(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210270778.9 (22)申请日 2022.03.18 (71)申请人 广州卓腾科技有限公司 地址 510640 广东省广州市天河区科华 街 251号20栋101室 （1-9层） （租赁部位： 5021、 5022、 5023室） (72)发明人 李博　曹婉玉　 (74)专利代理 机构 广州国鹏知识产权代理事务 所(普通合伙) 44511 专利代理师 周燕君 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/90(2017.01) G06T 7/11(2017.01) G06V 40/16(2022.01)G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 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 (57)摘要 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。 权利要求书2页 说明书11页 附图5页 CN 114612335 A 2022.06.10 CN 114612335 A 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；权　利　要　求　书 1/2 页 2 CN 114612335 A 2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。权　利　要　求　书 2/2 页 3 CN 114612335 A 3