人脸图像质量检测方法及装置制造方法及图纸

本申请提供一种人脸图像质量检测方法及装置，涉及图像处理技术领域。该方法包括：获得人脸图像的关键点检测结果；基于所述关键点检测结果获得所述人脸图像的可见性检测结果；基于所述可见性检测结果和所述关键点检测结果获得所述人脸图像的质量分析结果。通过融合人脸图像的关键点和可见性特征对人脸图像的质量进行评估，提高了人脸图像质量评估的准确性。

【技术实现步骤摘要】
人脸图像质量检测方法及装置
本申请涉及图像处理
，具体而言，涉及一种人脸图像质量检测方法及装置。
技术介绍
从图像和视频中用计算机算法对人脸进行自动化分析拥有非常广泛的应用场景。这个过程中涉及对人脸图像的质量进行量化评估，从而进行可控制的筛选，是人脸分析过程必备的步骤之一。所谓的人脸质量涉及图像成像质量，光照条件，各类模糊，姿态角度，外物遮挡，图像部分丢失等因素。没有这个步骤，后续的下游任务例如人脸识别，重建面临的难题大大的增加，尤其在生产环境当中，对实际场景的人脸图像质量控制是必然的需求。但是现有的人脸图像的质量检测方法主要是通过传统视觉算法或者深度学习网络，基于关键点的清晰度、对比度、明亮度等参数将人脸图像转化成一定的特征表示，之后用机器学习模型转化为一个分数值，或者进行分类，缺乏一个良好的可以量化的定义，或者过于笼统，或者过于琐碎，数据标注会存在非常大的噪音，导致现有技术对人脸图像的质量检测结果不准确。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种人脸图像质量检测方法及装置，以改善现有技术中对人脸图像的质量检测结果不准确的问题。本申请实施例提供了一种人脸图像质量检测本文档来自技高网...

【技术保护点】
1.一种人脸图像质量检测方法，其特征在于，所述方法包括：获得人脸图像的关键点检测结果；基于所述关键点检测结果获得所述人脸图像的可见性检测结果；基于所述可见性检测结果和所述关键点检测结果获得所述人脸图像的质量分析结果。

【技术特征摘要】
1.一种人脸图像质量检测方法，其特征在于，所述方法包括：获得人脸图像的关键点检测结果；基于所述关键点检测结果获得所述人脸图像的可见性检测结果；基于所述可见性检测结果和所述关键点检测结果获得所述人脸图像的质量分析结果。2.根据权利要求1所述的人脸图像质量检测方法，其特征在于，所述关键点检测结果包括人脸姿态、人脸尺度和重投影误差中的至少一种，所述获得人脸图像的关键点检测结果，包括：采用深度学习算法确定所述人脸图像中的关键点位置；获得所述关键点位置和所述人脸图像对应的三维人脸模型之间的几何关系参数；基于所述几何关系参数确定所述人脸图像的人脸姿态、人脸尺度和重投影误差中的至少一种。3.根据权利要求2所述的人脸图像质量检测方法，其特征在于，所述获得所述关键点位置和所述人脸图像对应的三维人脸模型之间的几何关系参数，包括：基于三维人脸重建和透视相机模型获得所述人脸图像的三维人脸模型，所述三维人脸模型的齐次坐标为M；基于姿态估计算法计算所述齐次坐标M与所述关键点位置的几何关系参数{R,t}，其中，R为旋转矩阵，t为平移向量，4.根据权利要求3所述的人脸图像质量检测方法，其特征在于，基于所述几何关系参数确定所述人脸图像的人脸姿态，包括：将所述旋转矩阵R转换为欧拉角，将所述欧拉角作为所述人脸图像的人脸姿态；基于所述几何关系参数确定所述人脸图像的人脸尺度，包括：基于所述透视相机模型的内部参数、所述旋转矩阵R和所述平移向量t，采用弱透视近似公式计算所述人脸图像的人脸尺度；所述弱透视近似公式包括：其中，f′为所述人脸尺度，fx、fy为所述内部参数中的焦距，X、Y、Z为所述三维人脸模型的三维坐标值；基于所述几何关系参数确定所述人脸图像的重投影误差，包括：基于所述几何关系参数，采用重投影公式对所述三维人脸模型进行重投影得到所述关键点位置的齐次坐标m；所述重投影公式包括：m＝A[R|t]M；其中，A为所述内部参数，cx、cy表示相机光轴的偏移量；基于所述关键点位置p和所...

【专利技术属性】
技术研发人员：王栋梁，
申请(专利权)人：广州图普网络科技有限公司，
类型：发明
国别省市：广东,44