一种人脸图像质量的量化分析方法技术

本发明专利技术涉及一种人脸图像质量的量化分析方法，引入细粒度、姿态、清晰度、光照四方面因素进行分析，将人脸图像进行细粒度分类，用于区分人脸图像中的误检、低质量、遮挡等问题；通过排序学习训练清晰度估计模型，实现对人脸图像清晰度的准确估计；利用姿态角度回归模型，获得人脸在三维空间的具体角度；再结合光照分析，经过不同场景图像测试，拟合出适用于不同类型的分数映射参数、以及影响因素权重，实现在不同应用场景下均可以给出相对准确的人脸质量分数，进而有效地进行低质量人脸过滤，为人脸图像提供符合主观的人脸质量评价；此外，所使用的模型均为经过压缩优化后的轻量化模型，计算速度快、资源占用较少。资源占用较少。资源占用较少。

【技术实现步骤摘要】
一种人脸图像质量的量化分析方法


[0001]本专利技术涉及一种人脸图像质量的量化分析方法，属于人脸图像质量评估


技术介绍

[0002]图像质量评估算法旨在使用数学模型给出与人的主观质量判断相一致的客观量化值。人脸图像质量评估的不同点在于，不仅要考虑图像质量，更要考虑人脸图像是否可以用于人脸识别，而图像中人脸的姿态、遮挡程度、模糊程度、光照条件等因素都会对人脸识别结果造成影响，难以将对人脸图像的主观感受转化为数字进行衡量，这是人脸图像质量评估所面临的巨大挑战。
[0003]在人脸识别、人脸聚类、人脸属性分析等任务中需要先对质量较差的人脸图像进行过滤，且人脸检测算法不可避免地会出现误检情况，直接将人脸检测结果输出到后续环节，很大程度会对后续算法效果造成影响。因此亟需要一种能够有效过滤低质量以及能对人脸图像质量准确量化分析的人脸质量评估算法。
[0004]目前人脸质量评估方法可分为两类，一类是通过人类视觉系统主观定义质量指标(Human Quality Values,HQV)，另一类是人脸识别效果直接决定质量分数(Machi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像质量的量化分析方法，用于针对待测图像中局部待测人脸图像的质量进行量化，其特征在于，执行如下步骤A至步骤J，获得局部待测人脸图像所对应的分数，用于对局部待测人脸图像进行质量筛选；步骤A.基于以人脸图像为输入、人脸图像所对应预设人脸图像细粒度分类为输出的质量分类网络，针对局部待测人脸图像进行处理，获得局部待测人脸图像所对应的细粒度分类，并作为局部待测人脸图像所对应的质量分类，然后进入步骤B；步骤B.基于待测图像，以局部待测人脸图像为中心，针对局部待测人脸图像所对应的选择框外扩预设第一比例，获得第一局部外扩待测人脸图像，若超出待测图像区域，则以全0像素值进行填补，并进入步骤C；步骤C.基于以人脸图像为输入，人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下预设各角度区间概率为输出的姿态分类网络，针对第一局部外扩待测人脸图像进行处理，获得第一局部外扩待测人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下预设各角度区间预测结果，并执行数学期望回归，获得第一局部外扩待测人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下的预测角度连续值，即获得局部待测人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下的预测角度连续值，然后进入步骤D；步骤D.基于待测图像，以局部待测人脸图像为中心，针对局部待测人脸图像所对应的选择框外扩预设第二比例，获得第二局部外扩待测人脸图像，并进入步骤E；步骤E.基于以人脸图像为输入、人脸图像所对应清晰度数据为输出的清晰度估计网络，针对第二局部外扩待测人脸图像进行处理，获得第二局部外扩待测人脸图像所对应清晰度数据，并使用sigmoid函数将清晰度数据映射到0到1之间，作为第二局部外扩待测人脸图像所对应的清晰度值，即获得局部待测人脸图像所对应的清晰度值，然后进入步骤F；步骤F.