用于检测图像质量的方法和装置制造方法及图纸

本申请实施例公开了用于检测图像质量的方法和装置。该方法的一具体实施方式包括：获取待检测图像和预先对该待检测图像进行人脸检测后所得的、用于指示该待检测图像中的人脸区域的人脸区域信息；基于该人脸区域信息，从该待检测图像中提取人脸图像；将该人脸图像输入预先训练的卷积神经网络，得到图像特征信息，其中，该卷积神经网络用于提取图像特征；对该图像特征信息进行解析，确定人脸关键点信息；基于该人脸关键点信息，确定该人脸图像的质量合格的概率；基于该概率，确定该人脸图像的质量是否合格。该实施方式提高了图像质量检测效率。

Method and device for detecting image quality

The present application embodiment discloses a method and device for detecting the quality of the image. One embodiment of the method includes: obtaining for detecting image and face detection of the pre detecting image obtained after indicating the information to the face region detected face region in the image; the face region based on the information from the detected image to extract the face image; the convolutional neural network the input face image pre training, get the image feature information, wherein the convolutional neural network is used to extract image features; analyzes the image feature information, determine the face of key information; the facial feature points based on the information quality of the face image to determine the probability of qualified; based on the probability, determine the quality of the face image of the whether or not qualified. The implementation method improves the efficiency of image quality detection.

【技术实现步骤摘要】
用于检测图像质量的方法和装置
本申请涉及计算机
，具体涉及互联网
，尤其涉及用于检测图像质量的方法和装置。
技术介绍
人脸识别具有较多的应用场景，例如人脸支付、人脸认证、人脸美化等等。在人脸识别过程中，如果包括人脸的图像质量不合格(例如人脸的多个部位被遮挡、不清晰等)，则可能会导致识别出错，或系统崩溃等异常情况的出现。若在进行人脸识别之前，先检测包括人脸的图像的质量是否合格，则可以避免对质量不合格的图像进行后续的人脸识别流程。这样可以提高人脸识别效率。因此，对包括人脸的图像进行质量检测显得尤为重要。
技术实现思路
本申请实施例的目的在于提出一种用于检测图像质量的方法和装置。第一方面，本申请实施例提供了一种用于检测图像质量的方法，该方法包括：获取待检测图像和预先对上述待检测图像进行人脸检测后所得的、用于指示上述待检测图像中的人脸区域的人脸区域信息；基于上述人脸区域信息，从上述待检测图像中提取人脸图像；将上述人脸图像输入预先训练的卷积神经网络，得到图像特征信息，其中，上述卷积神经网络用于提取图像特征；对上述图像特征信息进行解析，确定人脸关键点信息；基于上述人脸关键点信息，确定上述本文档来自技高网...

【技术保护点】
一种用于检测图像质量的方法，其特征在于，所述方法包括：获取待检测图像和预先对所述待检测图像进行人脸检测后所得的、用于指示所述待检测图像中的人脸区域的人脸区域信息；基于所述人脸区域信息，从所述待检测图像中提取人脸图像；将所述人脸图像输入预先训练的卷积神经网络，得到图像特征信息，其中，所述卷积神经网络用于提取图像特征；对所述图像特征信息进行解析，确定人脸关键点信息；基于所述人脸关键点信息，确定所述人脸图像的质量合格的概率；基于所述概率，确定所述人脸图像的质量是否合格。

