CN110046652A - 人脸质量评估方法、装置、终端及可读介质 - Google Patents
人脸质量评估方法、装置、终端及可读介质 Download PDFInfo
- Publication number
- CN110046652A CN110046652A CN201910205391.3A CN201910205391A CN110046652A CN 110046652 A CN110046652 A CN 110046652A CN 201910205391 A CN201910205391 A CN 201910205391A CN 110046652 A CN110046652 A CN 110046652A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- facial image
- assessed
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种人脸质量评估方法、装置、终端及计算机可读介质,其中,所述方法包括:获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像对应的第一人脸图像区域;通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征向量;将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。采用本发明实施例,通过人脸图像的特征提取和基于神经网络的分类器来对人脸图像质量进行评估,提高了人脸识别场景中的人脸质量评估的准确率。
Description
技术领域
本发明涉及图像处理及人脸识别技术领域,具体涉及一种人脸质量评估方法、 装置、终端及计算机可读介质。
背景技术
随着计算机技术和人工智能技术的发展,人脸识别技术已比较成熟且应用广 泛,例如,在很多应用场景下,均采用人脸识别来识别用户身份。虽说在一般情 况下,人脸识别技术具有较高的准确度,但是如果进行识别的人脸图像本身存在 问题(例如,运动模糊、光线、距离过大、模糊度过大、人脸角度过偏),就会 导致其人脸识别结果的准确率也降低。也就是说,在人脸识别的过程中,首先得 需要一张人脸质量、角度、以及人脸大小均较好的人脸图像,如果人脸质量较差 或者无法区分较好的人脸,则导致人脸识别的准确率和效率大打折扣,达不到用 户身份识别的目的。
在相关技术方案中,人脸图像质量的判断可以是通过对人脸图像区域的模糊 度的判断,或者对人脸图像区域的明暗程度的判断,或者通过人脸图像区域的特 征点对人脸角度的计算,而这些人脸质量的判断存在准确率较低的问题,达不到 用户身份识别的准确性要求。
也就是说,在现有的人脸识别场景中的对人脸质量的评估和判断的技术方案 中,对于人脸质量的评估和判断的准确率存在不足。
发明内容
针对上述相关技术方案中存在的技术问题,在本发明中,提供了一种人脸质 量评估方法、装置、终端及计算机可读介质,通过人脸图像的特征提取和基于神 经网络的分类器来对人脸图像质量进行评估,可提高人脸识别场景中的人脸质量 评估的准确率。
本发明解决上述技术问题的技术方案如下:
本发明第一方面提供一种人脸质量评估方法,所述方法包括:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像 对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征 向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人 脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
在一个可选的实施例中,所述方法还包括:
获取训练样本集,所述训练视样本包括多个样本人脸图像及与所述样本人脸 图像对应的样本评估结果;
对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人脸图像区域;
通过所述特征提取算法,获取所述第二人脸图像区域对应的第二人脸特征向 量;
根据所述训练样本集包括的多个样本人脸图像及其对应的样本评估结果、第 二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完成的人脸质 量评估分类器。
在一个可选的实施例中,所述人脸质量评估分类器为MLP分类器。
在一个可选的实施例中,所述对所述待评估图像进行人脸识别,获取与所述 待评估图像对应的第一人脸图像区域的步骤之后,还包括:
对所述第一人脸图像区域进行规范化处理,获取在预设尺寸在的第一人脸图 像区域。
在一个可选的实施例中,所述通过预设的特征提取算法,获取所述第一人脸 图像区域对应的第一人脸特征向量的步骤,还包括:
通过预设的LBP特征提取算法,提取所述第一人脸图像区域对应的LBP特 征向量作为第一人脸特征向量;
或,通过预设的多个特征提取算法,分别提取第一人脸图像区域对应的第一 子特征向量,将所述提取到的多个子特征向量组合获取第一人脸特征向量。
在一个可选的实施例中,所述人脸质量评估结果包括人脸角度评估结果、和 /或人脸图像质量评估结果。
在一个可选的实施例中,所述对所述待评估图像进行人脸识别,获取与所述 待评估图像对应的第一人脸图像区域的步骤,还包括:
通过预设的人脸识别算法,获取所述待评估图像中的人脸区域作为第一人脸 图像区域;
或,通过预设的人脸特征识别算法,获取所述待评估图像中的人脸区域进行 切割,获取包含人脸五官的第一人脸图像区域。
本发明的第二方面提供了一种人脸质量评估装置,所述装置包括:
