一种人脸图像质量评价方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种人脸图像质量评价方法、装置及计算机可读存储介质，所述人脸图像质量评价方法，获取人脸图像的平均亮度、噪声强度、特征清晰度，并计算得到人脸图像的亮度评价值、噪声评价值、特征清晰度评价值，最后根据对人脸图像的亮度、噪声、特征清晰度的评价值，评价人脸图像的质量。本发明专利技术还公开了一种人脸图像质量评价装置及计算机可读存储介质，用于实现方法的各个步骤。本发明专利技术的方法、装置及计算机可读存储介质，从亮度、噪声和特征清晰度三个维度来综合评价人脸图像的质量，避免了人眼主观差异导致人脸图像质量的差异，提高了人脸识别率。

A Face Image Quality Assessment Method, Device and Computer Readable Storage Media

The invention discloses a face image quality evaluation method, device and computer readable storage medium. The face image quality evaluation method obtains the average brightness, noise intensity and feature clarity of the face image, and calculates the brightness evaluation value, noise evaluation value and feature clarity evaluation value of the face image. Finally, according to the brightness, noise and characteristics of the face image. Evaluate the value of definition and evaluate the quality of face image. The invention also discloses a facial image quality evaluation device and a computer readable storage medium for each step of the implementation method. The method, device and computer readable storage medium of the invention comprehensively evaluates the quality of face image from three dimensions of brightness, noise and feature clarity, avoids the difference of face image quality caused by subjective difference of human eyes, and improves the face recognition rate.

