人脸图像质量的评价方法及装置制造方法及图纸

本发明专利技术公开了一种人脸图像质量的评价方法及装置，属于图像处理和生物识别领域。所述人脸图像质量的评价方法包括获取待评价的人脸图像；对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；根据所述第二质量分值评价所述待评价的人脸图像的质量。本发明专利技术既符合人们对图像的评价方式，又能保证评价结果更加准确、可靠。

Evaluation method and device of face image quality

The invention discloses a face image quality evaluation method and device, belonging to the field of image processing and biometrics. The evaluation method of the face image quality includes obtaining the face image to be evaluated; normalizing the face image to be evaluated to obtain the first face image; evaluating the first face image using the blind / unreferenced image spatial quality evaluation algorithm to obtain the first quality score representing the quality of the face image to be evaluated; according to the luminance value and The first quality score is modified by the fuzzy value to obtain the second quality score representing the quality of the face image to be evaluated, wherein the fuzzy value is one or more of the gray-scale fuzzy value in the spatial domain, the fuzzy value in the frequency domain and the fuzzy value in the texture of the spatial domain; the quality of the face image to be evaluated is evaluated according to the second quality score. The invention not only conforms to the evaluation method of the image, but also ensures that the evaluation result is more accurate and reliable.

【技术实现步骤摘要】
人脸图像质量的评价方法及装置
本专利技术涉及图像处理和生物识别
，特别是指一种人脸图像质量的评价方法及装置。
技术介绍
随着智能手机、数码相机等数字图像设备的普及以及互联网服务的快速发展，图像已成为一种重要的传播媒介，人们每天都要接触大量的图像，如果图像的质量有了模糊、噪声、压缩失真等问题，会严重影响人们的视觉感官。而在生物识别系统中，有研究指出：大部分的匹配错误都是由低质量的输入图像导致的，而高质量的图像会提高识别的精度。特别的，在人脸识别系统中，如果通过前端摄像头拍摄的人脸图像质量差，在后端进行识别时会导致过多的识别失败，导致体验不好，所以必须保证采集的人脸图像有较好的质量。由此可见，人脸图像质量的评价对人脸识别系统是不可或缺的部分。现有技术中大多数根据人脸图像的亮度、姿态、锐度和对比度数值进行评价人脸图像的质量，如专利局于2017年6月6日公布的申请号为201611237293.0，名称为一种人脸图像质量评估方法和装置的专利技术专利中，其对获取到的人脸图像根据时域信息和频域信息进行多次评估，并根据人脸图像傅里叶变换后的加权系数得到一个质量分值，以及根据姿态和对比度进行修正得到最终的质量分值。期刊《小型微型计算机系统》于2009年1月第1期公开了名称为人脸图像质量评估标准的文章，其通过计算人脸图像的亮度、光照对称性、姿态对称性、锐度和对比度等数值，最后根据系数加权得到一个质量分值。但是这两种方案均存在同样的问题：最终得到的质量分值有可能不符合人们对人脸图像的直观评价，并且难以精确地刻画图像的清晰程度。
技术实现思路
本专利技术要解决的技术问题是提供一种既符合人们对图像的评价方式，又能保证评价结果更加准确、可靠的人脸图像质量的评价方法及装置。为解决上述技术问题，本专利技术提供技术方案如下：一方面，本专利技术提供了一种人脸图像质量的评价方法，包括：获取待评价的人脸图像；对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；根据所述第二质量分值评价所述待评价的人脸图像的质量。根据本专利技术一实施例，所述根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值的修正公式为：其中，Q1为第一质量分值，Q2为第二质量分值，q1、q2、q3为经验值常数，p1、p2、p3为亮度数值的临界点，d1、d2、d3为空间域灰度模糊数值的临界点，f1、f2、f3为频率域模糊数值的临界点，b1、b2、b3为空间域纹理模糊数值的临界点，bright_p90为所述亮度数值，blur_svd为所述空间域灰度模糊数值，blur_fft_cdf为所述频率域模糊数值，blur_lbp为所述空间域纹理模糊数值。根据本专利技术另一实施例，所述利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值的步骤进一步为：提取所述第一人脸图像的盲/无参考图象空域质量评价特征；将所述第一人脸图像的盲/无参考图象空域质量评价特征输入SVR回归算法模型计算得到表征所述待评价的人脸图像的质量的第一质量分值；其中，所述SVR回归算法模型为利用LIVE图像质量评价数据库中的图像和多张已标注质量分值的人脸图像进行回归训练得到的。根据本专利技术另一实施例，所述提取所述第一人脸图像的盲/无参考图象空域质量评价特征的步骤包括：计算所述第一人脸图像的均值减损对比归一化系数(MSCN)；根据所述第一人脸图像的均值减损对比归一化系数计算得到第二人脸图像；对所述第二人脸图像进行下采样，生成第三人脸图像；分别利用所述第二人脸图像和第三人脸图像的灰度值拟合对称的广义高斯模型的参数(α，σ2)和非对称的广义高斯模型的参数得到一个36维的特征，即所述第一人脸图像的盲/无参考图象空域质量评价特征。根据本专利技术另一实施例，所述亮度数值为所述第一人脸图像的灰度值的第90个百分位数。根据本专利技术另一实施例，所述空间域灰度模糊数值采用以下方式得到：对所述第一人脸图像进行奇异值分解，得到：I＝USVT其中，I为所述第一人脸图像，U和V为正交矩阵，VT为V的共轭转置，S为对角矩阵，S对角线上的数值λi为与所述第一人脸图像相应的奇异值；取所述第一人脸图像的前m个最大的奇异值λiI，拟合曲线y＝x-q其中，x＝1，2，…，m，y＝λi；计算得到q值，即所述空间域灰度模糊数值。根据本专利技术另一实施例，所述频率域模糊数值采用以下方式得到：对所述第一人脸图像进行傅里叶变换后求幅值，并做中心化处理，得到频谱图像M，计算所述频谱图像M的每个圆环的累加幅值和si以及所述频谱图像M的每个圆环内的累加幅值ci：其中，所述第一人脸图像的大小为n×n，i＝1，2，…，n；对所述ci进行归一化处理，得到实际值Pi：对所述实际值Pi进行直线拟合得到拟合值Li，根据所述实际值Pi和拟合值Li的差值di计算得出所述频率域模糊数值blur_fft_cdf，即根据本专利技术另一实施例，所述空间域纹理模糊数值采用以下方式得到：将所述第一人脸图像输入到SVM分类器中，计算得到所述空间域纹理模糊数值；其中，所述SVM分类器通过提取训练人脸图像库中图像的LBP特征进行训练得到。另一方面，本专利技术还提供了一种人脸图像质量的评价装置，包括：获取模块，用于获取待评价的人脸图像；归一化处理模块，用于对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；第一质量分值计算模块，用于利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；第二质量分值计算模块，用于根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；评价模块，用于根据所述第二质量分值评价所述待评价的人脸图像的质量。根据本专利技术的一实施例，所述第一质量分值计算模块包括：特征提取单元，用于提取所述第一人脸图像的盲/无参考图象空域质量评价特征；SVR回归算法模型单元，用于将所述第一人脸图像的盲/无参考图象空域质量评价特征输入SVR回归算法模型计算得到表征所述待评价的人脸图像的质量的第一质量分值；其中，所述SVR回归算法模型单元为利用LIVE图像质量评价数据库中的图像和多张已标本文档来自技高网...