模型训练模块,用于获取训练样本集,所述训练视样本包括多个样本人脸图 像及与所述样本人脸图像对应的样本评估结果;对所述样本人脸图像进行人脸识 别,获取样本人脸图像的第二人脸图像区域;通过所述特征提取算法,获取所述 第二人脸图像区域对应的第二人脸特征向量;根据所述训练样本集包括的多个样 本人脸图像及其对应的样本评估结果、第二人脸特征向量对预设的人脸质量评估 分类器进行训练,获取训练完成的人脸质量评估分类器;
人脸识别模块,用于获取待评估图像,对所述待评估图像进行人脸识别,获 取与所述待评估图像对应的第一人脸图像区域;
特征提取模块,用于通过预设的特征提取算法,获取所述第一人脸图像区域 对应的第一人脸特征向量;
评估模块,用于将所述第一人脸特征向量输入训练完成的人脸质量评估分类 器,通过所述人脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结 果。
在本发明的第三方面,还提出了一种计算机设备,包括存储器和处理器,所 述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处 理器执行以下步骤:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像 对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征 向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人 脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
在本发明的第四方面,还提出了一种计算机可读存储介质,存储有计算机程 序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像 对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征 向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人 脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
实施本发明实施例,将具有如下有益效果:
采用了上述人脸质量评估方法、装置、终端及计算机可读介质之后,在用户 身份识别的人脸识别的情况下,先对人脸图像质量进行评估,具体对人脸图像区 域进行特征提取,然后将提取到的特征输入到已经预先训练完成的人脸质量评估 分类器中,通过该分类器输出人脸质量评估结果,以完成对人脸图像质量的评估。 通过上述人脸质量评估方法、装置、终端及计算机可读介质,可以在用户身份识 别的人脸识别的过程中通过人脸图像的特征提取和基于神经网络的分类器来对 人脸图像质量进行评估,提高人脸识别场景中的人脸质量评估的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例 或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的 附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造 性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中一种人脸质量评估方法的流程示意图;
图2为一个实施例中一种人脸质量评估方法中的目标分类器的训练方法的流 程示意图;
图3为一个实施例中一种人脸质量评估装置的结构示意图;
图4为一个实施例中运行上述人脸质量评估方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的 实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前 提下所获得的所有其他实施例,都属于本发明保护的范围。
在本实施例中,特提出了一种人脸质量评估方法,该方法的实现可依赖于计 算机程序,该计算机程序可运行于基于冯诺依曼体系的计算机系统之上,该计算 机程序可以是对用户身份进行识别的人脸识别、活体识别的应用程序。该计算机 系统可以是运行上述计算机程序的例如智能手机、平板电脑、个人电脑等计算机 设备。
需要说明的是,在通过图像或视频图像对用户的身份进行识别的过程中,虽 然可以通过人脸识别来识别用户的身份,但是还需要对人脸图像质量进行评估, 从而才能确定人脸识别结果的准确度和可信度。因此,在对用户进行人脸识别来 进行身份识别的过程中,还需要进行人脸图像质量的评估和判断,从而真正提高 人脸识别的准确性。
如图1所示,在一个实施例中,提供了一种人脸质量评估方法,具体包括如 下步骤S102-S108:
步骤S102:获取待评估图像,对所述待评估图像进行人脸识别,获取与所述 待评估图像对应的第一人脸图像区域。
待评估图像需要进行活体识别的预先采集的图像或视频中的图像帧、或者通 过摄像头采集的视频图像。例如,待评估图像可以是在人脸识别的过程中通过摄 像头采集的图像。在获取到待评估图像之后,通过对待评估图像进行人脸识别来 检测待评估图像中包含人脸的窗口,即为第一人脸图像区域。
在本实施例中,通过预设的人脸识别方法获取待评估图像中的人脸,并获取 识别到的人脸对应的第一人脸图像区域。例如,采用MTCNN(Multi-task convolutional neuralnetwork,多任务卷积神经网络)算法或者其他人脸识别算法 对待评估图像进行人脸识别。
在另一个实施例中,也可以是通过预设的人脸特征识别方法,对待评估图像 进行识别,识别待评估图像中的五官等人脸特征,对人脸进行切割,获取仅包含 有五官的图像区域作为第一人脸图像区域(也就是说,第一人脸图像区域不包含 头发、耳朵或背景图像等,可以提高人脸识别的准确性)。
