CN110738656A - 一种证件照片的清晰度评估方法、存储介质及处理器 - Google Patents

一种证件照片的清晰度评估方法、存储介质及处理器 Download PDF

Info

Publication number
CN110738656A
CN110738656A CN201911030224.6A CN201911030224A CN110738656A CN 110738656 A CN110738656 A CN 110738656A CN 201911030224 A CN201911030224 A CN 201911030224A CN 110738656 A CN110738656 A CN 110738656A
Authority
CN
China
Prior art keywords
image
original evaluation
original
sharpness
photo
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.)
Granted
Application number
CN201911030224.6A
Other languages
English (en)
Other versions
CN110738656B (zh
Inventor
钱彬
王军华
黄金
徐敏杰
顾席光
府宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN201911030224.6A priority Critical patent/CN110738656B/zh
Publication of CN110738656A publication Critical patent/CN110738656A/zh
Application granted granted Critical
Publication of CN110738656B publication Critical patent/CN110738656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/164—Detection; Localisation; Normalisation using holistic features
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体公开了一种证件照片的清晰度评估方法，其中，包括：对待评估的证件照片进行人脸区域定位，得到原始评价图像；对所述原始评价图像进行图像处理得到模糊图像；分别计算所述模糊图像和所述原始评价图像的局部灰度变差；根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值。本发明还公开了一种存储介质及处理器。本发明提供的证件照片的清晰度评估方法不需要进行训练，算法执行速度快，评估效率高。

