人脸图像评估方法和系统、服务器和计算机可读存储介质技术方案

本发明专利技术提供了一种人脸图像评估方法和系统、服务器和计算机可读存储介质，其中，一种人脸图像评估方法包括：获取人脸图像，并确定人脸图像对应的属性信息；提取人脸图像的特征信息，并确定特征信息的范数值；根据属性信息和范数值对人脸图像进行评估。通过根据人脸图像对应的属性信息，和人脸图像特征信息对应的范数值对人脸图像进行评估，进而从多个不同维度评估人脸图像的质量，实现对人脸图像质量的综合打分，进而可以在视频流中选取到相对较佳的人脸图像用于人脸识别，有标的保证了人脸识别通过率，提高了用户体验。

【技术实现步骤摘要】
人脸图像评估方法和系统、服务器和计算机可读存储介质
本专利技术涉及人脸图像评估
，具体而言，设计一种人脸图像评估方法、一种人脸图像评估系统、一种服务器和一种计算机可读存储介质。
技术介绍
在相关技术中，例如网约车司机身份验证、金融、门禁等场景需要应用人脸识别技术来进行身份识别，一般地，大部分人脸识别场景都是使用摄像头采集用户人脸视频流，之后从视频流中抽取一帧包含人脸的图片去做人脸识别，但是在视频采集过程中，用户往往都处于“半配合”状态：采集过程中用户头部姿态可能会调整(侧脸、低头)、面部在移动过程中可能会模糊、偶尔可能会遮挡面部等，这些都会影响之后的人脸识别准确性。如何从视频流中挑选人脸识别效果最好的人脸图片，对保障人脸识别通过率、提升用户体验至关重要。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的第一方面提出一种人脸图像评估方法。本专利技术的第二方面提出一种人脸图像评估系统。本专利技术的第三方面提出一种服务器。本专利技术的第四方面提出一种计算机可读存储介质。有鉴于此，本专利技术的第一方面提供了一种人脸图像评估方法，包括：获取人脸图像，并确定人脸图像对应的属性信息；提取人脸图像的特征信息，并确定特征信息的范数值；根据属性信息和范数值对人脸图像进行评估。在该技术方案中，通过根据人脸图像对应的属性信息，和人脸图像特征信息对应的范数值对人脸图像进行评估，进而从多个不同维度评估人脸图像的质量，实现对人脸图像质量的综合打分，进而可以在视频流中选取到相对较佳的人脸图像用于人脸识别，有标的保证了人脸识别通过率，提高了用户体验。另外，本专利技术提供的上述技术方案中的人脸图像评估方法还可以具有如下附加技术特征：在上述技术方案中，根据属性信息和范数值对人脸图像进行评估的步骤，具体包括：确定属性信息对应的第一得分值；获取测试集，通过贝叶斯算法在测试集中确定属性信息和范数值对应的权重值；根据第一得分值、范数值和对应的权重值计算人脸图像的第二得分值，以通过第二得分值对人脸图像进行评估。在该技术方案中，在根据属性信息和范数值对人脸图像进行评估时，首先根据人脸图像中被标记的属性信息计算第一得分值。具体地，计算第一得分值的过程可通过训练好的卷积算法自动计算。以属性信息包括人脸被遮挡的比例为例，人脸被遮挡的比例越大，人脸识别的成功率就对应越低，因此第一得分值越低。即第一得分值可正面反应人脸识别的成功率。在计算得到第一得分值后，进一步获取测试集，并通过贝叶斯算法在测试集中确定每一个属性信息对应的权重值。权重值反应了多个属性信息中每个属性信息的重要程度。以属性信息包括人脸被遮挡的比例和人脸图像的光照强度为例，上述两种属性信息中，人脸被遮挡对人脸识别成功率的影响要大于光照强度对人脸识别成功率的影响，因此人脸被遮挡的比例的对应的权重值就相对大于光照强度的权重值。在确定了第一得分值和对应的权重值后，计算第一得分值和范数值分别与对应权重值的乘积，即可得到人脸图像的第二得分值，即根据多个属性信息和引入的范数值概念算得的人脸图像的分数值。根据第二得分值可以准确地对人脸图像进行评估，进而保证人脸识别的准确率。在上述任一技术方案中，在获取测试集的步骤之前，人脸图像评估方法还包括：获取初始图像和人脸识别模型，并在初始图像中标注属性信息，以得到训练图像集；通过训练图像集训练人脸识别模型，以得到预测模型和训练集，并通过预测模型确定人脸图像对应的属性信息。在该技术方案中，通过对人脸识别模型进行训练，以使人脸识别模型可以同时预测人脸图像的属性信息和范数值。其中，首先准备多种姿态、场景和种族的人脸图像数据作为初始图像，其中，初始图像为RGB(一种色彩规格)图像。在初始图像中，对图像中人脸的多中属性信息进行标注，如标注姿态、模糊程度、是否遮挡和光照强度等，并通过标注后的初始图像形成训练图像集。利用训练图像集训练人脸识别模型，可以得到训练好的预测模型和训练集，并通过训练集确定多个属性信息的权重值，以及通过预测模型预测人脸信息的多个属性值。其中，可通过多任务训练方式训练人脸识别模型。在上述任一技术方案中，属性信息包括以下中的至少一个：人脸的姿态、人脸的模糊度、人脸被遮挡的比例、人脸图像的光照强度。在该技术方案中，人脸的姿态具体为人脸为正对摄像头，或歪头、低头等姿态。人脸的模糊度体现为在帧图像中，人脸是否处于运动过程中，或对焦是否准确。人脸被遮挡的比例则可以反应人脸整体是否全部可以被识别。人脸图像的光照强度，直观的形容即图像亮度或曝光度。亮度或曝光度过高或过低均可能影响人脸识别的准确性。可以理解的是，属性信息并不局限于上述提到的属性，任何可能对人脸识别成功率造成影响的图像属性均可作为本专利技术的可行实施例。本专利技术第二方面提供了一种人脸图像评估系统，包括：获取单元，配置为获取人脸图像，并确定人脸图像对应的属性信息；处理单元，配置为提取人脸图像的特征信息，并确定特征信息的范数值；评估单元，配置为根据属性信息和范数值对人脸图像进行评估。在该技术方案中，通过根据人脸图像对应的属性信息，和人脸图像特征信息对应的范数值对人脸图像进行评估，进而从多个不同维度评估人脸图像的质量，实现对人脸图像质量的综合打分，进而可以在视频流中选取到相对较佳的人脸图像用于人脸识别，有标的保证了人脸识别通过率，提高了用户体验。在上述技术方案中，评估单元具体用于：确定属性信息对应的第一得分值；获取测试集，通过贝叶斯算法在测试集中确定属性信息和范数值对应的权重值；根据第一得分值、范数值和对应的权重值计算人脸图像的第二得分值，以通过第二得分值对人脸图像进行评估。在该技术方案中，在根据属性信息和范数值对人脸图像进行评估时，首先根据人脸图像中被标记的属性信息计算第一得分值。具体地，计算第一得分值的过程可通过训练好的卷积算法自动计算。以属性信息包括人脸被遮挡的比例为例，人脸被遮挡的比例越大，人脸识别的成功率就对应越低，因此第一得分值越低。即第一得分值可正面反应人脸识别的成功率。在计算得到第一得分值后，进一步获取测试集，并通过贝叶斯算法在测试集中确定每一个属性信息对应的权重值。权重值反应了多个属性信息中每个属性信息的重要程度。以属性信息包括人脸被遮挡的比例和人脸图像的光照强度为例，上述两种属性信息中，人脸被遮挡对人脸识别成功率的影响要大于光照强度对人脸识别成功率的影响，因此人脸被遮挡的比例的对应的权重值就相对大于光照强度的权重值。在确定了第一得分值和对应的权重值后，计算第一得分值和范数值分别与对应权重值的乘积，即可得到人脸图像的第二得分值，即根据多个属性信息和引入的范数值概念算得的人脸图像的分数值。根据第二得分值可以准确地对人脸图像进行评估，进而保证人脸识别的准确率。在上述任一技术方案中，人脸图像评估系统还包括：获取单元，配置为获取初始图像和人脸识别模型，并在初始图像中标注属性信息，以得到训练图像集；训练单元，配置为通过训练图像集训练本文档来自技高网...

