人脸图像选择方法和装置制造方法及图纸

本申请提供了一种人脸图像选择方法和装置，所述方法包括：获取第一图像集合；通过第一轻量型二分类网络模型确定第一图像集合中人脸图像对应分类为清晰分类的概率；过滤掉清晰分类的概率小于第一预设阈值的人脸图像得到第二图像集合；对第二图像集合中的人脸图像通过多次筛选获得第三图像集合并计算人脸姿态得分；根据第三图像集合中的人脸图像的关键点被遮挡的概率确定人脸图像的遮挡得分，并过滤得分小于第二预设阈值的人脸图像得到第四图像集合；计算所述第四图像集合中的人脸图像的综合得分；优选所述第四图像集合中综合得分值小的人脸图像。该方法能够准确选择出清晰的，角度小的且遮挡少的人脸图像。

【技术实现步骤摘要】
人脸图像选择方法和装置
本专利技术涉及图像处理
，特别涉及一种人脸图像选择方法和装置。
技术介绍
人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的人脸图像，如远程监控拍摄的图片等。由于人体运动，同一设备拍摄出的多张人脸图像的图像质量也会有较大差异。人脸图像质量可以在不同的层次上进行评估，有低等级的质量评估，比如对图像全局特性如光照、对比度等的评估，也可以通过对人脸图像匹配分数分析评估。例如可以基于面部对称性、清晰度、照明质量和图像分辨率四个面部特征，使用自动调整的权重进行面部特征加权融合，最终得到一个图片质量评分；通过使用低级特征来估计面部图像质量；使用卷积神经网络提取人脸特征训练支持向量机用于预测人脸图像的质量等方法。但是上述人脸质量评估考虑图像的质量因素比较单一，不能全面评估人脸图像的质量，进而无法准确选出质量佳的人脸图像。
技术实现思路
有鉴于此，本申请提供一种人脸图像选择方法和装置，能够准确选择出清晰的，角度小的且遮挡少的人脸图本文档来自技高网...

【技术保护点】
1.一种人脸图像选择方法，其特征在于，所述方法包括：/n获取第一图像集合，所述第一图像集合包括同一用户的多张人脸图像；/n通过第一轻量型二分类网络模型确定所述第一图像集合中的人脸图像对应分类为清晰分类的概率；过滤掉清晰分类的概率小于第一预设阈值的人脸图像得到第二图像集合；/n对所述第二图像集合中的人脸图像通过第二轻量型二分类网络模型进行第一次筛选，并获得属于正脸分类的概率；通过轻量型的多任务网络模型对人脸图像进行第二次筛选，并获得人脸图像的俯仰角和偏航角；通过3D人脸重建技术对所述人脸图像进行第三次筛选，并获得人脸图像的俯仰角和偏航角，以及第三图像集合；并根据第一次筛选获得的属于正脸分类的概率...

【技术特征摘要】
1.一种人脸图像选择方法，其特征在于，所述方法包括：
获取第一图像集合，所述第一图像集合包括同一用户的多张人脸图像；
通过第一轻量型二分类网络模型确定所述第一图像集合中的人脸图像对应分类为清晰分类的概率；过滤掉清晰分类的概率小于第一预设阈值的人脸图像得到第二图像集合；
对所述第二图像集合中的人脸图像通过第二轻量型二分类网络模型进行第一次筛选，并获得属于正脸分类的概率；通过轻量型的多任务网络模型对人脸图像进行第二次筛选，并获得人脸图像的俯仰角和偏航角；通过3D人脸重建技术对所述人脸图像进行第三次筛选，并获得人脸图像的俯仰角和偏航角，以及第三图像集合；并根据第一次筛选获得的属于正脸分类的概率、第二次筛选和第三次筛选获得的俯仰角和偏航角计算人脸姿态得分；
检测所述第三图像集合中的人脸图像的关键点，根据所述关键点被遮挡的概率确定人脸图像的遮挡得分，并过滤得分小于第二预设阈值的人脸图像得到第四图像集合；
根据清晰分类的概率、人脸姿态得分和遮挡得分确定所述第四图像集合中的人脸图像的综合得分；
优选所述第四图像集合中综合得分值小的人脸图像。


2.根据权利要求1所述的方法，其特征在于，
所述对所述第二图像集合中的人脸图像通过第二轻量型二分类网络模型进行第一次筛选，并获得属于正脸分类的概率，包括：
基于所述第二轻量型二分类网络确定每张人脸图像属于正脸分类的概率；
筛选掉正脸分类的概率小于第三预设阈值的人脸图像。


3.根据权利要求1所述的方法，其特征在于，
所述通过轻量型的多任务网络模型对人脸图像进行第二次筛选，并获得人脸图像的俯仰角和偏航角，包括：
通过轻量型的多任务网络模型获取人脸图像的俯仰角和偏航角分别属于各角度分类的概率；
将俯仰角概率最大的分类对应的角度值作为所述人脸图像的俯仰角；将偏航角概率最大的分类对应的角度值作为所述人脸图像的偏航角；
筛选掉俯仰角大于第一预设角度值，且偏航角大于第二预设角度值的人脸图像。


4.根据权利要求1所述的方法，其特征在于，
所述通过3D人脸重建技术对所述人脸图像进行第三次筛选，并获得人脸图像的俯仰角和偏航角，包括：
采用UV纹理位置映射图UVpositionMap技术进行人脸图像的密集关键点的定位；
通过密集关键点的3D坐标计算旋转矩阵，获得3D人脸姿态结果；其中所述人脸姿态结果包括：俯仰角和偏航角；
筛选掉俯仰角大于第一预设角度值，且偏航角大于第二预设角度值的人脸图像。


5.根据权利要求1所述的方法，其特征在于，
所述根据第一次筛选获得的属于正脸分类的概率、第二次筛选和第三次筛选获得的俯仰角和偏航角计算人脸姿态得分通过下式获得：
Scroepose＝α1(1-Score1)+α2(|pitch2|+|yaw2|)+α3(|pitch3|+|yaw3|；
其中，Scroepose为人脸姿态得分，α1、α2、α3分别为三次筛选对应的权重值；Score1为通过第一次筛选获得的所述人脸图像属于正脸分类的概率值；pitch2为第二次筛选获得的俯仰角的角度值，yaw2为第二次筛选获得的偏航角的角度值；pitch3为第三次筛选获得的俯仰角的角度值，yaw3为第三次筛选获得的偏航角的角度值。


6.根据权利要求1所述的方法，其特征在于，
...

【专利技术属性】
技术研发人员：杨志明，
申请(专利权)人：深思考人工智能科技上海有限公司，
类型：发明
国别省市：上海;31