基于视频的人脸图像优选方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种基于视频的人脸图像优选方法、装置、设备和存储介质。所述方法包括：通过对人脸图像依次进行分辨率评估、亮度评估、深度清晰度评估、完整度评估以及深度姿态评估这五种评估，并且挑选出同时满足五种评估标准的人脸图像作为优选的人脸图像以供后续进行人脸识别，这样可以有效的提高从人脸视频中选取出最优选的人脸图像，为人脸识别提供最为优质的图像，以提高人脸识别的精准度。并且在进行深度清晰度评估以及深度姿态评估时采用的深度学习模型进行评估，相比于传统方法具有更好的鲁棒性。好的鲁棒性。好的鲁棒性。

【技术实现步骤摘要】
基于视频的人脸图像优选方法、装置、设备和存储介质


[0001]本申请涉及图像优选
，特别是涉及一种基于视频的人脸图像优选方法、装置、设备和存储介质。

技术介绍

[0002]随着互联网技术的深入应用，采用远程网络考试/在线考试的需求越来越迫切，由于不能较好地解决防止作弊的难题，在线考试的应用和发展一直受到制约。采用智能检测技术的智慧考场，相对于传统考场减少了监考人力成本，同时能够较好地防止作弊，开拓了教育信息化和智能化的新场景。
[0003]由于需要防止替考出现，人脸识别在智慧考场上具有重要应用，然而很多时候由于环境光影响、摄像头质量、考生人脸姿态等因素影响，摄像头面前的考生人脸成像质量不佳，所以需要一种人脸优选方法。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够选取出有助于进行人脸识别更为精准的优选人脸图像的基于视频的人脸图像优选方法、装置、设备和存储介质。
[0005]一种基于视频的人脸图像优选方法，所述方法包括：
[0006]获取待检测的人脸视频数据，所述人脸视频数据包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于视频的人脸图像优选方法，其特征在于，所述方法包括：获取待检测的人脸视频数据，所述人脸视频数据包括以时间为顺序的多帧人脸图像及人脸检测框位置，且各人脸图像中的人脸均为同一对象；对各帧人脸图像分别依次进行分辨率评估、亮度评估、深度清晰度评估、完整度评估以及深度姿态评估，其中所述深度清晰度评估以及深度姿态评估分别采用已训练的深度学习模型进行评估；选取所述人脸视频数据中所有评估均符合标准的人脸图像作为优选的人脸图像。2.根据权利要求1所述的人脸优选方法，其特征在于，对所述人脸图像进行所述分辨率评估包括：若所述人脸图像中人脸区域部分分辨率小于80X80，则不符合分辨率标准将该帧人脸图像舍弃；若所述人脸图像中人脸区域部分分辨率大于或等于80X80，则符合分辨率标准，将该帧人脸图像进行所述亮度评估。3.根据权利要求2所述的人脸优选方法，其特征在于，对所述人脸图像进行所述亮度评估包括：根据所述人脸图像得到其中人脸区域的像素分布直方图，统计所述像素分布直方图中亮度大于240或小于15的像素，若统计的像素数量大于全部像素数量的40％，则不符合亮度标准将该帧人脸图像舍弃；若统计的像素数量小于或等于全部像素数量的40％，则符合亮度标准将该帧人脸图像进行所述深度清晰度评估。4.根据权利要求3所述的人脸优选方法，其特征在于，对所述人脸图像进行深度清晰度评估包括：将所述人脸图像输入至已训练好的清晰度评估模型进行清晰度预测，所述预测结果包括三个等级分别为高等级、中等级以及低等级，若所述预测结果为低等级，则不符合清晰度标准将该帧人脸图像舍弃；若所述预测结果为高等级或中等级，则符合清晰度标准将该帧人脸图像进行所述完整度评估。5.根据权利要求4所述的人脸优选方法，其特征在于，对所述人脸图像进行完整度评估包括：在所述人脸图像中将人脸检测框区域向四周进行扩展预设比例，若扩展后的检测框超过了人脸图像的边缘，则不符合完整度评估将该帧人脸图像舍弃；若扩展后...

【专利技术属性】
技术研发人员：谢昌颐，李蕾，
申请(专利权)人：湖南中科助英智能科技研究院有限公司，
类型：发明
国别省市：