[發明專利]一種用于人臉圖片質量評價的方法與設備

在審

• 申請號: 202011565474.2
• 申請日: 2020-12-25
• 公開（公告）號: CN112597909A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王引;葉云;黃冠;都大龍
• 申請（專利權）人: 北京芯翌智能信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 王奎宇;朱永海

本申請通過一種用于人臉圖片質量評價的方法及設備，首先獲取人臉圖片，其中，所述人臉圖片包含一個人臉，接著將所述人臉圖片輸入訓練后的人臉質量模型，獲得所述人臉圖片的人臉質量得分，然后基于所述人臉圖片的人臉質量得分，確定所述人臉圖片的質量等級，以完成對所述人臉圖片的質量評價。通過該方法可基于人臉質量模型對人臉圖片進行質量評價，可以得到更精準的質量評價效果，進一步地，還可將符合質量要求的人臉圖片用于人臉識別等用途，以提高人臉識別的準確度。

技術領域

本申請涉及計算機圖像處理技術領域，尤其涉及一種用于人臉圖片質量評價的的技術。

背景技術

在計算機視覺技術應用中，一類很重要的任務是基于人臉數據進行建模和學習，以用于如人臉識別、基于人臉的年齡估計等應用場景。在現有技術中，基于人臉數據的深度學習網絡模型往往會存在訓練用的人臉數據與被識別的人臉數據的不一致性，即用于模型訓練學習的人臉數據多是質量符合要求的人臉圖片，比如圖片清晰，人臉五官端正、姿態正常，而在實際應用場景下，由于人臉圖片收集環境復雜等客觀因素，導致收集到的人臉圖片的質量不可控，被用于識別的人臉圖片可能質量較差，比如模糊、黑暗、逆光的人臉、以及人臉被遮擋、姿態非正常等，這類低質量的人臉圖片不能被直接識別或識別結果不準確，會影響到識別效果及效率。因此，對于實際應用中的人臉圖片先進行質量評價是十分必要的。

專利CN110837750A公開了一種人臉質量評價方法與裝置，該專利未從質量維度對人臉圖片進行打分，基于該專利公開的方法有可能使得質量差的人臉圖片也能通過基于人臉關鍵點和姿態的識別，而實際上這種人臉圖片可能導致識別結果與實際不符，是不應該被用于識別的。專利CN110188627A公開了一種人臉圖像過濾方法及裝置，該專利針對人臉圖片，從人臉圖片拍攝角度、圖像模糊度、光照強度以及是否被遮擋等多個維度對人臉圖片進行打分，得到人臉圖片的整體評價。由于圖像模糊度和光照強度屬于人臉圖片本身質量范疇，而拍攝角度和人臉是否被遮擋屬于圖片內容范疇，將這兩類同時放在一個回歸神經網絡中進行學習，不同類型任務之間的影響會影響到神經網絡學習的有效性、穩定性及結果的準確性，而且對于人臉是否被遮擋和拍攝角度，可以歸結為是對人臉姿態和人臉關鍵點可見性的一種粗粒度的表達，基于這種粗粒度的圖像表征進行建模，對于人臉圖片的質量評價效果十分有限。

發明內容

本申請的目的是提供一種用于人臉圖片質量評價的方法及設備，用以解決現有技術中對人臉圖片的質量評價效果有限的技術問題。

根據本申請的一個方面，提供了一種用于人臉圖片質量評價的方法，其中，所述方法包括：

獲取人臉圖片，其中，所述人臉圖片包含一個人臉；

將所述人臉圖片輸入訓練后的人臉質量模型，獲得所述人臉圖片的人臉質量得分；

基于所述人臉圖片的人臉質量得分，確定所述人臉圖片的質量等級，以完成對所述人臉圖片的質量評價。

可選地，其中，所述獲取人臉圖片包括：

獲取原始圖像，其中，所述原始圖像包含一個或者多個人臉；

將所述原始圖像輸入訓練后的人臉檢測模型，獲得所述人臉圖片。

可選地，其中，所述人臉質量模型的網絡結構包括：9個卷積模塊、1個全局池化模塊、1個全連接模塊及1個損失函數模塊，其中，所述卷積模塊包括：

卷積層；

歸一化層；

RELU激活層。

可選地，其中，在將所述人臉圖片輸入訓練后的人臉質量模型之前，所述方法還包括：

對所述人臉圖片進行預處理；

其中，所述將所述人臉圖片輸入訓練后的人臉質量模型，獲得所述人臉圖片的人臉質量得分包括：