在一个具体的实施例中,上述人脸特征识别方式可以是通过landmark算法对 待评估图像中的人脸进行切割。
在另一个可选的实施例,为了保证后续人脸质量的评估中提取到的特征向量 的大小一致、以及人脸质量的评估中对原因、评估的准确性,还可以对识别到的 第一人脸图像区域进行归一化处理,也就是说,对于识别到的第一人脸图像区域 进行归一化处理,将第一人脸图像区域转换成预设图像尺寸下的标准大小的图像 或图像区域。
步骤S104:通过预设的特征提取算法,获取所述第一人脸图像区域对应的第 一人脸特征向量。
在确定了待评估图像中对应的第一人脸图像区域之后,即可在该人脸图像区 域中进行特征提取和人脸质量的识别和评估。具体的,对第一人脸特征向量对应 的图像进行特征提取,获取对应的特征向量(即第一人脸特征向量)。例如,按 照预设的特征提取算法提取第一人脸图像区域对应的第一人脸特征向量;或者, 按照预设的特征提取算法,获取所述第一目标扩展窗口的LBP(Local Binary Pattern,局部二值模式)特征或HOG(方向梯度直方图,Histogram of Oriented Gradient)特征。
在本实施例中,上述提取第一人脸图像区域的第一人脸特征向量的特征提取 过程优先提取LBP特征,因为LBP特征可以用来描述图像局部文理特征,具有 旋转不变性和灰度不变性等优先,并且计算量较小,处理速度较快,因此采用提 取LBP特征可以保证人脸质量评估的准确性和计算速度。且,还可以是基于LBP 特征提取的其他特征提取方法。
在另一个可选的实施例中,为了进一步的提高本实施例人脸质量评估的准确 性,还可以采用多种特征提取算法,分别提取第一人脸图像区域对应的第一子特 征向量,然后将多种特征提取算法下提取到的多个子特征向量进行组合,从而获 取第一人脸特征向量。具体的,上述特征提取算法包含但不限于LBP特征提取、 HOG特征提取、通过拉普拉斯变换进行特征提取、通过图像灰度值进行特征提 取、通过人脸特征点计算角度的特征提取等。
步骤S108:将所述第一人脸特征向量输入训练完成的人脸质量评估分类器, 通过所述人脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
在本实施例中,人脸质量评估分类器是通过预先设置的训练样本集进行训练 完成之后的分类器,例如,MLP(Multi-Layer Perceptron,多层感知器)分类器 或SVM(支持向量机,Support Vector Machine)分类器。通过该目标分类器可以 对步骤S104中提取到的人脸特征向量进行人脸质量的识别和评估。
在本实施例中,在步骤S106中计算得到第一人脸特征向量之后,将所述第 一人脸特征向量输入所述目标分类器,从而获取目标分类器输出的活体识别结果。
在一个具体的实施例中,上述MLP分类器或者SVM分类器为一种基于神经 网络的分类器,在经过训练样本集的训练之后,可以对相应的视频对应的人脸进 行活体识别。需要说明的是,在本实施例中,上述MLP分类器或者SVM分类器 还可以是其他神经网络模型、卷积神经网络模型或人工智能模型。
需要说明的是,在本实施例中,对待评估图像的人脸质量进行评估,需要对 人脸图像的质量进行全方位的评估,主要是可能涉及到后续的人脸识别的准确度 的相关人脸质量评估。在本实施例中,上述人脸质量评估结果包括但不限于人脸 角度评估结果、和/或人脸图像质量评估结果中的一种或多种。例如,人脸质量评 估结果包括但不限于图像模糊度、图像大小、人脸角度、图像清晰度等多种人脸 图像的质量评估结果。
进一步的,如图2所示,在本实施例中,还提供了上述人脸质量评估方法中 的人脸质量评估分类器的训练方法。具体的,包括如图2所示的步骤S502-S510:
步骤S202:获取训练样本集,所述训练视样本包括多个样本人脸图像及与所 述样本人脸图像对应的样本评估结果;
步骤S204:对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人 脸图像区域;
步骤S206:通过所述特征提取算法,获取所述第二人脸图像区域对应的第二 人脸特征向量;
步骤S208:根据所述训练样本集包括的多个样本人脸图像及其对应的样本评 估结果、第二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完 成的人脸质量评估分类器。
上述训练样本集包含了多个样本人脸图像,每一个样本人脸图像对应了采集 到的用户身份识别过程采集的人脸图像,且每一个样本人脸图像中对应的人脸质 量评估的样本评估结果也包含在内。上述提取样本人脸图像的第二人脸特征向量 的过程与步骤S102-S106中采集待评估图像的第一人脸特征向量的过程一致,且 这两个过程中提取人脸特征向量的方法必须保持一致,才能保证后续的人脸质量 评估的品谷结果的准确度。
在对人脸质量评估分类器进行训练的过程中,将样本人脸图像对应的第二人 脸特征向量作为输入,将样本人脸图像对应的样本评估结果作为输出,对人脸质 量评估分类器进行训练。进一步的,在本实施例中,还可以对样本人脸图像的一 部分作为训练样本,另一部分作为验证样本,在验证样本的人脸质量的评估准确 率达到一定的阈值的情况下,才认定为人脸质量评估分类器训练完成。
进一步的,如图3所示,在本实施例中,还提出了一种人脸质量评估装置, 所述装置包括:
模型训练模块302,用于获取训练样本集,所述训练视样本包括多个样本人 脸图像及与所述样本人脸图像对应的样本评估结果;对所述样本人脸图像进行人 脸识别,获取样本人脸图像的第二人脸图像区域;通过所述特征提取算法,获取 所述第二人脸图像区域对应的第二人脸特征向量;根据所述训练样本集包括的多 个样本人脸图像及其对应的样本评估结果、第二人脸特征向量对预设的人脸质量 评估分类器进行训练,获取训练完成的人脸质量评估分类器;