【技术实现步骤摘要】
一种人脸图像质量评价方法、装置及计算机可读存储介质
本专利技术属于图像质量评价
，尤其涉及一种人脸图像质量评价方法、装置及计算机可读存储介质。
技术介绍
随着人工智能的兴起，人脸识别是人工智能研究领域中非常受关注的研究方向，在涉及安防的领域更是极受关注。在人脸识别系统中，人脸图像质量的好坏，极大影响了系统识别的精度。人脸图像质量受多方面因素影响，既包括图像本身的特性如亮度、对比度、清晰度、噪点等，也包括和人脸特征相关的属性如人脸姿态、光照均匀性等等。低质量的图片可能导致系统匹配错误、匹配精度降低，因此需要对人脸图像质量进行评价。此外，人脸图像质量评价，也为图像调测研究人员提供了标准，避免了不同人员调测导致的人脸图像质量的差异。现有技术对于人脸图像质量的评价，有些根据人脸姿态、特征区域的梯度来评价，有些根据人脸对称性、光强度、对比度和清晰度来评价，但是都具有以下缺点：(1)、在一些实际应用中(如宽动态场景、光照不足的场景)，人脸图像质量受噪点影响明显，现有技术不能反映有噪点的人脸图像质量的高低。(2)、人眼对人脸亮度比较敏感，现有技术不能反映不同亮度的人脸图像质量的高低。
技术实现思路
本专利技术提出了一种人脸图像质量评价方法、装置及计算机可读存储介质，用于解决现有技术存在的上述缺点，更好地对人脸图像质量进行评价。为了实现上述目的，本专利技术技术方案如下：一种人脸图像质量评价方法，所述人脸图像质量评价方法，包括：获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值；获取人脸图像的噪声强度，根据所述噪声强度计算得到人脸图像的噪声评价值；获取人脸图像的特征清晰度，根据所述特征清晰度计算得到人脸图像的特征清晰度评价值；根据对人脸图像的亮度、噪声、特征清晰度的评价值，评价人脸图像的质量。进一步地，所述获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值，包括：设定分界阈值t1、t2、t3、t4，建立人脸图像的亮度评价值Y与平均亮度L的对应关系：在L>t4时，亮度评价值Y为a1；在t3≤L<t4时，亮度评价值Y随L单调递减；在t2≤L<t3时，亮度评价值Y为b1；在t1≤L<t2时，亮度评价值Y随L单调递增；在L<t1时，亮度评价值Y为a1；其中a1、b1为设定的参数。进一步地，所述获取人脸图像的噪声强度，包括：对人脸图像的原图像进行降噪，计算降噪后图像与原图像的差，得到含有大边缘的噪声图像Imix；对人脸图像的原图像进行低通滤波，将滤波后的图像与原图像合成，得到人脸图像的大边缘信息Iedge；在噪声图像Imix中，除去得到的人脸图像的大边缘信息Iedge，得到人脸图像的噪点信息Inoise；根据所述人脸图像的噪点信息Inoise计算得到人脸图像的噪声强度。进一步地，所述根据所述人脸图像的噪点信息Inoise计算得到人脸图像的噪声强度，包括：根据如下公式计算人脸图像的噪声强度E：其中，(p,q)为图像中像素的坐标，P和Q分别表示人脸图像的宽度和高度。进一步地，所述根据所述噪声强度计算得到人脸图像的噪声评价值，包括：设定分界阈值h1、h2，建立人脸图像的噪点评价值N与噪声强度E的对应关系：在E≤h1时，噪点评价值N为a2；在h1≤E<h2时，噪点评价值N随E单调递减；在噪声超过h2时，噪点评价值N为b2；其中a2、b2为参数。进一步地，所述获取人脸图像的特征清晰度，包括：计算人脸图像的有效部分、噪点部分和过锐部分的边缘强度；根据边缘强度，计算得到人脸图像的特征清晰度B。进一步地，所述计算人脸图像的有效部分、噪点部分和过锐部分的边缘强度，包括：提取人脸图像垂直、水平、45°和135°方向的边缘图像；算子计算垂直、水平、45°和135°方向上的边缘图像；计算各边缘图像的有效部分、噪点部分和过锐部分的平均强度；通过加权求和得到有效部分、噪点部分和过锐部分的边缘强度。进一步地，所述根据所述特征清晰度计算得到人脸图像的特征清晰度评价值，包括：设定分界阈值z1、z2、z3、z4，建立人脸图像的特征清晰度评价值S与特征清晰度B的对应关系：在B>z4时，特征清晰度评价值S为a3；在z3≤B<z4时，特征清晰度评价值S随B单调递减；在z2≤B<z3时，特征清晰度评价值S为b3；在z1≤B<z2时，特征清晰度评价值S随B单调递增；在B<z1时，特征清晰度评价值S为a3；其中a3、b3为设定的参数。本专利技术还提出了一种人脸图像质量评价装置，包括处理器以及存储有若干计算机指令的非易失性存储器，所述计算机指令被处理器执行时实现上述任意一项所述方法的步骤。本专利技术还提出了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器执行，以实现上述任意一项所述方法的步骤。本专利技术提出的一种人脸图像质量评价方法、装置及计算机可读存储器，通过分别对人脸图像的亮度、噪声和特征清晰度进行评价，从亮度、噪声和特征清晰度三个维度来综合评价人脸图像的质量，将图像质量数据客观化，并为调测人员提供亮度、噪声和特征清晰度三个维度的调试标准，避免了人眼主观差异导致人脸图像质量的差异，提高了人脸识别率。附图说明图1为本专利技术实施例一种人脸图像质量评价方法流程图。具体实施方式下面结合附图和实施例对本专利技术技术方案做进一步详细说明，以下实施例不构成对本专利技术的限定。本申请技术方案的核心思想是根据人脸图像亮度、噪点强度、及人脸特征清晰度，来综合评价人脸图像的质量。如图1所示，本实施例一种人脸图像质量评价方法，包括：获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值；获取人脸图像的噪声强度，根据所述噪声强度计算得到人脸图像的噪声评价值；获取人脸图像的特征清晰度，根据所述特征清晰度计算得到人脸图像的特征清晰度评价值；根据对人脸图像的亮度、噪声、特征清晰度的评价值，评价人脸图像的质量。本实施例在进行人脸图像的质量评价时，先获取待评价的人脸图像，并进行亮度评价、噪声评价和清晰度评价，本专利技术不限于上述三种评价的先后次序。以下分别予以详细说明：1、对人脸图像的亮度进行评价。首先计算人脸图像I的平均亮度L，计算公式如下：其中Gray(p,q)表示像素(p,q)的灰度值，(p,q)为图像中像素的坐标，P和Q分别表示人脸图像的宽度和高度。然后设定分界阈值t1、t2、t3、t4，根据人眼对亮度的敏感度，对人脸图像的亮度进行评价。根据人眼对亮度的敏感度，建立人脸图像的亮度评价值Y与平均亮度L的对应关系如下：其中，t1＝50、t2＝100、t3＝135、t4＝195为分界阈值，可根据实际需要调节。一般来说，人眼在一定的亮度范围内，敏感度最好，过亮或过暗，敏感度都会差。也就是说，在L>t4时，图像过爆，人眼基本不能识别；在t3≤L<t4时，随着亮度的减小图像看起来质量越高；在t2≤L<t3时，亮度的变化基本上没有影响；而当t1≤L<t2，随着亮度的减少图像看起来质量在下降；直至L<t1，图像过暗，人眼基本不能识别。需要说明的是，上述亮度评价值Y与亮度L的对应关系仅是一种实施例，亮度评价值Y与亮度L的对应关系也可以是其他形式，只要满足区间[t1,t2)，Y随本文档来自技高网...

