人脸照片质量评估方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种人脸照片质量评估方法、系统、设备及存储介质，其中，所述方法包括：评估人脸图像的图像质量，获得多个初步评估系数；根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；对所述人脸图像进行特征提取，获得特征评估值，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。解决了在各种实际复杂环境下引起的人脸图像质量变差而使人脸识别系统对该人脸图像无法识别或识别错误的问题，使人脸识别的识别率得到极大的提高。

【技术实现步骤摘要】
人脸照片质量评估方法、系统、设备及存储介质
本专利技术涉及人脸识别
，尤其涉及一种人脸照片质量评估方法、系统、设备及存储介质。
技术介绍
人脸识别(FacialRecognition)是利用分析比较人脸的面部特征信息进行身份识别的计算机技术。人脸识别由于其非接触式、基本无须配合、操作隐蔽性强等优势，其具有很高的实用价值，被认为是一种可广泛使用的生物特征识别技术。人脸识别是生物特征识别技术中的重要研究领域，它涵盖了图像处理、神经网络、心理学、生理学、人工智能、模式识别、计算机视觉以及人工智能等各方面的知识内容，对推动各个学科领域的发展无论在理论上还是在实践中都有具有重要的意义。人脸识别技术可广泛应用于公安，金融，交通，新零售，身份识别，电子商务，安防监控等专业领域。人脸识别的方法步骤主要包括：图像采集及检测、图像预处理、图像特征提取、匹配与识别。图像特征提取可分为全局特征与局部特征两类：全局特征方法反映的是人脸的整体属性，主流的全局特征方法包括主成分分析法(PCA)，线性判别分析法(LDA)及独立分量分析法(ICA)等；局部特征方法侧重于提取人脸的细节特征，基于局部特征的识别方法包括局部特征表示(LFA)、局部二值模式(LBP)及局部方向模式(LDP)等。在一般的人脸识别系统中，训练和识别两个阶段都需要采集人脸图像，而人脸图像质量的好坏将直接影响到人脸识别系统的性能，模糊的人脸图像将导致识别错误率的上升。而在现实环境中采集到的人脸图像的质量往往变化很大，可能会出现运动模糊、离焦模糊等情况，因此，为了保证人脸识别的准确性，在进入训练阶段和识别阶段之前，都有必要对得到的人脸图像进行质量评估，选择达到一定质量要求的图像，再进行后续的处理过程。由此可见，人脸图像的质量评估对人脸识别系统来说是不可或缺的。加入对人脸照片质量评估后的人脸识别系统可以有效改善由于输入图像质量过低引起的错误，节省系统匹配时间。现有技术中，现有的人脸图片质量评估方法可分为主观评估方法和客观评估方法。主观评估方法通常被认为是最合理的图像评估方法，因为绝大多数图像输出的终端是人眼，所以人自己直接对图像质量的评估也即主观评估显然是最具合理性的。然而，主观评估方法需要组织观察者对图像质量进行观测，评估结果往往会因人而异，无法得到客观的定量描述；由于需要人的参与，必然费时费力；而且很难与原有系统进行无缝衔接。并且，自动人脸识别过程中没有人工干预，所以无法采用图像质量主管评估方法。人脸图像的质量评估与传统的图像质量评估有很大的不同：传统的图像质量评估往往是根据一定的数学模型计算压缩、传输、增强或其他处理变换后的图像与其原始图像质量上的差别，而不是直接对获取的原始图像进行评估，所以在评估时通常有“标准图像”可供参照；人脸图像的采集和识别过程中，并没有所谓的“标准图像”可供参考。因此，在图像质量客观评估方法中，无论是具有计算简单优点而被广泛使用的均方差(MSE)和峰值信噪比(PSNR)方法，还是更符合人眼视觉系统(HVS)特性的结构相似度(SSIM)方法和基于自然场景统计(NSS)的视觉信息逼真度(VIF)方法，由于必须得通过对变换后的图像与标准图像进行比较来做出质量评估，故都不适合被应用于人脸图像质量评估中。
技术实现思路
针对现有技术的不足，本专利技术提供了一种人脸照片质量评估方法、系统、设备及存储介质，解决了现有技术中存在的运动模糊、离焦模糊等情况、大角度或不同角度的人脸、低光或背光环境、一定程度遮挡、人脸模糊等各种实际复杂环境下引起的人脸图像质量变差而使人脸识别系统对该人脸图像无法识别或识别错误的问题。第一方面，本专利技术提供了一种人脸照片质量评估方法，上述方法包括：评估人脸图像的图像质量，获得多个初步评估系数；根据各个上述初步评估系数所占权重，加权各个相应的上述初步评估系数，获得上述人脸图像的加权评估值；对上述人脸图像进行特征提取，获得特征评估值，并根据上述特征评估值对上述人脸图像的图像质量进行最终质量评估。优选地，上述评估系数包括对比度评估系数、明亮度评估系数、清晰度评估系数；相应地，上述评估人脸图像的图像质量，获得多个初步评估系数，上述方法包括：对上述人脸图像分别从对比度、明亮度及清晰度进行质量评估，获得相应的上述对比度评估系数、上述明亮度评估系数及上述清晰度评估系数。优选地，上述对比度评估系数的获取方法包括：计算上述人脸图像的归一化直方图离散系数：其中，M是像素矩阵的水平点数，N是像素矩阵的垂直点数，rk是第k级的灰度值，nk是灰度值为rk的像素个数；求出上述归一化直方图离散系数平均值：求出上述归一化直方图离散系数方差：最后，算出上述对比度评估系数λ1：λ1＝1-δ。优选地，所明亮度评估系数的获取方法包括：对所输入的n个图像序列分别进行数学求平均，获得各自灰度平均值用表示，其中，n个图像序列用Ii(i＝1,2…n)表示；求取整幅上述人脸图像的灰度平均值：最后，算出上述明亮度评估系数λ2：优选地，上述清晰度评估系数的获取方法包括：采用sobel算子对所输入的n个图像序列Ii(i＝1,2…n)的任意一个分别求出0度，45度，90度，135度方向的边缘图像Iij；对上述n个图像序列Ii(i＝1,2…n)的任意一个求取成边缘强度：求取整幅上述人脸图像的平均边缘图像分别求和Ei的平均值和mi，并算出上述清晰度评估系数λ3：优选地，上述人脸图像的加权评估值的表达式为w1*λ1+w2*λ2+w3*λ3，其中，对比度评估系数权重w1、明亮度评估系数权重w2、清晰度评估系数权重w3均为满足w1+w2+w3＝100的正数。优选地，上述对上述人脸图像进行特征提取，获得特征评估值，上述方法包括：采用深度学习神经网络方法对上述人脸图像进行特征提取获得特征向量，并对上述特征向量进行平方求和运算，获得的运算结果作为上述特征评估值。优选地，上述根据上述特征评估值对上述人脸图像的图像质量进行最终质量评估，上述方法包括：若上述特征评估值大于预设阈值，则判定该人脸图像的质量较好；若上述特征评估值小于预设阈值，则判断该人脸图像的质量不佳。第二方面，本专利技术提供了一种人脸照片质量评估系统，上述系统包括：局部评估模块，用于评估人脸图像的图像质量，获得多个初步评估系数；加权评估模块，用于根据各个上述初步评估系数所占权重，加权各个相应的上述初步评估系数，获得上述人脸图像的加权评估值；特征评估模块，用于对上述人脸图像进行特征提取，获得特征评估值，并根据上述特征评估值对上述人脸图像的图像质量进行最终质量评估。第三方面，本专利技术提供了一种人脸照片质量评估设备，上述设备包括：通信总线，用于实现处理器与存储器间的连接通信；存储器，用于存储计算机程序；处理器，用于执行上述计算机程序以实现如下步骤：评估人脸图像的图本文档来自技高网...

