人脸图像质量的评估方法、装置及计算设备制造方法及图纸

本发明专利技术公开了一种人脸图像质量的评估方法、装置及计算设备，包括：获取待评估的人脸图像；将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果；其中，所述质量检测模型包括用于提取特征的网络以及用于检测质量的网络；根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格。本发明专利技术方案，利用质量检测模型可以从多个检测维度进行质量预测，而不是仅能从单一的检测维度进行预测，进而使得人脸质量的评估结果更为准确；以及直接将人脸图像输入至质量检测模型中进行质量预测，而无需预先进行提取人脸图像的特征的处理，提高了预测效率。

【技术实现步骤摘要】
人脸图像质量的评估方法、装置及计算设备
本专利技术涉及计算机
，具体涉及一种人脸图像质量的评估方法、装置及计算设备。
技术介绍
随着人工智能(ArtificialIntelligence，简称AI)的快速发展，人脸识别技术被应用到移动支付、会员管理、视频监控、公安刑侦等各个领域。但是，由于硬件限制或者外界因素的影响，导致采集的人脸图像存在如下一种或多种问题：人脸模糊、光照过强/过弱、存在遮挡、姿态过大、以及分辨率过低，进而影响人脸识别的准确率。可见，提升比对样本的质量，即提升人脸图像的质量，是提高人脸识别准确率的关键因素。目前，人脸质量的检测主要通过一些传统的图像处理的算法去检测人脸的模糊度、光照过强、或者姿态过大等问题。这些图像处理的算法包括直方图统计、离散余弦变换(DiscreteCosineTransform，简称DCT)、Sobel滤波、Gabor滤波、主动外观模型(ActiveAppearanceModel，简称AAM)、主动形状模型(ActiveShapeModel，简称ASM)等算法。然而，通常情况下，这些传统的图像处理算法仅能针对某一方面人脸质量因素进行检测，比如AAM或ASM只适用于人脸角度计算，且对于大角度的人脸的检测精度较差；又如DCT仅在模糊检测上有应用，而无法应用到其它人脸质量检测。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的人脸图像质量的评估方法、装置及计算设备。根据本专利技术的一个方面，提供了一种人脸图像质量的评估方法，包括：获取待评估的人脸图像；将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果；其中，所述质量检测模型包括用于提取特征的网络以及用于检测质量的网络；根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格。进一步的，所述多个检测维度包括以下多个维度中的至少两个：模糊程度维度、光照强度维度、姿态维度、以及遮挡部位维度。进一步的，所述质量检测模型包括：第一特征提取网络、对应多个检测维度的多个第二特征提取网络、以及对应多个检测维度的多个质量检测网络；其中，各个第二特征提取网络从第一特征提取网络输出的人脸高维度特征中提取对应检测维度的人脸特征。进一步的，所述质量检测模型通过以下步骤训练得到：获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，得到人脸样本图像的多个检测维度的质量标注结果；将每张人脸样本图像输入至第一特征提取网络中，得到多个质量检测网络输出的人脸样本图像的多个检测维度的质量检测结果；根据所述人脸样本图像的多个检测维度的质量检测结果与人脸样本图像的多个检测维度的质量标注结果之间的损失，对第一特征提取网络、多个第二特征提取网络以及多个质量检测网络进行训练，得到所述质量检测模型。进一步的，所述质量检测模型包括：第一特征提取网络、特征划分网络、以及对应多个检测维度的多个质量检测网络；其中，多个质量检测网络对特征划分网络划分出的对应检测维度的人脸特征进行质量检测。进一步的，所述质量检测模型通过以下步骤训练得到：获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，得到人脸样本图像的多个检测维度的质量标注结果；将每张人脸样本图像输入至第一特征提取网络中，得到多个质量检测网络输出的人脸样本图像的多个检测维度的质量检测结果；根据所述人脸样本图像的多个检测维度的质量检测结果与人脸样本图像的多个检测维度的质量标注结果之间的损失，对第一特征提取网络、特征划分网络以及多个质量检测网络进行训练，得到所述质量检测模型。进一步的，所述将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果具体为：将所述人脸图像输入至第一特征提取网络，得到多个质量检测网络输出的多个质量检测结果；所述根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格具体为：根据多个质量检测网络输出的多个质量检测结果评估所述人脸图像的质量是否合格。进一步的，在所述将所述人脸图像输入至训练得到的质量检测模型之前，所述方法还包括：从多个检测维度中选择一个当前检测维度；将质量检测模型中对应当前检测维度的质量检测网络确定为当前检测网络；所述将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果：将所述人脸图像输入至第一特征提取网络，得到当前质量检测网络输出的一个质量检测结果；所述根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格具体为：判断所述当前检测网络输出的一个质量检测结果是否符合当前检测维度的质量标准；若所述当前检测网络输出的一个质量检测结果不符合当前检测维度的质量标准，则所述人脸图像的质量不合格。进一步的，所述从多个检测维度中选择一个当前检测维度具体为：根据预设的多个检测维度的检测优先级从多个检测维度中选择一个未被选择的当前检测维度；所述方法还包括：若所述当前检测网络输出的一个质量检测结果符合当前检测维度的质量标准，则跳转执行根据预设的多个检测维度的检测优先级从多个检测维度中选择一个未被选择的当前检测维度的步骤及其后续步骤；直至判断出多个检测维度的质量检测结果均符合对应检测维度的质量标准，则确定所述人脸图像的质量合格。根据本专利技术的另一方面，提供了一种人脸图像质量的评估装置，包括：获取模块，适于获取待评估的人脸图像；预测模块，适于将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果；其中，所述质量检测模型包括用于提取特征的网络以及用于检测质量的网络；评估模块，适于根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格。进一步的，所述多个检测维度包括以下多个维度中的至少两个：模糊程度维度、光照强度维度、姿态维度、以及遮挡部位维度。进一步的，所述质量检测模型包括：第一特征提取网络、对应多个检测维度的多个第二特征提取网络、以及对应多个检测维度的多个质量检测网络；其中，各个第二特征提取网络从第一特征提取网络输出的人脸高维度特征中提取对应检测维度的人脸特征。进一步的，所述装置还包括：训练模块，适于获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，得到人脸样本图像的多个检测维度的质量标注结果；将每张人脸样本图像输入至第一特征提取网络中，得到多个质量检测网络输出的人脸样本图像的多个检测维度的质量检测结果；根据所述人脸样本图像的多个检测维度的质量检测结果与人脸样本图像的多个检测维度的质量标注结果之间的损失，对第一特征提取网络、多个第二特征提取网络以及多个质量检测网络进行训练，得到所述质量检测模型。进一步的，所述质量检测模型包括：第一特征提取网络、特征划分网络、以及对应多个检测维度的多个质量检测网络；其中，多个质量检测网络对特征划分网络划分出的对应检测维度的人脸特征进行质量检测。进一步的，所述装置还包括：训练模块，适于获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，本文档来自技高网...