【技术保护点】
1.一种人脸图像质量评价方法，其特征在于，所述人脸图像质量评价方法，包括：获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值；获取人脸图像的噪声强度，根据所述噪声强度计算得到人脸图像的噪声评价值；获取人脸图像的特征清晰度，根据所述特征清晰度计算得到人脸图像的特征清晰度评价值；根据对人脸图像的亮度、噪声、特征清晰度的评价值，评价人脸图像的质量。

【技术特征摘要】
1.一种人脸图像质量评价方法，其特征在于，所述人脸图像质量评价方法，包括：获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值；获取人脸图像的噪声强度，根据所述噪声强度计算得到人脸图像的噪声评价值；获取人脸图像的特征清晰度，根据所述特征清晰度计算得到人脸图像的特征清晰度评价值；根据对人脸图像的亮度、噪声、特征清晰度的评价值，评价人脸图像的质量。2.如权利要求1所述的人脸图像质量评价方法，其特征在于，所述获取人脸图像的平均亮度，根据所述平均亮度计算得到人脸图像的亮度评价值，包括：设定分界阈值t1、t2、t3、t4，建立人脸图像的亮度评价值Y与平均亮度L的对应关系：在L>t4时，亮度评价值Y为a1；在t3≤L<t4时，亮度评价值Y随L单调递减；在t2≤L<t3时，亮度评价值Y为b1；在t1≤L<t2时，亮度评价值Y随L单调递增；在L<t1时，亮度评价值Y为a1；其中a1、b1为设定的参数。3.如权利要求1所述的人脸图像质量评价方法，其特征在于，所述获取人脸图像的噪声强度，包括：对人脸图像的原图像进行降噪，计算降噪后图像与原图像的差，得到含有大边缘的噪声图像Imix；对人脸图像的原图像进行低通滤波，将滤波后的图像与原图像合成，得到人脸图像的大边缘信息Iedge；在噪声图像Imix中，除去得到的人脸图像的大边缘信息Iedge，得到人脸图像的噪点信息Inoise；根据所述人脸图像的噪点信息Inoise计算得到人脸图像的噪声强度。4.如权利要求3所述的人脸图像质量评价方法，其特征在于，所述根据所述人脸图像的噪点信息Inoise计算得到人脸图像的噪声强度，包括：根据如下公式计算人脸图像的噪声强度E：其中，(p,q)为图像中像素的坐标，P和Q分别表示人脸图像的宽度和高度。5.如权利要求1所述的人脸图像质量评价方法，其特征在于，所述根据所述噪声强度计...

【专利技术属性】
技术研发人员：张文萍，徐琼，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江,33