【技术保护点】
1.一种人脸图像质量的评价方法，其特征在于，包括：/n获取待评价的人脸图像；/n对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；/n利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；/n根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；/n根据所述第二质量分值评价所述待评价的人脸图像的质量。/n

【技术特征摘要】
1.一种人脸图像质量的评价方法，其特征在于，包括：
获取待评价的人脸图像；
对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；
利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；
根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；
根据所述第二质量分值评价所述待评价的人脸图像的质量。


2.根据权利要求1所述的人脸图像质量的评价方法，其特征在于，所述根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值的修正公式为：



其中，Q1为第一质量分值，Q2为第二质量分值，q1、q2、q3为经验值常数，p1、p2、p3为亮度数值的临界点，d1、d2、d3为空间域灰度模糊数值的临界点，f1、f2、f3为频率域模糊数值的临界点，b1、b2、b3为空间域纹理模糊数值的临界点，bright_p90为所述亮度数值，blur_svd为所述空间域灰度模糊数值，blur_fft_cdf为所述频率域模糊数值，blur_lbp为所述空间域纹理模糊数值。


3.根据权利要求2所述的人脸图像质量的评价方法，其特征在于，所述利用盲/无参考图象空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值的步骤进一步为：
提取所述第一人脸图像的盲/无参考图象空域质量评价特征；
将所述第一人脸图像的盲/无参考图象空域质量评价特征输入SVR回归算法模型计算得到表征所述待评价的人脸图像的质量的第一质量分值；
其中，所述SVR回归算法模型为利用LIVE图像质量评价数据库中的图像和多张已标注质量分值的人脸图像进行回归训练得到的。


4.根据权利要求3所述的人脸图像质量的评价方法，其特征在于，所述提取所述第一人脸图像的盲/无参考图象空域质量评价特征的步骤包括：
计算所述第一人脸图像的均值减损对比归一化系数(MSCN)；
根据所述第一人脸图像的均值减损对比归一化系数计算得到第二人脸图像；
对所述第二人脸图像进行下采样，生成第三人脸图像；
分别利用所述第二人脸图像和第三人脸图像的灰度值拟合对称的广义高斯模型的参数(α，σ2)和非对称的广义高斯模型的参数得到一个36维的特征，即所述第一人脸图像的盲/无参考图象空域质量评价特征。


5.根据权利要求1至4中任一所述的人脸图像质量的评价方法，其特征在于，所述亮度数值为所述第一人脸图像的灰度值的第90个百分位数。


6.根据权利要求1至4中任一所述的人脸图像质量的评价方法，其特...

【专利技术属性】
技术研发人员：刘守宪，孔勇，
申请(专利权)人：北京眼神科技有限公司，
类型：发明
国别省市：北京;11