【技术保护点】
1.一种人脸图像质量的评估方法，包括：获取待评估的人脸图像；将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果；其中，所述质量检测模型包括用于提取特征的网络以及用于检测质量的网络；根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格。

【技术特征摘要】
1.一种人脸图像质量的评估方法，包括：获取待评估的人脸图像；将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果；其中，所述质量检测模型包括用于提取特征的网络以及用于检测质量的网络；根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格。2.根据权利要求1所述的方法，其中，所述多个检测维度包括以下多个维度中的至少两个：模糊程度维度、光照强度维度、姿态维度、以及遮挡部位维度。3.根据权利要求1或2所述的方法，其中，所述质量检测模型包括：第一特征提取网络、对应多个检测维度的多个第二特征提取网络、以及对应多个检测维度的多个质量检测网络；其中，各个第二特征提取网络从第一特征提取网络输出的人脸高维度特征中提取对应检测维度的人脸特征。4.根据权利要求3所述的方法，其中，所述质量检测模型通过以下步骤训练得到：获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，得到人脸样本图像的多个检测维度的质量标注结果；将每张人脸样本图像输入至第一特征提取网络中，得到多个质量检测网络输出的人脸样本图像的多个检测维度的质量检测结果；根据所述人脸样本图像的多个检测维度的质量检测结果与人脸样本图像的多个检测维度的质量标注结果之间的损失，对第一特征提取网络、多个第二特征提取网络以及多个质量检测网络进行训练，得到所述质量检测模型。5.根据权利要求1或2所述的方法，其中，所述质量检测模型包括：第一特征提取网络、特征划分网络、以及对应多个检测维度的多个质量检测网络；其中，多个质量检测网络对特征划分网络划分出的对应检测维度的人脸特征进行质量检测。6.根据权利要求5所述的方法，其中，所述质量检测模型通过以下步骤训练得到：获取多张人脸样本图像；针对每张人脸样本图像，对所述人脸样本图像的多个检测维度的质量信息进行标注，得到人脸样本图像的多个检测维度的质量标注结果；将每张人脸样本图像输入至第一特征提取网络中，得到多个质量检测网络输出的人脸样本图像的多个检测维度的质量检测结果；根据所述人脸样本图像的多个检测维度的质量检测结果与人脸样本图像的多个检测维度的质量标注结果之间的损失，对第一特征提取网络、特征划分网络以及多个质量检测网络进行训练，得到所述质量检测模型。7.根据权利要求3或5所述的方法，其中，所述将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果具体为：将所述人脸图像输入至第一特征提取网络，得到多个质量检测网络输出的多个质量检测结果；所述根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格具体为：根据多个质量检测网络输出的多个质量检测结果评估所述人脸图像的质量是否合格。8.根据权利要求3或5所述的方法，其中，在所述将所述人脸图像输入至训练得到的质量检测模型之前，所述方法还包括：从多个检测维度中选择一个当前检测维度；将质量检测模型中对应当前检测维度的质量检测网络确定为当前检测网络；所述将所述人脸图像输入至训练得到的质量检测模型，得到所述质量检测模型输出的对应多个检测维度的至少一个质量检测结果：将所述人脸图像输入至第一特征提取网络，得到当前质量检测网络输出的一个质量检测结果；所述根据所述至少一个质量检测结果评估所述人脸图像的质量是否合格具体为：判断所述当前检测网络输出的一个质量检测结果是否符合当前检测维度的质量标准；若所述当前检测网络输出的一个质量检测结果不符合当前检测维度的质量标准，则所述人脸图像的质量不合格。9.根据权利要求8所述的方法，其中，所述从多个检测维度中选择一个当前检测维度具体为：根据预设的多个检测维度的检测优先级从多个检测维度中选择一个未被选择的当前检测维度；所述方法还包括：若所述当前检测网络输出的一个质量检测结果符合当前检测维度的质量标准，则跳转执行根据预设的多个检测维度的检测优先级从多个检测维度中选择一个未被选择的当前检测维度的步骤及其后续步骤；直至判断出多个检测维度的质量检测结果均符合对应检测维度的质量标准，则确定...

【专利技术属性】
技术研发人员：郑俊君，
申请(专利权)人：杭州比智科技有限公司，
类型：发明
国别省市：浙江,33