人脸图像质量评分方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种人脸图像质量评分方法、装置、计算机设备及存储介质。本发明专利技术中获取待评分的人脸图像；基于多个评价维度分别对人脸图像进行评价，以获取多个评价分值；将多个评价分值输入预先训练获得的图像质量评分决策树模型，以得到人脸图像质量的综合评分。本发明专利技术的人脸图像质量评分方法基于多个评价维度对人脸图像质量进行综合评分，人脸图像质量的评价结果更为准确。

Face image quality scoring method, device, computer equipment and storage medium

【技术实现步骤摘要】
人脸图像质量评分方法、装置、计算机设备及存储介质
本专利技术涉及人脸识别领域，特别是涉及一种人脸图像质量评分方法、装置、计算机设备及存储介质。
技术介绍
对于人脸识别技术，需要将摄像装置采集的人脸特征与数据库中存储的人脸特征模板进行比对，人脸特征模板是根据预先采集的用户人脸图像进行特征提取得到的，人脸图像的质量直接影响人脸特征模板的准确率，进而影响人脸识别准确率。现有技术对人脸图像的质量进行评测打分，当分数大于一定数值时，基于该人脸图像进行特征提取并将提取的人脸特征作为人脸特征模板。现有技术对人脸图像的质量进行评测打分时，通常基于单一的指标对人脸图像质量进行评分，如基于明亮度、清晰度或对比度等其中一指标对人脸图像质量进行评分，该种基于单一指标进行人脸图像质量评分的方法仅能对人脸图像的单一指标进行评价，无法对人脸图像做出综合评价。
技术实现思路
本专利技术主要提供一种人脸图像质量评测方法，能够克服现有的基于单一指标的人脸质量评分方法仅能对人脸图像的单一指标进行评价而无法对人脸图像做出综合评价的问题。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种人脸图像质量评分方法，所述人脸图像质量评分方法应用于服务器，所述人脸图像质量评分方法包括：获取待评分的人脸图像；基于多个评价维度分别对所述人脸图像进行评价，以获取多个评价分值；将多个所述评价分值输入预先训练获得的图像质量评分决策树模型，以得到所述人脸图像质量的综合评分。优选地，所述多个评价维度包括：人脸区域占所述人脸图像的比例、明亮度、清晰度、对比度、人脸姿态、人脸夸张表情及人脸遮挡。优选地，所述图像质量评分决策树模型通过以下步骤训练获得：获取多张样本人脸图像以组成训练集，并对多张所述样本人脸图像分别标注综合质量评分；根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集，每个所述训练子集中的样本人脸图像的综合质量评分的分值个数与所述训练集中多张样本人脸图像的综合质量评分的分值个数相同；其中，N为大于或等于1的整数；基于N个所述训练子集训练获得所述图像质量评分决策树模型。优选地，对多张所述样本人脸图像分别标注综合质量评分的步骤具体包括：针对每张所述样本人脸图像，基于多个评价维度分别对所述样本人脸图像进行评价，以获取多个维度评分；根据每张所述样本人脸图像的多个维度评分，标注每张所述样本人脸图像的综合质量评分。优选地，所述根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集的步骤具体包括：根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为多个分值组，每个分值组中的多张样本人脸图像的综合质量评分相同；从每个所述分值组中抽取一张或多张样本人脸图像以组成一训练子集，将多张所述样本人脸图像抽取分为N个训练子集。优选地，所述基于N个所述训练子集训练获得所述图像质量评分决策树模型的步骤具体包括：基于第一训练子集训练获得第一决策树模型；根据第二训练子集对所述第一决策树模型进行矫正以得到第二决策树模型；根据第i训练子集对第i-1决策树模型进行矫正以得到第i决策树模型；其中3≤i≤N，i为整数；根据第N训练子集对第N-1决策树模型进行矫正以得到第N决策树模型，所述第N决策树模型为所述图像质量评分决策树模型。优选地，所述根据第二训练子集对所述第一决策树模型进行矫正以得到第二决策树模型的步骤具体包括：根据所述第一决策树模型分别获取所述第二训练子集中的多张样本人脸图像的图像质量预测分值；依次判断多张所述样本人脸图像的预测分值与其所标注的综合质量评分的分值是否相同；若否，则根据所述样本人脸图像的预测分值对其所标注的综合质量评分进行矫正，将矫正后的多张样本人脸图像加入所述第一训练子集以得到更新的第一训练子集；对所述更新的第一训练子集训练以获得所述第二决策树模型。为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种人脸图像质量评分装置，所述人脸图像质量评分装置包括：人脸图像获取模块，用于获取待评分的人脸图像；多维评价模块，用于基于多个评价维度分别对所述人脸图像进行评价，以获取多个评价分值；综合评分模块，用于将多个所述评价分值输入预先训练获得的图像质量评分决策树模型，以得到所述人脸图像质量的综合评分。为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种计算机设备，所述计算机设备包括处理器以及存储器，所述处理器耦合所述存储器，所述处理器在工作时执行指令以实现上述的人脸图像质量评分方法。为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述的人脸图像质量评分方法。本专利技术的有益效果是：区别于现有技术的情况，本专利技术中获取待评分的人脸图像；基于多个评价维度分别对人脸图像进行评价，以获取多个评价分值；将多个评价分值输入预先训练获得的图像质量评分决策树模型，以得到人脸图像质量的综合评分。本专利技术的人脸图像质量评分方法基于多个评价维度对人脸图像质量进行综合评分，人脸图像质量的评价结果更为准确。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图，其中：图1是本专利技术一实施例提供的人脸图像质量评分方法的流程图；图2是本专利技术另一实施例提供的图像质量评分决策树模型的训练流程图；图3是本专利技术另一实施例提供的第二决策树模型的训练流程图；图4是本专利技术另一实施例提供的人脸图像质量评分装置的结构示意图；图5是本专利技术另一实施例提供的计算机设备的结构示意图；图6是本专利技术另一实施例提供的存储介质的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。实施例一图1为本专利技术一实施例提供的人脸图像质量评分方法的流程图，人脸图像质量评分方法应用于服务器，人脸图像质量评分方法包括步骤S100、步骤S200及步骤S300。步骤S100：获取待评分的人脸图像。步骤S200：基于多个评价维度分别对人脸图像进行评价，以获取多个评价分值。具体的，可通过人脸检测器从人脸图像中检测出人脸框和人脸关键点，进而基于人脸图像、人脸框及人脸关键点从多个评价维度分别对人脸图像进行评价。多个评价维度包括：人脸区域占本文档来自技高网...

