一种头部照片分析方法、系统和设备技术方案

本发明专利技术提供一种方法、系统和设备，方法包括：提取单张图片；通过MTCNN人脸检测模型对单张图片进行人脸检测，获取人脸框位置；之后从人脸框位置截取获得人脸图片；通过训练好的分析头部遮挡和模糊度的神经网络模型对截取后的人脸图片进行帽子、口罩、近视眼镜、墨镜及模糊度分析，获得照片内帽子、口罩、近视眼镜、墨镜的置信度及照片模糊度的回归值；根据比神经网络模型预测输出的结果与设定的阈值比较，若符合，则所述单张照片为高质量图片；若不符合，则所述单张照片为低质量图片；能有效快速准确的检测各种媒体介质内头部照片的帽子、口罩、近视眼镜、墨镜及模糊度，通过合适的阈值选取判定，将质量差的数据过滤掉，得到高质量的数据。

A method, system and equipment of head photo analysis

【技术实现步骤摘要】
一种头部照片分析方法、系统和设备
本专利技术涉及计算机
，特别涉及一种头部照片分析方法、系统和设备。
技术介绍
目前基于计算机视觉的深度学习算法应用越来越多，常见的有人脸识别、人证(人脸和身份证照片)比对、年龄性别分析、表情分析等等，这些算法在我们日常生活中开始有越来越多的实际应用场景，目前遇到的一个普遍问题是这些算法在公开数据集的高质量图片上测试可以得到非常优异的表现，但是在实际使用的时候由于各种不同型号的摄像头以及各种不同的拍摄场景，真实场景下所获取的图片质量参差不齐，常见的问题如失焦，运动模糊，佩戴帽子口罩眼镜等遮挡问题，在这种情况下拍到的照片如果直接用于进行人脸识别、人证比对以及年龄性别表情分析等算法使用，会导致算法在真实场景下的表现大幅度降低，甚至到不可使用的状态。
技术实现思路
本专利技术要解决的技术问题，在于提供一种头部照片分析方法、系统和设备，能有效快速准确的检测各种媒体介质内头部照片的帽子、口罩、近视眼镜、墨镜及模糊度，通过合适的阈值选取判定，将质量差的数据过滤掉，得到高质量的人脸头部数据用于后续的比对、识别和特征分析等算法，可让人脸识别、人脸比对和属性分析等算法得到更加准确的结果。第一方面，本专利技术提供了一种头部照片分析方法，包括：步骤1、提取单张图片；步骤2、通过MTCNN人脸检测模型对单张图片进行人脸检测，获取人脸框位置；之后从人脸框位置截取获得人脸图片；步骤3、通过训练好的分析头部遮挡和模糊度的神经网络模型对截取后的人脸图片进行帽子、口罩、近视眼镜、墨镜及模糊度分析，获得照片内帽子、口罩、近视眼镜、墨镜的置信度及照片模糊度的回归值；步骤4、根据比神经网络模型预测输出的结果与设定的阈值比较，若符合，则所述单张照片为高质量图片；若不符合，则所述单张照片为低质量图片。进一步地，所述步骤1进一步具体为：获取各种媒体介质内图片或/和视频数据，从中提取单张图片。进一步地，所述步骤2进一步具体为：通过MTCNN神经网络模型对单张图片进行人脸框检测，获取人脸框位置；其中，人脸框位置包括人脸框的左上角顶点的坐标和人脸框右下角顶点的坐标；根据人脸框位置，以人脸框下边中点作为扩增的基准点，分别计算基准点到图片最左边的距离d_l，基准点到图右边的距离d_r，基准点到图上边缘的距离d_u，以及人脸框底边边长l的l.5倍做基础扩增系数，取d_min为d_l、d_r、0.5*d_u、1.5*l中的最小值，则d_min为扩增后的正方形边框边长，以原始人脸框的下边缘中心为扩增后的正方形人脸框的下边缘中心，以d_min为边长，计算扩增后的人脸框位置，并以此截取图片，获得标准化的人脸图片。进一步地，所述步骤3进一步具体为：训练好的分析头部遮挡和模糊度的神经网络模型使用LightCNN作为特征抽取层，使用人脸图片作为输入，经过LightCNN基础网络结构抽取特征后，将抽取的特征输入给全连接层最终输出五个值分别来表示照片中存在帽子、口罩、近视眼镜、墨镜的置信度以及照片模糊度的回归值。第二方面，本专利技术提供了一种头部照片分析系统，包括：提取模块，提取单张图片；截取模块，通过MTCNN人脸检测模型对单张图片进行人脸检测，获取人脸框位置；之后从人脸框位置截取获得人脸图片；计算模块，通过训练好的分析头部遮挡和模糊度的神经网络模型对截取后的人脸图片进行帽子、口罩、近视眼镜、墨镜及模糊度分析，获得照片内帽子、口罩、近视眼镜、墨镜的置信度及照片模糊度的回归值；比较分析模块，根据比神经网络模型预测输出的结果与设定的阈值比较，若符合，则所述单张照片为高质量图片；若不符合，则所述单张照片为低质量图片。进一步地，所述提取模块进一步具体为：获取各种媒体介质内图片或/和视频数据，从中提取单张图片。进一步地，所述截取模块进一步具体为：通过MTCNN神经网络模型对单张图片进行人脸框检测，获取人脸框位置；其中，人脸框位置包括人脸框的左上角顶点的坐标和人脸框右下角顶点的坐标；根据人脸框位置，以人脸框下边中点作为扩增的基准点，分别计算基准点到图片最左边的距离d_l，基准点到图右边的距离d_r，基准点到图上边缘的距离d_u，以及人脸框底边边长l的l.5倍做基础扩增系数，取d_min为d_l、d_r、0.5*d_u、1.5*l中的最小值，则d_min为扩增后的正方形边框边长，以原始人脸框的下边缘中心为扩增后的正方形人脸框的下边缘中心，以d_min为边长，计算扩增后的人脸框位置，并以此截取图片，获得标准化的人脸图片。进一步地，所述计算模块进一步具体为：训练好的分析头部遮挡和模糊度的神经网络模型使用LightCNN作为特征抽取层，使用人脸图片作为输入，经过LightCNN基础网络结构抽取特征后，将抽取的特征输入给全连接层最终输出五个值分别来表示照片中存在帽子、口罩、近视眼镜、墨镜的置信度以及照片模糊度的回归值。第三方面，本专利技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。本专利技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：(1)本专利技术一种头部照片分析方法、系统和设备，能快速准确的确定媒体介质内头部照片的帽子、口罩、近视眼镜、墨镜及模糊度信息，能够显著提高一些对照片质量有要求的算法的效果，高质量的数据意味着品质的保证，在本专利技术的帮助下可以让各个场景进行更好的分析和利用数据；(2)本专利技术一种头部照片分析方法、系统和设备，通过MTCNN模型检测到图片中的人脸框位置；对人脸框采用特定方法扩增后截取图片获得标准化的头部图片，能够提高预测头部照片的帽子、口罩、近视眼镜、墨镜和模糊度的神经网络模型对算力的利用率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。【附图说明】下面参照附图结合实施例对本专利技术作进一步的说明。图1为本专利技术实施例一中方法中的流程图；图2为本专利技术实施例二中系统的结构示意图；图3为本专利技术实施例四中方法流程图。【具体实施方式】本申请实施例中的技术方案，总体思路如下：本专利技术公开了一种能快速准确的对头部照片进行帽子、口罩、近视眼镜、墨镜及模糊度分析的方法，其通过使用基于深度学习的MTCNN人脸检测算法和对头部照片帽子、口罩、近视眼镜、墨镜及模糊度分析算法对媒体介质进行预测，能够满足一些需要判断头部遮挡以及成像质量的需求场景。本专利技术能有效快速准确的各种媒体介质内的头部图片预测出其是否含有帽子、口罩、近视眼镜、墨镜属性及图片的模糊程度，以帮助一些对人脸质量有要求的算法、项目或者场景进行头部照片进行质量分析，进而可以更好的分析和利用数据。本专利技术一种基于头部照片的帽子本文档来自技高网...

