本申请涉及人工智能技术领域，揭示了一种基于人脸图像的人脸质量评估方法、装置、设备及介质，其中方法包括：将待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值，其中，基于多个不同的人脸识别模型生成多个目标训练样本，采用多个目标训练样本对基于神经网络得到模型进行训练，将训练后的模型作为目标人脸质量评估模型；将质量分值作为待评估的人脸图像对应的目标人脸质量分。实现了基于多个人脸识别模型和神经网络训练得到目标人脸质量评估模型，不需要采用分类模型训练的人脸质量评估模型，从而避免了人脸图像的获取成本非常高昂的问题；而且采用多个人脸识别模型参与训练，提高了目标人脸质量评估模型的泛化效果。模型的泛化效果。模型的泛化效果。
【技术实现步骤摘要】
基于人脸图像的人脸质量评估方法、装置、设备及介质
[0001]本申请涉及到人工智能
，特别是涉及到一种基于人脸图像的人脸质量评估方法、装置、设备及介质。
技术介绍
[0002]人脸图像的人脸质量检测是人脸识别流程里必不可少的环节，它可以过滤掉一些人脸质量不好的人脸图像，使得人脸识别模块可以更有效率的工作。现有的人脸质量评估模型都是基于面部特征清晰度、照明质量和图像分辨率等面部特征产生一个图像质量得分，这样的人脸质量评估模型通常会使用分类模型去训练，将人脸图像分为几个档来区分人脸质量的好坏程度，用于训练的训练集通常会使用实际采集的人脸图像、虚拟生成的人脸图像、业务流程中回流的人脸图像中的至少一种人脸图像进行训练，存在人脸图像的获取成本非常高昂的问题。还有利用人脸识别模块的人脸置信度给人脸图像打分制作成数据集训练人脸质量评估模型，这种方式制作的数据标签并不能很好的表达人脸质量的好坏，只能看做是判断人脸图像在特定的人脸识别模块下能否得到一个合理的分数，训练出来的人脸质量评估模型在其它人脸识别模块下并不具有泛化效果。
技术实现思路
[0003]本申请的主要目的为提供一种基于人脸图像的人脸质量评估方法、装置、设备及介质，旨在解决采用分类模型训练的人脸质量评估模型，存在人脸图像的获取成本非常高昂的问题，而利用人脸识别模块的人脸置信度给人脸图像打分制作成数据集训练人脸质量评估模型，不具有泛化效果的技术问题。
[0004]为了实现上述专利技术目的，本申请提出一种基于人脸图像的人脸质量评估方法，所述方法包括：
[0005]获取待评估的人脸图像；
[0006]将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值，其中，基于多个不同的人脸识别模型生成多个目标训练样本，采用多个所述目标训练样本对基于神经网络得到模型进行训练，将训练后的模型作为所述目标人脸质量评估模型；
[0007]将所述质量分值作为所述待评估的人脸图像对应的目标人脸质量分。
[0008]进一步的，所述将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量分的评估，得到质量分值的步骤之前，包括：
[0009]获取多个待处理的人脸图像对和多个所述人脸识别模型；
[0010]根据每个所述待处理的人脸图像对和各个所述人脸识别模型进行人脸质量分标签生成和训练样本生成，得到所述目标训练样本；
[0011]采用多个所述目标训练样本对初始模型进行训练，直至达到收敛状态；
[0012]将达到所述收敛状态的所述初始模型的人脸质量评估模块确定为所述目标人脸
质量评估模型。
[0013]进一步的，所述根据每个所述待处理的人脸图像对和各个所述人脸识别模型进行人脸质量分标签生成和训练样本生成，得到所述目标训练样本的步骤，包括：
[0014]从多个所述待处理的人脸图像对中获取一个作为目标人脸图像对；
[0015]将所述目标人脸图像对分别输入各个所述人脸识别模型进行人脸距离分数计算，得到多个目标人脸距离分数；
[0016]根据多个所述目标人脸距离分数生成人脸质量分标签；
[0017]根据所述人脸质量分标签和所述目标人脸图像对生成训练样本，得到所述目标人脸图像对对应的所述目标训练样本；
[0018]重复执行所述从多个所述待处理的人脸图像对中获取一个作为目标人脸图像对的步骤，直至完成所述待处理的人脸图像对的获取。
[0019]进一步的，所述目标人脸图像对包括：待训练的人脸图像和标准人脸图像，所述根据多个所述目标人脸距离分数生成人脸质量分标签的步骤，包括：
[0020]根据多个所述目标人脸距离分数进行方差计算，得到所述人脸质量分标签。
[0021]进一步的，两个所述人脸识别模型的网络结构、网络层数、参数量中的至少一种不相同；
[0022]所述将所述目标人脸图像对分别输入各个所述人脸识别模型进行人脸距离分数计算，得到多个目标人脸距离分数的步骤，包括：
[0023]将所述目标人脸图像对分别输入各个所述人脸识别模型；
[0024]获取每个所述人脸识别模型前向输出的人脸距离分数作为所述目标人脸距离分数。
[0025]进一步的，所述初始模型还包括：人脸关键特征质量评估模块，其中，所述人脸关键特征质量评估模块的输入端与所述人脸质量评估模块的卷积单元的输出端连接；
