一种人脸图像评估方法、装置、电子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评估方法，属于图像识别技术领域。该方法通过人脸区域框中检测到的多个评估特征点，在所述人脸图像中选取标定点，计算特征点的纵坐标分别与标定点的纵坐标的差值，确定评估偏移量；根据所述评估偏移量确定人脸图像中的目标人物的低头分数，依据该低头分数，来判断人脸的低头或者抬头程度，以此提升需要判断人物行为的相关场景应用的性能；无需用样本长时间训练和构建深度学习人脸模型，不需通过复杂的运算，降低了人脸图像评估运算难度，提升识别速度。此外本发明专利技术还提供了一种人脸图像评估装置、电子设备及存储介质。

【技术实现步骤摘要】
一种人脸图像评估方法、装置、电子设备及存储介质
本专利技术属于图像识别
，具体地说，涉及一种人脸图像评估方法、装置、电子设备及存储介质。
技术介绍
随着人工智能技术的兴起，人脸图像的特征和属性开始发挥着越来越多的作用。如智能监控、人脸支付和人脸美颜等应用环境。在这些应用环境中，人脸图像处理时，不可避免的要对人脸中目标人物的姿势进行评估，以达到剔除低头图片或针对低头行为进行优化的目的，从而提升系统的使用体验。如中国专利公开号为CN110598521A，公开了一种基于人脸图像智能分析的行为与生理状态识别方法，包括以下步骤：(1)建立人脸检测与跟踪模型；(2)获取当前人类目标的人脸图像，并对该人脸图像进行预处理；(3)在人脸图像中精确定位双眼、口部、耳部区域位置；(4)利用人脸分割、肤色检测和图像边缘提取方法对人脸图像进行处理；(5)判断当前人类目标是否困乏以及是否存在吸烟和打电话行为。该方案是一种高效的、可以满足在低功耗嵌入式设备场景下，对当前人类目标生理状态及行为进行检测的方法，检测生理类型包括是否疲劳，检测的行为包括是否在吸烟及打电话。上述或者现存的检测方法中，均存在着一定的问题和不足：(1)基于穿戴传感器(如含低头感应器的帽子，耳机，震动报警器等)的方法，需要额外购买和穿戴设备，不易实现；(2)使用深度学习模型直接对行人图片进行低头行为检测的方法，需要提供大量的图片进行训练，且识别效率有待提高。
技术实现思路
1、要解决的问题针对目前在人脸识别中，通过特征匹配提取的方法，人物行为识别复杂且识别的准确率低的问题，本专利技术提供了一种人脸图像评估方法，通过人脸区域框和人脸多个特征点，来评估人低头分数，依据该低头分数，来判断人脸的低头或者抬头程度，以此提升相关场景应用的性能；无需用样本长时间训练和构建深度学习人脸模型，也无需通过人脸模型进行复杂的运算，进而降低了运算难度，提高了识别速度。2、技术方案为解决上述问题，本专利技术采用如下的技术方案。本专利技术第一方面提供一种人脸图像评估方法，所述方法包括：S202：获取人脸图像，对所述人脸图像进行特征检测，获得评估特征点，所述评估特征点包括左嘴角特征点、右嘴角特征点以及鼻子特征点；S204：在所述人脸图像上构建平面坐标系，获取左嘴角特征点、右嘴角特征点以及鼻子特征点的坐标；S206：在所述人脸图像中选取标定点，计算左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值，确定评估偏移量；S208：根据所述评估偏移量确定人脸图像中的目标人物的低头分数，根据所述目标人物的低头分数判断目标人物的行为。在一些实施例中，所述人脸图像通过下列步骤获取：获取包含人类脸部信息的图像，并将所述图像转换成RGB格式；将所述图像输入已训练的人脸检测模型中，截取人脸图像。在一些实施例中，还包括对所述人脸图像进行预处理，所述预处理步骤包括：对所述人脸图像进行降噪，亮度增强，对比度增强以及直方图均衡化操作。在一些实施例中，所述在人脸图像中选取标定点步骤包括：将人脸图像截取为矩形框图，获取所述矩形框图中任意一条对角线的两端点坐标；分别计算所述对角线中两个端点到左嘴角特征点或右嘴角特征点的欧式距离，在两个端点中选取距离左嘴角特征点或右嘴角特征点最近的端点，作为标定点。在一些实施例中，所述确定人脸图像中的目标人物的低头分数的步骤包括：将左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值累加，作为评估偏移量；根据所述评估偏移量计算低头分数公式为：其中，dl为评估偏移量；Sl为低头分数；h表示矩形框图中任意一条对角线的两端点纵坐标的差值。在一些实施例中，根据所述目标人物的低头分数判断目标人物低头行为步骤包括：当所述低头分数低于第一阈值时，确定所述人脸图像中目标人物为低头行为；当所述低头分数高于第二阈值时，确定所述人脸图像中目标人物为抬头行为。在一些实施例中，将人脸图像通过面部五特征点识别算法，获得评估特征点；当所述评估特征点未全部包括左嘴角特征点、右嘴角特征点以及鼻子特征点时，重新截取该人脸图像。本专利技术第二方面提供一种人脸图像评估装置，包括：特征获取模块，其用于获取人脸图像，对所述人脸图像进行特征检测，获得评估特征点，所述评估特征点包括左嘴角特征点、右嘴角特征点以及鼻子特征点；坐标构建模块，其用于在所述人脸图像上构建平面坐标系，获取左嘴角特征点、右嘴角特征点以及鼻子特征点的坐标；计算模块，其用于在所述人脸图像中选取标定点，计算左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值，确定评估偏移量；及检测模块，其用于根据所述评估偏移量确定人脸图像中的目标人物的低头分数，根据所述目标人物的低头分数判断目标人物低头行为。本专利技术第三方面提供一种电子设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述的方法。本专利技术第四方面提供一种可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。3、有益效果相比于现有技术，本专利技术的有益效果为：(1)本专利技术通过识别人脸区域框图中多个特征点，来评估人脸图像中目标人物低头分数，依据该低头分数，来判断人脸的低头或者抬头程度，以此提升相关场景应用的性能；无需用样本长时间训练和构建深度学习人脸模型，也无需通过人脸模型进行复杂的运算，降低了运算难度，提高了识别速度。(2)本专利技术通过已经训练的人脸检测模型截取人脸区域框图，用人脸五个特征点来评估人脸的侧脸朝向和侧脸分数，依据该侧脸分数，来判断人脸的侧脸程度，从而提升相关人脸场景应用的性能，无需用样本长时间训练和构建深度学习人脸模型，也无需通过人脸模型进行复杂的运算，进而降低了侧脸识别的运算难度，提高了识别速度，而且可以识别左侧脸、右侧脸、等多个角度的侧脸图像，提高侧脸识别的准确率；(3)本专利技术中评估低头分数的方法，得到的分数与正脸程度成正比，分数值越大，人的正脸质量越高，分数值越小，低头程度越严重，实际使用中，可根据具体使用场景灵活设置正脸阈值。附图说明通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。附图中：图1是本专利技术实施例提供的一种侧脸评估方法流程图；图2是本专利技术实施例提供的一种人脸图像评估装置框图；图3是本专利技术实施例提供的人脸图像示本文档来自技高网...