【技术保护点】
1.一种头部照片分析方法，其特征在于：包括：/n步骤1、提取单张图片；/n步骤2、通过MTCNN人脸检测模型对单张图片进行人脸检测，获取人脸框位置；之后从人脸框位置截取获得人脸图片；/n步骤3、通过训练好的分析头部遮挡和模糊度的神经网络模型对截取后的人脸图片进行帽子、口罩、近视眼镜、墨镜及模糊度分析，获得照片内帽子、口罩、近视眼镜、墨镜的置信度及照片模糊度的回归值；/n步骤4、根据比神经网络模型预测输出的结果与设定的阈值比较，若符合，则所述单张照片为高质量图片；若不符合，则所述单张照片为低质量图片。/n

【技术特征摘要】
1.一种头部照片分析方法，其特征在于：包括：
步骤1、提取单张图片；
步骤2、通过MTCNN人脸检测模型对单张图片进行人脸检测，获取人脸框位置；之后从人脸框位置截取获得人脸图片；
步骤3、通过训练好的分析头部遮挡和模糊度的神经网络模型对截取后的人脸图片进行帽子、口罩、近视眼镜、墨镜及模糊度分析，获得照片内帽子、口罩、近视眼镜、墨镜的置信度及照片模糊度的回归值；
步骤4、根据比神经网络模型预测输出的结果与设定的阈值比较，若符合，则所述单张照片为高质量图片；若不符合，则所述单张照片为低质量图片。


2.根据权利要求1所述的一种头部照片分析方法，其特征在于：所述步骤1进一步具体为：获取各种媒体介质内图片或/和视频数据，从中提取单张图片。


3.根据权利要求1所述的一种头部照片分析方法，其特征在于：所述步骤2进一步具体为：
通过MTCNN神经网络模型对单张图片进行人脸框检测，获取人脸框位置；其中，人脸框位置包括人脸框的左上角顶点的坐标和人脸框右下角顶点的坐标；
根据人脸框位置，以人脸框下边中点作为扩增的基准点，分别计算基准点到图片最左边的距离d_l，基准点到图右边的距离d_r，基准点到图上边缘的距离d_u，以及人脸框底边边长l的l.5倍做基础扩增系数，取d_min为d_l、d_r、0.5*d_u、1.5*l中的最小值，则d_min为扩增后的正方形边框边长，以原始人脸框的下边缘中心为扩增后的正方形人脸框的下边缘中心，以d_min为边长，计算扩增后的人脸框位置，并以此截取图片，获得标准化的人脸图片。


4.根据权利要求1所述的一种头部照片分析方法，其特征在于：所述步骤3进一步具体为：训练好的分析头部遮挡和模糊度的神经网络模型使用LightCNN作为特征抽取层，使用人脸图片作为输入，经过LightCNN基础网络结构抽取特征后，将抽取的特征输入给全连接层最终输出五个值分别来表示照片中存在帽子、口罩、近视眼镜、墨镜的置信度以及照片模糊度的回归值。


5.一种头部照片分析系统，其特征在于：包括：
提取模块，提取单张图片；
截取...

【专利技术属性】
技术研发人员：张帅，贾宝芝，
申请(专利权)人：厦门瑞为信息技术有限公司，
类型：发明
国别省市：福建;35