[發(fā)明專利]基于深層卷積神經(jīng)網(wǎng)絡(luò)的人臉質(zhì)量評估方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710121461.8
• 申請日: 2017-03-02
• 公開（公告）號: CN106897748A
• 公開（公告）日: 2017-06-27
• 發(fā)明（設(shè)計）人: 張奕;金明;陳東澤;王勇軍
• 申請（專利權(quán)）人: 上海極鏈網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 上海光華專利事務(wù)所31219
• 代理人: 高彥

1.一種基于深層卷積神經(jīng)網(wǎng)絡(luò)的人臉質(zhì)量評估方法，其特征在于，包括：

標注樣本人臉圖像數(shù)據(jù)以建立包含第一質(zhì)量評估分值的訓練數(shù)據(jù)集，其中，所述第一質(zhì)量評估分值是根據(jù)預(yù)設(shè)圖像質(zhì)量參數(shù)對所述樣本人臉圖像數(shù)據(jù)進行初步質(zhì)量評估得到的；

通過所述訓練數(shù)據(jù)集訓練深層卷積神經(jīng)網(wǎng)絡(luò)，以通過所述訓練減小所述深層卷積神經(jīng)網(wǎng)絡(luò)對應(yīng)所輸入圖像而輸出的第二質(zhì)量評估分值和所述輸入圖像的第一質(zhì)量評估分值間的差異。

2.根據(jù)權(quán)利要求1所述的人臉質(zhì)量評估方法，其特征在于，所述標注樣本人臉圖像數(shù)據(jù)以建立包含第一質(zhì)量評估分值的訓練數(shù)據(jù)集，包括：

從數(shù)據(jù)源獲取圖像素材數(shù)據(jù)，其中，所述圖像素材數(shù)據(jù)包含：具有人臉的多個圖片；

從每個所述圖片中分別截取出人臉所在的預(yù)定尺寸大小的圖像區(qū)域數(shù)據(jù)；

對每個圖像區(qū)域數(shù)據(jù)進行所述初步質(zhì)量評估以得到第一質(zhì)量評估分值，并與對應(yīng)的圖像區(qū)域數(shù)據(jù)關(guān)聯(lián)存儲。

3.根據(jù)權(quán)利要求1所述的人臉質(zhì)量評估方法，其特征在于，所述預(yù)設(shè)圖像質(zhì)量參數(shù)包括：人臉旋轉(zhuǎn)和/側(cè)轉(zhuǎn)角度、人臉尺度、人臉遮擋情況、圖像光照度、圖像分辨率、及圖像噪聲情況中任意一種或多種組合。

4.根據(jù)權(quán)利要求1所述的人臉質(zhì)量評估方法，其特征在于，所述深層卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括：相連的輸入層、一個或多個串聯(lián)的卷積池化單元、dropout層、全連接層、及回歸層；所述卷積池化單元包括：相連的卷積層、BatchNorm層、激活層及均值池化層。

5.根據(jù)權(quán)利要求4所述的人臉質(zhì)量評估方法，其特征在于，所述回歸層所包含的回歸損失函數(shù)為歐氏距離損失函數(shù)，所述第一質(zhì)量評估分值輸入至所述回歸層。

6.一種基于深層卷積神經(jīng)網(wǎng)絡(luò)的人臉質(zhì)量評估系統(tǒng)，其特征在于，包括：

標注模塊，用于標注樣本人臉圖像數(shù)據(jù)以建立包含第一質(zhì)量評估分值的訓練數(shù)據(jù)集，其中，所述第一質(zhì)量評估分值是根據(jù)預(yù)設(shè)圖像質(zhì)量參數(shù)對所述樣本人臉圖像數(shù)據(jù)進行初步質(zhì)量評估得到的；

訓練模塊，用于通過所述訓練數(shù)據(jù)集訓練深層卷積神經(jīng)網(wǎng)絡(luò)，以通過所述訓練減小所述深層卷積神經(jīng)網(wǎng)絡(luò)對應(yīng)所輸入圖像而輸出的第二質(zhì)量評估分值和所述輸入圖像的第一質(zhì)量評估分值間的差異。

7.根據(jù)權(quán)利要求6所述的人臉質(zhì)量評估系統(tǒng)，其特征在于，所述標注樣本人臉圖像數(shù)據(jù)以建立包含第一質(zhì)量評估分值的訓練數(shù)據(jù)集，包括：

從數(shù)據(jù)源獲取圖像素材數(shù)據(jù)，其中，所述圖像素材數(shù)據(jù)包含：具有人臉的多個圖片；

從每個所述圖片中分別截取出人臉所在的預(yù)定尺寸大小的圖像區(qū)域數(shù)據(jù)；

對每個圖像區(qū)域數(shù)據(jù)進行所述初步質(zhì)量評估以得到第一質(zhì)量評估分值，并與對應(yīng)的圖像區(qū)域數(shù)據(jù)關(guān)聯(lián)存儲。

8.根據(jù)權(quán)利要求6所述的人臉質(zhì)量評估系統(tǒng)，其特征在于，所述預(yù)設(shè)圖像質(zhì)量參數(shù)包括：人臉旋轉(zhuǎn)和/側(cè)轉(zhuǎn)角度、人臉尺度、人臉遮擋情況、圖像光照度、圖像分辨率、及圖像噪聲情況中任意一種或多種組合。

9.根據(jù)權(quán)利要求6所述的人臉質(zhì)量評估系統(tǒng)，其特征在于，所述深層卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括：相連的輸入層、多個卷積池化單元、dropout層、全連接層、及回歸層；所述卷積池化單元包括：相連的卷積層、BatchNorm層、激活層及均值池化層。

10.根據(jù)權(quán)利要求9所述的人臉質(zhì)量評估系統(tǒng)，其特征在于，所述回歸層所包含的回歸損失函數(shù)為歐氏距離損失函數(shù)，所述第一質(zhì)量評估分值輸入至所述回歸層。