[發明專利]人臉質量評定方法、系統、電子設備及可讀存儲介質

有效

• 申請號: 201911387751.2
• 申請日: 2019-12-30
• 公開（公告）號: CN111241925B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 王心瑩;劉小揚;何學智;林林
• 申請（專利權）人: 新大陸數字技術股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種人臉質量評定方法，包括步驟：準備包含人臉的圖像數據集以及對應的人臉屬性標簽；進行人臉檢測，獲得關鍵點并進行人臉對齊；將人臉圖像的像素值進行歸一化；評估人臉質量得分，質量得分評估的參照因素包括人臉亮度、左右臉亮度差異、兩眼間距及神經網絡質量輸出，所述神經網絡質量輸出通過基于MobileFaceNet的神經網絡結構來構建多任務卷積神經網絡進行評估；將各參照因素進行加權計算，獲得人臉質量得分。該方法具有質量評定速度快、準確性高的優點，能夠在復雜的現實場景下準確地進行識別各類質量屬性。

技術領域

本發明涉及圖像識別技術領域，特別涉及一種人臉質量評定方法、系統、電子設備及可讀存儲介質。

背景技術

隨著移動互聯網的發展，大量的人臉圖像數據，包括手機，監控圖像設備，攝像頭拍攝等，出現在人們的生活當中。這些圖像數據也廣泛地應用于人臉識別，人臉活體檢測等相關的技術當中。然而，這些數據因其拍攝設備，拍攝環境，拍攝手法，存儲方式，后期處理等因素的影響，具有質量參差不齊的特點。這些質量問題很容易導致活體檢測與人臉識別性能的下降。除此之外，在某些應用上要求上傳的圖像需要符合某些質量規范要求。因此，一套合格的質量判斷與擇優系統無論是對人臉活體檢測還是對于人臉識別以及相關的一些規范要求來說都是必要的。

現有的人臉圖片質量擇優方法主要通過傳統的圖像處理方法來對圖像質量進行判斷，而且通常僅對某個方面，例如說模糊，遮擋等進行判斷。這些方法基于傳統的圖像處理與模式匹配，使用了人工設計的特征，魯棒性較差，難以對各種任務均有效；考慮的質量影響因素較為單一，評價指標較少；使用數據較少，普適性差，無法應對較為復雜的場景。

發明內容

本發明要解決的技術問題是如何提供一種適應多種場景、普適性好的人臉質量評定方法、系統、電子設備及可讀存儲介質。

為了解決上述技術問題，本發明的技術方案為：

第一方面，本發明提出了一種人臉質量評定方法，包括步驟：

準備包含人臉的圖像數據集以及對應的人臉屬性標簽；

進行人臉檢測，獲得關鍵點并進行人臉對齊；

將人臉圖像的像素值進行歸一化；

評估人臉質量得分，質量得分評估的參照因素包括人臉亮度、左右臉亮度差異、兩眼間距及神經網絡質量輸出，所述神經網絡質量輸出通過基于MobileFaceNet的神經網絡結構來構建多任務卷積神經網絡進行評估；將各參照因素進行加權計算，獲得人臉質量得分。

優選地，所述神經網絡質量輸出包括繞y軸方向的人臉角度、繞x軸方向的人臉角度、繞z軸方向的人臉角度、表情分類、眼鏡分類、口罩分類、眼睛狀態分類、嘴巴狀態分類、妝容狀態分類、人臉真實度、人臉模糊度、人臉遮擋度。

優選地，通過基于MobileFaceNet的神經網絡結構來構建多任務卷積神經網絡進行評估神經網絡質量輸出的過程包括，

S1：設計網絡訓練的目標函數，包括多個Softmax損失函數及Euclidean損失函數，分別定義如下：

Softmax損失L：L＝-log(p_i),

其中p_i為每一個屬性類計算出的歸一化后的概率,即x_i表示第i個神經元輸出，N表示類別總數；

Euclidean損失L：

其中y_i為真實的標簽值，為回歸器的預測值；

S2：利用已標注好的數據進行訓練，得到一個訓練模型；然后利用該訓練模型對某些樣本缺失的標注進行補充，以減少數據標注的稀疏性；