【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种融合多维度参考指标的人脸图像质量评估方法。
技术介绍
1、人脸质量评估是指在人脸识别过程中评估人脸图像的质量，以确定该人脸图像是否适合用于人脸识别。它是人脸识别系统的重要组成部分，对于提高系统的准确性和鲁棒性具有重要的作用。
2、人脸质量评估的考量方向大致包括以下几个方面：①图像质量，指拍摄到的人脸图像的清晰度、色彩、光照等质量指标；②特征质量，指人脸图像中人脸特征信息的质量，包括人脸的大小、姿势、角度、遮挡、变形等等；③可识别性，指人脸图像是否能够被系统识别，以及识别的难易程度。
3、人脸质量评估典型的方法可以分为以下几种：①基于规则的方法，该方法根据图像的几何特征和统计特征来评估人脸图像的质量，例如，如果图像的清晰度不足，则可以通过计算图像的模糊程度来评估其质量；②基于机器学习的方法，该方法使用机器学习算法来训练模型，以根据图像的特征来预测图像的质量，例如，可以使用支持向量机(svm)或人工神经网络来训练模型；③基于深度学习的方法，该方法使用深度学习算法来训练模型，以根据图像的深度特征来预测图像的质量，例如，可以使用带有残差的多层卷积神经网络(cnn)来训练模型。
4、人脸质量评估的流程大致包括以下几个步骤：①采集人脸图像，从摄像头或其他图像源采集人脸图像；②预处理人脸图像，对图像进行预处理，例如裁剪、缩放和归一化等操作，以使其符合后续处理的要求；③提取特征，使用不同的算法从图像中提取特征，例如几何特征、统计特征和深度特征等；④预测质量分数，使用预先
5、人脸质量评估在人脸识别系统中发挥着重要的作用。首先，人脸质量评估可以筛选出高质量的人脸图像，从而提高后续人脸识别的准确率；其次，人脸质量评估可以提供关于图像质量的反馈，从而引导用户调整采集条件，以获得更高质量的图像；最后，人脸质量评估可以提高人脸识别系统的整体性能，使其更加可靠和高效。
6、人脸质量评估是一个综合性问题，涉及到多个不同维度的参考指标。基于规则的方法所囊括的因素有限，且一般的统计特征并不能很好地拟合绝大多数情况；而基于深度学习或机器学习的方法由于只进行整体考量，非常依赖于所用于训练数据样本的规模数量、类别丰富程度以及对应的标注质量，在模型单一的条件下，通常无法得出完全可靠的评估结果。
技术实现思路
1、为解决上述问题，本专利技术提供了一种融合多维度参考指标的人脸图像质量评估方法，包括以下步骤：
2、s1.采集包含待识别用户的原始图像，并通过人脸检测模型处理得到人脸区域图像和人脸检测置信度；
3、s2.通过人脸关键点检测模型提取人脸区域图像中的各人脸关键点及其人脸关键点检测置信度；
4、s3.根据所有人脸关键点计算人脸姿态角，然后对人脸区域图像的质量进行初次评估，若初次评估结果符合预设条件，则进入步骤s4；
5、s4.对人脸区域图像进行多目标类型检测得到多个目标，同时获取每一个目标的目标位置坐标和目标检测置信度；其中目标类型包括眼睛、鼻子和嘴巴三种；
6、s5.统计所有目标中每种类型的目标数量，得到每种类型的目标类型检测置信度；并根据每种类型的目标数量计算每种类型的目标图像清晰度；
7、s6.将步骤s1-s5所得结果整合为多维度参考指标整合特征向量，构建特征融合评价模型处理多维度参考指标整合特征向量得到人脸区域图像的质量评估分数。
8、进一步的，步骤s1包括：
9、s11.通过影像设备采集包含待识别用户的原始图像；
10、s12.根据人脸检测模型对原始图像进行检测得到人脸框位置坐标和人脸检测置信度；
11、s13.根据人脸框位置坐标对原始图像进行裁剪，得到人脸区域图像。
12、进一步的，步骤s5统计所有目标位置坐标中每种类型的目标数量，得到每种类型的目标类型检测置信度，包括：
13、s511.若归属于眼睛类型的目标数量等于0，则眼睛类型检测置信度等于0；若归属于眼睛类型的目标数量等于1，则眼睛类型检测置信度等于该归属于眼睛类型的目标的目标检测置信度的一半；若归属于眼睛类型的目标数量大于1，则计算所有归属于眼睛类型的目标中的最大目标检测置信度和第二大目标检测置信度的平均值，并令眼睛类型检测置信度等于该平均值；
14、s512.若归属于鼻子类型的目标数量等于0，则鼻子类型检测置信度等于0；若归属于鼻子类型的目标数量大于等于1，则鼻子类型检测置信度等于所有归属于鼻子类型的目标中的最大目标检测置信度；
