人脸图像质量判定方法、装置及计算机设备制造方法及图纸

本申请提供了一种人脸图像质量判定方法、装置及计算机设备，在利用质量判定图像与同一用户的待定人脸图像的特征比对结果，得到各待定人脸图像的初始排序后，将据此从第一数量个待定人脸图像中，筛选出第二数量个人脸图像样本对，融合第三数量个用户对人脸图像样本对的质量标注结果，得到各待定人脸图像更准确的目标质量分。由此可见，本申请针对各种落地场景，结合具有不同喜好的用户对待定人脸图像的质量标注，即考虑到图像采集场景中出现的各种影响图像质量的因素，提高了据此得到的各待定人脸图像的质量分的准确性，进而提高了由此训练得到的人脸图像质量预测模型的输出准确率。

Face Image Quality Judgment Method, Device and Computer Equipment

【技术实现步骤摘要】
人脸图像质量判定方法、装置及计算机设备
本申请涉及图像处理
，具体涉及一种人脸图像质量判定方法、装置及计算机设备。
技术介绍
近年来，人脸识别技术在如安防监控等领域得到了广泛应用，人脸抓拍作为人脸识别的重要环节，所抓拍的人脸图像的质量高低直接影响人脸识别的效率及准确性。在实际应用中，为了获取分辨率较高的人脸图像，通常会利用人脸检出框的大小，对同一场景下的多个人脸进行筛选，但这种方式无法判断人脸是否存在遮挡、光线、运动模糊等问题，降低了所筛选出的人脸图像的质量，进而影响了人脸识别效果。对此，本领域提出基于手工设计的视觉特征，低成本地检测出模糊、过曝过暗的人脸图像，以提高进行人脸识别所使用的人脸图像的质量，但这种方式往往只能适用于环境简单的场景，具有很大局限性。
技术实现思路
有鉴于此，本申请实施例提供一种人脸图像质量判定方法、装置及计算机设备，提高了人脸图像质量判定的准确性。为解决上述技术问题，本申请实施例提供如下技术方案：本申请提供了一种人脸图像质量判定方法，所述方法包括：获取第一数量个待定人脸图像，以及所述第一数量个待定人脸图像对应的质量判定图像，所述质量判定图像是指与对应的待定人脸图像属于同一用户的高质量人脸图像；利用所述待定人脸图像与对应的质量判定图像的特征比对结果，得到所述第一数量个待定人脸图像的初始质量排序；从所述第一数量个待定人脸图像中，筛选第二数量个人脸图像样本对；获取所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果；利用所述第三数量个质量标注结果，更新所述初始质量排序，得到所述第一数量个待定人脸图像各自的目标质量分。本申请还提供了一种人脸图像质量判定装置，所述装置包括：待定人脸图像获取模块，用于获取第一数量个待定人脸图像，以及所述第一数量个待定人脸图像对应的质量判定图像，所述质量判定图像是指与对应的待定人脸图像属于同一用户的高质量人脸图像；特征比对模块，用于利用所述待定人脸图像与对应的质量判定图像的特征比对结果，得到所述第一数量个待定人脸图像的初始质量排序；样本对筛选模块，用于从所述第一数量个待定人脸图像中，筛选第二数量个人脸图像样本对；质量标注结果获取模块，用于获取所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果；更新模块，用于利用所述第三数量个质量标注结果，更新所述初始质量排序，得到所述第一数量个待定人脸图像各自的目标质量分。本申请还提供了一种计算机设备，所述计算机设备包括：通信接口；存储器，用于存储实现如上述的人脸图像质量判定方法的程序；处理器，用于加载并执行所述程序，实现如上述的人脸图像质量判定方法的各个步骤。基于上述技术方案，本申请提供了一种人脸图像质量判定方法、装置及计算机设备，在利用质量判定图像与同一用户的待定人脸图像的特征比对结果，得到各待定人脸图像的初始排序，之后，将据此从第一数量个待定人脸图像中，筛选出第二数量个人脸图像样本对，融合第三数量个用户对人脸图像样本对的质量标注结果，以得到各待定人脸图像更准确的质量分，即利用所述第三数量个质量标注结果，更新所述初始质量排序，进而得到第一数量个待定人脸图像各自的目标质量分。由此可见，本申请针对各种落地场景，结合具有不同喜好的用户对待定人脸图像的质量标注，即考虑到图像采集场景中出现的各种影响图像质量的因素，提高了据此得到的各待定人脸图像的质量分的准确性，进而提高了由此训练得到的人脸图像质量预测模型的输出准确率。附图说明为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的一种计算机设备的硬件结构图；图2为本申请实施例提供的一种计算机设备的应用场景示意图；图3为本申请提供的人脸图像质量判定方法的一种实施例的流程示意图；图4为本申请提供的人脸图像质量判定方法的一种细化实施例的流程示意图；图5为本申请实施例提供的一种人脸图像质量判定方法的应用场景流程示意图；图6为本申请实施例提供的一种人脸图像质量判定装置的结构示意图；图7为本申请实施例提供的另一种人脸图像质量判定装置的结构示意图；图8为本申请实施例提供的另一种人脸图像质量判定装置的结构示意图；图9为本申请实施例提供的又一种人脸图像质量判定装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。需要说明的是，本申请实施例提供的人脸图像质量判定方法可以应用于具有数据处理能力的计算机设备，该计算机设备可能是网络侧设置的服务器，也可能是用户侧设置的PC(个人计算机)等终端设备，本申请对该计算机设备的产品类型不做限定。该计算设备可以通过装载功能与本申请实施例提供的人脸图像质量判定方法相应的程序，实施本申请实施例提供的人脸图像质量判定方法，该程序可以存储于计算设备的存储器中，并由处理器调用实现程序功能。参照图1，示出了本申请实施例提供的一种计算机设备的硬件结构框图，该计算机设备可以包括但并不局限于：通信接口11、存储器12和处理器13，其中：在本申请实施例中，通信接口11，存储器12，处理器13的数量均可以为至少一个，且通信接口11，存储器12，处理器13可以通过通信总线完成相互间的通信。可选的，通信接口11可以为通信模块的接口，如GSM模块的接口，用于实现与其他设备的数据交互，如接收人脸图像，如用于模型训练的待定人脸图像，以及需要进行质量判定的待测人脸图像，还可以用于获取人脸图像质量判定过程中产生的中间数据。处理器13可以是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecificIntegratedCircuit)，或者是被配置成实施本申请实施例提供的面部表情合成方法的一个或多个集成电路。存储器12可以包含高速RAM存储器，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。在本申请中，存储器12可以存储用于实现本申请实施例提供的人脸图像质量判定方法的多个指令构成的程序，由处理器13调用并加载存储器13所存储的程序，从而实现本本申请实施例提供的人脸图像质量判定方法，具体实现过程可以参照下文相应实施例的描述。需要说明的是，图1所示计算机设备的硬件结构仅是可选的，根据使用需要，计算设备还可以设置如显示屏、语音播报器等输出装置、信息输入装置(键盘、鼠标等)、图像采集器等，本申请在此不再一一详述。下面站在计算机设备的角度，对本申请实施例提供的人脸图像质量判定方法进行介绍，下文描述的方法步骤可以由计算机设备执行相应的程序实施。在本申请实际应用中，在各种落地场景中，如图2所示的各种摄像头、终端设备等各种图像采集设备，抓取到人脸图像后，可以通过无线方式将人脸图像发送至计算机设备，由计算机设备按照下文方法实施例描述的人脸图像质量判定方法，得到人脸图像本文档来自技高网...

