【技术实现步骤摘要】
人脸清晰度检测方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能及数字医疗
，尤其涉及一种人脸清晰度检测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]在人像采集过程中，因不可控制的外界因素导致采集到人脸图像质量参差不齐，其中不乏含有模糊的人脸图像，给后续的人脸识别带来了困难。因此，提前对人脸图像进行清晰度检测显得尤为重要。
[0003]业界现如今普遍使用的方法如基于梯度计算的图像清晰度评价和基于深度学习方法的图像清晰度评价，这两种方法都会由于拍摄环境复杂多样以及图像的复杂背景对清晰度评估产生干扰并误判，导致对图像进行清晰度检测的精确度较低。
技术实现思路
[0004]本专利技术提供一种人脸清晰度检测方法、装置及计算机可读存储介质，其主要目的在于解决图像清晰度检测精确度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种人脸清晰度检测方法，包括：
[0006]获取训练图像集以及所述训练图像集对应的真实人脸置信度和真实人脸尺寸；
[0...
【技术保护点】
【技术特征摘要】
1.一种人脸清晰度检测方法，其特征在于，所述方法包括：获取训练图像集以及所述训练图像集对应的真实人脸置信度和真实人脸尺寸；利用预构建的人脸定位模型计算所述训练图像集的预测人脸置信度和预测人脸尺寸；计算所述预测人脸置信度与所述真实人脸置信度之间的损失值，得到第一损失值，并计算所述预测人脸尺寸和所述真实人脸尺寸之间的损失值，得到第二损失值，利用所述第一损失值和所述第二损失值对所述人脸定位模型进行优化，得到标准人脸定位模型；获得待检测图像，利用所述标准人脸定位模型对所述待检测图像进行检测，得到所述待检测图像中的人脸尺寸和每一个像素点的置信度；汇集所述置信度大于预设阈值的像素点为人脸像素点，选取所述人脸像素点的中心像素点，根据所述中心像素点和所述人脸尺寸对所述待检测图像进行剪裁，得到人脸框图；根据所述人脸框图内的像素点计算得到所述待检测图像的清晰度数值。2.如权利要求1所述的人脸清晰度检测方法，其特征在于，所述利用预构建的人脸定位模型计算所述训练图像集的预测人脸置信度和预测人脸尺寸，包括：对所述训练图像集中的每个训练图像进行数据增强处理，得到标准训练图像集；从所述标准训练图像集中逐一选取其中一个图像为目标图像；统计所述目标图像中所有像素点的像素值，得到所述目标图像的像素矩阵；利用所述人脸定位模型对所述像素矩阵进行卷积、池化以及激活处理，得到所述目标图像中每一个像素点的预测人脸置信度；统计所述目标图像中所述预测人脸置信度大于预设阈值的像素点为人脸像素点，根据所述人脸像素点计算得到所述目标图像的预测人脸尺寸。3.如权利要求2所述的人脸清晰度检测方法，其特征在于，所述对所述训练图像集中的每个训练图像进行数据增强处理，得到标准训练图像集，包括：对所述训练图像集的训练图像逐一进行随机裁剪；对剪裁后的训练图像进行随机图像抖动，得到标准训练图像集。4.如权利要求1所述的人脸清晰度检测方法，其特征在于，所述利用所述第一损失值和所述第二损失值对所述人脸定位模型进行优化，得到标准人脸定位模型，包括：利用串联损失函数计算所述第一损失值及所述第二损失值的串联损失值；当所述串联损失值大于预设的损失阈值时，利于预设的优化算法对所述人脸定位模型进行优化，得到优化后的人脸定位模型；利用所述优化后的人脸定位模型计算所述训练图像集的预测人脸置信度和预测人脸尺寸，计算所述预测人脸置信度与所述真实人脸置信度的损失值，得到第一损失值，计算所述预测人脸尺寸和所述真实人脸尺寸之间的损失值，得到第二损失值，并返回利用串联损失函数计算所述第一损失值及所述第二损失值的串联损失值的步骤；当所述串联损失值小于或等于预设的损失阈值时，得到标准人脸定位模型。5.如权利要求1所述的人脸清晰度检测方法，其特征在于，所述选取所述人...
【专利技术属性】
技术研发人员：洪叁亮，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
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。