一种计算人脸清晰度方法、装置、设备和介质制造方法及图纸

本发明专利技术提供一种计算人脸清晰度方法、装置、设备和介质，方法包括：对于图像进行预处理，得到对齐的人脸灰度图；计算人脸灰度图的局部最大差值算子；进行最大值饱和操作；在指定关键区域提取提取特征值，计算出所有特征值的平均值，即为人脸清晰度；提高获取清晰度的效率以及精度。效率以及精度。效率以及精度。

【技术实现步骤摘要】
一种计算人脸清晰度方法、装置、设备和介质


[0001]本专利技术涉及计算机
，特别涉及一种计算人脸清晰度方法、装置、设备和介质。

技术介绍

[0002]在人脸识别过程中，摄像头采集到人脸图像，图片质量良莠不齐。比如在运动的时候，人脸会出现模糊；在弱光照情况下，人脸会比较黑，比较糊。
[0003]这些图片如果直接送入人脸识别，提取特征，效果往往较差；而提取人脸特征通常比较复杂，比较费时。所有照片没有处理，就全部送入识别，代价比较大。如果有一种算法，能较速过滤掉大部分不清晰的图片，则很有意义。
[0004]现在直接评估图片质量的算法，比如采用无参考图像清晰度的评估方法，比如常用的Brenner梯度函数/Tenengrad梯度函数/Laplacian梯度函数/SMD(灰度方差)函数/Vollath函数等等评估指标，实际中使用效果往往不好。在一些私有数据测试中，等错误率在28％左右，性能很不理想。一个重要原因在于，这些算子适用于所有图片，没有考虑到人脸图像的特有特征。
[0005]深度神经网络训练的算法，采用比较大模型的情况下，识别率可以做到比较高，但存在速度慢的问题。深度神经网络对算力的要求往往都很高，在一般嵌入式系统上，跑起来速度很慢；而且检测清晰度的时间和提取人脸特征的时间，往往相差不大，付出代价过大，收益不明显。

