[发明专利]图像质量评估方法和装置

说明书

本申请实施例公开了图像质量评估方法和装置。该方法的一具体实施方式包括：获取待评估的人脸图像；然后将待评估的人脸图像输入图像质量评估模型，输出待评估的人脸图像的质量评估信息；其中，图像质量评估模型是采用机器学习方法，利用预设的样本人脸图像集合和预设的注册人脸图像集合，基于损失函数训练得出的，预设的注册人脸图像集合包括与样本人脸图像集合中的各样本人脸图像包含同一用户对象的人脸图像信息的注册人脸图像，损失函数的值用于表征与同一注册人脸图像相似的不同样本人脸图像的质量评估信息之间的差异。该实施方式提升了人脸图像质量评估的准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及图像处理技术领域，尤其涉及图像质量评估方法和装置。

背景技术

随着计算机技术的发展，图像处理技术应用到了越来越多的领域。其中基于人脸图像的人脸识别、目标跟踪在门禁、监控、接入控制、人机交互等场景的身份验证中具有广泛的应用。

通常在采集人脸图像时，摄像头会采集一段人脸图像序列，这一段人脸图像序列中包含不同视角、不同清晰度、甚至不同表情的人脸图像。图像质量的差异会直接影响后续的人脸特征提取、识别、聚类、目标跟踪等环节的精准程度，因此需要从图像序列中筛选出质量较佳的图像。

现有的人脸图像质量评价方法是分别基于人脸成像角度、光照条件以及模糊程度等因素来进行评分，然后根据各因素的权重，综合各因素的得分计算出人脸图像的质量评分，其中，各因素的权重是根据经验确定的。

发明内容

本申请实施例提出了图像质量评估方法和装置。

第一方面，本申请实施例提供了一种图像质量评估方法，包括：获取待评估的人脸图像；将待评估的人脸图像输入图像质量评估模型，输出待评估的人脸图像的质量评估信息；其中，图像质量评估模型是采用机器学习方法，利用预设的样本人脸图像集合和预设的注册人脸图像集合，基于损失函数训练得出的，预设的注册人脸图像集合包括与样本人脸图像集合中的各样本人脸图像包含同一用户对象的人脸图像信息的注册人脸图像，损失函数的值用于表征与同一注册人脸图像相似的不同样本人脸图像的质量评估信息之间的差异。

在一些实施例中，上述方法还包括：采用机器学习方法，利用预设的样本人脸图像集合和预设的注册人脸图像集合，基于损失函数训练得出图像质量评估模型，包括：获取预设的样本人脸图像集合和预设的注册人脸图像集合，并构建损失函数；计算各样本人脸图像与对应的注册人脸图像之间的相似度；执行比对步骤，比对步骤包括：将样本人脸图像集合中的各样本人脸图像输入图像质量评估模型对应的神经网络，得到各样本人脸图像的质量评估信息，基于样本人脸图像集合中包含同一用户对象的人脸图像信息的各样本人脸图像与对应的注册人脸图像之间的相似度的差异，以及样本人脸图像集合中包含同一用户对象的人脸图像信息的各样本人脸图像的质量评估信息，判断损失函数的值是否满足预设的收敛条件；若比对步骤的判断结果为否，基于损失函数，采用梯度下降法更新图像质量评估模型对应的神经网络的参数，执行比对步骤；若比对步骤的判断结果为是，输出图像质量评估模型的参数。

在一些实施例中，上述样本人脸图像集合和预设的注册人脸图像集合中的图像已标记了所包含的人脸图像信息对应的用户对象的身份标识；以及在计算各样本人脸图像与对应的注册人脸图像之间的相似度之前，上述采用机器学习方法，利用预设的样本人脸图像集合和预设的注册人脸图像集合，基于损失函数训练得出图像质量评估模型，还包括：根据已标记的用户对象的身份标识，确定与各样本人脸图像对应的注册人脸图像。

在一些实施例中，上述计算各样本人脸图像与对应的注册人脸图像之间的相似度，包括：采用人脸特征提取模型对各样本人脸图像和对应的各注册人脸图像进行特征提取，其中，人脸特征提取模型基于卷积神经网络构建；基于提取出的特征计算各样本人脸图像和对应的注册人脸图像之间的相似度。