一种用于人脸图像的正脸程度的分析方法和系统技术方案

本发明专利技术给出了一种用于人脸图像的正脸程度的分析方法和系统，包括获取待分析人脸图像中的人脸边界，并根据人脸边界获取人脸中心点在待分析人脸图像中的坐标信息；利用人脸中心点的坐标信息分别获取待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息；利用坐标信息分别计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度的分值，加权求和获得待分析人脸图像的正脸程度分值F

【技术实现步骤摘要】
一种用于人脸图像的正脸程度的分析方法和系统
本专利技术涉及人脸识别的
，尤其是一种用于人脸图像的正脸程度的分析方法和系统。
技术介绍
人脸识别是计算机视觉领域的热门技术，从视频文件(包括从摄像头直接输出的视频流)中检测、跟踪、提取人脸图像是其中的关键技术之一，而从一个被识别人的多张人脸图像中评价得到一张图像质量最适合于提供给识别系统，也是保证识别系统准确率的关键。如果视频中有出现被识别人的正脸清晰图像，而识别系统被推送的却是该被识别人的侧脸图像，那么识别正确率就会受到较大影响，因此如何对人脸图像质量进行定量评价对于人脸识别系统的结果至关重要。在对人脸图像的质量评价中，正脸程度是其中一个重要的维度，它一般是根据从人脸图像中提取的关键点坐标为依据进行相关计算得到的。但是在实际应用中会发现，当人脸侧脸角度太大(一般倾斜角度大于30度以上)时，人脸的部分关键点将会被遮挡；或者当人脸图像模糊时，关键点特征被弱化，在这两种情况下，关键点检测的准确率常常会降低，甚至出现关键点位置与随机得到的无明显差别，这严重地影响了对人脸正脸程度的评价结果，容易出现实际人脸质量不好的图像在现有评价体系中的分值高于清晰正脸程度高的图像，对人脸识别系统的最终结果造成直接影响。
技术实现思路
为了解决现有技术人脸侧脸角度太大或者当人脸图像模糊时，关键点检测的准确率常常会降低，影响对人脸正脸程度的评价结果，对人脸识别系统的最终结果造成直接影响的评价技术问题，本专利技术提出了一种用于人脸图像的正脸程度的分析方法和系统，将人脸图像关键点的置信度评价纳入到人脸正脸程度评价算法中，用以改进人脸质量评价算法的结果。在一个方面，本专利技术提出了一种用于人脸图像的正脸程度的分析方法，包括以下步骤：S1：获取待分析人脸图像中的人脸边界，并根据人脸边界获取人脸中心点在待分析人脸图像中的坐标信息；S2：利用人脸中心点的坐标信息分别获取待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息；以及S3：利用坐标信息分别计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度的分值，加权求和获得待分析人脸图像的正脸程度分值Ffront。优选的，步骤S2之前还包括利用深度神经网络的训练检测获取待分析人脸图像中眼睛、鼻尖和嘴角的位置。凭借深度神经网络的训练可以快速获取人脸图像中眼睛鼻尖嘴角的位置信息，便于进行坐标位置的提取。优选的，步骤S3中人脸中心点与待分析人脸图像的中心的偏移度的分值计算公式具体为：鼻尖与人脸边界的中心点的偏移度的分值计算公式具体为：其中，(cx、cy)表示人脸中心点坐标，(x2、y2)表示鼻尖的坐标，w表示待分析人脸图像的宽度，h表示待分析人脸图像的高度。优选的，步骤S2中的眼睛的坐标信息具体包括左眼中心点坐标(x0，y0)和右眼中心点坐标(x1，y1)，嘴角的坐标信息具体包括左嘴角顶点坐标(x3，y3)和右嘴角顶点坐标(x4，y4)。利用左右眼中心、左右嘴角顶点的坐标可以进行倾斜度的快速运算。进一步优选的，步骤S3中眼睛的倾斜度的分值计算公式具体为：嘴角的倾斜度的分值计算公式具体为：进一步优选的，脸部左右对称度的分值具体包括分别利用眼睛、嘴角相对于鼻尖的位置计算的第一左右对称度分值和第二左右对称度分值。凭借以上两个位置可以利用眼睛和鼻尖计算出脸部的对称度情况。进一步优选的，第一左右对称度分值的计算公式具体为：第二左右对称度分值得计算公式具体为：优选的，步骤S3中待分析人脸图像的正脸程度分值的计算公式具体为：其中score[0]-score[5]依次表示人脸中心点与待分析人脸图像的中心的偏移度的分值、眼睛的倾斜度的分值、嘴角的倾斜度的分值、利用眼睛相对于鼻尖的位置计算的左右对称度分值、利用嘴角相对于鼻尖的位置计算的对称度分值、鼻尖与人脸边界的中心点的偏移度的分值，w0-w5依次表示上述分值的权重系数。进一步优选的，待分析人脸图像的中心的偏移度的分值的权重系数w0设置为0.2，眼睛的倾斜度的分值的权重系数w1设置为0.1、嘴角的倾斜度的分值的权重系数w2设置为0.1、利用眼睛相对于鼻尖位置计算的左右对称度分值的权重系数w3设置为0.2、利用嘴角相对于鼻尖位置计算的对称度分值的权重系数w4设置为0.2、鼻尖与人脸边界的中心点的偏移度的分值的权重系数w5设置为0.2。优选的，还包括以下步骤：S4：利用传统机器学习算法获取另一组待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息，并计算两组坐标信息的置信度Fconfidence，获取最终正脸程度分值F＝Ffront*Fconfidence。进一步优选的，置信度的计算公式为其中，(xi，yi)表示利用深度神经网络的训练检测获取的坐标信息，(x′i，y′i)表示利用传统的机器学习算法获取的坐标信息，w表示待分析人脸图像的宽度，h表示待分析人脸图像的高度。根据本专利技术的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述方法。根据本专利技术的第三方面，提出了一种用于人脸图像的正脸程度的分析系统，该系统包括：图像获取单元：配置用于获取待分析人脸图像中的人脸边界，并根据人脸边界获取人脸中心点在待分析人脸图像中的坐标信息；关键坐标获取单元：配置用于利用人脸中心点的坐标信息分别获取待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息；以及正脸程度计算单元：配置用于利用坐标信息分别计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度的分值，加权求和获得待分析人脸图像的正脸程度分值。优选的，还包括置信度评价单元：配置用于利用传统机器学习算法获取另一组待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息，并计算两组坐标信息的置信度Fconfidence，获取最终正脸程度分值F＝Ffront*Fconfidence。本专利技术提出了一种用于人脸图像的正脸程度的分析方法和系统，该方法避免了当人脸的部分关键点被遮挡或者人脸图像模糊时关键点特征被弱化，关键点检测的准确率常常会降低，甚至出现关键点位置与随机得到的无明显差别，严重地影响了基于关键点位置的人脸正脸程度的评价结果的情况，通过将人脸图像关键点的置信度评价纳入到人脸正脸程度评价算法中，可以改进人脸质量评价算法的结果。通过结合深度神经网络以及传统机器学习算法获取置信度情况，综合置信度与正脸度的情况获得最终的人脸正脸程度信息，可以大大提高评价的准确性，该方法及系统耗时少，可以确保评价系统的实时性。附图说明包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本专利技术的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变本文档来自技高网...