[0026]每个所述目标训练样本包括：人脸图像样本、人脸质量分标定值和人脸关键特征质量分标定值。
[0027]进一步的，所述采用多个所述目标训练样本对初始模型进行训练，直至达到收敛状态的步骤，包括：
[0028]从多个所述目标训练样本中获取其中一个所述目标训练样本作为目标样本；
[0029]将所述目标样本的人脸图像样本输入所述初始模型；
[0030]获取所述初始模型的所述人脸质量评估模块输出的人脸质量分预测值；
[0031]获取所述初始模型的所述人脸关键特征质量评估模块输出的人脸关键特征质量分预测值；
[0032]根据所述人脸质量分预测值、所述人脸关键特征质量分预测值和所述目标样本的人脸质量分标定值及人脸关键特征质量分标定值进行损失值计算，得到目标损失值；
[0033]根据所述目标损失值更新所述初始模型的网络参数；
[0034]重复执行所述从多个所述目标训练样本中获取其中一个所述目标训练样本作为目标样本的步骤，直至达到所述收敛状态。
[0035]本申请还提出了一种基于人脸图像的人脸质量评估装置，所述装置包括：
[0036]图像获取模块，用于获取待评估的人脸图像；
[0037]人脸质量分评估模块，用于将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值，其中，基于多个不同的人脸识别模型生成多个目标训练样本，采用多个所述目标训练样本对基于神经网络得到模型进行训练，将训练后的模型作为所述目标人脸质量评估模型；
[0038]目标人脸质量分确定模块，用于将所述质量分值作为所述待评估的人脸图像对应的目标人脸质量分。
[0039]本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0040]本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0041]本申请的基于人脸图像的人脸质量评估方法、装置、设备及介质，其中方法通过获取待评估的人脸图像；将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值，其中，基于多个不同的人脸识别模型生成多个目标训练样本，采用多个所述目标训练样本对基于神经网络得到模型进行训练，将训练后的模型作为所述目标人脸质量评估模型；将所述质量分值作为所述待评估的人脸图像对应的目标人脸质量分，实现了基于多个人脸识别模型和神经网络训练得到目标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人脸图像的人脸质量评估方法，其特征在于，所述方法包括：获取待评估的人脸图像；将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值，其中，基于多个不同的人脸识别模型生成多个目标训练样本，采用多个所述目标训练样本对基于神经网络得到模型进行训练，将训练后的模型作为所述目标人脸质量评估模型；将所述质量分值作为所述待评估的人脸图像对应的目标人脸质量分。2.根据权利要求1所述的基于人脸图像的人脸质量评估方法，其特征在于，所述将所述待评估的人脸图像输入目标人脸质量评估模型进行人脸质量评估，得到质量分值的步骤之前，包括：获取多个待处理的人脸图像对和多个所述人脸识别模型；根据每个所述待处理的人脸图像对和各个所述人脸识别模型进行人脸质量分标签生成和训练样本生成，得到所述目标训练样本；采用多个所述目标训练样本对初始模型进行训练，直至达到收敛状态；将达到收敛状态的所述初始模型确定为所述目标人脸质量评估模型。3.根据权利要求2所述的基于人脸图像的人脸质量评估方法，其特征在于，所述根据每个所述待处理的人脸图像对和各个所述人脸识别模型进行人脸质量分标签生成和训练样本生成，得到所述目标训练样本的步骤，包括：从多个所述待处理的人脸图像对中获取一个作为目标人脸图像对；将所述目标人脸图像对分别输入各个所述人脸识别模型进行人脸距离分数计算，得到多个目标人脸距离分数；根据多个所述目标人脸距离分数生成人脸质量分标签；根据所述人脸质量分标签和所述目标人脸图像对生成训练样本，得到所述目标人脸图像对对应的所述目标训练样本；重复执行所述从多个所述待处理的人脸图像对中获取一个作为目标人脸图像对的步骤，直至完成所述待处理的人脸图像对的获取。4.根据权利要求3所述的基于人脸图像的人脸质量评估方法，其特征在于，所述目标人脸图像对包括：待训练的人脸图像和标准人脸图像，所述根据多个所述目标人脸距离分数生成人脸质量分标签的步骤，包括：根据多个所述目标人脸距离分数进行方差计算，得到所述人脸质量分标签。5.根据权利要求3所述的基于人脸图像的人脸质量评估方法，其特征在于，两个所述人脸识别模型的网络结构、网络层数、参数量中的至少一种不相同；所述将所述目标人脸图像对分别输入各个所述人脸识别模型进行人脸距离分数计算...
【专利技术属性】
技术研发人员：李佼，戴磊，刘玉宇，
申请(专利权)人：平安科技深圳有限公司，
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。