[发明专利]基于端到端卷积神经网络的证件照抠图方法及系统

说明书

本发明涉及图像处理技术领域，具体公开了一种基于端到端卷积神经网络的证件照抠图方法，其中，包括：将证件人像照片的抠图蒙版中的前景图与互联网照片进行合成得到训练图像；根据轻量级语义分割网络模型生成粗分割Trimap图网络；根据编解码网络对粗分割Trimap图网络进行精细化抠图，得到精细化抠图网络；将粗分割Trimap图网络和精细化抠图网络进行级联，得到端到端网络模型；将训练图像输入端到端网络模型进行微调，得到完成训练的端到端网络模型。本发明还公开了一种基于端到端卷积神经网络的证件照抠图系统、存储介质及处理器。本发明提供的基于端到端卷积神经网络的证件照抠图方法能够自动对证件照得到对应的抠图前景，无需人工标注，提高了抠图效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于端到端卷积神经网络的证件照抠图方法、一种基于端到端卷积神经网络的证件照抠图系统、存储介质及处理器。

背景技术

证件照是一种用来证明证件持有者身份的照片，常见于各种证件上，例如身份证、护照、驾照等。随着社会的发展，人们办理的各种证件种类也在不断增加，有些证件照对照片背景的颜色有着严格的限制。比如，办理赴美签证和赴中国台湾通行证时要求签证用的照片采用白色背景，办理农村养老金申领表格中则要求申请人员的证件照采用红色背景。为了实现人物证件照自动换底，即自由替换人物证件照中的背景颜色，需要对照片进行抠图处理。另一方面，随着手机等智能移动设备的大范围普及，越来越多的人使用手机来拍摄和制作证件照。相比于照相馆等专业制作场景，移动设备拍摄的证件照片容易受到光线和背景物的干扰，往往需要后期精细的手工操作来进行抠图，耗时耗力，因此亟需一种证件照自动抠图算法来实现有效的抠图。

传统的抠图算法采用一种基于交互式的方法来实现，典型的有GrabCut、闭式抠图、泊松抠图、KNN抠图等，这些方法在抠图过程中需要用户输入额外的抠图信息形成Trimap图来辅助抠图，Trimap图的质量对最终的抠图结果起到了非常重要的作用。由于拍摄环境、拍摄技术以及人们自身发型、衣服颜色等因素，用户提供的照片可能存在曝光不均匀、模糊、聚焦不清、头发丝散乱等问题，现有的研究成果在处理这类照片时需要用户进行大量的人工标注才能取得良好的抠图效果。如何根据现有算法成果，设计一种高效的端到端自动抠图算法成为了一个难题。

发明内容

本发明提供了一种基于端到端卷积神经网络的证件照抠图方法、一种基于端到端卷积神经网络的证件照抠图系统、存储介质及处理器，解决相关技术中存在的证件照自动抠图效率低的问题。

作为本发明的第一个方面，提供一种基于端到端卷积神经网络的证件照抠图方法，其中，所述基于端到端卷积神经网络的证件照抠图方法包括：

将证件人像照片的抠图蒙版中的前景图与互联网照片进行合成得到训练图像，其中所述证件人像照片的抠图蒙版为对所述证件人像照片进行人工精细抠图获得；

根据轻量级语义分割网络模型生成粗分割Trimap图网络；

根据编解码网络对所述粗分割Trimap图网络进行精细化抠图，得到精细化抠图网络；

将所述粗分割Trimap图网络和所述精细化抠图网络进行级联，得到端到端网络模型；

将所述训练图像输入所述端到端网络模型进行微调，得到完成训练的端到端网络模型，其中所述完成训练的端到端网络模型能够用于对输入的证件照进行抠图。

进一步地，所述将证件人像照片的抠图蒙版中的前景图与互联网照片进行合成得到训练图像，包括：

分别采集证件人像照片以及不含人像的互联网照片；

获取每张证件人像照片的抠图蒙版；

将所述不含人像的互联网照片作为背景图与所述证件人像照片的抠图蒙版中的前景图进行合成，得到所述训练图像。

进一步地，合成所述训练图像的合成公式为：