Description

一种证件照片的清晰度评估方法、存储介质及处理器
技术领域
本发明涉及图像处理技术领域，尤其涉及一种证件照片的清晰度评估方法、一种存储介质及一种处理器。
背景技术
目前图像采集设备种类多种多样，不管是专业数码相机还是普通的智能手机均可以采集出高质量要求的照片。但是由于拍摄技巧和拍摄环境的制约，用户拍摄出的照片往往是不符合证件照片的要求的，因此需要一个证件照片质量检测系统来及时的进行质量判断并将结果反馈给用户。在所有的证件照片判定指标中，证件照片的清晰度判断是非常具有挑战的任务。图像的清晰度会受到很多因素的影响，例如拍摄时的调焦和景深，以及分辨率和对比度，又或者是目标的运动等，这些都会导致拍摄的照片内容纹理不清晰。一个好的证件照片清晰度评估算法应该做到：1)准确度高，能够准确的区分脸部清晰照片和不清晰照片；2)鲁棒性强，对不同肤色、不同性别、不同年龄、不同大小的脸部照片均具有良好的适应性；3)算法实时性高，能够在毫秒级完成清晰度检测任务。
目前在图像清晰度度量方面的算法很多，主要可以分为两种：基于参考图像的清晰度度量和无参考图像的清晰度度量。基于参考图像的清晰度度量就是采用一张原始图像作为参考以此来判断待测图像的清晰度，例如经典的均方误差法(MSE)和点锐度算法等。无参考的清晰度度量则是根据随机给出的图像内容来判断该张图像的清晰程度，典型算法有可感知模糊(JNB)算法和模糊检测概率(CPBD)算法。在实际的证件照片清晰度判断任务中，由于需要针对不同用户的照片进行质量判断，因此证件照片的清晰度判断一般采用无参考图像的方法。
目前主流的非参考图像清晰度评价方法均是针对整幅照片进行判定，而在实际的证件照片任务中更关注的是人脸区域的清晰度。因此，如何能够集中对人脸区域的清晰度进行评估成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种证件照片的清晰度评估方法、一种存储介质及一种处理器，解决相关技术中存在的无法单独对人脸区域进行清晰度评估的问题。
作为本发明的第一个方面，提供一种证件照片的清晰度评估方法，其中，包括：
对待评估的证件照片进行人脸区域定位，得到原始评价图像；
对所述原始评价图像进行图像处理得到模糊图像；
分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值。
进一步地，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，包括：
根据开源人脸检测库对人脸区域进行定位，得到原始评价图像。
进一步地，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，还包括：
根据多个人脸关键定位点确定人脸的边界；
根据确定的人脸的边界截取人脸区域作为所述原始评价图像。
进一步地，所述对所述原始评价图像进行图像处理得到模糊图像，包括：
对所述原始增强图像进行高斯模糊得到所述模糊图像。
进一步地，所述证件照片的清晰度评价方法还包括：
对所述原始评价图像进行滤波增强处理得到增强图像；
对所述增强图像进行图像处理得到边缘细节图。
进一步地，所述对所述原始评价图像进行滤波增强处理得到增强图像，包括：
对所述原始评价图像进行高斯模糊，得到高斯模糊图像；
将所述原始评价图像减去所述高斯模糊图像，得到高频成分图像；
将所述高频成分图像与所述原始评价图像累加，得到所述增强图像。
进一步地，所述分别计算所述模糊图像和所述原始评价图像的局部灰度变差，包括：
以所述边缘细节图中的每一个像素点为中心，分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
分别累加所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差。
进一步地，所述根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，包括：
根据累加后的所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，其中，所述待评估的证件照片的清晰度估计值的计算公式为：
Figure BDA0002249939590000021
其中，Vblur表示累加后的模糊图像的局部灰度变差，Vorg表示累加后的原始评价图像的局部灰度变差，C表示待评估的证件照片的清晰度估计值，ε表示常数。
作为本发明的另一个方面，提供一种存储介质，其中，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如前文所述的证件照片的清晰度评估方法。
作为本发明的另一个方面，提供一种处理器，其中，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行如前文所述的证件照片的清晰度评估方法。
通过上述证件照片的清晰度评估方法，采用对人脸区域进行定位，得到原始评价图像，然后通过图像处理等得到模数图像，最终通过原始评价图像的局部灰度变差以及模糊图像的局部灰度变差计算得到待评估的证件照片的清晰度估计值，这种证件照片的清晰度评估方法，通过人脸定位算法进行区域限定，使得证件照片的判定集中于人脸区域，判定结果更符合证件照片需求，且该证件照片的清晰度评估方法不需要进行训练，算法执行速度快，评估效率高。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明提供的证件照片的清晰度评估方法的流程图。
图2为本发明提供的证件照片的清晰度评估方法的具体实施方式流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种证件照片的清晰度评估方法，图1是根据本发明实施例提供的证件照片的清晰度评估方法的流程图，如图1所示，包括：
S110、对待评估的证件照片进行人脸区域定位，得到原始评价图像；
S120、对所述原始评价图像进行图像处理得到模糊图像；
S130、分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
S140、根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值。
通过上述证件照片的清晰度评估方法，采用对人脸区域进行定位，得到原始评价图像，然后通过图像处理等得到模数图像，最终通过原始评价图像的局部灰度变差以及模糊图像的局部灰度变差计算得到待评估的证件照片的清晰度估计值，这种证件照片的清晰度评估方法，通过人脸定位算法进行区域限定，使得证件照片的判定集中于人脸区域，判定结果更符合证件照片需求，且该证件照片的清晰度评估方法不需要进行训练，算法执行速度快，评估效率高。
下面结合图2对本发明实施例提供的证件照片的清晰度评估方法进行详细描述。
具体地，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，包括：
根据开源人脸检测库对人脸区域进行定位，得到原始评价图像。
进一步具体地，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，还包括：
根据多个人脸关键定位点确定人脸的边界；
根据确定的人脸的边界截取人脸区域作为所述原始评价图像。
