1所述的基于人脸图像的炫光程度检测方法，其特征在于，所述获取多个所述炫光子视频的关键帧图像，得到不同颜色的关键帧图像，包括：分别从多个所述炫光子视频的预设位置开始获取图像帧；判断获取到的图像帧是否包含所述待认证目标对象且所述待认证目标对象的大小是否满足预设大小；若获取到的图像帧包含所述待认证目标对象且所述待认证目标对象的大小满足预设大小条件，确定获取到的图像帧为关键帧图像；汇总从每个所述所述炫光子视频获取到的关键帧图像，得到不同颜色的关键帧图像。3.如权利要求1所述的基于人脸图像的炫光程度检测方法，其特征在于，所述确定获取到的图像帧为关键帧图像之后，所述方法还包括：获取所述关键帧图像的中心区域，根据所述中心区域对所述关键帧图像进行裁剪。4.如权利要求1所述的基于人脸图像的炫光程度检测方法，其特征在于，所述不同颜色的关键帧图像包含白色的关键帧图像，所述从所述不同颜色的关键帧图像中确定基准关键帧图，包括：确定所述白色的关键帧图像为基准关键帧图像。5.如权利要求1所述的基于人脸图像的炫光程度检测方法，其特征在于，所述不同颜色的关键帧图像包括至少两组不同颜色的关键帧图像，所述将所述不同颜色的关键帧图像与所述基准关键帧图像做帧差，得到多张帧差图，包括：分别将每组不同颜色的关键帧图像中不同颜色的关键帧图像与每组不同颜色的关键帧图像中所述基准关键帧图像做帧差，得到多组帧差图，其中，每组帧差图中包含多张帧差图；所述将所述多张帧差图合并，将合并得到的融合图输入至预训练的深度学习模型，得到对所述待认证目标对象进行炫光后炫光程度是否合格的检测结果，包括：将每组帧差图中多张帧差图进行合并，将合并得到的多张融合图分别输入至预训练的深度学习模型，得到对所述待认证目标对象进行炫光后炫光程度是否合格的多个检测结果，根据所述多个检测结果确定对所述待认证目标对象进行炫光后炫光程度是否合格的最终检测结果。6.如权利要求1至5中任一项所述的基于人脸图像的炫光程度检测方法，其特征在于，所述得到对所述待认证目标对象进行炫光后炫光程度是否合格的检测结果之后，所述方法还包括：2CN113888500A权利要求书2/2页若所述检测结果为对所述待认证目标对象进行炫光后炫光程度不合格，则发送调整环境信息；若所述检测结果为对所述待认证目标对象进行炫光后炫光程度合格，则通过所述反光视频对所述待认证目标对象进行认证。7.如权利要求1至5中任一项所述的基于人脸图像的炫光程度检测方法，其特征在于，所述深度学习模型为mobileNetV3模型。8.一种基于人脸图像的