证件照是各种证件上用来证明身份的照片。目前，由于证件种类繁多，且各种证件的证件照标准不尽相同，导致证件照需求量大、可复用性差。当人们需要新规格的证件照时，因为非专业拍摄人士难以找到符合要求的证件照拍摄环境，也不具备对任意背景的图像进行换底处理的技术，所以这些人往往会选择去专业的拍摄场所重新拍摄证件照，或者请专业人士对已有的照片进行人工图像换底处理。然而，以这样的方式获取证件照成本高且耗时长。因此，如何利用软件方法使用户可以便捷地得到符合规格要求的证件照，已成为当下亟待解决的问题。

为了满足人们对证件照编辑与制作的需求，智能算法研究中心运用自主研发的启发式优化抠图算法，开发了一个借助人工智能对半身像进行一键快速换底处理的软件，实现了自动、精确、高效的人物肖像照换底功能。

 图1 证件照换底软件界面展示

智能算法研究中心的证件照换底软件具备桌面端和移动端两套实现方案，提供了易于操作的可视化界面，用户可以清楚地看到半身像前景提取及与不同底色合成的效果。用户可以选择客户端安装（运行设备需要具备显存4GB及以上的NVIDIA品牌显卡，并正确安装CUDA和cuDNN运行环境）和免安装使用两种方式来使用我们的证件照换底软件。打开软件后，用户在主界面上传需要处理的图像，系统将自动提取待处理图像中的人物半身像。接着，用户可以使用换底功能，选择所需要的证件照底色进行换底。

 图2 证件照换底软件使用流程

除了自动的换底操作，我们的软件还提供人工辅助修正功能，即可以通过简单的标注操作修正自动换底结果，方便快捷且无需额外专业知识。最后，用户可以将满意的结果保存至指定位置以供后续使用。

 图3 证件照换底软件人工辅助修正功能展示

与基于深度学习的抠图算法相比，智能算法研究中心的启发式优化抠图算法能从前景中获得更加丰富的信息，能够适应白衣白底、杂乱背景等极端场景，其生成的证件照通过率超过94%。算法提取效果可精确到人物发丝，已达到业内顶尖水平，且在测试环境（CPU: Intel Core i5-10600KF @ 4.10GHz, GPU: NVIDIA GeForce GTX 1050Ti）下处理一张照片最快仅需0.3秒！

智能算法研究中心长期致力于启发式优化抠图算法的设计及其在工程领域的应用研究。考虑到基于采样的抠图算法容易出现最优像素对丢失的问题，研究人员将抠图问题建模为“前景-背景”像素对的组合优化问题，并设计了一种基于自适应收敛速度控制器的粒子群优化算法[1]。为了辨别出图像中的高质量像素对，尽可能充分利用抠图过程中的启发式信息，研究中心进一步提出了一种基于模糊多准则评价与分解的多目标协调优化抠图算法[2]，使抠图精度再创新高。启发式算法虽然节省了采样空间，但增加了时间上的消耗。为了提高抠图效率，研究人员提出了一种基于像素级多目标优化采样的抠图算法（Pixel-level Discrete Multi-objective Sampling, PDMS）[3]，其中的快速离散多目标优化策略有效降低了时间与空间复杂度，实现了精细且高效地处理图像。研究中心的启发式优化抠图算法具有广泛的应用，例如红外行人分类[4]、答题卡分类与自动评分技术[5-6]、禽蛋胚胎循环结构抠像[7]、舌苔抠像[8]等。

 图4 智能算法研究中心启发式优化抠图算法的应用

目前，智能算法研究中心研发的自动半身像换底技术已应用于广州卓腾科技有限公司的智能自助设备——智惠易，相关智能服务终端设备广泛分布于全国多个省市。

 图5 广东省应用智能算法研究中心自动半身像换底技术的服务终端设备分布图

 图6 应用智能算法研究中心自动半身像换底技术的服务终端设备展示

今后，我们将继续致力于研究更加精妙的算法，并努力用算法解决更多生产生活难题，为在高科技加持下更加便捷的未来生活添砖加瓦。

参考文献

[1] Y. Liang, H. Huang, Z. Cai, et al, “Particle swarm optimization with convergence speed controller for sampling-based image matting,” in International Conference on Intelligent Computing, 2018, pp. 656-668.

[2] Y. Liang, H. Huang, Z. Cai, et al, “Multiobjective evolutionary optimization based on fuzzy multicriteria evaluation and decomposition for image matting,” IEEE Transactions on Fuzzy Systems, vol. 27, no. 5, pp. 1100-1111, 2019.

[3] H. Huang, Y. Liang, X. Yang, et al, “Pixel-level discrete multiobjective sampling for image matting,”IEEE Transactions on Image Processing, vol. 28, no. 8, pp. 3739-3751, 2019.

[4] Y. Liang, H. Huang, Z. Cai, et al, “Deep infrared pedestrian classification based on automatic image matting,” Applied Soft Computing, vol. 77, pp. 484-496, 2019.

[5] 基于图像综合特征的答题卡填涂信息自动识别方法（201410338618.9） 授权公告号：CN104239850B 发明人：黄翰、刘志方、梁椅辉

[6] 基于二值图像连通域统计的答题卡自动评分方法（201310473334.6）授权公告号：CN103559490B 发明人：黄翰、梁椅辉（已转让所有权）

[7] 数字图像的细长型连通区域提取方法（201711047952.9） 发明人：黄翰、梁椅辉、郝志峰

[8] 基于舌体分区颜色特征的智能图像分类方法（201510059796.2） 授权公告号：CN104636754B 发明人：黄翰、姬马婧雯、梁椅辉

总编：黄翰

责任编辑：袁中锦

文字：遆雅琪、袁中锦

图片：遆雅琪、李加利

校稿：何莉怡

时间：2022年3月18日