【技术保护点】
1.一种人脸图像质量判定方法，其特征在于，所述方法包括：获取第一数量个待定人脸图像，以及所述第一数量个待定人脸图像对应的质量判定图像，所述质量判定图像是指与对应的待定人脸图像属于同一用户的高质量人脸图像；利用所述待定人脸图像与对应的质量判定图像的特征比对结果，得到所述第一数量个待定人脸图像的初始质量排序；从所述第一数量个待定人脸图像中，筛选第二数量个人脸图像样本对；获取所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果；利用所述第三数量个质量标注结果，更新所述初始质量排序，得到所述第一数量个待定人脸图像各自的目标质量分。

【技术特征摘要】
1.一种人脸图像质量判定方法，其特征在于，所述方法包括：获取第一数量个待定人脸图像，以及所述第一数量个待定人脸图像对应的质量判定图像，所述质量判定图像是指与对应的待定人脸图像属于同一用户的高质量人脸图像；利用所述待定人脸图像与对应的质量判定图像的特征比对结果，得到所述第一数量个待定人脸图像的初始质量排序；从所述第一数量个待定人脸图像中，筛选第二数量个人脸图像样本对；获取所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果；利用所述第三数量个质量标注结果，更新所述初始质量排序，得到所述第一数量个待定人脸图像各自的目标质量分。2.根据权利要求1所述的方法，其特征在于，所述利用所述第三数量个质量标注结果，更新所述初始质量排序，得到所述第一数量个待定人脸图像各自的目标质量分，包括：利用所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果，得到第二数量行第一数量列的质量评分矩阵；利用预设损失函数对所述质量评分矩阵进行降秩处理，得到第四数量行第一数量列的目标质量评分矩阵，所述第四数量小于所述第三数量；对所述目标质量评分矩阵中每一列样本质量分进行均值归一化处理，得到第一数量个待定人脸图像的目标质量分。3.根据权利要求2所述的方法，其特征在于，所述利用所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果，得到第二数量行第一数量列的质量评分矩阵，包括：利用所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果，按照矩阵填充方式，得到第二数量组第一数量个待定人脸图像各自对应的样本质量分；由所述第二数量组第一数量个待定人脸图像各自对应的样本质量分，组成第二数量行第一数量列的质量评分矩阵。4.根据权利要求2所述的方法，其特征在于，所述利用预设损失函数对所述质量评分矩阵进行降秩处理，得到第四数量行第一数量列的目标质量评分矩阵，包括：获取所述第二数量个人脸图像样本对各自对应的第三数量个质量标注结果表征的第四数量种质量标注偏好；利用预设损失函数对所述质量评分矩阵进行降秩处理，使得所述质量评分矩阵的秩与所述第四数量的差值小于第一阈值，得到第四数量行第一数量列的目标质量评分矩阵。5.根据权利要求1～4任一项所述的方法，其特征在于，所述方法还包括：将具有目标质量分的待定人脸图像作为训练数据，依据深度神经网络对所述训练数据进行模型训练，得到人脸图像质量预测模块；获取待测人脸图像；将...

【专利技术属性】
技术研发人员：陈超，陈星宇，郭子滨，沈鹏程，李安平，李绍欣，李季檩，吴永坚，黄飞跃，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44