基于局部待测人脸图像各角点的位置坐标，以及局部待测人脸图像的长、宽，针对局部待测人脸图像所对应的选择框进行缩小，获得局部待测人脸图像中的局部光照区域，并计算获得局部光照区域对应HSV色彩空间中V通道的均值，作为局部待测人脸图像所对应的人脸光照值，然后进入步骤G；步骤G.计算获得局部待测人脸图像中人脸对应偏航角方向的预测角度连续值所对应的分数、俯仰角方向的预测角度连续值所对应的分数、翻滚角方向下的预测角度连续值所对应的分数，并根据各质量分类下预设偏航角方向权重、预设俯仰角方向权重、翻滚角方向权重，应用加权方式，获得局部待测人脸图像所对应的姿态分数，然后进入步骤H；步骤H.根据局部待测人脸图像所对应的清晰度值，计算获得局部待测人脸图像所对应的清晰度分数，然后进入步骤I；步骤I.根据局部待测人脸图像所对应的人脸光照值，计算获得局部待测人脸图像所对应的光照分数，然后进入步骤J；步骤J.根据各质量分类分别对应的姿态权重、清晰度权重、光照权重，结合局部待测人脸图像所对应的质量分类，按如下公式：获得局部待测人脸图像所对应的分数Score，其中，分别表示局部待测
人脸图像所对应质量分类下姿态权重、清晰度权重、光照权重，S
P
、S
C
、S
L
分别表示局部待测人脸图像所对应的姿态分数、清晰度分数、光照分数，m
t
表示局部待测人脸图像所对应质量分类下预设最大人脸图像分数。2.根据权利要求1所述一种人脸图像质量的量化分析方法，其特征在于：所述步骤A中，基于所获局部待测人脸图像所对应的细粒度分类，结合各细粒度分类与预设各质量分类之间预设映射关系，获得局部待测人脸图像所对应细粒度分类对应的质量分类，即获得局部待测人脸图像所对应的质量分类，然后进入步骤B。3.根据权利要求1所述一种人脸图像质量的量化分析方法，其特征在于：所述步骤C中，所获第一局部外扩待测人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下预设各角度区间预测结果，按如下公式：预设各角度区间预测结果，按如下公式：预设各角度区间预测结果，按如下公式：执行数学期望回归，获得第一局部外扩待测人脸图像中人脸分别对应偏航角方向下的预测角度连续值yaw
p
、俯仰角方向下的预测角度连续值pitch
p
、翻滚角方向下的预测角度连续值roll
p
，即获得局部待测人脸图像中人脸分别对应偏航角方向、俯仰角方向、翻滚角方向下的预测角度连续值；其中，i＝{0、1、2、
…
、I}，I表示人脸分别对应各姿态角方向下所划分角度区间的个数，logit
yaw
表示姿态分类网络对应人脸在偏航角方向的输出，logit
pitch
表示姿态分类网络对应人脸在俯仰角方向的输出，logit
roll
表示姿态分类网络对应人脸在翻滚角方向的输出，softmax(logit
yaw
)
i
表示logit
yaw
对应第i个角度区间的概率，softmax(logit
pitch
)
i
表示logit
pitch
对应第i个角度区间的概率，softmax(logit
roll
)
i
表示logit
roll
对应第i个角度区间的概率。4.根据权利要求1所述一种人脸图像质量的量化分析方法，其特征在于：所述步骤F中，根据如下公式：计算获得局部光照区域对应HSV色彩空间中V通道的均值L，作为局部待测人脸图像所对应的人脸光照值，其中，W和H分别为局部光照区域的宽和高，V
wh
为局部光照区域中(w，h)坐标位置对应HSV色彩空间V通道的像素值。5.根据权利要求1所述一种人脸图像质量的量化分析方法，其特征在于：所述步骤G中，执行如下步骤G1至步骤G4，获得局部待测人脸图像中人脸对应偏航角方向的预测角度连续值所对应的分数、俯仰角方向的预测角度连续值所对应的分数、翻滚角方向下的预测角度连续值所对应的分数；步骤G1.基于横坐标为姿态角度、纵坐标为分数的坐标系，针对人脸对应的偏航角方
向、俯仰角方向、翻滚角方向：基于人脸在对应方向上姿态角度的变化范...

【专利技术属性】
技术研发人员：夏立，蔡娜娜，郑鹏，李峰岳，王康，张晓燕，
申请(专利权)人：南京烽火星空通信发展有限公司，
类型：发明
国别省市：