15、s513.若归属于嘴巴类型的目标数量等于0，则嘴巴类型检测置信度等于0；若归属于嘴巴类型的目标数量大于等于1，则嘴巴类型检测置信度等于所有归属于嘴巴类型的目标中的最大目标检测置信度。
16、进一步的，步骤s5根据每种类型的目标数量计算每种类型的目标图像清晰度，包括：
17、s521.计算人脸区域图像的图像清晰度；
18、s522.若归属于眼睛类型的目标数量等于0，则眼睛类型图像清晰度等于0；若归属于眼睛类型的目标数量等于1，则根据该归属于眼睛类型的目标的目标位置坐标获取其在人脸区域图像中的区域图像清晰度，并将该区域图像清晰度的一半作为眼睛类型图像清晰度；若归属于眼睛类型的目标数量大于1，则筛选所有归属于眼睛类型的目标中的最大目标检测置信度和第二大目标检测置信度，根据对应的目标位置坐标获取这两者分别在人脸区域图像中的区域图像清晰度后求取平均区域图像清晰度，并令眼睛类型图像清晰度等于平均区域图像清晰度；
19、s523.若归属于鼻子类型的目标数量等于0，则鼻子类型图像清晰度等于0；若归属于鼻子类型的目标数量大于等于1，则筛选所有归属于鼻子类型的目标中的最大目标检测置信度，并根据对应的目标位置坐标获取其在人脸区域图像中的区域图像清晰度，令鼻子类型图像清晰度等于该区域图像清晰度；
20、s524.若归属于嘴巴类型的目标数量等于0，则嘴巴类型图像清晰度等于0；若归属于嘴巴类型的目标数量大于等于1，则筛选所有归属于嘴巴类型的目标中的最大目标检测置信度，并根据对应的目标位置坐标获取其在人脸区域图像中的区域图像清晰度，令嘴巴类型图像清晰度等于该区域图像清晰度。
21、进一步的，步骤s521计算人脸区域图像的图像清晰度，表示为：
22、
23、其中，f表示人脸区域图像的图像清晰度，m、n分别为人脸区域图像的长和宽，g(x,y)表示人脸区域图像中坐标(x,y)处的像素值。
24、进一步的，步骤s6包括：
25、s61.整合得到多维度参考指标整合特征向量，表示为：
26、[dface,cface,ckeypoints,apitch,ayaw,aroll,ceyes,本文档来自技高网...
【技术保护点】
1.一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤S1包括：
3.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤S5统计所有目标位置坐标中每种类型的目标数量，得到每种类型的目标类型检测置信度，包括：
4.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤S5根据每种类型的目标数量计算每种类型的目标图像清晰度，包括：
5.根据权利要求4所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤S521计算人脸区域图像的图像清晰度，表示为：
6.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤S6包括：
7.根据权利要求6所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，质量评估分数的计算公式为：
8.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法
...【技术特征摘要】
1.一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤s1包括：
3.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤s5统计所有目标位置坐标中每种类型的目标数量，得到每种类型的目标类型检测置信度，包括：
4.根据权利要求1所述的一种融合多维度参考指标的人脸图像质量评估方法，其特征在于，步骤s5根据每种类型的目标数量计算每种类型的目标图像清晰度...
【专利技术属性】
技术研发人员：陈颖，
申请(专利权)人：中科弘拓苏州智能科技有限公司，
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。