人脸图像质量评估方法、装置、设备及存储介质制造方法及图纸

一种人脸图像质量评估方法、装置、设备及存储介质，所述方法通过利用人脸识别模型提取待评估图片的人脸特征向量(S101)；计算所述待评估图片的人脸特征向量的L2norm值(S102)；根据所述待评估图片的人脸特征向量的L2norm值，以及质量等级边界信息，确定所述待评估图片的人脸图像质量等级(S103)，上述方法能够基于图片的人脸特征准确地评估出图片的人脸图像质量等级，能够准确地评估图片的人脸图像质量，且降低了人脸图像质量评估的复杂度低，提高了人脸图像质量评估的效率。

【技术实现步骤摘要】
【国外来华专利技术】人脸图像质量评估方法、装置、设备及存储介质
本申请涉及人脸识别领域，例如涉及一种人脸图像质量评估方法、装置、设备及存储介质。
技术介绍
在有些应用场景中，需要从大量图片中选取人脸图像质量高的图片。人脸图像质量可以在不同的层次上进行评估，比如对图像全局特性如光照、对比度等的评估。现有的人脸图像质量评估技术，通常是结合灰度直方图、图像色彩、边缘检测等传统方法进行判别，衡量的多个因素是图片质量而并不是人脸图像的质量，判断的人脸图像质量不准确，且复杂度高、效率低。
技术实现思路
本公开实施例提供了一种人脸图像质量评估方法，包括：利用人脸识别模型提取待评估图片的人脸特征向量；计算所述待评估图片的人脸特征向量的L2norm值；根据所述待评估图片的人脸特征向量的L2norm值，以及质量等级边界信息，确定所述待评估图片的人脸图像质量等级。本公开实施例还提供了一种人脸图像质量评估装置，包括：特征提取模块，用于利用人脸识别模型提取待评估图片的人脸特征向量；计算模块，用于计算所述待评估图片的人脸特征向量的L本文档来自技高网...

【技术保护点】
一种人脸图像质量评估方法，其特征在于，包括：/n利用人脸识别模型提取待评估图片的人脸特征向量；/n计算所述待评估图片的人脸特征向量的L2norm值；/n根据所述待评估图片的人脸特征向量的L2norm值，以及质量等级边界信息，确定所述待评估图片的人脸图像质量等级。/n

【技术特征摘要】
【国外来华专利技术】一种人脸图像质量评估方法，其特征在于，包括：
利用人脸识别模型提取待评估图片的人脸特征向量；
计算所述待评估图片的人脸特征向量的L2norm值；
根据所述待评估图片的人脸特征向量的L2norm值，以及质量等级边界信息，确定所述待评估图片的人脸图像质量等级。


根据权利要求1所述的方法，其特征在于，所述利用人脸识别模型提取待评估图片的人脸特征向量之前，还包括：
对初始的人脸识别模型进行模型训练，得到所述人脸识别模型；
在对所述初始的人脸识别模型的模型训练过程中，增加对所述初始的人脸识别模型提取的人脸特征向量的L2正则化处理。


根据权利要求1或2所述的方法，其特征在于，所述根据所述待评估图片的人脸特征的L2norm值，以及质量等级边界信息，确定所述待评估图片的人脸图像质量等级之前，还包括：
根据当前应用场景的图片集，以及所述人脸识别模型，确定所述质量等级边界信息。


根据权利要求3所述的方法，其特征在于，根据当前应用场景的图片集，以及所述人脸识别模型，确定所述质量等级边界信息，包括：
利用所述人脸识别模型提取所述图片集中的样本图片的人脸特征向量；
计算所述样本图片的人脸特征向量的L2norm值；
根据所述样本图片的人脸特征向量的L2norm值，确定当前应用场景对应的所述质量等级边界信息。


根据权利要求4所述的方法，其特征在于，根据所述样本图片的人脸特征向量的L2norm值，确定当前应用场景对应的所述质量等级边界信息，包括：
获取所述样本图片的人脸特征向量的L2norm值中的最大值和最小值；
根据所述最大值和最小值，以及预设等级数量，确定每个所述质量等级的边界值。


根据权利要求5所述的方法，其特征在于，根据所述最大值和最小值，以及预设等级数量，确定每个所述质量等级的边界值，包括：
确定将所述最小值和最大值之间的数据区间等分为预设等级数量的子区间，得到相邻的两个子区间之间的边界值；
将所述相邻的两个子区间之间的边界值作为相邻的两个质量等级的边界值。


根据权利要求3所述的方法，其特征在于，根据当前应用场景的图片集，以及所述人脸识别模型，确定所述质量等级边界信息之前，还包括：
获取当前应用场景的图片集。


一种人脸图像质量评估装置，其特征在于，包括：
特征提取模块，用于利用人脸识别模型提取待评估图片的人脸特征向量；
计算模块，用于计算所述待...

【专利技术属性】
技术研发人员：吴晓民，
申请(专利权)人：北京比特大陆科技有限公司，
类型：发明
国别省市：北京;11