【技术保护点】
1.一种用于人脸图像的正脸程度的分析方法，其特征在于，包括以下步骤：/nS1：获取待分析人脸图像中的人脸边界，并根据所述人脸边界获取人脸中心点在所述待分析人脸图像中的坐标信息；/nS2：利用所述人脸中心点的坐标信息分别获取所述待分析人脸图像中眼睛、鼻尖和嘴角在所述待分析人脸图像中的坐标信息；以及/nS3：利用所述坐标信息分别计算获得所述人脸中心点与所述待分析人脸图像的中心以及所述鼻尖与所述人脸边界的中心点的偏移度、所述眼睛、所述嘴角的倾斜度、脸部左右对称度的分值，加权求和获得所述待分析人脸图像的正脸程度分值F

【技术特征摘要】
1.一种用于人脸图像的正脸程度的分析方法，其特征在于，包括以下步骤：
S1：获取待分析人脸图像中的人脸边界，并根据所述人脸边界获取人脸中心点在所述待分析人脸图像中的坐标信息；
S2：利用所述人脸中心点的坐标信息分别获取所述待分析人脸图像中眼睛、鼻尖和嘴角在所述待分析人脸图像中的坐标信息；以及
S3：利用所述坐标信息分别计算获得所述人脸中心点与所述待分析人脸图像的中心以及所述鼻尖与所述人脸边界的中心点的偏移度、所述眼睛、所述嘴角的倾斜度、脸部左右对称度的分值，加权求和获得所述待分析人脸图像的正脸程度分值Ffront。


2.根据权利要求1所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述步骤S2之前还包括利用深度神经网络的训练检测获取所述待分析人脸图像中眼睛、鼻尖和嘴角的位置。


3.根据权利要求1所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述步骤S3中所述人脸中心点与所述待分析人脸图像的中心的偏移度的分值计算公式具体为：所述鼻尖与所述人脸边界的中心点的偏移度的分值计算公式具体为：其中，(cx、cy)表示所述人脸中心点坐标，(x2、y2)表示所述鼻尖的坐标，w表示所述待分析人脸图像的宽度，h表示所述待分析人脸图像的高度。


4.根据权利要求1所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述步骤S2中的所述眼睛的坐标信息具体包括左眼中心点坐标(x0，y0)和右眼中心点坐标(x1，y1)，所述嘴角的坐标信息具体包括左嘴角顶点坐标(x3，y3)和右嘴角顶点坐标(x4，y4)。


5.根据权利要求4所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述步骤S3中所述眼睛的倾斜度的分值计算公式具体为：所述嘴角的倾斜度的分值计算公式具体为：


6.根据权利要求4所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述脸部左右对称度的分值具体包括分别利用所述眼睛、所述嘴角相对于所述鼻尖的位置计算的第一左右对称度分值和第二左右对称度分值。


7.根据权利要求6所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述第一左右对称度分值的计算公式具体为：所述第二左右对称度分值得计算公式具体为：


8.根据权利要求1所述的用于人脸图像的正脸程度的分析方法，其特征在于，所述步骤S3中所述待分析人脸图像的正脸程度分值的计算公式具体为：其中score[0]-score[5]依次表示所述人脸中心点与所述待分析人脸图像的中心的偏移度的分值、所述眼睛的倾斜度的分值、所述嘴角的倾斜度的分值、利用所述眼睛相对于所述鼻尖的位置计算的左右对称度分值、利用所述嘴角相对于所述鼻尖的位...

【专利技术属性】
技术研发人员：周成祖，王国威，蒋帅，阎辰佳，林淑强，张永光，王兵，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：福建;35