[發明專利]一種多角度圖像質量評價方法及系統

在審

• 申請號: 202110183847.8
• 申請日: 2021-02-10
• 公開（公告）號: CN112862788A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 張凱;郝凡昌;丁冬睿;楊光遠;孔妍
• 申請（專利權）人: 廣東眾聚人工智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京中和立達知識產權代理事務所(普通合伙) 11756
• 代理人: 祝妍

本發明公開了一種多角度圖像質量評價方法及系統。其中，該方法包括：獲取原始圖像數據，其中，所述原始圖像數據包括至少一張面部圖像數據；拆分所述原始圖像數據，得到局部圖像數據；根據所述局部圖像數據和圖像標簽數據訓練圖像質量評價模型，其中，所述圖像標簽數據包括：圖像質量描述向量、圖像光照描述向量；通過所述圖像質量評價模型進行預測，生成圖像評價結果。本發明解決了現有技術中圖像質量無法從局部、光線等角度進行評價的技術問題。

技術領域

本發明涉及圖像處理領域，具體而言，涉及一種多角度圖像質量評價方法及系統。

背景技術

現階段人臉識別技術已經取得了很大的進步，但仍然未能滿足實際應用的要求，一個非常重要的原因，就是人臉圖像的圖像質量問題。對人臉圖像質量進行多尺度精確評估，具有重要意義。主要體現在以下幾個方面：

對人臉識別精度的影響：比如光照問題是圖像質量的一個方面，許多在室內均勻光照條件下很好的識別算法在室外光照環境下，識別率也會急劇下降。再比如遮擋問題，通常人類都能夠識別出戴眼鏡或者圍著圍巾的某個人，但對自動識別系統而言卻非易事，面部的胡須，帽子、眼鏡等遮蓋物會改變人臉的局部特征，影響隨后的特征提取和識別，甚至使算法失效。

對人面都表情識別的影響：大多數人臉識別系統基本上都是用中性人臉表情圖像進行訓練的，而實陳應用中人臉表情的變化如大笑、微笑、皺眉等等都會改變人臉的特征。同時對面部表情的正確判定，在某些問題中有重要價值和意義。比如，各種交通工具的駕駛員由于其工作性質特殊，一時稍有疏忽也可能釀成大的災難。通過感應設備對其面部監控、根據痛苦表情或者疲倦等不適表現，判斷預測其疲勞、壓力過大或者瞌睡等精神狀態，及時預警從而可以避免事故發生。而在識別面部表情過程中，人臉影像的許多細節部分，對表情識別有巨大的影響，不同的面部位置，表情展現的細膩程度不一，對成像質量的要求也不盡相同。

對人的年齡自動判定的影響：待識別人臉與數據庫中人臉之間的年齡的取別會明顯導致識別率的下降。有文獻指出，一般年齡差別達到3年，識別率平均下降20％左右。

因此在實際應用中，人臉識別準確與否往往是多種因素的組合在起作用，而這種組合是非線性的，會進一步增加人臉識別的難度。而上述多種因素的綜合影響，可以概括為人臉圖像質量多尺度描述問題。

另外在現有技術中，除了人工肉眼判定的方式，在現有的專利和發表的論文中，早期一些工作多基于低分辨率人臉圖像總體進行質量評價，得到單一的人臉圖像質量等級結果。有通過手工提取諸如人臉位置、圖像對比度、圖像清晰度、圖像明亮度來綜合評價相關特征使用級聯SVM等，近年的技術有通過現成的卷積神經網絡如VGG-16網絡等，也有對網絡結構稍加調整形成的卷積神經網絡進行評估。對于人臉不同局部區域的質量差異，往往針對某個具體方面，把解決方法融入相應的問題解決方案中，比如針對光照不均勻問題，設計光照差異不敏感/魯棒的人臉識別算法，比如針對遮擋問題，設計遮擋環境下的人臉識別方法。并沒有全面的系統化地描述人臉圖像總體及局部質量的相關結果。因此現有技術中尚存在以下待解決的技術問題：

1、對采集的整幅圖像，或者整幅圖像的人臉ROI區域，無差別同等對待。

2、人臉圖像質量評價結果很單一，只有整體質量等級值，沒有多尺度、多角度系統化描述，沒有光照差異程度、光源入射角度、遮擋程度等描述

3、沒有考慮人臉重要部件區域的相對獨立性，缺乏對面部部件的圖像質量刻畫。有的是以往工作沒有特定區域質量類型的判定。而實際的人臉識別應用需求中，人臉不同區域的圖像質量要求也不同。整個人臉進行匹配時所需的特征分布相對穩定，但根據不同區域，特征數量有明細差別，比如，眼周圍，特征點集中，需要的圖像質量要求高，腮部對圖像質量要求低。以往的技術方案沒有主次分明。區別對待。

4、手工特征的計算量雖然比較小，但判定效果和精度難以保證，基于卷積神經網絡的功能強大，但計算復雜，不太適合機器人場景。

針對上述的問題，目前尚未提出有效的解決方案。