证件照片背景相对较为固定，在整体呈现上相比自然图像前景更为突出，因此可以采用Dlib这个简单快速的开源人脸检测库对人脸区域进行定位。在检测时，不直接采用Dlib检测出来的检测框，而是根据68个人脸关键定位点来确定人脸的上下左右边界，可以使得检测结果更加精确。根据上述获取到的边界截取人脸区域作为原始评价图像。
具体地，所述对所述原始评价图像进行图像处理得到模糊图像，包括：
对所述原始增强图像进行高斯模糊得到所述模糊图像。
可以采用3x3卷积核对原图进行高斯模糊得到模糊图像。
具体地，所述证件照片的清晰度评价方法还包括：
对所述原始评价图像进行滤波增强处理得到增强图像；
对所述增强图像进行图像处理得到边缘细节图。
具体地，所述对所述原始评价图像进行滤波增强处理得到增强图像，包括：
对所述原始评价图像进行高斯模糊，得到高斯模糊图像；
将所述原始评价图像减去所述高斯模糊图像，得到高频成分图像；
将所述高频成分图像与所述原始评价图像累加，得到所述增强图像。
可以理解的是，对原始评价图像进行高斯模糊，然后将原始评价图像减去模糊图像得到高频成分，最后再与原图累加得到增强的图像。采用Canny算子对增强图像进行二值化分割，得到图像的边缘细节。
具体地，所述分别计算所述模糊图像和所述原始评价图像的局部灰度变差，包括：
以所述边缘细节图中的每一个像素点为中心，分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
分别累加所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差。
进一步具体地，所述根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，包括：
根据累加后的所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，其中，所述待评估的证件照片的清晰度估计值的计算公式为：
Figure BDA0002249939590000051
其中，Vblur表示累加后的模糊图像的局部灰度变差，Vorg表示累加后的原始评价图像的局部灰度变差，C表示待评估的证件照片的清晰度估计值，ε表示常数。
可以理解的是，以边缘细节图中的每一个像素点为中心，在3x3子区域内分别计算原始图像和模糊图像的局部灰度变差。在完成所有的局部区域变差统计之后，分别累加原始评价图像和模糊图像的局部区域变差，分别用Vorg和Vblur表示，此时图像的清晰度估计值C按照下式计算：
Figure BDA0002249939590000052
综上，本发明实施例提供的证件照片的清晰度评估方法，与现有技术相比，具有以下优势：
(1)给定一张证件照片，该方法能够自动的给出照片清晰度值，弥补了过往研究对于证件照片判定方法的不足，具有极大的应用价值和意义。
(2)通过人脸定位算法进行判定区域限定，使得证件照片的判定集中于人脸区域，判定结果更符合证件照片需求。
(3)根据二次模糊原理来实现核心的清晰度评估，整个算法不依赖于特定的数据集，也不需要进行训练，算法执行速度快。
作为本发明的另一实施例，提供一种存储介质，其中，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如前文所述的证件照片的清晰度评估方法。
作为本发明的另一实施例，提供一种处理器，其中，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行如前文所述的证件照片的清晰度评估方法。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种证件照片的清晰度评估方法，其特征在于，包括：
对待评估的证件照片进行人脸区域定位，得到原始评价图像；
对所述原始评价图像进行图像处理得到模糊图像；
分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值。
2.根据权利要求1所述的证件照片的清晰度评估方法，其特征在于，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，包括：
根据开源人脸检测库对人脸区域进行定位，得到原始评价图像。
3.根据权利要求2所述的证件照片的清晰度评估方法，其特征在于，所述对待评估的证件照片进行人脸区域定位，得到原始评价图像，还包括：
根据多个人脸关键定位点确定人脸的边界；
根据确定的人脸的边界截取人脸区域作为所述原始评价图像。
4.根据权利要求1所述的证件照片的清晰度评估方法，其特征在于，所述对所述原始评价图像进行图像处理得到模糊图像，包括：
对所述原始增强图像进行高斯模糊得到所述模糊图像。
5.根据权利要求1至4中任意一项所述的证件照片的清晰度评价方法，其特征在于，所述证件照片的清晰度评价方法还包括：
对所述原始评价图像进行滤波增强处理得到增强图像；
对所述增强图像进行图像处理得到边缘细节图。
6.根据权利要求5所述的证件照片的清晰度评估方法，其特征在于，所述对所述原始评价图像进行滤波增强处理得到增强图像，包括：
对所述原始评价图像进行高斯模糊，得到高斯模糊图像；
将所述原始评价图像减去所述高斯模糊图像，得到高频成分图像；
将所述高频成分图像与所述原始评价图像累加，得到所述增强图像。
7.根据权利要求5所述的证件照片的清晰度评估方法，其特征在于，所述分别计算所述模糊图像和所述原始评价图像的局部灰度变差，包括：
以所述边缘细节图中的每一个像素点为中心，分别计算所述模糊图像和所述原始评价图像的局部灰度变差；
分别累加所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差。
8.根据权利要求7所述的证件照片的清晰度评估方法，其特征在于，所述根据所述模糊图像和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，包括：
根据累加后的所述模糊图像的局部灰度变差和所述原始评价图像的局部灰度变差计算所述待评估的证件照片的清晰度估计值，其中，所述待评估的证件照片的清晰度估计值的计算公式为：
Figure FDA0002249939580000021
其中，Vblur表示累加后的模糊图像的局部灰度变差，Vorg表示累加后的原始评价图像的局部灰度变差，C表示待评估的证件照片的清晰度估计值，ε表示常数。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1至8中任意一项所述的证件照片的清晰度评估方法。
10.一种处理器，其特征在于，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行如权利要求1至8中任意一项所述的证件照片的清晰度评估方法。
CN201911030224.6A 2019-10-28 2019-10-28 一种证件照片的清晰度评估方法、存储介质及处理器 Active CN110738656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911030224.6A CN110738656B (zh) 2019-10-28 2019-10-28 一种证件照片的清晰度评估方法、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911030224.6A CN110738656B (zh) 2019-10-28 2019-10-28 一种证件照片的清晰度评估方法、存储介质及处理器

