[發明專利]圖像質量評估方法和裝置

有效

• 申請號: 201810045570.0
• 申請日: 2018-01-17
• 公開（公告）號: CN108269254B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 翁仁亮
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了圖像質量評估方法和裝置。該方法的一具體實施方式包括：獲取待評估的人臉圖像；然后將待評估的人臉圖像輸入圖像質量評估模型，輸出待評估的人臉圖像的質量評估信息；其中，圖像質量評估模型是采用機器學習方法，利用預設的樣本人臉圖像集合和預設的注冊人臉圖像集合，基于損失函數訓練得出的，預設的注冊人臉圖像集合包括與樣本人臉圖像集合中的各樣本人臉圖像包含同一用戶對象的人臉圖像信息的注冊人臉圖像，損失函數的值用于表征與同一注冊人臉圖像相似的不同樣本人臉圖像的質量評估信息之間的差異。該實施方式提升了人臉圖像質量評估的準確度。

技術領域

本申請實施例涉及計算機技術領域，具體涉及圖像處理技術領域，尤其涉及圖像質量評估方法和裝置。

背景技術

隨著計算機技術的發展，圖像處理技術應用到了越來越多的領域。其中基于人臉圖像的人臉識別、目標跟蹤在門禁、監控、接入控制、人機交互等場景的身份驗證中具有廣泛的應用。

通常在采集人臉圖像時，攝像頭會采集一段人臉圖像序列，這一段人臉圖像序列中包含不同視角、不同清晰度、甚至不同表情的人臉圖像。圖像質量的差異會直接影響后續的人臉特征提取、識別、聚類、目標跟蹤等環節的精準程度，因此需要從圖像序列中篩選出質量較佳的圖像。

現有的人臉圖像質量評價方法是分別基于人臉成像角度、光照條件以及模糊程度等因素來進行評分，然后根據各因素的權重，綜合各因素的得分計算出人臉圖像的質量評分，其中，各因素的權重是根據經驗確定的。

發明內容

本申請實施例提出了圖像質量評估方法和裝置。

第一方面，本申請實施例提供了一種圖像質量評估方法，包括：獲取待評估的人臉圖像；將待評估的人臉圖像輸入圖像質量評估模型，輸出待評估的人臉圖像的質量評估信息；其中，圖像質量評估模型是采用機器學習方法，利用預設的樣本人臉圖像集合和預設的注冊人臉圖像集合，基于損失函數訓練得出的，預設的注冊人臉圖像集合包括與樣本人臉圖像集合中的各樣本人臉圖像包含同一用戶對象的人臉圖像信息的注冊人臉圖像，損失函數的值用于表征與同一注冊人臉圖像相似的不同樣本人臉圖像的質量評估信息之間的差異。

在一些實施例中，上述方法還包括：采用機器學習方法，利用預設的樣本人臉圖像集合和預設的注冊人臉圖像集合，基于損失函數訓練得出圖像質量評估模型，包括：獲取預設的樣本人臉圖像集合和預設的注冊人臉圖像集合，并構建損失函數；計算各樣本人臉圖像與對應的注冊人臉圖像之間的相似度；執行比對步驟，比對步驟包括：將樣本人臉圖像集合中的各樣本人臉圖像輸入圖像質量評估模型對應的神經網絡，得到各樣本人臉圖像的質量評估信息，基于樣本人臉圖像集合中包含同一用戶對象的人臉圖像信息的各樣本人臉圖像與對應的注冊人臉圖像之間的相似度的差異，以及樣本人臉圖像集合中包含同一用戶對象的人臉圖像信息的各樣本人臉圖像的質量評估信息，判斷損失函數的值是否滿足預設的收斂條件；若比對步驟的判斷結果為否，基于損失函數，采用梯度下降法更新圖像質量評估模型對應的神經網絡的參數，執行比對步驟；若比對步驟的判斷結果為是，輸出圖像質量評估模型的參數。

在一些實施例中，上述樣本人臉圖像集合和預設的注冊人臉圖像集合中的圖像已標記了所包含的人臉圖像信息對應的用戶對象的身份標識；以及在計算各樣本人臉圖像與對應的注冊人臉圖像之間的相似度之前，上述采用機器學習方法，利用預設的樣本人臉圖像集合和預設的注冊人臉圖像集合，基于損失函數訓練得出圖像質量評估模型，還包括：根據已標記的用戶對象的身份標識，確定與各樣本人臉圖像對應的注冊人臉圖像。

在一些實施例中，上述計算各樣本人臉圖像與對應的注冊人臉圖像之間的相似度，包括：采用人臉特征提取模型對各樣本人臉圖像和對應的各注冊人臉圖像進行特征提取，其中，人臉特征提取模型基于卷積神經網絡構建；基于提取出的特征計算各樣本人臉圖像和對應的注冊人臉圖像之間的相似度。