[發明專利]基于局部貢獻方差的人臉質量判斷方法

在審

• 申請號: 202210173160.0
• 申請日: 2022-02-24
• 公開（公告）號: CN114581976A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 練啟業;謝曉華;鄭慧誠;張永
• 申請（專利權）人: 中山大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06K9/62
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種基于局部貢獻方差的人臉質量判斷方法，包括步驟：對對齊后的人臉進行掩碼操作、對掩碼操作后的人臉圖片提取人臉特征、將掩碼操作后的人臉特征和原始人臉圖片的特征進行相似度計算、對一系列相似度進行變化統計得到該人臉圖像的質量。本發明提出的基于局部貢獻方差的人臉質量判斷方法，可以快速判斷出該人臉圖片是否適合進行人臉識別，能有效的剔除實際部署的人臉識別系統中捕捉到的模糊、遮擋等質量差的照片，提升人臉識別系統的性能，同時降低人臉識別系統的計算量。本發明通過在實際場景中進行大量測試，表明本方法相較于目前現有技術，具有既準確又耗時少的優點，十分有利于部署于資源有限的嵌入式終端。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于局部貢獻方差的人臉質量判斷方法。

背景技術

人臉識別技術作為計算機視覺的一個熱門的研究方向，在神經網絡的蓬勃發展下已經取得了許多驕人的成果，并且廣泛應用在我們的日常生活中。但是除了主動配合式的人臉識別系統外，還存在大量的被動式的人臉識別系統，其采集的人臉數據存在大量的污染，對目前的人臉識別模型是一個很嚴峻的挑戰。因此發展人臉質量判斷，挑選出不適合人臉識別的人臉圖片非常重要，本發明基于此提出了基于局部貢獻方差的人臉質量判斷方法。

在以往的人臉質量判斷方法中，早期的方法需要對人臉數據集標注質量分數，這不僅需要消耗大量的人力，同時人類的主觀標識與實際運行的識別器的受影響程度未必一致，因此這種方法存在著諸多弊端。而近期發展的方法中，一些方法使用模型的不確定性作為人臉圖像質量判斷的衡量，缺乏不穩定性；一些方法使用同類之間的相似度分布以及異類之間的相似度分布來衡量人臉質量，這種方法得到的質量分數與所選擇的數據集高度相關，不具有泛用性。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種基于局部貢獻方差的人臉質量判斷方法，擺脫了人工標注的依賴，同時可以很輕松的部署到任意的人臉識別系統中，達到提升人臉識別系統性能的目的。

為實現上述目的，本發明提供了一種基于局部貢獻方差的人臉質量判斷方法，包括以下步驟：

步驟1、人臉檢測和人臉關鍵點檢測；

步驟2、人臉對齊；

步驟3、對對齊后的人臉進行掩碼操作，得到一系列帶掩碼的圖像；

步驟4、通過人臉識別網絡將所述帶掩碼的圖像映射為人臉特征；

步驟5、通過計算原圖和掩碼圖片的特征相似度得到一系列局部貢獻；

步驟6、計算局部貢獻的方差，得到人臉圖像質量；

步驟7、使用輕量級神經網絡進行擬合，得到人臉質量分數預測器。

進一步的，所述對對齊后的人臉進行掩碼操作，得到一系列帶掩碼的圖像，具體為：對對齊后的人臉圖片進行掩碼操作，從上到下，每k行進行依次進行，對齊后的人臉圖片分辨率通常為112*112，得到(112/k)+1張圖片

進一步的，所述通過人臉識別網絡將所述帶掩碼的圖像映射為人臉特征，具體為：對得到的對齊后的人臉圖片送入人臉識別網絡中，得到原始人臉圖片的人臉特征F₀，對得到的(112/k)+1張人臉圖片送入人臉識別網絡中，得到(112/k)+1個人臉特征F_i，其中i∈[1,(112/K)+1]。

進一步的，所述計算局部貢獻的方差，得到人臉圖像質量，具體為：將得到的F₀和F_i依次計算余弦相似度，得到(112/k)+1個相似度，計算這些相似度的方差，得到人臉質量分數。

進一步的，所述輕量級神經網絡采用MobileFaceNet作為主干網絡。

本發明的有益效果是：