[发明专利]基于人脸比对的人脸图像质量评价方法及装置

说明书

技术领域

本发明涉及图像处理、视频监控以及卷积神经网络，特别涉及基于人脸比对的人脸图像质量评价方法及装置。

背景技术

现有的人脸图像质量评价方法主要是结合人脸图像的多种属性评价其质量，包括人脸姿态、遮挡、光照和图像模糊的属性，首先通过机器学习方法计算这些属性值，然后基于人脸的多个属性值使用基于规则的方法排除质量较差的人脸图像。做人脸图像质量评价的主要目的是提高后续人脸比对的成功率，同时减少参与比对的人脸图像，但是现有的人脸图像质量评价方法并没有考虑人脸比对的性能，它所评价的质量较好的人脸图像在进行人脸比对时准确率并不一定很高，另外一些评价规则的设计也有较强的主观性。

为解决现有人脸图像质量评价方法所存在的问题，本发明提出一种基于人脸比对的人脸图像质量评价方法。人脸比对计算两张人脸图像的相似度，如果相似度大于某个阈值则为同一身份的人脸，否则不是。这个相似度阈值选取平衡了正确识别率和错误识别率，因此人脸比对得到的相似度就可以作为人脸图像质量的衡量标准，如果人脸图像质量评价方法预测的质量值与人脸比对的相似度有较强的相关性，则可以达到提高比对成功率同时减少比对人脸图像的目的。

综上所述，目前需要提出一种能够有效减少人脸比对数量的人脸质量评价方法。

发明内容

有鉴于此，本发明的主要目的在于提高人脸比对的成功率，且减少人脸比对人脸图像的数量。

为达到上述目的，按照本发明的第一个方面，提供了基于人脸比对的人脸图像质量评价方法，该方法包括：

第一步骤，输入待处理图像；

第二步骤，检测待处理图像中的人脸区域，并对人脸区域的位置进行标记；

第三步骤，将标记好的人脸样本图像进行反复训练，获取训练好的图像质量评价模型；

第四步骤，采用训练好的图像质量评价模型对待处理图像中的人脸区域进行打分，根据人脸图像质量评价的分值进行筛选，并输出筛选后的结果图像。

进一步地，所述第一步骤中所述待处理图像为至少一帧的场景图像。

进一步地，所述第三步骤包括：

人脸样本图像输入步骤：输入M个身份的N张人脸样本图像，并对人脸样本图像中的人脸区域的位置进行标记；

人脸样本图像选取步骤：对每个身份选取Id_Th个标准人脸样本图像作为人脸参考图像，将剩余的人脸样本图像作为人脸探测图像，所述Id_Th为标准人脸样本图像的数量；

相似度计算步骤：采用K种人脸比对方法，分别计算每个人脸探测图像与第j个人脸参考图像的相似度fsim_kj，0≤k≤K，0≤j≤R，所述k为第k种人脸比对方法，所述K为采用的人脸比对方法的数量，所述R为每个身份的人脸参考图像的数量；

人脸探测图像的质量分值计算步骤：统计第k种人脸比对方法下，所有人脸探测图像与第j个人脸参考图像的相似度fsim_kj，选取中间值作为第k种人脸比对方法的相似度中值fsim_k＝media{fsim_kj}，然后计算K个人脸比对方法的相似度中值fsim_k的平均值fquality＝mean{fsim_k}，将fquality作为人脸探测图像的质量分值；

卷积神经网络训练步骤：根据人脸质量分值标记标准，分别对人脸探测图像、标准人脸样本图像、非人脸的背景图像进行质量分值标记，将标记质量分值的人脸探测图像、标准人脸样本图像、非人脸的背景图像作为训练样本，输入到卷积神经网络中，采用卷积神经网络对训练样本进行反复训练，获取训练好的图像质量评价模型。

进一步地，所述第四步骤包括：

人脸图像质量分值计算步骤：采用训练好的图像质量评价模型，计算待处理图像中的人脸区域的质量分值；

图像筛选步骤：当人脸区域输入的数量≥Im_Th时，跟据人脸区域的质量分值，选出质量分值最高的Im_Th个人脸区域，并输出筛选后的结果图像；当人脸区域输入的数量小于Im_Th时，直接输出人脸区域图像；所述Im_Th为质量分值最高的人脸区域的数量。

按照本发明的另一个方面，提供了基于人脸比对的人脸图像质量评价装置，该装置包括：

图像采集模块，用于输入待处理图像；

人脸检测模块，用于检测待处理图像中的人脸区域，并对人脸区域的位置进行标记；

图像质量评价模型训练模块，用于将标记好的人脸样本图像进行反复训练，获取训练好的图像质量评价模型；