【技术保护点】
1.一种人脸图像评估方法，其特征在于，包括：/n获取人脸图像，并确定所述人脸图像对应的属性信息；/n提取所述人脸图像的特征信息，并确定所述特征信息的范数值；/n根据所述属性信息和所述范数值对所述人脸图像进行评估。/n

【技术特征摘要】
1.一种人脸图像评估方法，其特征在于，包括：
获取人脸图像，并确定所述人脸图像对应的属性信息；
提取所述人脸图像的特征信息，并确定所述特征信息的范数值；
根据所述属性信息和所述范数值对所述人脸图像进行评估。


2.根据权利要求1所述的人脸图像评估方法，其特征在于，所述根据所述属性信息和所述范数值对所述人脸图像进行评估的步骤，具体包括：
确定所述属性信息对应的第一得分值；
获取测试集，通过贝叶斯算法在所述测试集中确定所述属性信息和所述范数值对应的权重值；
根据所述第一得分值、所述范数值和对应的所述权重值计算所述人脸图像的第二得分值，以通过所述第二得分值对所述人脸图像进行评估。


3.根据权利要求2所述的人脸图像评估方法，其特征在于，在所述获取测试集的步骤之前，所述人脸图像评估方法还包括：
获取初始图像和人脸识别模型，并在所述初始图像中标注所述属性信息，以得到训练图像集；
通过所述训练图像集训练所述人脸识别模型，以得到预测模型和所述训练集，并通过所述预测模型确定所述人脸图像对应的所述属性信息。


4.根据权利要求1至3中任一项所述的人脸图像评估方法，其特征在于，所述属性信息包括以下中的至少一个：
人脸的姿态、人脸的模糊度、人脸被遮挡的比例、人脸图像的光照强度。


5.一种人脸图像评估系统，其特征在于，包括：
获取单元，配置为获取人脸图像，并确定所述人脸图像对应的属性信息；
处理单元，配置为提取所述人脸图像的特...

【专利技术属性】
技术研发人员：赵宁宁，张天明，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11