人脸识别模块304,用于获取待评估图像,对所述待评估图像进行人脸识别, 获取与所述待评估图像对应的第一人脸图像区域;
特征提取模块306,用于通过预设的特征提取算法,获取所述第一人脸图像 区域对应的第一人脸特征向量;
评估模块308,用于通过预设的特征提取算法,获取所述第一人脸图像区域 对应的第一人脸特征向量;
在一个可选的实施例中,上述特征提取模块306还用于通过预设的LBP特 征提取算法,提取所述第一人脸图像区域对应的LBP特征向量作为第一人脸特 征向量;或,通过预设的多个特征提取算法,分别提取第一人脸图像区域对应的 第一子特征向量,将所述提取到的多个子特征向量组合获取第一人脸特征向量。
在一个可选的实施例中,上述人脸识别模块304还用于对所述第一人脸图像 区域进行规范化处理,获取在预设尺寸在的第一人脸图像区域。
在一个可选的实施例中,上述人脸识别模块304还用于通过预设的人脸识别 算法,获取所述待评估图像中的人脸区域作为第一人脸图像区域;
或,通过预设的人脸特征识别算法,获取所述待评估图像中的人脸区域进行 切割,获取包含人脸五官的第一人脸图像区域。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以 是服务器。如图4所示,该计算机设备包括通过系统总线连接的处理器、存储器 和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的 非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处 理器执行时,可使得处理器实现短文本过滤方法。该内存储器中也可储存有计算 机程序,该计算机程序被处理器执行时,可使得处理器执行人脸质量评估方法。 网络接口用于与外部进行通信。本领域技术人员可以理解,图4中示出的结构, 仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其 上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部 件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的人脸质量评估方法可以实现为一种计算机程 序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储 器中可存储组成短文本过滤装置的各个程序模板。比如,模型训练模块302、人 脸识别模块304、特征提取模块306、评估模块308。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所 述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像 对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征 向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人 脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行 时,还用于执行以下步骤:
获取训练样本集,所述训练视样本包括多个样本人脸图像及与所述样本人脸 图像对应的样本评估结果;
对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人脸图像区域;
通过所述特征提取算法,获取所述第二人脸图像区域对应的第二人脸特征向 量;
根据所述训练样本集包括的多个样本人脸图像及其对应的样本评估结果、第 二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完成的人脸质 量评估分类器。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执 行时,使得所述处理器执行如下步骤:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像 对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征 向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人 脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以 下步骤:
获取训练样本集,所述训练视样本包括多个样本人脸图像及与所述样本人脸 图像对应的样本评估结果;
对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人脸图像区域;
通过所述特征提取算法,获取所述第二人脸图像区域对应的第二人脸特征向 量;
根据所述训练样本集包括的多个样本人脸图像及其对应的样本评估结果、第 二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完成的人脸质 量评估分类器。
需要说明的是,上述人脸质量评估方法、人脸质量评估装置、计算机设备和 计算机可读存储介质属于同一个发明构思,人脸质量评估、人脸质量评估装置、 计算机设备和计算机可读存储介质中涉及的内容可相互适用。
实施本发明实施例,将具有如下有益效果:
采用了上述人脸质量评估方法、装置、终端及计算机可读介质之后,在用户 身份识别的人脸识别的情况下,先对人脸图像质量进行评估,具体对人脸图像区 域进行特征提取,然后将提取到的特征输入到已经预先训练完成的人脸质量评估 分类器中,通过该分类器输出人脸质量评估结果,以完成对人脸图像质量的评估。 通过上述人脸质量评估方法、装置、终端及计算机可读介质,可以在用户身份识 别的人脸识别的过程中通过人脸图像的特征提取和基于神经网络的分类器来对 人脸图像质量进行评估,提高人脸识别场景中的人脸质量评估的准确率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是 可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性 计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流 程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它 介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括 只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除 可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者 外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态 RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率 SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线 动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实 施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的 组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的 普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进, 这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求 为准。
Claims (10)
1.一种人脸质量评估方法,其特征在于,所述方法包括:
获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像对应的第一人脸图像区域;
通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征向量;
将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
2.根据权利要求1所述的人脸质量评估方法,其特征在于,所述方法还包括:
获取训练样本集,所述训练视样本包括多个样本人脸图像及与所述样本人脸图像对应的样本评估结果;
对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人脸图像区域;
通过所述特征提取算法,获取所述第二人脸图像区域对应的第二人脸特征向量;
根据所述训练样本集包括的多个样本人脸图像及其对应的样本评估结果、第二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完成的人脸质量评估分类器。
3.根据权利要求1所述的人脸质量评估方法,其特征在于,所述人脸质量评估分类器为MLP分类器。
4.根据权利要求1所述的人脸质量评估方法,其特征在于,所述对所述待评估图像进行人脸识别,获取与所述待评估图像对应的第一人脸图像区域的步骤之后,还包括:
对所述第一人脸图像区域进行规范化处理,获取在预设尺寸在的第一人脸图像区域。
5.根据权利要求1所述的人脸质量评估方法,其特征在于,所述通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征向量的步骤,还包括:
通过预设的LBP特征提取算法,提取所述第一人脸图像区域对应的LBP特征向量作为第一人脸特征向量;
或,通过预设的多个特征提取算法,分别提取第一人脸图像区域对应的第一子特征向量,将所述提取到的多个子特征向量组合获取第一人脸特征向量。
6.根据权利要求1所述的人脸质量评估方法,其特征在于,所述人脸质量评估结果包括人脸角度评估结果、和/或人脸图像质量评估结果。
7.根据权利要求1所述的人脸质量评估方法,其特征在于,所述对所述待评估图像进行人脸识别,获取与所述待评估图像对应的第一人脸图像区域的步骤,还包括:
通过预设的人脸识别算法,获取所述待评估图像中的人脸区域作为第一人脸图像区域;
或,通过预设的人脸特征识别算法,获取所述待评估图像中的人脸区域进行切割,获取包含人脸五官的第一人脸图像区域。
8.一种人脸质量评估装置,其特征在于,所述装置包括:
模型训练模块,用于获取训练样本集,所述训练视样本包括多个样本人脸图像及与所述样本人脸图像对应的样本评估结果;对所述样本人脸图像进行人脸识别,获取样本人脸图像的第二人脸图像区域;通过所述特征提取算法,获取所述第二人脸图像区域对应的第二人脸特征向量;根据所述训练样本集包括的多个样本人脸图像及其对应的样本评估结果、第二人脸特征向量对预设的人脸质量评估分类器进行训练,获取训练完成的人脸质量评估分类器;
人脸识别模块,用于获取待评估图像,对所述待评估图像进行人脸识别,获取与所述待评估图像对应的第一人脸图像区域;
特征提取模块,用于通过预设的特征提取算法,获取所述第一人脸图像区域对应的第一人脸特征向量;
评估模块,用于将所述第一人脸特征向量输入训练完成的人脸质量评估分类器,通过所述人脸质量评估分类器输出与所述待评估图像对应的人脸质量评估结果。
