【技术实现步骤摘要】
本专利技术涉及人脸识别
，更具体地涉及一种人脸图像处理方法和装置。
技术介绍
当前，人脸识别技术越来越广泛地应用到生活中的各个场景，包括金融领域(例如银行和证券业等)开户过程中的身份认证、商业场所的VIP识别、安防领域中的嫌疑人识别等。人脸识别技术在近几年在性能上有很大的提高，对于非极端场景下的识别，可以达到与人类接近的水平。但是，在人脸图像质量较差(例如侧脸角度过大、图像中存在运动模糊或者高斯模糊等)的情况下，人脸识别的识别率和准确率会明显降低。实际场景中发现，大部分的误识别和漏识别都是因为人脸图像质量不过关引起的。可见，对人脸图像进行质量评估对于提高人脸识别准确性是非常重要的。基于准确的人脸质量评估，在一段视频序列中挑选出质量足够好的人脸图像进行识别，可以极大提高人脸识别的准确性。但是人脸图像质量评估并没有引起足够的重视，当前存在的一些人脸图像质量评估方法通常都过于简单粗糙，评估结果不够精准，因此很难使人脸识别的性能出现大幅度提高。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种人脸图像处理方法和装置。根据本专利技术一方面，提供了一种人脸图像处理方法。该人脸图像处理方法包括：接收待检测人脸图像；以及利用至少一种训练好的深度卷积网络评估待检测人脸图像的质量。示例性地，利用至少一种训练好的深度卷积网络评估待检测人脸图像的质量包括：利用至少一种训练好的...
【技术保护点】
一种人脸图像处理方法，包括：接收待检测人脸图像；以及利用至少一种训练好的深度卷积网络评估所述待检测人脸图像的质量。
【技术特征摘要】
1.一种人脸图像处理方法，包括：
接收待检测人脸图像；以及
利用至少一种训练好的深度卷积网络评估所述待检测人脸图像的质量。
2.如权利要求1所述的人脸图像处理方法，其中，所述利用至少一种训练
好的深度卷积网络评估所述待检测人脸图像的质量包括：
利用所述至少一种训练好的深度卷积网络对所述待检测人脸图像执行特
定检查操作，并且如果所述待检测人脸图像通过所述特定检查操作中的所有检
查，则确定所述待检测人脸图像的质量合格，
其中，所述特定检查操作包括以下检查操作中的一项或多项：
利用关于人脸姿态的深度卷积网络计算所述待检测人脸图像的人脸
角度，并根据所述待检测人脸图像的人脸角度判断所述待检测人脸图像是否通
过人脸姿态检查；
利用关于图像模糊的深度卷积网络计算所述待检测人脸图像的模糊
程度，并根据所述待检测人脸图像的模糊程度判断所述待检测人脸图像是否通
过图像模糊检查；以及
利用关于人脸遮挡的深度卷积网络计算所述待检测人脸图像中的一
个或多个人脸关键部位的遮挡状态，并根据所述待检测人脸图像中的一个或多
个人脸关键部位的遮挡状态判断所述待检测人脸图像是否通过人脸遮挡检查。
3.如权利要求2所述的人脸图像处理方法，其中，所述人脸图像处理方法
进一步包括：
基于第一训练人脸图像集合通过深度学习方法训练神经网络，以得到所述
关于人脸姿态的深度卷积网络，其中，所述第一训练人脸图像集合中的每个训
练人脸图像的人脸角度是已标注好的。
4.如权利要求2所述的人脸图像处理方法，其中，所述人脸图像处理方法
进一步包括：
基于第二训练人脸图像集合通过深度学习方法训练神经网络，以得到所述
关于图像模糊的深度卷积网络，其中，所述第二训练人脸图像集合中的每个训
练人脸图像的模糊程度是已标注好的。
5.如权利要求4所述的人脸图像处理方法，其中，在所述基于第二训练人
脸图像集合通过深度学习方法训练神经网络，以得到所述关于图像模糊的深度
卷积网络之前，所述人脸图像处理方法进一步包括：
获得第一初始人脸图像集合；以及
利用预定高斯核和预定运动模糊核对所述第一初始人脸图像集合中的每
个初始人脸图像进行卷积，以生成所述第二训练人脸图像集合。
6.如权利要求2所述的人脸图像处理方法，其中，所述利用关于人脸遮挡
的深度卷积网络计算所述待检测人脸图像中的一个或多个人脸关键部位的遮挡
状态包括：
从所述待检测人脸图像中提取包含所述一个或多个人脸关键部位的至少
一个图像块；以及
利用与所述一个或多个人脸关键部位一一对应的一个或多个关于人脸遮
挡的深度卷积网络计算所述至少一个图像块中的每一个中的对应的人脸关键部
