[發(fā)明專利]一種人臉圖像質(zhì)量評估系統(tǒng)以及實現(xiàn)方法

有效

• 申請?zhí)枺?/td>: 201710076464.4
• 申請日: 2017-02-13
• 公開（公告）號: CN106951825B
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計）人: 于志鵬;白洪亮;董遠(yuǎn)
• 申請（專利權(quán)）人: 蘇州飛搜科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京知果之信知識產(chǎn)權(quán)代理有限公司 11541
• 代理人: 卜榮麗

本發(fā)明公開了一種人臉圖像質(zhì)量評估系統(tǒng)以及實現(xiàn)方法，方法包括：訓(xùn)練得到帶有神經(jīng)網(wǎng)絡(luò)的多類預(yù)測器，使用所述多類預(yù)測器提取得到人臉特征和人臉預(yù)測值，分別將所述人臉特征和所述人臉預(yù)測值連接形成新的用于判斷人臉圖像質(zhì)量的多維特征，采用Boosting算法將所述多維特征訓(xùn)練得到預(yù)測評估分類器，在所述預(yù)測評估分類器中采用分類器聯(lián)合投票方式，得到圖像質(zhì)量預(yù)測值。本發(fā)明人臉圖像質(zhì)量評估方法，結(jié)合多種人臉屬性，靈活組合，準(zhǔn)確度高，速度快。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)、圖像處理領(lǐng)域，特別涉及一種人臉圖像質(zhì)量評估系統(tǒng)以及實現(xiàn)方法。

背景技術(shù)

人臉圖像質(zhì)量可以在不同的層次上進行評估,有低等級的質(zhì)量評估,比如對圖像全局特性如光照、對比度等的評估,也可以通過對人臉圖像匹配分?jǐn)?shù)分析評估。關(guān)于哪些因素或者哪種圖像屬性會引起質(zhì)量問題現(xiàn)在還沒有一個共識,對于質(zhì)量評估算法,其最終目標(biāo)是最大化跟匹配分?jǐn)?shù)的相關(guān)性,因此,所有會影響匹配分?jǐn)?shù)的應(yīng)該都需要被考慮作為質(zhì)量評估算法的輸入。對人臉圖像質(zhì)量評估算法而言,輸入是一幅人臉圖像I,輸出是相應(yīng)的質(zhì)量分?jǐn)?shù)Q(I),質(zhì)量分?jǐn)?shù)可以是一個標(biāo)量或者向量,例如,標(biāo)量可以是最終的人臉質(zhì)量分?jǐn)?shù)Q(I),向量可以是由各個方面的質(zhì)量分?jǐn)?shù)組成.人臉圖像質(zhì)量分?jǐn)?shù)必須能夠?qū)ζヅ鋾r的性能有一定的預(yù)測性,匹配分?jǐn)?shù)表征了兩個人臉圖像I₁、I₂之間的相似性,它可能可以通過兩幅圖像的質(zhì)量Q(I₁)和Q(I₂)來表征MS＝P(I₁,I₂；q₁,q₂)。在現(xiàn)有技術(shù)中進行人臉圖像質(zhì)量評估時的識別技術(shù)，一種方法是通過灰度直方圖、圖像色彩、邊緣檢測等傳統(tǒng)方法進行判別，但缺點在于：模型復(fù)雜，速度較慢，容易被極端情況誤導(dǎo)。

另一種方法：直接使用單個神經(jīng)網(wǎng)絡(luò)判別，但缺點在于：預(yù)測結(jié)果受數(shù)據(jù)集影響嚴(yán)重，難以適應(yīng)真實情況。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是，提供具有靈活判斷模式、較快判別速度和穩(wěn)健準(zhǔn)確識別精度的人臉圖像質(zhì)量評估系統(tǒng)。

解決上述技術(shù)問題，本發(fā)明提供了一種人臉圖像質(zhì)量評估方法，包括如下步驟：

訓(xùn)練得到帶有神經(jīng)網(wǎng)絡(luò)的多類預(yù)測器，使用所述多類預(yù)測器提取得到人臉特征和人臉預(yù)測值，其中，所述人臉特征為人臉屬性特征，人臉預(yù)測值為人臉屬性預(yù)測值，

分別將所述人臉特征和所述人臉預(yù)測值連接形成新的用于判斷人臉圖像質(zhì)量的多維特征，

采用Boosting算法將所述多維特征訓(xùn)練得到預(yù)測評估分類器，

在所述預(yù)測評估分類器中采用分類器聯(lián)合投票方式，得到圖像質(zhì)量預(yù)測值。

更進一步，在所述多類預(yù)測器中使用的人臉屬性類別包括：胡子、眉毛形狀、發(fā)型、濾鏡、、眼鏡、帽子、性別、表情、年齡的9種人臉屬性。

更進一步，所述神經(jīng)網(wǎng)絡(luò)按照如下方法部署：四層卷積層和兩個全連接層，

第一層：首先將人臉圖像調(diào)整到預(yù)置的大小，作為神經(jīng)網(wǎng)絡(luò)多類預(yù)測器的輸入，

第二層：輸入為第一層卷積，

第三層：輸入為第二層卷積，

第四層：輸入為第三層卷積，

第一個全連接層：輸入為第四層卷積，經(jīng)過全連接運算,輸出為多維特征，

第二個全連接層：輸入為多維特征輸出，經(jīng)過全連接運算,輸出為屬性預(yù)測值。

更進一步，所述神經(jīng)網(wǎng)絡(luò)包括如下的前饋過程：

圖像經(jīng)過上述相同的包含四層卷積層和兩個全連接層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)獲得特征圖，通過不同的全連接操作,輸出不同的屬性特征,屬性特征在通過全連接操作就可以輸出預(yù)測的屬性值：