Publications (2)

Publication Number Publication Date
CN110738656A true CN110738656A (zh) 2020-01-31
CN110738656B CN110738656B (zh) 2022-05-31

Family

ID=69271682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911030224.6A Active CN110738656B (zh) 2019-10-28 2019-10-28 一种证件照片的清晰度评估方法、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN110738656B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489006A (zh) * 2020-11-26 2021-03-12 腾讯科技（北京）有限公司 图像处理方法、装置、存储介质及终端
CN113850764A (zh) * 2021-09-09 2021-12-28 深圳新致软件有限公司 基于高斯模糊的理赔材料图像质量控制方法、系统以及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609500A (zh) * 2008-12-01 2009-12-23 公安部第一研究所 出入境数字人像相片质量评估方法
CN101996406A (zh) * 2010-11-03 2011-03-30 中国科学院光电技术研究所 无参考结构清晰度图像质量评价方法
CN106934804A (zh) * 2017-03-13 2017-07-07 重庆贝奥新视野医疗设备有限公司 图像清晰度检测方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609500A (zh) * 2008-12-01 2009-12-23 公安部第一研究所 出入境数字人像相片质量评估方法
CN101996406A (zh) * 2010-11-03 2011-03-30 中国科学院光电技术研究所 无参考结构清晰度图像质量评价方法
CN106934804A (zh) * 2017-03-13 2017-07-07 重庆贝奥新视野医疗设备有限公司 图像清晰度检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489006A (zh) * 2020-11-26 2021-03-12 腾讯科技（北京）有限公司 图像处理方法、装置、存储介质及终端
CN113850764A (zh) * 2021-09-09 2021-12-28 深圳新致软件有限公司 基于高斯模糊的理赔材料图像质量控制方法、系统以及设备

Also Published As

Publication number Publication date
CN110738656B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
US9779489B2 (en) Automatically suggesting regions for blur kernel estimation
Liu et al. Fast burst images denoising
US8957984B2 (en) Ghost artifact detection and removal in HDR image processsing using multi-scale normalized cross-correlation
JP4772839B2 (ja) 画像識別方法および撮像装置
Buades et al. A note on multi-image denoising
US7764844B2 (en) Determining sharpness predictors for a digital image
US10628924B2 (en) Method and device for deblurring out-of-focus blurred images
CN110570435B (zh) 用于对车辆损伤图像进行损伤分割的方法及装置
CN111340749B (zh) 图像质量的检测方法、装置、设备及存储介质
CN111192241B (zh) 一种人脸图像的质量评估方法、装置及计算机存储介质
EP2460142A1 (en) Digital image brightness adjustment using range information
US8249377B1 (en) Blurred digital image deblurring
EP1958158A2 (en) Method for detecting streaks in digital images
CN110738656B (zh) 一种证件照片的清晰度评估方法、存储介质及处理器
JP2006279359A5 (zh)
CN105574823A (zh) 一种失焦模糊图像的去模糊方法和装置
CN109934789A (zh) 图像去噪方法、装置及电子设备
US10757318B2 (en) Determination of a contrast value for a digital image
Lim et al. Detection of out-of-focus digital photographs
CN111213372B (zh) 成像设备的动态范围的评估
Kurimo et al. The effect of motion blur and signal noise on image quality in low light imaging
JP2004134861A (ja) 解像度評価方法、解像度評価プログラム、および光学機器
Zhu et al. Efficient perceptual-based spatially varying out-of-focus blur detection
Swami et al. A robust flash image shadow detection method and seamless recovery of shadow regions
CN111476821B (zh) 基于在线学习的目标跟踪方法

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
GR01 Patent grant
GR01 Patent grant