【技术保护点】
1.一种人脸图像评估方法，其特征在于，所述方法包括如下步骤：/nS202：获取人脸图像，对所述人脸图像进行特征检测，获得评估特征点，所述评估特征点包括左嘴角特征点、右嘴角特征点以及鼻子特征点；/nS204：在所述人脸图像上构建平面坐标系，获取左嘴角特征点、右嘴角特征点以及鼻子特征点的坐标；/nS206：在所述人脸图像中选取标定点，计算左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值，确定评估偏移量；/nS208：根据所述评估偏移量确定人脸图像中的目标人物的低头分数，根据所述目标人物的低头分数判断目标人物的行为。/n

【技术特征摘要】
1.一种人脸图像评估方法，其特征在于，所述方法包括如下步骤：
S202：获取人脸图像，对所述人脸图像进行特征检测，获得评估特征点，所述评估特征点包括左嘴角特征点、右嘴角特征点以及鼻子特征点；
S204：在所述人脸图像上构建平面坐标系，获取左嘴角特征点、右嘴角特征点以及鼻子特征点的坐标；
S206：在所述人脸图像中选取标定点，计算左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值，确定评估偏移量；
S208：根据所述评估偏移量确定人脸图像中的目标人物的低头分数，根据所述目标人物的低头分数判断目标人物的行为。


2.根据权利要求1所述的一种人脸图像评估方法，其特征在于，所述人脸图像通过下列步骤获取：
获取包含人类脸部信息的图像，并将所述图像转换成RGB格式；
将所述图像输入已训练的人脸检测模型中，截取人脸图像。


3.根据权利要求2所述的一种人脸图像评估方法，其特征在于，还包括对所述人脸图像进行预处理，所述预处理步骤包括：对所述人脸图像进行降噪，亮度增强，对比度增强以及直方图均衡化操作。


4.根据权利要求3所述的一种人脸图像评估方法，其特征在于，所述在人脸图像中选取标定点步骤包括：
将人脸图像截取为矩形框图，获取所述矩形框图中任意一条对角线的两端点坐标；
分别计算所述对角线中两个端点到左嘴角特征点或右嘴角特征点的欧式距离，在两个端点中选取距离左嘴角特征点或右嘴角特征点最近的端点，作为标定点。


5.根据权利要求4所述的一种人脸图像评估方法，其特征在于，所述确定人脸图像中目标人物的低头分数的步骤包括：
将左嘴角特征点、右嘴角特征点以及鼻子特征点的纵坐标分别与标定点的纵坐标的差值累加，作为评估偏移量；
根据所述评估偏移量计算低头分数公式为：



其中，dl为评...

【专利技术属性】
技术研发人员：薛峰，张万友，丁厚，
申请(专利权)人：江苏提米智能科技有限公司，
类型：发明
国别省市：江苏;32