基于人脸识别系统的人脸图像质量标注方法及装置制造方法及图纸

本发明专利技术涉及深度学习领域，公开了基于人脸识别系统的人脸图像质量标注方法及装置；方法包括通过获取第一图像集和第二图像集；将第一图像集和第二图像集输入至人脸识别网络，从而获取人脸特征向量；图像集相似度的计算，第二图像集中第j个待标注人脸与第一图像集子集i参考照的相似度的计算；图像集相似度方差的计算，第二图像集第j个待标注人脸与第一图像集中所有子集的相似度进行相似度方差的计算；依据图像相似度的方差，确定人脸图像质量分数。通过利用方差来反映待标注样本质量的好坏，与人脸识别系统识别能力耦合，且通过只考虑与他人相似度分布，标注结果也更为客观；不要求待标注样本需要有本人参考照，降低了数据收集的困难程度。困难程度。困难程度。

【技术实现步骤摘要】
基于人脸识别系统的人脸图像质量标注方法及装置


[0001]本专利技术涉及深度学习领域，尤其涉及了基于人脸识别系统的人脸图像质量标注方法及装置。

技术介绍

[0002]人脸图像质量分析(face image quality analysis，FIQA)是人脸识别系统投入实际使用中必不可少的前端处理模块。
[0003]它通过滤除不合适的抓拍人脸，可保证进入后续人脸识别流程人脸图像的优质性，从而减少误报(即抓拍人脸匹配到错误的底库照片)以及通过推出最优帧人脸从而节省后续人脸识别所需消耗的算力。
[0004]目前人脸质量分析最大问题在于质量分标签的制定。与图像质量分析(image quality analysis)任务不同，它除去要考虑图像本身存在的噪声、编解码以及失焦等问题，更重要的还要考虑其识别目标(人脸)的质量。影响人脸质量的因素通常包括：人脸姿态、遮挡程度、模糊程度以及曝光程度等。抛却稍微更为客观的图像本身质量不谈，上述关于人脸质量的因素实际上很难去获得所谓的真值(ground truth)；此时若还要同时考虑多个因素，对质量标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人脸识别系统的人脸图像质量标注方法，其方法包括；图像集的获取，通过获取第一图像集和第二图像集；人脸特征向量的获取，将第一图像集合第二图像集输入至人脸识别网络，从而获取人脸特征向量；图像集相似度的计算，第二图像集中第j个待标注人脸与第一图像集子集i参考照的相似度的计算；图像集相似度方差的计算，第二图像集第j个待标注人脸与第一图像集中所有子集的相似度进行相似度方差的计算；人脸图像质量分标签值的确定，依据图像相似度的方差，确定人脸图像质量分数。2.根据权利要求1所述的基于人脸识别系统的人脸图像质量标注方法，其特征在于，第一图像集包括至少一个ID子集，每个ID子集包含至少一张参考图，各个ID子集之间样本身份互不重叠；第二图像集包含多个待标注的样本，各待标注样本的参考照不出现在第一图像集中。3.根据权利要求1所述的基于人脸识别系统的人脸图像质量标注方法，其特征在于，图像集相似度的计算，将人脸识别特征向量与参考照人脸识别特征做向量内积，得到相似度值a
ij
，公式1中，v
j
表示的是第二图像集第j个待标注人脸的人脸特征向量；v
i
表示的ID子集i中参考照的人脸特征向量；|| ||表示对该向量取模；当向量除去本身模值后，即为归一化向量。4.根据权利要求1所述的基于人脸识别系统的人脸图像质量标注方法，其特征在于，图像集相似度方差的计算，统计第二图像集第j个待标注人脸与第一图像集中所有ID子集参考照的相似度，计算相似度分布的方差var
j
；公式2中，a

【专利技术属性】
技术研发人员：卿敏敏，徐联伯，
申请(专利权)人：杭州英歌智达科技有限公司，
类型：发明
国别省市：