【技术保护点】
1.一种人脸照片质量评估方法，其特征在于，所述方法包括：/n评估人脸图像的图像质量，获得多个初步评估系数；/n根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；/n对所述人脸图像进行特征提取，获得特征评估值，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。/n

【技术特征摘要】
1.一种人脸照片质量评估方法，其特征在于，所述方法包括：
评估人脸图像的图像质量，获得多个初步评估系数；
根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；
对所述人脸图像进行特征提取，获得特征评估值，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。


2.根据权利要求1所述的方法，其特征在于，所述评估系数包括对比度评估系数、明亮度评估系数、清晰度评估系数；
相应地，所述评估人脸图像的图像质量，获得多个初步评估系数，所述方法包括：
对所述人脸图像分别从对比度、明亮度及清晰度进行质量评估，获得相应的所述对比度评估系数、所述明亮度评估系数及所述清晰度评估系数。


3.根据权利要求2所述的方法，其特征在于，所述对比度评估系数的获取方法包括：
计算所述人脸图像的归一化直方图离散系数：其中，M是像素矩阵的水平点数，N是像素矩阵的垂直点数，rk是第k级的灰度值，nk是灰度值为rk的像素个数；
求出所述归一化直方图离散系数平均值：
求出所述归一化直方图离散系数方差：
最后，算出所述对比度评估系数λ1：λ1＝1-δ。


4.根据权利要求2所述的方法，其特征在于，所明亮度评估系数的获取方法包括：
对所输入的n个图像序列分别进行数学求平均，获得各自灰度平均值用表示，其中，n个图像序列用Ii(i＝1,2…n)表示；
求取整幅所述人脸图像的灰度平均值：
最后，算出所述明亮度评估系数λ2：


5.根据权利要求2所述的方法，其特征在于，所述清晰度评估系数的获取方法包括：
采用sobel算子对所输入的n个图像序列Ii(i＝1,2…n)的任意一个分别求出0度，45度，90度，135度方向的边缘图像Iij；
对所述n个图像序列Ii(i＝1,2…n)的任意一个求取成边缘强度：



求取整幅所述人脸图像的平均边缘图像
分别求和Ei的平均值和mi，并算出所述清晰度评估系数λ3：

<...

【专利技术属性】
技术研发人员：迟振，
申请(专利权)人：苏州纳智天地智能科技有限公司，
类型：发明
国别省市：江苏;32