【技术保护点】
1.人脸图像质量评分方法，所述人脸图像质量评分方法应用于服务器，其特征在于，所述人脸图像质量评分方法包括：/n获取待评分的人脸图像；/n基于多个评价维度分别对所述人脸图像进行评价，以获取多个评价分值；/n将多个所述评价分值输入预先训练获得的图像质量评分决策树模型，以得到所述人脸图像质量的综合评分。/n

【技术特征摘要】
1.人脸图像质量评分方法，所述人脸图像质量评分方法应用于服务器，其特征在于，所述人脸图像质量评分方法包括：
获取待评分的人脸图像；
基于多个评价维度分别对所述人脸图像进行评价，以获取多个评价分值；
将多个所述评价分值输入预先训练获得的图像质量评分决策树模型，以得到所述人脸图像质量的综合评分。


2.根据权利要求1所述的人脸图像质量评分方法，其特征在于，所述多个评价维度包括：人脸区域占所述人脸图像的比例、明亮度、清晰度、对比度、人脸姿态、人脸夸张表情及人脸遮挡。


3.根据权利要求2所述的人脸图像质量评分方法，其特征在于，所述图像质量评分决策树模型通过以下步骤训练获得：
获取多张样本人脸图像以组成训练集，并对多张所述样本人脸图像分别标注综合质量评分；
根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集，每个所述训练子集中的样本人脸图像的综合质量评分的分值个数与所述训练集中多张样本人脸图像的综合质量评分的分值个数相同；其中，N为大于或等于1的整数；
基于N个所述训练子集训练获得所述图像质量评分决策树模型。


4.根据权利要求3所述的人脸图像质量评分方法，其特征在于，对多张所述样本人脸图像分别标注综合质量评分的步骤具体包括：
针对每张所述样本人脸图像，基于多个评价维度分别对所述样本人脸图像进行评价，以获取多个维度评分；
根据每张所述样本人脸图像的多个维度评分，标注每张所述样本人脸图像的综合质量评分。


5.根据权利要求4所述的人脸图像质量评分方法，其特征在于，所述根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集的步骤具体包括：
根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为多个分值组，每个分值组中的多张样本人脸图像的综合质量评分相同；
从每个所述分值组中抽取一张或多张样本人脸图像以组成一训练子集，将多张所述样本人脸图像抽取分为N个...

【专利技术属性】
技术研发人员：钟官世，
申请(专利权)人：恒大智慧科技有限公司，
类型：发明
国别省市：广东;44