一种户籍相片质量的检测方法及系统技术方案

本发明专利技术实施例提供了一种户籍相片质量的检测方法及系统，方法包括：确定待检测的户籍相片中的人脸图像；基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。本发明专利技术实施例提供的一种户籍相片质量的检测方法及系统，通过对黑白照片的检测、姿态评估及非人脸照片的检测，能够客观的检测现存户籍相片质量的基本信息，为相片质量的治理提供依据。

A Method and System for Measuring the Quality of Household Registration Photos

【技术实现步骤摘要】
一种户籍相片质量的检测方法及系统
本专利技术实施例涉及图片检测
，尤其涉及一种户籍相片质量的检测方法及系统。
技术介绍
户籍相片质量既包括相片本身的全局特性如亮度、对比度、分辨率等，也包括和人脸特征相关的属性，比如人脸图片中人脸的姿态、非对称光照等。低质量的图片可能是引起人口信息系统对外提供人像信息的鉴定，也直接导致了很多系统无法在实际中使用。户籍相片的质量检测，通常情况下，根据图像的大小、尺寸、色彩位数等图像的基本属性信息进行判断相片的质量是否合格。我国户籍相片质量标准依据GA-461二代身份证标准，并参照ISO/IEC19794-5等技术规范。在人脸识别系统中，待识别图像的质量严重影响系统匹配的精度。目前，对于户籍相片质量的检测方式采用通过相片的大小、尺寸、色彩、分辨率等基础信息，综合二代证的标准信息来加权判定该照片是否合格。具体的，中国专利CN201710076464.4“一种人脸图像质量评估系统及方法”能够对人脸相关分类属性进行分类，但其使用传统的Boosting算法识别性能较差，不能有效地对户籍相片中年龄、性别等属性信息进行分类。因此，现在亟需一种新的户籍相片质量的检测方法来解决现有技术中存在的问题。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的一种户籍相片质量的检测方法及系统。第一方面本专利技术实施例提供一种户籍相片质量的检测方法，包括：确定待检测的户籍相片中的人脸图像；基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。第二方面本专利技术实施例提供了一种户籍相片质量的检测系统，包括：人脸图像识别模块，用于确定待检测的户籍相片中的人脸图像；质量检测模块，用于基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。第三方面本专利技术实施例提供了一种电子设备，包括：处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述户籍相片质量的检测方法。第四方面本专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述的户籍相片质量的检测方法。本专利技术实施例提供的一种户籍相片质量的检测方法及系统，通过对黑白照片的检测、姿态评估及非人脸照片的检测，能够客观的检测现存户籍相片质量的基本信息，为相片质量的治理提供依据。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种户籍相片质量的检测方法流程示意图；图2是年龄数据样本中各年龄段的分布直方图；图3是本专利技术实施例提供的一种户籍相片质量的检测系统结构示意图；图4是本专利技术实施例提供的电子设备的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前，现有技术中对于户籍相片质量的检测，更多的停留在浅层次的检测，只能通过相片的大小、尺寸、色彩、分辨率等基础信息，综合二代证的标准信息来加权判定该照片是否合格。但是这种层级较低的评价对户籍相片质量的检测并不准确。针对上述问题，图1是本专利技术实施例提供的一种户籍相片质量的检测方法流程示意图，如图1所示，包括：101、确定待检测的户籍相片中的人脸图像；102、基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。需要说明的是，本专利技术实施例提供的方法目的是通过处理户籍管理人口信息相片质量，为社会身份核查提供便民服务。实质上是一种对户籍相片的基本属性信息及姿态、色彩、人像评估算法进行综合分析，结构化户籍相片属性信息的质量检测方法。具体的，在步骤101中，可以理解的是，待检测的户籍相片即本专利技术实施例的检测对象，可以是任意一张或多张相片，在户籍相片中都包含人脸图像，那么在本专利技术实施例中会对户籍相片进行人脸检测操作，识别其中的人脸图像。人脸检测操作主要包括人脸检测、眼睛定位，计算检测出人脸大小，从而能够有效对户籍相片进行解析，获取图像的基本属性信息。需要说明的是，在人脸检测过程中，本专利技术实施例会进行人脸遮挡识别、非人脸照片检测，从而确定人脸特征点定位并对人脸图像归一化方便后续的质量评估。在步骤102中，本专利技术实施例利用了训练后的深度神经网络对人脸图像的质量进行检测评分。具体的，该深度神经网络会计算得到图像清晰度、图像锐度、图像均匀性、图像明暗程度、过曝光比例、欠曝光比例、人脸左右对称性、图像对比度、眼睛开闭、眼镜配戴情况、人脸姿态角度、人脸俯仰角度、人脸图像质量类型等质量影响因素，利用这些分值，计算出人脸综合质量分值，人脸综合质量分值的取值范围为[0,1]，该值越高，表示人脸图像质量越好。可以理解的是，深度神经网络在图像检测、分割、分类等任务上表现优越，但是随着性能的提升，计算量也越来越大，为了能使人脸属性的模型能够应用在移动设备上和嵌入式等计算能力有限的设备上使用，本专利技术实施例采用了MobileNet做为基本的网络结构。MobileNet使用DepthwiseConvolution和PointwiseConvolution取代原来的DeepwiseConvolution，从而能够减少乘积的运算次数，同时能够达到几乎等同的卷积效果。本专利技术实施例提供的一种户籍相片质量的检测方法及系统，通过对黑白照片的检测、姿态评估及非人脸照片的检测，能够客观的检测现存户籍相片质量的基本信息，为相片质量的治理提供依据。在上述实施例的基础上，在所述基于训练后的深度神经网络，计算所述人脸图像的综合质量分值之前，所述方法还包括：基于ordinalregression损失函数，对年龄参数进行训练，并基于softmax损失函数对其他参数进行训练，所述参数为所述深度神经网络中预设的关于所述人脸图像的多种属性。由上述实施例的内容可知，本专利技术实施例需要训练一个深度神经网络完成图像质量检测，那么在该神经网络的训练过程，本专利技术实施例采用了两种损失函数进行训练，且两种神经网络分别针对不同的参数。其中一种是ordinalregression损失函数，其主要针对于训练年龄参数，另外一种是softmax损失函数，是用于训练其他参数。可以理解的是，参数是本专利技术实施例根据人脸图像的特征属性所标明的多个参数，包括：性别、表情、种族、眼镜等多种。具体的，对于年龄的标签来说，它是一种有顺序的标签，比如，年龄1<2<3<...<100。那么在年龄预测中，本专利技术实施例使用了有序回归来进行预测。具体描述为：假设年龄预测为100个类别(1到10本文档来自技高网...

