[發明專利]基于人臉比對的人臉圖像質量評價方法及裝置

在審

• 申請號: 201711180270.5
• 申請日: 2017-11-23
• 公開（公告）號: CN107832802A
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 曾建平;蘇靜靜;李嬌;王正;班華忠;李志國
• 申請（專利權）人: 北京智芯原動科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及圖像處理、視頻監控以及卷積神經網絡，特別涉及基于人臉比對的人臉圖像質量評價方法及裝置。

背景技術

現有的人臉圖像質量評價方法主要是結合人臉圖像的多種屬性評價其質量，包括人臉姿態、遮擋、光照和圖像模糊的屬性，首先通過機器學習方法計算這些屬性值，然后基于人臉的多個屬性值使用基于規則的方法排除質量較差的人臉圖像。做人臉圖像質量評價的主要目的是提高后續人臉比對的成功率，同時減少參與比對的人臉圖像，但是現有的人臉圖像質量評價方法并沒有考慮人臉比對的性能，它所評價的質量較好的人臉圖像在進行人臉比對時準確率并不一定很高，另外一些評價規則的設計也有較強的主觀性。

為解決現有人臉圖像質量評價方法所存在的問題，本發明提出一種基于人臉比對的人臉圖像質量評價方法。人臉比對計算兩張人臉圖像的相似度，如果相似度大于某個閾值則為同一身份的人臉，否則不是。這個相似度閾值選取平衡了正確識別率和錯誤識別率，因此人臉比對得到的相似度就可以作為人臉圖像質量的衡量標準，如果人臉圖像質量評價方法預測的質量值與人臉比對的相似度有較強的相關性，則可以達到提高比對成功率同時減少比對人臉圖像的目的。

綜上所述，目前需要提出一種能夠有效減少人臉比對數量的人臉質量評價方法。

發明內容

有鑒于此，本發明的主要目的在于提高人臉比對的成功率，且減少人臉比對人臉圖像的數量。

為達到上述目的，按照本發明的第一個方面，提供了基于人臉比對的人臉圖像質量評價方法，該方法包括：

第一步驟，輸入待處理圖像；

第二步驟，檢測待處理圖像中的人臉區域，并對人臉區域的位置進行標記；

第三步驟，將標記好的人臉樣本圖像進行反復訓練，獲取訓練好的圖像質量評價模型；

第四步驟，采用訓練好的圖像質量評價模型對待處理圖像中的人臉區域進行打分，根據人臉圖像質量評價的分值進行篩選，并輸出篩選后的結果圖像。

進一步地，所述第一步驟中所述待處理圖像為至少一幀的場景圖像。

進一步地，所述第三步驟包括：

人臉樣本圖像輸入步驟：輸入M個身份的N張人臉樣本圖像，并對人臉樣本圖像中的人臉區域的位置進行標記；

人臉樣本圖像選取步驟：對每個身份選取Id_Th個標準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圖像，所述Id_Th為標準人臉樣本圖像的數量；

相似度計算步驟：采用K種人臉比對方法，分別計算每個人臉探測圖像與第j個人臉參考圖像的相似度fsim_kj，0≤k≤K，0≤j≤R，所述k為第k種人臉比對方法，所述K為采用的人臉比對方法的數量，所述R為每個身份的人臉參考圖像的數量；

人臉探測圖像的質量分值計算步驟：統計第k種人臉比對方法下，所有人臉探測圖像與第j個人臉參考圖像的相似度fsim_kj，選取中間值作為第k種人臉比對方法的相似度中值fsim_k＝media{fsim_kj}，然后計算K個人臉比對方法的相似度中值fsim_k的平均值fquality＝mean{fsim_k}，將fquality作為人臉探測圖像的質量分值；

卷積神經網絡訓練步驟：根據人臉質量分值標記標準，分別對人臉探測圖像、標準人臉樣本圖像、非人臉的背景圖像進行質量分值標記，將標記質量分值的人臉探測圖像、標準人臉樣本圖像、非人臉的背景圖像作為訓練樣本，輸入到卷積神經網絡中，采用卷積神經網絡對訓練樣本進行反復訓練，獲取訓練好的圖像質量評價模型。

進一步地，所述第四步驟包括：

人臉圖像質量分值計算步驟：采用訓練好的圖像質量評價模型，計算待處理圖像中的人臉區域的質量分值；

圖像篩選步驟：當人臉區域輸入的數量≥Im_Th時，跟據人臉區域的質量分值，選出質量分值最高的Im_Th個人臉區域，并輸出篩選后的結果圖像；當人臉區域輸入的數量小于Im_Th時，直接輸出人臉區域圖像；所述Im_Th為質量分值最高的人臉區域的數量。

按照本發明的另一個方面，提供了基于人臉比對的人臉圖像質量評價裝置，該裝置包括：

圖像采集模塊，用于輸入待處理圖像；

人臉檢測模塊，用于檢測待處理圖像中的人臉區域，并對人臉區域的位置進行標記；

圖像質量評價模型訓練模塊，用于將標記好的人臉樣本圖像進行反復訓練，獲取訓練好的圖像質量評價模型；