【技术实现步骤摘要】
人像提取、质量评价、身份验证及模型训练方法及装置
本专利技术涉及信息处理
，尤其涉及一种人像提取、质量评价、身份验证及模型训练方法及装置。
技术介绍
随着互联网技术的不断发展，涌现了大量的互联网应用，例如，互联网购物、互联网金融(例如，信贷、理财、支付等)等。为了保证安全性，许多互联网应用都需要对用户进行身份信息的核验。目前存在一些基于用户上传的卡证图像(例如，身份证图像、社保卡图像、护照图像等)自动对用户进行人脸识别以验证用户身份的方案。通常人脸识别效果受图像质量影响。目前，卡证图像质量评价方法大都是先通过人脸检测算法检测卡证图像中的人像区域图像，再计算人像区域图像的梯度函数等计算人像区域图像的模糊度，或是通过人像区域图像的直方图的分布来判断人像区域图像是否反光等。然而，上述卡证图像质量评价方法在图像尺度上波动较大，而用户上传的卡证图像大小又往往不一，这样无法在不同尺度上都达到一个良好的识别精度，此外，受光照、拍摄角度、拍摄设备等各种因素的影响，用户上传的卡证图像通常会存在人像区域图像特征丢失的情况，这样通过...
【技术保护点】
1.一种人像提取方法，其特征在于，包括：/n提取待处理图像中的卡证区域图像；/n根据目标相对位置，提取所述卡证区域图像中的人像区域图像，其中，所述目标相对位置为预设的卡证区域图像和人像区域图像的相对位置。/n
【技术特征摘要】 【专利技术属性】
1.一种人像提取方法，其特征在于，包括：
提取待处理图像中的卡证区域图像；
根据目标相对位置，提取所述卡证区域图像中的人像区域图像，其中，所述目标相对位置为预设的卡证区域图像和人像区域图像的相对位置。
2.根据权利要求1所述的方法，其特征在于，确定所述预设的目标相对位置的方法包括：
获取N张图像样本，其中，N为大于1的整数，每个所述图像样本均包括卡证区域图像；
提取所述N张图像样本中每张图像样本的卡证区域图像，得到N个卡证区域图像；
分别对所述N个卡证区域图像中的每个卡证区域图像进行人脸检测，得到所述N个卡证区域图像中每个卡证区域图像中的人像区域图像；
统计所述N个卡证区域图像中每个卡证区域图像与其人像区域图像的相对位置，得到N个相对位置；
根据所述N个相对位置，确定所述目标相对位置。
3.根据权利要求1所述的方法，其特征在于，所述提取待处理图像中的卡证区域图像，包括：
将所述待处理图像输入卡证检测模型，得到所述待处理图像中的卡证区域图像的位置信息，其中，所述卡证检测模型为基于YoloV3网络训练得到的模型；
根据所述待处理图像中的卡证区域图像的位置信息，提取所述待处理图像中的卡证区域图像。
4.一种图像质量评价方法，其特征在于，包括：
获取待处理图像，所述待处理图像为待评价图像；
利用权利要求1-3任一项所述的人像处理方法对所述待评价图像进行处理，得到人像区域图像；
将所述人像区域图像输入图像质量评价模型，得到所述人像区域图像的图像质量评价结果，其中，所述图像质量评价模型为基于目标神经网络训练得到的模型。
5.根据权利要求4所述的方法，其特征在于，所述目标神经网络包括依次连接的输入子网络、可分离卷积子网络和输出子网络，所述输入子网络用于接收输入图像，所述输出子网络用于输出所述输入图像对应的M个图像质量类别的概率，M为正整数。
6.根据权利要求5所述的方法，其特征在于，所述可分离卷积子网络包括R个可分离卷积单元，所述分离卷积单元包括可分离卷积层、点卷积层、批量归一化层和激活层，R为大于1的整数。
7.根据权利要求5或6所述的方法，其特征在于，所述输入子网络包括P层标准卷积层，所述P层标准卷积层中至少一层标准卷积层的输出端连接有批量归一化层和激活层，P为正整数。
8.根据权利要求5所述的方法，其特征在于，所述输出子网络包括依次连接的标准卷积层、批量归一化层、最大池化层、全连接层和softmax层。
9.一种身份验证方法，其特征在于，包括：
接收用户上传的待处理图像，所述待处理图像包括卡证区域图像；
利用权利要求4至8中任一项所述的图像质量评价方法，对所述待处理图像进行图像质量评价，得到图像质量评价结果；
若所述图像质量评价结果指示所述待处理图像为合格图像，则根据所述待处理图像进行身份验证；
技术研发人员：沈程隆，蒋宁，赵立军，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：重庆;50
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。