9.一种终端,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205391.3A CN110046652A (zh) | 2019-03-18 | 2019-03-18 | 人脸质量评估方法、装置、终端及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205391.3A CN110046652A (zh) | 2019-03-18 | 2019-03-18 | 人脸质量评估方法、装置、终端及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110046652A true CN110046652A (zh) | 2019-07-23 |
Family
ID=67274904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910205391.3A Pending CN110046652A (zh) | 2019-03-18 | 2019-03-18 | 人脸质量评估方法、装置、终端及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046652A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399839A (zh) * | 2019-07-26 | 2019-11-01 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN110751043A (zh) * | 2019-09-19 | 2020-02-04 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
CN110838119A (zh) * | 2019-11-15 | 2020-02-25 | 珠海全志科技股份有限公司 | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 |
CN111210402A (zh) * | 2019-12-03 | 2020-05-29 | 恒大智慧科技有限公司 | 人脸图像质量评分方法、装置、计算机设备及存储介质 |
CN111582150A (zh) * | 2020-05-07 | 2020-08-25 | 江苏日颖慧眼智能设备有限公司 | 一种人脸质量评估的方法、装置和计算机存储介质 |
CN111696090A (zh) * | 2020-06-08 | 2020-09-22 | 电子科技大学 | 一种无约束环境下人脸图像质量评估方法 |
CN111738179A (zh) * | 2020-06-28 | 2020-10-02 | 湖南国科微电子股份有限公司 | 一种人脸图像质量评估方法、装置、设备、介质 |
CN111753731A (zh) * | 2020-06-24 | 2020-10-09 | 上海立可芯半导体科技有限公司 | 人脸质量评估方法、装置和系统以及人脸质量评估模型的训练方法 |
CN111862040A (zh) * | 2020-07-20 | 2020-10-30 | 中移(杭州)信息技术有限公司 | 人像图片质量评价方法、装置、设备及存储介质 |
CN111881732A (zh) * | 2020-06-17 | 2020-11-03 | 北京邮电大学 | 一种基于svm的人脸质量评价方法 |
CN112115790A (zh) * | 2020-08-18 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 人脸识别方法、装置、可读存储介质和电子设备 |
CN112614109A (zh) * | 2020-12-24 | 2021-04-06 | 四川云从天府人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
CN112766351A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 一种图像质量的评估方法、系统、计算机设备和存储介质 |
CN112809697A (zh) * | 2021-01-11 | 2021-05-18 | 福建思特电子有限公司 | 一种5g智能门卫机器人 |
CN113506260A (zh) * | 2021-07-05 | 2021-10-15 | 北京房江湖科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
CN117011945A (zh) * | 2023-10-07 | 2023-11-07 | 之江实验室 | 动作能力评估方法、装置、计算机设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
US9639777B1 (en) * | 2015-12-17 | 2017-05-02 | Linear Algebra Technologies Limited | Systems and methods for providing an image classifier |
CN106778683A (zh) * | 2017-01-12 | 2017-05-31 | 西安电子科技大学 | 基于改进lbp特征的快速多角度人脸检测方法 |
CN107590807A (zh) * | 2017-09-29 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 用于检测图像质量的方法和装置 |
CN108197543A (zh) * | 2017-12-22 | 2018-06-22 | 深圳云天励飞技术有限公司 | 图像过滤方法及装置、嵌入式设备和存储介质 |