【技术特征摘要】
1.一种用于检测图像质量的方法，其特征在于，所述方法包括：获取待检测图像和预先对所述待检测图像进行人脸检测后所得的、用于指示所述待检测图像中的人脸区域的人脸区域信息；基于所述人脸区域信息，从所述待检测图像中提取人脸图像；将所述人脸图像输入预先训练的卷积神经网络，得到图像特征信息，其中，所述卷积神经网络用于提取图像特征；对所述图像特征信息进行解析，确定人脸关键点信息；基于所述人脸关键点信息，确定所述人脸图像的质量合格的概率；基于所述概率，确定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，其特征在于，所述人脸关键点信息包括所述人脸图像所包括的各个人脸关键点被遮挡的概率；以及所述对所述图像特征信息进行解析，确定人脸关键点信息，包括：将所述图像特征信息输入预先训练的第一概率计算模型，得到所述人脸图像所包括的各个人脸关键点被遮挡的概率，其中，所述第一概率计算模型用于表征包括人脸的图像的图像特征信息与人脸关键点被遮挡的概率的对应关系。3.根据权利要求1所述的方法，其特征在于，所述人脸关键点信息包括所述人脸图像所包括的各个人脸关键点的坐标；以及所述对所述图像特征信息进行解析，确定人脸关键点信息，包括：将所述图像特征信息输入预先训练的人脸关键点定位模型，得到所述人脸图像所包括的各个人脸关键点的坐标，其中，所述人脸关键点定位模型用于表征包括人脸的图像的图像特征信息与人脸关键点的坐标的对应关系。4.根据权利要求2所述的方法，其特征在于，所述基于所述人脸关键点信息，确定所述人脸图像的质量合格的概率，包括：将所述人脸图像所包括的各个人脸关键点被遮挡的概率输入预先训练的第二概率计算模型，得到所述人脸图像的质量合格的概率，其中，所述第二概率计算模型用于表征包括人脸的图像所包括的各个人脸关键点被遮挡的概率与质量合格的概率之间的对应关系。5.根据权利要求3所述的方法，其特征在于，所述基于所述人脸关键点信息，确定所述人脸图像的质量合格的概率，包括：以每个人脸关键点为中心，从所述人脸图像中提取出具有预设的高度和宽度的图像块；将提取出的各个图像块输入预先训练的第三概率计算模型，得到所述人脸图像的质量合格的概率，其中，所述第三概率计算模型用于表征从包括人脸的图像中提取出的、以人脸关键点为中心且具有预设的高度和宽度的各个图像块与质量合格的概率的对应关系。6.根据权利要求4所述的方法，其特征在于，所述第二概率计算模型是通过以下训练步骤训练得到的：提取预置的、包括显示有人脸的样本图像中的各个人脸关键点被遮挡的概率和用于表征样本图像的质量是否合格的第一数据标记的第一训练样本；利用机器学习方法，基于所述第一训练样本、预设的第一分类损失函数和反向传播算法训练得到第二概率计算模型，其中，所述第一分类损失函数用于表征所述第二概率计算模型输出的概率与所述第一数据标记的差异程度。7.根据权利要求5所述的方法，其特征在于，所述第三概率计算模型是通过以下训练步骤训练得到的：提取预置的、包括从显示有人脸的样本图像中提取出的、以人脸关键点为中心且具有预设的高度和宽度的各个图像块和用于表征样本图像的质量是否合格的第二数据标记的第二训练样本；利用机器学习方法，基于所述第二训练样本、预设的第二分类损失函数和反向传播算法训练得到第三概率计算模型，其中，所述第二分类损失函数用于表征所述第三概率计算模型输出的概率与所述第二数据标记的差异程度。8.根据权利要求1所述的方法，其特征在于，所述基于所述人脸区域信息，从所述待检测图像中提取人脸图像，包括：扩大所述人脸区域信息所指示的人脸区域的范围，得到第一人脸区域；截取所述第一人脸区域得到所述人脸图像。9.根据权利要求8所述的方法，其特征在于，人脸区域为矩形区域；以及所述扩大所述人脸区域信息所指示的人脸区域的范围，包括：将所述人脸区域信息所指示的人脸区域的高度和宽度扩大预设倍数或增加预设数值。10.一种用于检测图像质量的装置，其特征在于，所述装置包括：获取单元，配置用于获取待检测图像和预先对所述待检测图像进行人脸检测后所得的、用于指示所述待检测图像中的人脸区域的人脸区域信息；提取单元，配置用于...

【专利技术属性】
技术研发人员：杜康，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11