技术实现思路

[0006]本专利技术要解决的技术问题，在于提供一种计算人脸清晰度方法、装置、设备和介质，提高获取清晰度的效率以及精度。
[0007]第一方面，本专利技术提供了一种计算人脸清晰度方法，包括：
[0008]步骤1、对于图像进行预处理，得到对齐的人脸灰度图；
[0009]步骤2、计算人脸灰度图的局部最大差值算子；
[0010]步骤3、进行最大值饱和操作；
[0011]步骤4、在指定关键区域提取提取特征值，计算出所有特征值的平均值，即为人脸清晰度。
[0012]进一步地，所述步骤1进一步具体为：在一图像中截取人脸图像，计算5关键点坐标，之后根据5关键点对人脸图像进行对齐，最后将对齐的人脸图像转化为灰度图，同时缩放到112*112像素，得到人脸灰度图。
[0013]进一步地，所述步骤2进一步具体为：计算人脸灰度图的局部最大差值算子，所述局部为3*3矩阵，通过该矩阵对处理后人脸图像进行遍历，计算出局部最大差值矩阵，并对局部最大差值矩阵的四个边缘部分以0为值进行补充，得到与处理后人脸图像相同大小的矩阵。
[0014]进一步地，所述步骤3进一步具体为：将局部最大矩阵进行从小到大排序，取其中设定位置的值作为饱和阈值，将大于所述饱和阈值的其他值全部设置为饱和阈值。
[0015]进一步地，所述步骤4进一步具体为：提取设定区域的特征值，计算出所有特征值的平均值，即为人脸清晰度；所述设定区域包括眼睛、鼻子以及嘴巴区域。
[0016]第二方面，本专利技术提供了一种计算人脸清晰度装置，包括：
[0017]预处理模块，对于图像进行预处理，得到对齐的人脸灰度图；
[0018]算子模块，计算人脸灰度图的局部最大差值算子；
[0019]饱和模块，进行最大值饱和操作；
[0020]清晰度模块，在指定关键区域提取提取特征值，计算出所有特征值的平均值，即为人脸清晰度。
[0021]进一步地，所述预处理模块进一步具体为：在一图像中截取人脸图像，计算5关键点坐标，之后根据5关键点对人脸图像进行对齐，最后将对齐的人脸图像转化为灰度图，同时缩放到112*112像素，得到人脸灰度图。
[0022]进一步地，所述算子模块进一步具体为：计算人脸灰度图的局部最大差值算子，所述局部为3*3矩阵，通过该矩阵对处理后人脸图像进行遍历，计算出局部最大差值矩阵，并对局部最大差值矩阵的四个边缘部分以0为值进行补充，得到与处理后人脸图像相同大小的矩阵；
[0023]所述饱和模块进一步具体为：将局部最大矩阵进行从小到大排序，取其中设定位置的值作为饱和阈值，将大于所述饱和阈值的其他值全部设置为饱和阈值；
[0024]所述清晰度模块进一步具体为：提取设定区域的特征值，计算出所有特征值的平均值，即为人脸清晰度；所述设定区域包括眼睛、鼻子以及嘴巴区域。
[0025]第三方面，本专利技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
[0026]第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
[0027]本专利技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0028]1、局部最大差值算子，相比其他算法，对清晰度有更大的区分度；
[0029]2、对图像局部异常剧烈变化，有更好鲁棒性：对通过全局特征，动态计算阀值，根据阀值对最大变化值做饱和操作，可以降低局部异常变化的影响；
[0030]3、对图片噪声有更好鲁棒性：根据先验知识，针对人脸T形区域提取特征，去掉不敏感区域，降低额外噪声的干扰。
[0031]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0032]下面参照附图结合实施例对本专利技术作进一步的说明。
[0033]图1为本专利技术局部最大差值算子示意图；
[0034]图2为本专利技术T型红外区域示意图；
[0035]图3为本专利技术实施例一中方法中的流程图；
[0036]图4为本专利技术实施例二中装置的结构示意图。
具体实施方式
[0037]本申请实施例通过提供一种计算人脸清晰度方法、装置、设备和介质，解决了现有清晰度计算速度慢、不精确的问题，达到了清晰度计算速度快，精度高的有益效果。
[0038]本申请实施例中的技术方案，总体思路如下：
[0039]步骤如下：
[0040]1.预处理：
[0041]1.1先提取人脸区域
[0042]1.2进行对齐操作之后
[0043]1.3统一缩放到112*112像素大小。
[0044]2、计算清晰度：
[0045]1、计算局部最大差值算子；
[0046]2、对局部最大差值基础上，对前85％的最大值做饱和操作；
[0047]3、定义人脸关键区域，提取该所有数值的均值。
[0048]具体如下：
[0049]一)、预处理部分：
[0050]在一张大图中截取人脸图像，比如采用MTCNN等成熟算法；
[0051]通过MTCNN算法，计算人脸图像5关键点坐标；
[0052]根据5点坐标，通过仿射变化进行人脸图像对齐；
[0053]将对齐之后的人脸图像，转换灰度图，同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算人脸清晰度方法，其特征在于：包括：步骤1、对于图像进行预处理，得到对齐的人脸灰度图；步骤2、计算人脸灰度图的局部最大差值算子；步骤3、进行最大值饱和操作；步骤4、在指定关键区域提取提取特征值，计算出所有特征值的平均值，即为人脸清晰度。2.根据权利要求1所述的一种计算人脸清晰度方法，其特征在于：所述步骤1进一步具体为：在一图像中截取人脸图像，计算5关键点坐标，之后根据5关键点对人脸图像进行对齐，最后将对齐的人脸图像转化为灰度图，同时缩放到112*112像素，得到人脸灰度图。3.根据权利要求1所述的一种计算人脸清晰度方法，其特征在于：所述步骤2进一步具体为：计算人脸灰度图的局部最大差值算子，所述局部为3*3矩阵，通过该矩阵对处理后人脸图像进行遍历，计算出局部最大差值矩阵，并对局部最大差值矩阵的四个边缘部分以0为值进行补充，得到与处理后人脸图像相同大小的矩阵。4.根据权利要求1所述的一种计算人脸清晰度方法，其特征在于：所述步骤3进一步具体为：将局部最大矩阵进行从小到大排序，取其中设定位置的值作为饱和阈值，将大于所述饱和阈值的其他值全部设置为饱和阈值。5.根据权利要求1所述的一种计算人脸清晰度方法，其特征在于：所述步骤4进一步具体为：提取设定区域的特征值，计算出所有特征值的平均值，即为人脸清晰度；所述设定区域包括眼睛、鼻子以及嘴巴区域。6.一种计算人脸清晰度装置，其特征在于：包括：预处理模块，对于图像进行预处理，得到对齐的人脸灰度图；算子模...

【专利技术属性】
技术研发人员：吴振文，林善和，卢云飞，高如正，
申请(专利权)人：福建星网天合智能科技有限公司，
类型：发明
国别省市：