位的遮挡状态。
7.如权利要求6所述的人脸图像处理方法，其中，所述人脸图像处理方法
进一步包括：
分别基于与所述一个或多个人脸关键部位一一对应的一个或多个训练图
像块集合通过深度学习方法训练神经网络，以得到与所述一个或多个人脸关键
部位一一对应的所述一个或多个关于人脸遮挡的深度卷积网络，其中，所述一
个或多个训练图像块集合中的对应人脸关键部位的遮挡状态是已标注好的。
8.如权利要求7所述的人脸图像处理方法，其中，在所述分别基于与所述
一个或多个人脸关键部位一一对应的一个或多个训练图像块集合通过深度学习
方法训练神经网络，以得到与所述一个或多个人脸关键部位一一对应的所述一
个或多个关于人脸遮挡的深度卷积网络之前，所述人脸图像处理方法进一步包
括：
对于所述一个或多个人脸关键部位中的每一个，
获得第二初始人脸图像集合和第三初始人脸图像集合，其中，该人脸
关键部位在所述第二初始人脸图像集合中未被遮挡，并且该人脸关键部位在所
述第三初始人脸图像集合中被遮挡；
从所述第二初始人脸图像集合中提取包含该人脸关键部位的正样本
图像块作为与该人脸关键部位对应的训练图像块集合中的正样本，并且从所述
\t第三初始人脸图像集合中提取负样本图像块作为与该人脸关键部位对应的训练
图像块集合中的负样本，其中，所述负样本图像块中的该人脸关键部位被遮挡。
9.如权利要求1所述的人脸图像处理方法，进一步包括：
基于所述待检测人脸图像的光照情况评估所述待检测人脸图像的质量；以
及
根据利用所述至少一种训练好的深度卷积网络评估所述待检测人脸图像
的质量的第一评估结果以及基于所述待检测人脸图像的光照情况评估所述待检
测人脸图像的质量的第二评估结果综合评估所述待检测人脸图像的质量。
10.如权利要求9所述的人脸图像处理方法，其中，所述基于所述待检测
人脸图像的光照情况评估所述待检测人脸图像的质量包括：
利用灰度直方图特征计算所述待检测人脸图像的光照情况，并根据所述待
检测人脸图像的光照情况判断所述待检测人脸图像是否通过光照检查，如果所
述待检测人脸图像通过所述光照检查，则确定所述待检测人脸图像的质量合格。
11.如权利要求10所述的人脸图像处理方法，其中，所述利用灰度直方图
特征计算所述待检测人脸图像的光照情况包括：
分别针对所述待检测人脸图像中的一个或多个人脸区域抽取灰度直方图
特征，以获得一个或多个待检测直方图；
计算所述一个或多个待检测直方图中的每一个的特定百分比位置处的亮
度值，以获得与一个或多个直方图位置一一对应的一个或多个待检测亮度值，
其中，所述一个或多个直方图位置分别具有各自的预定亮度值均值；以及
如果在所述一个或多个待检测亮度值中，存在预定数目的待检测亮度值与
对应的预定亮度值均值之差超过一个阈值，则确定所述待检测人脸图像未通过
光照检查。
12.如权利要求11所述的人脸图像处理方法，其中，人脸图像处理方法进
一步包括：
获得第三训练人脸图像集合；
对于所述第三训练人脸图像集合中的每一个训练人脸图像，
分别针对该训练人脸图像中的所述一个或多个人脸区域抽取灰度直
方图特征，以获得与该训练人脸图像相关的一个或多个训练直方图；
计算所述一个或多个训练直方图中的每一个的特定百分比位置处的
亮度值，以获得与该训练人脸图像相关的、与所述一个或多个直方图位置一一
\t对应的一个或多个训练亮度值；
对于所述一个或多个直方图位置中的每一个，计算与所述第三训练人脸图
像集合中的所有训练人脸图像相关的、与该直方图位置相对应的所有训练亮度
值的均值，以获得该直方图位置的预定亮度值均值。
13.如权利要求2所述的人脸图像处理方法，其中，
所述根据所述人脸角度判断所述待检测人脸图像是否通过人脸姿态检查
包括：如果所述人脸角度小于角度阈值，则确定所述待检测人脸图像通过人脸
姿态检查；和/或
所述根据所述模糊程度判断所述待检测人脸图像是否通过图像模糊检查
包括：如果所述模糊程度小于模糊阈值，则确定所述待检测人脸图像通过图像
模糊检查；和/或
所述根据...
【专利技术属性】
技术研发人员：何涛，贾开，印奇，
申请(专利权)人：北京旷视科技有限公司，北京小孔科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。