[發明專利]人臉圖片質量評估方法、裝置及存儲介質

在審

• 申請號: 202010492021.5
• 申請日: 2020-06-03
• 公開（公告）號: CN111612785A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 梁曉曦
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 張丹紅

本發明提供了一種人臉圖片質量評估方法、裝置及存儲介質。該方法包括：獲取待評估的目標圖片；通過質量評分網絡對所述目標圖片進行質量評估，其中，所述質量評分網絡包括分類部分和回歸部分，所述分類部分用于確定所述目標圖片對應的圖片類別，所述圖片類別包括：誤檢圖片和非誤檢圖片，所述回歸部分用于確定所述目標圖像對應的質量評分。通過本發明，解決了如何有效準確地進行人臉圖片質量評估的問題，進而達到了準確快速地實現人臉圖片質量評估的效果。

技術領域

本發明涉及圖片處理技術領域，具體而言，涉及一種人臉圖片質量評估方法、裝置及存儲介質。

背景技術

人臉識別技術在最近幾年飛速發展，有著廣闊的應用前景。

在安防領域，視頻監控是一個重要的應用場景，真實場景中抓拍的人臉圖片往往是復雜多樣的，會受到人臉姿態、光照、遮擋等因素影響，人臉圖片質量的好壞也參差不齊。另外，在抓拍過程中同一個人也會產生很多張圖片，如果對每一張圖片都進行識別往往耗時較多，而且如果對誤檢的非人臉圖片或質量差的人臉圖片進行識別會引起誤報。

因此，如何從一系列人臉圖片中選出質量好的圖片用于識別，從而提升人臉識別的速度和精度，是目前亟待解決的問題。

發明內容

本發明實施例提供了一種人臉圖片質量評估方法、裝置及存儲介質，以至少解決如何有效準確地進行人臉圖片質量評估的問題。

根據本發明的一個實施例，提供了一種人臉圖片質量評估方法，包括：獲取待評估的目標圖片；通過質量評分網絡對所述目標圖片進行質量評估，其中，所述質量評分網絡包括分類部分和回歸部分，所述分類部分用于確定所述目標圖片對應的圖片類別，所述圖片類別包括：誤檢圖片和非誤檢圖片，所述回歸部分用于確定所述目標圖像對應的質量評分。

在至少一個示例性實施例中，通過質量評分網絡對所述目標圖片進行質量評估之前，所述方法還包括：通過去誤檢分類網絡確定所述目標圖片是否為誤檢圖片，其中，所述去誤檢分類網絡是采用殘差網絡基于第一訓練樣本圖片訓練得到的，所述第一訓練樣本圖片包括：檢測出的人臉圖片和誤檢出的非人臉圖片；在確定所述目標圖片不是誤檢圖片的情況下，控制執行通過所述質量評分網絡對所述目標圖片進行質量評估的操作，否則，將所述目標圖片作為誤檢圖片過濾掉。

在至少一個示例性實施例中，通過質量評分網絡對所述目標圖片進行質量評估包括：通過所述質量評分網絡的所述分類部分確定所述目標圖片對應的圖片類別，以及通過所述質量評分網絡的所述回歸部分確定所述目標圖片對應的質量評分。

在至少一個示例性實施例中，通過質量評分網絡對所述目標圖片進行質量評估之后，所述方法還包括以下至少之一：在所述目標圖片對應的圖片類別是誤檢圖片的情況下，將所述目標圖片作為誤檢圖片過濾掉；在所述目標圖片對應的質量評分低于預定閾值的情況下，將所述目標圖片作為誤檢圖片過濾掉。

在至少一個示例性實施例中，所述質量評分網絡基于包括多個卷積層、多個池化層和兩個全連接層的卷積神經網絡，所述兩個全連接層中的一個全連接層用于輸出所述分類部分的圖片類別的結果，另一個全連接層用于通過sigmoid層輸出所述回歸部分的質量評分的結果，所述分類部分和所述回歸部分共享所述卷積神經網絡的權重。

在至少一個示例性實施例中，所述質量評分網絡中所述分類部分對應的損失函數采用focal_loss；和/或，所述質量評分網絡中所述回歸部分對應的損失函數采用SmoothL1Loss。

在至少一個示例性實施例中，所述分類部分是基于第二訓練樣本圖片和所述第二訓練樣本圖片對應的分類標簽訓練得到的，所述回歸部分是基于所述第二訓練樣本圖片和所述第二訓練樣本圖片對應的質量分標簽訓練得到的。

在至少一個示例性實施例中，所述第二訓練樣本圖片包括以下至少之一：原始圖片；對原始圖片進行隨機裁剪后的圖片；對原始圖片進行分辨率尺寸縮放后的圖片。