[發(fā)明專利]一種人臉照片質(zhì)量評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011116536.1
• 申請(qǐng)日: 2020-10-19
• 公開(kāi)（公告）號(hào): CN112287781A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 匡金駿;丁勇;吳志高
• 申請(qǐng)（專利權(quán)）人: 蘇州納智天地智能科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 南京樂(lè)羽知行專利代理事務(wù)所(普通合伙) 32326
• 代理人: 繆友建

本發(fā)明公開(kāi)了一種人臉照片質(zhì)量評(píng)估方法，所述方法包括：獲得圖片后進(jìn)行人臉識(shí)別，采集人臉識(shí)別關(guān)鍵點(diǎn)；根據(jù)各個(gè)所述初步評(píng)估系數(shù)所占權(quán)重，加權(quán)各個(gè)相應(yīng)的所述初步評(píng)估系數(shù)，獲得所述人臉圖像的加權(quán)評(píng)估值；對(duì)所述人臉圖像進(jìn)行特征提取，進(jìn)行人臉角度打分與人臉特征可信度打分，并根據(jù)所述特征評(píng)估值對(duì)所述人臉圖像的圖像質(zhì)量進(jìn)行最終質(zhì)量評(píng)估。本發(fā)明質(zhì)量評(píng)估無(wú)需訓(xùn)練更多的模型，利用每個(gè)人臉特征模型自身的特性，采用其自身的特征響應(yīng)進(jìn)行計(jì)算，計(jì)算量極低，對(duì)識(shí)別率的提升比其它傳統(tǒng)方法更有效。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，尤其涉及一種人臉照片質(zhì)量評(píng)估方法。

背景技術(shù)

人臉識(shí)別（Facial Recognition）是利用分析比較人臉的面部特征信息進(jìn)行身份識(shí)別的計(jì)算機(jī)技術(shù)。人臉識(shí)別由于其非接觸式、基本無(wú)須配合、操作隱蔽性強(qiáng)等優(yōu)勢(shì)，其具有很高的實(shí)用價(jià)值，被認(rèn)為是一種可廣泛使用的生物特征識(shí)別技術(shù)。

人臉識(shí)別是指能夠識(shí)別或驗(yàn)證圖像或視頻中的主體的身份的技術(shù)。首個(gè)人臉識(shí)別算法誕生于七十年代初 。自那以后，它們的準(zhǔn)確度已經(jīng)大幅提升，現(xiàn)在相比于指紋或虹膜識(shí)別等傳統(tǒng)上被認(rèn)為更加穩(wěn)健的生物識(shí)別方法，人們往往更偏愛(ài)人臉識(shí)別。讓人臉識(shí)別比其它生物識(shí)別方法更受歡迎的一大不同之處是人臉識(shí)別本質(zhì)上是非侵入性的。比如，指紋識(shí)別需要用戶將手指按在傳感器上，虹膜識(shí)別需要用戶與相機(jī)靠得很近，語(yǔ)音識(shí)別則需要用戶大聲說(shuō)話。相對(duì)而言，現(xiàn)代人臉識(shí)別系統(tǒng)僅需要用戶處于相機(jī)的視野內(nèi)（假設(shè)他們與相機(jī)的距離也合理）。這使得人臉識(shí)別成為了對(duì)用戶最友好的生物識(shí)別方法。這也意味著人臉識(shí)別的潛在應(yīng)用范圍更廣，因?yàn)樗部杀徊渴鹪谟脩舨黄谕c系統(tǒng)合作的環(huán)境中，比如監(jiān)控系統(tǒng)中。人臉識(shí)別的其它常見(jiàn)應(yīng)用還包括訪問(wèn)控制、欺詐檢測(cè)、身份認(rèn)證和社交媒體。

當(dāng)被部署在無(wú)約束條件的環(huán)境中時(shí)，由于人臉圖像在現(xiàn)實(shí)世界中的呈現(xiàn)具有高度的可變性，這類人臉圖像通常被稱為自然人臉（faces in-the-wild）；所以人臉識(shí)別也是最有挑戰(zhàn)性的生物識(shí)別方法之一。人臉圖像可變的地方包括頭部姿勢(shì)、年齡、遮擋、光照條件和人臉表情，如圖 1中 給出了這些情況的示例，（a）頭部姿勢(shì)、（b）年齡、（c）光照、d）面部表情、（e）遮擋。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種人臉照片質(zhì)量評(píng)估方法，解決了現(xiàn)有技術(shù)中存在的運(yùn)動(dòng)模糊、離焦模糊等情況、大角度或不同角度的人臉、低光或背光環(huán)境、一定程度遮擋、人臉模糊等各種實(shí)際復(fù)雜環(huán)境下引起的人臉圖像質(zhì)量變差而使人臉識(shí)別系統(tǒng)對(duì)該人臉圖像無(wú)法識(shí)別或識(shí)別錯(cuò)誤的問(wèn)題。

本發(fā)明提供了一種人臉照片質(zhì)量評(píng)估方法，所述方法包括：

獲得圖片后進(jìn)行人臉識(shí)別，采集人臉識(shí)別關(guān)鍵點(diǎn)；

根據(jù)各個(gè)所述初步評(píng)估系數(shù)所占權(quán)重，加權(quán)各個(gè)相應(yīng)的所述初步評(píng)估系數(shù)，獲得所述人臉圖像的加權(quán)評(píng)估值；

對(duì)所述人臉圖像進(jìn)行特征提取，進(jìn)行人臉角度打分與人臉特征可信度打分，并根據(jù)所述特征評(píng)估值對(duì)所述人臉圖像的圖像質(zhì)量進(jìn)行最終質(zhì)量評(píng)估。

進(jìn)一步的限定技術(shù)方案，前述人臉照片質(zhì)量評(píng)估方法，所述人臉角度打分的算法，利用5點(diǎn)人臉關(guān)鍵點(diǎn)與人臉對(duì)齊模板，計(jì)算單一的人臉正臉置信度；

具體實(shí)現(xiàn)方法如下：

⑴使用Umeyama算法將人臉的5個(gè)關(guān)鍵點(diǎn)A變換到某個(gè)坐標(biāo)系下的5個(gè)關(guān)鍵點(diǎn)B；

⑵將A和B做點(diǎn)對(duì)點(diǎn)的線性變換計(jì)算得到矩陣C，線性關(guān)系如下：

Cx = Ax * B[0] + Ay * B[1] + B[2]，

Cy = Ax * B[3] + Ay * B[4] + B[5]；

⑶計(jì)算C與目標(biāo)坐標(biāo)系下預(yù)定義的正臉5個(gè)關(guān)鍵點(diǎn)D做點(diǎn)與點(diǎn)的距離并求和得到s；