基于学习排序的人脸图像质量评价的方法和系统技术方案

本发明专利技术提供一种基于学习排序的人脸图像质量评价的方法和系统，包括：构造人脸数据集中每个身份对应的的类中心；构造人脸图像样本在潜在空间内的标准化类内距离和标准化类间距离，并利用他它们构造人脸图像样本的质量标签；构造人脸图像质量网络Q；构造人脸图像对以及质量高于的实际概率和后验概率；利用实际概率和后验概率，构造交叉熵损失函数；基于交叉熵损失函数训练人脸图像质量网络。能减小现有人脸图像质量评价方法中存在的偏差因素，从而提升质量评价的性能，得到与识别结果更加一致的人脸图像质量分数。易于重现且具有很好地适用性和推广性。重现且具有很好地适用性和推广性。重现且具有很好地适用性和推广性。

【技术实现步骤摘要】
assessment.In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR),pages 14225
–
14234,June2021.)然而，这些方法对于人脸质量的学习往往基于隐式约束，在实际训练中难以达到最优点从而与真实质量产生偏差。此外，上述所有方法的骨干网络均于特定的人脸识别算法相关，这也会使人脸质量评价过度偏向于特定的识别算法，而与其他识别算法产生较大的偏差。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于学习排序的人脸图像质量评价的方法和系统。
[0006]根据本专利技术的一个方面，提供一种基于学习排序的人脸图像质量评价的方法，包括：
[0007]利用人脸识别模型提取人脸图像在潜在空间内的人脸特征，基于所述人脸特征构造人脸数据集中每个身份对应的的类中心；
[0008]基于所述类中心，构造人脸图像样本在潜在空间内的标准化类内距离；
[0009]基于所述类中心本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于学习排序的人脸图像质量评价的方法，其特征在于，包括：利用人脸识别模型提取人脸图像在潜在空间内的人脸特征，基于所述人脸特征构造人脸数据集中每个身份对应的的类中心；基于所述类中心，构造人脸图像样本在潜在空间内的标准化类内距离；基于所述类中心，构造人脸图像样本在潜在空间内的标准化类间距离；利用人脸图像样本的所述标准化类内距离和所述标准化类间距离，构造人脸图像样本的质量标签；构造人脸图像质量网络用于预测人脸图像的质量；构造人脸图像对根据它们的质量标签，构造质量高于的实际概率作为训练标签；根据所述质量网络对它们质量的预测，构造质量高于的后验概率；根据所述人脸图像对的所述实际概率和所述后验概率，构造交叉熵损失函数；基于所述交叉熵损失函数训练所述人脸图像质量网络，利用训练后的人脸图像质量网络完成人脸图像质量评价。2.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述利用人脸识别模型提取人脸图像在潜在空间内的人脸特征，基于所述人脸特征构造人脸数据集中每个身份对应的的类中心，包括：给定一个含有m个身份的人脸图像数据集其中表示第j个身份的第i张人脸图像，n
j
表示第j个身份的图像总数；对于使用预训练的人脸识别模型提取对应的人脸特征向量：对于任意身份j，利用该身份所有人脸图像的特征构造所述类中心：3.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述基于所述类中心，构造人脸图像样本在潜在空间内的标准化类内距离，包括：对于任意人脸图像计算其到对应类中心的类内角度距离：利用同一身份中所有人脸图像的类内角度距离，计算该身份类内距离的平均值：以及标准差：利用所述类内角度距离，同身份类内距离平均值和标准差，构造所述人脸图像样本在潜在空间内的标准化类内距离：所述基于所述类中心，构造人脸图像样本在潜在空间内的标准化类间距离，包括：
对于任意人脸图像计算其到其他身份类别k中心的角度距离：计算其到其他身份类别k中心的角度距离：选择所有到其他类的角度距离中最小的作为的类间距离：计算角度距离最小的身份类内距离的平均值以及标准差根据最小类的类内距离平均值和标准差，构造所述人脸图像样本在潜在空间内的标准化类间距离：4.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，利用所述人脸图像样本的标准化类内距离和标准化类...

【专利技术属性】
技术研发人员：杨华，陈泽浩，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：