[發(fā)明專利]基于人臉比對(duì)的人臉圖像質(zhì)量評(píng)價(jià)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201711180270.5
• 申請(qǐng)日: 2017-11-23
• 公開（公告）號(hào): CN107832802A
• 公開（公告）日: 2018-03-23
• 發(fā)明（設(shè)計(jì)）人: 曾建平;蘇靜靜;李嬌;王正;班華忠;李志國(guó)
• 申請(qǐng)（專利權(quán)）人: 北京智芯原動(dòng)科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于人臉比對(duì)的人臉圖像質(zhì)量評(píng)價(jià)方法，其特征在于，該方法包括：

第一步驟，輸入待處理圖像；

第二步驟，檢測(cè)待處理圖像中的人臉區(qū)域，并對(duì)人臉區(qū)域的位置進(jìn)行標(biāo)記；

第三步驟，將標(biāo)記好的人臉樣本圖像進(jìn)行反復(fù)訓(xùn)練，獲取訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型；

第四步驟，采用訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型對(duì)待處理圖像中的人臉區(qū)域進(jìn)行打分，根據(jù)人臉圖像質(zhì)量評(píng)價(jià)的分值進(jìn)行篩選，并輸出篩選后的結(jié)果圖像。

2.如權(quán)利要求1所述的方法，其特征在于，所述第三步驟包括：

人臉樣本圖像輸入步驟：輸入M個(gè)身份的N個(gè)人臉樣本圖像，并對(duì)人臉樣本圖像中的人臉區(qū)域的位置進(jìn)行標(biāo)記；

人臉樣本圖像選取步驟：對(duì)每個(gè)身份選取Id_Th個(gè)標(biāo)準(zhǔn)人臉樣本圖像作為人臉參考圖像，將剩余的人臉樣本圖像作為人臉探測(cè)圖像，所述Id_Th為標(biāo)準(zhǔn)人臉樣本圖像的數(shù)量；

相似度計(jì)算步驟：采用K種人臉比對(duì)方法，分別計(jì)算每個(gè)人臉探測(cè)圖像與第j個(gè)人臉參考圖像的相似度fsim_kj，0≤k≤K，0≤j≤R，所述k為第k種人臉比對(duì)方法，所述K為采用的人臉比對(duì)方法的數(shù)量，所述R為每個(gè)身份的人臉參考圖像的數(shù)量；人臉探測(cè)圖像的質(zhì)量分值計(jì)算步驟：統(tǒng)計(jì)第k種人臉比對(duì)方法下，所有人臉探測(cè)圖像與第j個(gè)人臉參考圖像的相似度fsim_kj，選取中間值作為第k種人臉比對(duì)方法的相似度中值fsim_k＝media{fsim_kj}，然后計(jì)算K個(gè)人臉比對(duì)方法的相似度中值fsim_k的平均值fquality＝mean{fsim_k}，將fquality作為人臉探測(cè)圖像的質(zhì)量分值；

卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟：根據(jù)人臉質(zhì)量分值標(biāo)記標(biāo)準(zhǔn)，分別對(duì)人臉探測(cè)圖像、標(biāo)準(zhǔn)人臉樣本圖像、非人臉的背景圖像進(jìn)行質(zhì)量分值標(biāo)記，將標(biāo)記質(zhì)量分值的人臉探測(cè)圖像、標(biāo)準(zhǔn)人臉樣本圖像、非人臉的背景圖像作為訓(xùn)練樣本，輸入到卷積神經(jīng)網(wǎng)絡(luò)中，采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本進(jìn)行反復(fù)訓(xùn)練，獲取訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型。

3.如權(quán)利要求2所述的方法，其特征在于，所述標(biāo)準(zhǔn)人臉為正面姿態(tài)、光照均勻，且無遮擋、無飾物、無表情的人臉。

4.如權(quán)利要求2所述的方法，其特征在于，所述M的取值范圍至少為500，所述N的取值范圍至少為10000；所述Id_Th的取值范圍為1～20；所述K的取值范圍至少為1。

5.如權(quán)利要求2所述的方法，其特征在于，所述人臉質(zhì)量分值標(biāo)記標(biāo)準(zhǔn)包括：人臉探測(cè)圖像的質(zhì)量分值進(jìn)行歸一化處理，將歸一化的質(zhì)量分值作為對(duì)應(yīng)人臉探測(cè)圖像的質(zhì)量分值，將標(biāo)準(zhǔn)人臉樣本圖像的質(zhì)量分值標(biāo)記為1，將非人臉圖像的背景圖像的質(zhì)量分值標(biāo)記為0。

6.如權(quán)利要求2所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)包括并不限于以下一種或者多種網(wǎng)絡(luò)的組合：RCNN、SPPNET、Fast-RCNN、Faster-RCNN、YOLO、SSD。

7.如權(quán)利要求2所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)包括：五個(gè)卷積層、四個(gè)池化層和兩個(gè)全連接層。

8.如權(quán)利要求1所述的方法，其特征在于，所述第四步驟包括：

人臉圖像質(zhì)量分值計(jì)算步驟：采用訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型，計(jì)算待處理圖像中的人臉區(qū)域的質(zhì)量分值；

圖像篩選步驟：當(dāng)人臉區(qū)域輸入的數(shù)量≥Im_Th時(shí)，跟據(jù)人臉區(qū)域的質(zhì)量分值，選出質(zhì)量分值最高的Im_Th個(gè)人臉區(qū)域，并輸出篩選后的結(jié)果圖像；當(dāng)人臉區(qū)域輸入的數(shù)量小于Im_Th時(shí)，直接輸出人臉區(qū)域圖像；所述Im_Th為質(zhì)量分值最高的人臉區(qū)域的數(shù)量。

9.如權(quán)利要求8所述的方法，其特征在于，所述Im_Th的取值范圍為1～20。

10.基于人臉比對(duì)的人臉圖像質(zhì)量評(píng)價(jià)裝置，其特征在于，該裝置包括：

圖像采集模塊，用于輸入待處理圖像；

人臉檢測(cè)模塊，用于檢測(cè)待處理圖像中的人臉區(qū)域，并對(duì)人臉區(qū)域的位置進(jìn)行標(biāo)記；

圖像質(zhì)量評(píng)價(jià)模型訓(xùn)練模塊，用于將標(biāo)記好的人臉樣本圖像進(jìn)行反復(fù)訓(xùn)練，獲取訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型；

圖像篩選模塊，用于采用訓(xùn)練好的圖像質(zhì)量評(píng)價(jià)模型對(duì)待處理圖像中的人臉區(qū)域進(jìn)行打分，根據(jù)人臉圖像質(zhì)量評(píng)價(jià)的分值進(jìn)行篩選，并輸出篩選后的結(jié)果圖像。