【技术实现步骤摘要】
一种用于人脸图片质量评价的方法与设备
本申请涉及计算机图像处理
，尤其涉及一种用于人脸图片质量评价的的技术。
技术介绍
在计算机视觉技术应用中，一类很重要的任务是基于人脸数据进行建模和学习，以用于如人脸识别、基于人脸的年龄估计等应用场景。在现有技术中，基于人脸数据的深度学习网络模型往往会存在训练用的人脸数据与被识别的人脸数据的不一致性，即用于模型训练学习的人脸数据多是质量符合要求的人脸图片，比如图片清晰，人脸五官端正、姿态正常，而在实际应用场景下，由于人脸图片收集环境复杂等客观因素，导致收集到的人脸图片的质量不可控，被用于识别的人脸图片可能质量较差，比如模糊、黑暗、逆光的人脸、以及人脸被遮挡、姿态非正常等，这类低质量的人脸图片不能被直接识别或识别结果不准确，会影响到识别效果及效率。因此，对于实际应用中的人脸图片先进行质量评价是十分必要的。专利CN110837750A公开了一种人脸质量评价方法与装置，该专利未从质量维度对人脸图片进行打分，基于该专利公开的方法有可能使得质量差的人脸图片也能通过基于人脸关键点和姿态的识别，而实际上这种人脸图片可能导致识别结果与实际不符，是不应该被用于识别的。专利CN110188627A公开了一种人脸图像过滤方法及装置，该专利针对人脸图片，从人脸图片拍摄角度、图像模糊度、光照强度以及是否被遮挡等多个维度对人脸图片进行打分，得到人脸图片的整体评价。由于图像模糊度和光照强度属于人脸图片本身质量范畴，而拍摄角度和人脸是否被遮挡属于图片内容范畴，将这两类同时放在一个回归神经网络中进行学...
【技术保护点】
1.一种用于人脸图片质量评价的方法，其特征在于，所述方法包括：/n获取人脸图片，其中，所述人脸图片包含一个人脸；/n将所述人脸图片输入训练后的人脸质量模型，获得所述人脸图片的人脸质量得分；/n基于所述人脸图片的人脸质量得分，确定所述人脸图片的质量等级，以完成对所述人脸图片的质量评价。/n
【技术特征摘要】
1.一种用于人脸图片质量评价的方法，其特征在于，所述方法包括：
获取人脸图片，其中，所述人脸图片包含一个人脸；
将所述人脸图片输入训练后的人脸质量模型，获得所述人脸图片的人脸质量得分；
基于所述人脸图片的人脸质量得分，确定所述人脸图片的质量等级，以完成对所述人脸图片的质量评价。
2.根据权利要求1所述的方法，其特征在于，所述获取人脸图片包括：
获取原始图像，其中，所述原始图像包含一个或者多个人脸；
将所述原始图像输入训练后的人脸检测模型，获得所述人脸图片。
3.根据权利要求1或2所述的方法，其特征在于，所述人脸质量模型的网络结构包括：9个卷积模块、1个全局池化模块、1个全连接模块及1个损失函数模块，其中，所述卷积模块包括：
卷积层；
归一化层；
RELU激活层。
4.根据权利要求1至3中任一项所述的方法，其特征在于，在将所述人脸图片输入训练后的人脸质量模型之前，所述方法还包括：
对所述人脸图片进行预处理；
其中，所述将所述人脸图片输入训练后的人脸质量模型，获得所述人脸图片的人脸质量得分包括：
将预处理后的人脸图片输入训练后的人脸质量模型，获得所述人脸图片的人脸质量得分。
5.根据权利要求4所述的方法，其特征在于，所述对所述人脸图片进行预处理包括：
将所述人脸图片缩放至预设尺寸。
6.根据权利要求4或5所述的方法，其特征在于，在基于所述人脸图片的人脸质量得分，确定所述人脸图片的质量等级之前，所述方法还包括：
将预处理后的人脸图片输入训练后的人脸姿态及关键点识别模型，获得所述人脸图片的人脸姿态的得分及人脸关键点的得分；
其中，所述基于所述人脸图片的人脸质量得分，确定所述人脸图片的质量等级，以完成对所述人脸图片的质量评价包括：
基于所述人脸图片的人脸质量得分、人脸姿态的得分及人脸关键点的得分，确定所述人脸图片的质量等级，以完成对所述人脸图片的质量评价。
7.根据权利要求6所述的方法，其特征在于，所述人脸姿态是人脸欧拉角度，其中，所述人脸欧拉角度包括：俯仰角度、翻滚角度及偏航角度。
8.根据权利要求6所述的方法，其特征在于，所述人脸关键点包括人脸左右眼瞳孔、鼻尖、左右嘴角。
9.根据权利要求6所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：王引，叶云，黄冠，都大龙，
申请(专利权)人：北京芯翌智能信息技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。