一种无监督人脸图像质量评价方法、装置及存储介质制造方法及图纸

本申请公开了一种无监督人脸图像质量评价方法，包括：获取人脸图像中的标准化人脸对象；使用方程在人脸对象数据集上训练质量分模型，其中，质量分模型用于得到标准化人脸对象的质量分数，人脸对象数据集包括多个人脸样本，并且其中，N表示标准化人脸对象的数量，m表示两个类别之间的角度间距，θ表示标准化人脸对象的权重与标准化人脸对象的特征向量之间的夹角，s表示分布有标准化人脸对象的特征向量的球面半径；利用质量分模型提取标准化人脸对象的特征序列，其中特征序列由特征向量构成；以及根据从特征序列中提取的范数值，确定标准化人脸对象的质量分数。的质量分数。的质量分数。

【技术实现步骤摘要】
一种无监督人脸图像质量评价方法、装置及存储介质


[0001]本申请涉及图像质量评价领域，特别是涉及一种无监督人脸图像质量评价方法、装置及存储介质。

技术介绍

[0002]人脸质量评价是进行人脸识别和聚类等任务的一个重要环节，人脸质量直接影响人脸识别系统的稳定性和可靠性，尤其是在复杂场景下的大规模人脸识别。因此人脸质量评价方法具有重要的研究意义和应用价值，目前已经广泛应用于智能支付、智能门禁、智能驾驶和智慧相册等多个领域。目前的人脸质量评价方法可分为两类，一类是通过人类视觉系统定义质量指标，另一类是人脸识别效果直接决定质量分数。在基于人脸识别效果对人脸质量进行评价的方法中，最重要的是建立图像质量与识别模型的映射关系。大多数已有方法将样本特征不确定性或样本对的相似度作为质量分数。
[0003]但是现阶段的人脸质量评价方法还存在诸多问题，例如，基于人脸识别生成的质量分数具有不可解释性，与人主观感知结果相差较大、有监督的训练方式需要标注大量的数据，依靠主观标注的方式直接影响算法的效果以及质量分数回归网络与人脸识别网络结构基本相同，在实际应用中网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督人脸图像质量评价方法，其特征在于，包括：获取人脸图像中的标准化人脸对象；使用方程在人脸对象数据集上训练质量分模型，其中，所述质量分模型用于得到所述标准化人脸对象的质量分数，所述人脸对象数据集包括多个人脸样本，并且其中，N表示所述标准化人脸对象的数量，m表示不同类别之间的角度间距，θ表示所述标准化人脸对象的权重与所述标准化人脸对象的特征向量之间的夹角，s表示分布有所述标准化人脸对象的特征向量的球面半径，并且其中，所述不同类别表示不同的所述标准化人脸对象；利用所述质量分模型提取所述标准化人脸对象的特征序列，其中所述特征序列由所述特征向量构成；以及根据从所述特征序列中提取的范数值，确定所述标准化人脸对象的质量分数。2.根据权利要求1所述的方法，其特征在于，使用方程2.根据权利要求1所述的方法，其特征在于，使用方程在人脸对象数据集上训练质量分模型的操作包括：对所述标准化人脸对象的特征向量和所述标准化人脸对象的权重进行归一化处理；利用反余弦函数计算所述标准化人脸对象的特征向量与所述标准化人脸对象的权重之间的角度θ；在所述标准化人脸对象的特征向量与所述标准化人脸对象的权重之间的角度θ的基础上添加角度间隔m；利用余弦函数重新计算逻辑回归的反向传播过程，并重新缩放所有逻辑；利用softmax函数计算各类别概率，其中所述各类别概率表示不同的所述标准化人脸对象的概率；以及通过Ground Truth和One Hot Vector确定所述各类别概率的交叉熵损失。3.根据权利要求2所述的方法，其特征在于，对所述标准化人脸对象的特征向量和所述标准化人脸对象的权重进行归一化处理的操作包括：利用对所述标准化人脸对象的权重进行归一化处理，其中W
*
表示所述标准化人脸对象的权重向量，||W
*
||表示所述标准化人脸对象的权重的向量范数；以及利用对所述标准化人脸对象的特征向量进行归一化处理，其中x
*
表示所述标准化人脸对象的特征向量，||x
*
||表示所述标准化人脸对象的特征向量的向量范数。4.根据权利要求2所述的方法，其特征在于，利用反余弦函数计算所述标准化人脸对象的特征向量与所述标准化人脸对象的权重之间的角度θ的操作包括：利用cosθ＝w
T
x获取所述标准化人脸对象的特征向量和所述标准化人脸对象的权重之间的角度θ的余弦值。5.根据权利要求1所述的方法，其特征在于，还包括：

【专利技术属性】
技术研发人员：李晨，夏东明，金晨曦，
申请(专利权)人：合肥钛灵信息科技有限公司，
类型：发明
国别省市：