[發明專利]一種人臉角度及人臉模糊度分析方法、系統和計算機設備

有效

• 申請號: 201910339320.2
• 申請日: 2019-04-25
• 公開（公告）號: CN110163114B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 張帥;賈寶芝;徐邵凱
• 申請（專利權）人: 廈門瑞為信息技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06K9/62;G06N3/04;G06V10/20;G06V10/778
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 高會會

本發明公開了一種人臉角度及人臉模糊度分析方法、系統和計算機設備，方法包括S1.神經網絡模型訓練、S2.待檢測圖片提取、S3.圖片的人臉檢測與矯正、S4.人臉角度和模糊度預測及S5.屬性輸出；通過基于深度學習的第一神經網絡模型能夠快速檢測到圖片中的人臉框和面部特征點，輸出人臉框位置和面部特征點位置；對人臉框進行校正和擴增后截取矯正標準化的人臉圖片；再通過第二神經網絡模型對截取的矯正標準化的人臉圖片進行基于頭部照片的人臉角度和人臉模糊度分析，獲得且預測輸出人臉角度分類的置信度及人臉模糊度的回歸值，解決了失焦以及運動模糊問題，可提取出高質量的照片，以便基于高質量圖片進行各種數據分析和比對等操作，提高后續分析預測的準確率。

技術領域

本發明涉及智慧安防終端紅外活體檢測技術領域，特別是一種人臉角度及人臉模糊度分析方法、系統和計算機設備。

背景技術

目前在我們日常生活中隨處可見各式各樣的攝像頭，其中有大部分攝像頭都有存儲功能，每天產生大量的數據，這些數據可以進行各式各樣的視頻結構化分析，但是各式各樣的攝像頭安裝在不同的環境中，過度曝光、欠曝光、聚焦沒聚好而導致的失焦以及運動模糊等諸多問題會造成成像質量參差不齊，這也為后期的數據檢測和分析造成麻煩，例如在人證自動比對一體機中，將一張成像質量較差的人臉圖片與身份證圖片進行人證比對，經常會導致結果誤判為非本人，不但沒有增加門禁安全檢測效率反而造成了阻塞，因此，為了解決上述問題，本發明人提出一種基于頭部照片的人臉角度和人臉模糊度分析方法。

發明內容

本發明為解決上述技術問題，本發明提供了一種人臉角度及人臉模糊度分析方法、系統和計算機設備，其能夠快速有效且準確地檢測視頻或/和圖片內人臉角度和人臉模糊度，進而統計分析各種場景下攝像頭內的人臉角度和人臉模糊度信息，提取出高質量的照片，以便基于高質量圖片進行各種數據分析和比對等操作，提高后續分析預測的準確率。

為實現上述目的，本發明采用的技術方案為：

第一方面，本發明提供的一種人臉角度及人臉模糊度分析方法，包括以下步驟：

S1.神經網絡模型訓練：包括訓練用于人臉檢測的基于深度學習的第一神經網絡模型和用于人臉角度和人臉模糊度分析的第二神經網絡模型；

S2.待檢測圖片提取：獲取各種場景下攝像頭內圖片或/和視頻數據(可存于數據庫)，從(數據庫)中提取待檢測的單張圖片；

S3.圖片的人臉檢測與矯正：通過訓練好的第一神經網絡模型對單張圖片進行人臉檢測，獲取人臉框位置和面部特征點位置；根據人臉框位置和面部特征點位置進行圖片矯正和截取，獲得矯正標準化的人臉圖片；

S4.人臉角度和模糊度預測：通過訓練好的第二神經網絡模型對矯正標準化的人臉圖片進行人臉角度和人臉模糊度分析，預測人臉角度分類的置信度及人臉模糊度的回歸值；

S5.屬性輸出：根據預設的人臉角度屬性選擇策略確定人臉角度屬性，輸出對應的屬性及置信度和人臉模糊度的回歸值。

進一步的，所述步驟S1神經網絡模型訓練包括：

S11.第一神經網絡模型訓練：通過采集各種人物在各種場景下攝像頭內的圖片和視頻，然后采用外接矩形框人工標定出人臉區域及面部的左眼瞳孔、右眼瞳孔、鼻尖、左邊嘴角和右邊嘴角五個特征點，將標定好的數據及相對應的標簽輸入第一神經網絡模型中進行訓練，得到可精準檢測人臉框以及面部特征點的深度學習第一神經網絡模型；該第一神經網絡模型采用MTCNN模型，所述MTCNN模型包括P-Net網絡、R-Net網絡和O-Net網絡；

S12.第二神經網絡模型訓練：通過第一神經網絡模型預測出的兩個眼睛瞳孔的位置，計算雙瞳孔的連線與水平線的夾角，進行逆向旋轉，得到一張雙瞳水平的照片；