CN109285149A (zh) * | 2018-09-04 | 2019-01-29 | 杭州比智科技有限公司 | 人脸图像质量的评估方法、装置及计算设备 |
CN109376628A (zh) * | 2018-10-10 | 2019-02-22 | 杭州登虹科技有限公司 | 一种图像质量检测方法、装置和存储介质 |
-
2019
- 2019-03-18 CN CN201910205391.3A patent/CN110046652A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
US9639777B1 (en) * | 2015-12-17 | 2017-05-02 | Linear Algebra Technologies Limited | Systems and methods for providing an image classifier |
CN106778683A (zh) * | 2017-01-12 | 2017-05-31 | 西安电子科技大学 | 基于改进lbp特征的快速多角度人脸检测方法 |
CN107590807A (zh) * | 2017-09-29 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 用于检测图像质量的方法和装置 |
CN108197543A (zh) * | 2017-12-22 | 2018-06-22 | 深圳云天励飞技术有限公司 | 图像过滤方法及装置、嵌入式设备和存储介质 |
CN109285149A (zh) * | 2018-09-04 | 2019-01-29 | 杭州比智科技有限公司 | 人脸图像质量的评估方法、装置及计算设备 |
CN109376628A (zh) * | 2018-10-10 | 2019-02-22 | 杭州登虹科技有限公司 | 一种图像质量检测方法、装置和存储介质 |
Non-Patent Citations (3)
Title |
---|
汪洪桥等: "《模式分析的多核方法及其应用》", 31 March 2014, 北京:国防工业出版社 * |
赵池航等: "《交通信息感知理论与方法》", 30 September 2014, 南京:东南大学出版社 * |
陈学武等: "《城市低收入人群出行方式选择机理与交通发送策略》", 31 July 2018, 南京:东南大学出版社 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399839A (zh) * | 2019-07-26 | 2019-11-01 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN110399839B (zh) * | 2019-07-26 | 2021-07-16 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN110751043A (zh) * | 2019-09-19 | 2020-02-04 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
CN110751043B (zh) * | 2019-09-19 | 2023-08-22 | 平安科技(深圳)有限公司 | 基于人脸可见性的人脸识别方法、装置及存储介质 |
CN110838119A (zh) * | 2019-11-15 | 2020-02-25 | 珠海全志科技股份有限公司 | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 |
CN110838119B (zh) * | 2019-11-15 | 2022-03-04 | 珠海全志科技股份有限公司 | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 |
CN111210402A (zh) * | 2019-12-03 | 2020-05-29 | 恒大智慧科技有限公司 | 人脸图像质量评分方法、装置、计算机设备及存储介质 |
CN111582150A (zh) * | 2020-05-07 | 2020-08-25 | 江苏日颖慧眼智能设备有限公司 | 一种人脸质量评估的方法、装置和计算机存储介质 |
CN111582150B (zh) * | 2020-05-07 | 2023-09-05 | 江苏日颖慧眼智能设备有限公司 | 一种人脸质量评估的方法、装置和计算机存储介质 |
CN111696090A (zh) * | 2020-06-08 | 2020-09-22 | 电子科技大学 | 一种无约束环境下人脸图像质量评估方法 |
CN111881732A (zh) * | 2020-06-17 | 2020-11-03 | 北京邮电大学 | 一种基于svm的人脸质量评价方法 |
CN111753731A (zh) * | 2020-06-24 | 2020-10-09 | 上海立可芯半导体科技有限公司 | 人脸质量评估方法、装置和系统以及人脸质量评估模型的训练方法 |
CN111738179A (zh) * | 2020-06-28 | 2020-10-02 | 湖南国科微电子股份有限公司 | 一种人脸图像质量评估方法、装置、设备、介质 |
CN111862040A (zh) * | 2020-07-20 | 2020-10-30 | 中移(杭州)信息技术有限公司 | 人像图片质量评价方法、装置、设备及存储介质 |