【技术保护点】
1.一种户籍相片质量的检测方法，其特征在于，包括：确定待检测的户籍相片中的人脸图像；基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。

【技术特征摘要】
1.一种户籍相片质量的检测方法，其特征在于，包括：确定待检测的户籍相片中的人脸图像；基于训练后的深度神经网络，计算所述人脸图像的综合质量分值，以确定所述待检测的户籍相片质量。2.根据权利要求1所述的方法，其特征在于，在所述基于训练后的深度神经网络，计算所述人脸图像的综合质量分值之前，所述方法还包括：基于ordinalregression损失函数，对年龄参数进行训练，并基于softmax损失函数对其他参数进行训练，所述参数为所述深度神经网络中预设的关于所述人脸图像的多种属性。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在训练过程中，若训练样本在各个区间段内数量不平衡，则通过重采样法或采样法，使得所述训练样本在各个区间段内数量平衡。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：在训练过程中，基于caffe训练框架，以共享网络参数的形式进行训练。5.根据权利要求4所述的方法，其...

【专利技术属性】
技术研发人员：刘威，范英，张照星，康凯，施一琳，徐飞，陈洁，徐骁，刘晓春，王贤良，杨春宇，许广文，高乾坤，宰旭昕，杨杰，苏鹏，徐平，
申请(专利权)人：公安部户政管理研究中心，北京海鑫科金高科技股份有限公司，
类型：发明
国别省市：北京,11