[發明專利]人像圖片質量評價方法、裝置、設備及存儲介質

在審

• 申請號: 202010698614.7
• 申請日: 2020-07-20
• 公開（公告）號: CN111862040A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 黃治移;梅錚;柯于皇;劉妍妍;楊猛;江勇;張媛;李元鋒
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中移動信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

本發明實施方式涉及圖片處理技術領域，公開了一種人像圖片質量評價方法、裝置、設備及存儲介質。本發明中，通過基于能夠實現同時對人臉區域檢測和人臉關鍵點檢測的MTCNN檢測算法，從而能夠快速從待評價人像圖片中確定人臉大小檢測和人臉角度檢測所需的人臉區域框，進而大大提高了處理速度；通過采用局部對比度歸一化方法對得到的人臉區域框中的人臉圖像進行局部歸一化處理，從而可以將人臉圖像中所有相同灰度的區域均丟棄掉，只突出邊緣，并保留待評價人像圖片的自然場景特征，使得目標深度卷積神經網絡模型能夠根據局部歸一化處理后的人臉圖像更加快速、準確的識別出待評價人像圖片的清晰度值和曝光值。

技術領域

本發明實施方式涉及圖片處理技術領域，特別涉及一種人像圖片質量評價方法、裝置、設備及存儲介質。

背景技術

隨著各行各業對實名制的要求越來越嚴格，特別是通信行業的實名制照片稽核將是重中之重。但是，由于現有的圖片質量評價方法主要是基于傳統的機器學習方法或人為評價方法，這就導致通信行業的實名制照片稽核存在如下問題：

對于傳統的機器學習方法，由于其實現是通過設計并提取圖片特征，接著對特征進行降維，最后利用分類或回歸算法對圖片質量進行評價，即方案的實現依賴于特征的設計。因此，對特征設計者的要求較高，需要其本身對該領域有足夠深的了解。此外，若特征設計過于復雜(特征設置比像素點還多)，則會面臨訓練時間長、硬件資源消耗多的問題；若特征設計簡單，則會導致質量評價模型泛化能力不強，進而出現對大量數據效果增加不明顯的問題。

對于人為評價方法，由于其實現是利用專家經驗提取圖片質量相關的特征值，然后通過設定閾值或歸一化方法對圖片質量進行評價。因此，導致圖片質量評價結果完全依賴于專家經驗，并且應用場景有限。

發明內容

本發明實施方式的目的在于提供一種人像圖片質量評價方法、裝置、設備及存儲介質，旨在解決上述技術問題。

為解決上述技術問題，本發明的實施方式提供了一種人像圖片質量評價方法，包括以下步驟：

獲取待評價人像圖片；

基于多任務卷積網絡MTCNN檢測算法，確定所述待評價人像圖片中的人臉區域，得到人臉區域框；

基于所述人臉區域框對所述待評價人像圖片進行人臉大小檢測和人臉角度檢測，得到人臉大小檢測結果和人臉角度檢測結果；

基于局部對比度歸一化方法對所述人臉區域框中的人臉圖像進行局部歸一化處理；

將局部歸一化處理后的所述人臉圖像作為預先訓練獲得的目標深度卷積神經網絡模型的輸入參數，基于所述目標深度卷積神經網絡模型確定所述待評價人像圖片的清晰度值和曝光值；

基于所述人臉大小檢測結果、所述人臉角度檢測結果、所述清晰度值和所述曝光值，生成所述待評價人像圖片的評價結果。

本發明的實施方式還提供了一種人像圖片質量評價裝置，包括：

獲取模塊，用于獲取待評價人像圖片；

第一確定模塊，用于基于多任務卷積網絡MTCNN檢測算法，確定所述待評價人像圖片中的人臉區域，得到人臉區域框；

檢測模塊，用于基于所述人臉區域框對所述待評價人像圖片進行人臉大小檢測和人臉角度檢測，得到人臉大小檢測結果和人臉角度檢測結果；

處理模塊，用于基于局部對比度歸一化方法對所述人臉區域框中的人臉圖像進行局部歸一化處理；

第二確定模塊，用于將局部歸一化處理后的所述人臉圖像作為預先訓練獲得的目標深度卷積神經網絡模型的輸入參數，基于所述目標深度卷積神經網絡模型確定所述待評價人像圖片的清晰度值和曝光值；