CN111862040B (zh) * | 2020-07-20 | 2023-10-31 | 中移(杭州)信息技术有限公司 | 人像图片质量评价方法、装置、设备及存储介质 |
CN112115790A (zh) * | 2020-08-18 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 人脸识别方法、装置、可读存储介质和电子设备 |
CN112614109A (zh) * | 2020-12-24 | 2021-04-06 | 四川云从天府人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
CN112614109B (zh) * | 2020-12-24 | 2024-06-07 | 四川云从天府人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
CN112809697A (zh) * | 2021-01-11 | 2021-05-18 | 福建思特电子有限公司 | 一种5g智能门卫机器人 |
CN112766351A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 一种图像质量的评估方法、系统、计算机设备和存储介质 |
CN113506260B (zh) * | 2021-07-05 | 2023-08-29 | 贝壳找房(北京)科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
CN113506260A (zh) * | 2021-07-05 | 2021-10-15 | 北京房江湖科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
CN117011945A (zh) * | 2023-10-07 | 2023-11-07 | 之江实验室 | 动作能力评估方法、装置、计算机设备及可读存储介质 |
CN117011945B (zh) * | 2023-10-07 | 2024-03-19 | 之江实验室 | 动作能力评估方法、装置、计算机设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046652A (zh) | 人脸质量评估方法、装置、终端及可读介质 | |
Yi et al. | Apdrawinggan: Generating artistic portrait drawings from face photos with hierarchical gans | |
US11080565B2 (en) | Face detection method and apparatus, computer device, and storage medium | |
CN109543627B (zh) | 一种判断驾驶行为类别的方法、装置、及计算机设备 | |
WO2019090769A1 (zh) | 一种人脸脸型识别方法、装置和智能终端 | |
CN110059546A (zh) | 基于频谱分析的活体识别方法、装置、终端及可读介质 | |
CN111368758B (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
CN106778450B (zh) | 一种面部识别方法和装置 | |
CN108986041A (zh) | 一种图像恢复方法、装置、电子设备及可读存储介质 | |
US11244157B2 (en) | Image detection method, apparatus, device and storage medium | |
CN111626163B (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN108960167A (zh) | 发型识别方法、装置、计算机可读存储介质和计算机设备 | |
CN107844794A (zh) | 图像识别方法和装置 | |
CN108805203A (zh) | 图像处理及对象再识别方法、装置、设备和存储介质 | |
CN109767261A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN110516541B (zh) | 文本定位方法、装置、计算机可读存储介质和计算机设备 | |
CN110069983A (zh) | 基于显示媒质的活体识别方法、装置、终端及可读介质 | |
CN108182714A (zh) | 图像处理方法及装置、存储介质 | |
CN111626113A (zh) | 一种基于面部动作单元的面部表情识别方法和装置 | |
CN109299658B (zh) | 脸部检测方法、脸部图像渲染方法、装置及存储介质 | |
CN111178128B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN112465936A (zh) | 人像卡通化方法、装置、机器人及存储介质 | |
CN109831618A (zh) | 基于表情的拍照方法、计算机可读存储介质及终端设备 | |
CN111860582B (zh) | 图像分类模型构建方法、装置、计算机设备和存储介质 | |
CN108769537A (zh) | 一种拍照方法、装置、终端及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |
|
RJ01 | Rejection of invention patent application after publication |