[发明专利]一种基于人脸几何特征的人脸图像质量评价方法

权利要求书

1.一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，包括以下步骤：

步骤1：获取人脸图像；

步骤2：通过深度学习的级联回归网络在所述的人脸图像中定位各关键点的位置信息，所述的关键点包括人脸轮廓、眉毛、眼睛、鼻子和嘴巴；

步骤3：根据所述的关键点的位置信息，分别对人脸图像的角度、清晰度、光照对称度、眼睛状态、嘴巴状态进行评价，得到各自的特征值；

步骤4：通过对步骤3所获得的各个特征值所占的权重进行加权计算，最后得到所述的人脸图像的评价总分。

2.如权利要求1所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤3中所述的对人脸图像的角度进行评价，包括以下步骤：

步骤3.1.1：通过关键点定位获取人脸轮廓掩膜(二值)图像；

步骤3.1.2：通过鼻子关键点拟合成直线将人脸图像划分为左脸和右脸两部分；

步骤3.1.3：计算左脸与右脸面积的比值FaceFrontScore，即为所述人脸图像的角度特征值。

3.如权利要求1所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤3中所述的对人脸图像的清晰度进行评价，包括以下步骤：

步骤3.2.1：通过关键点定位获取人脸灰度图像；

步骤3.2.2：采用高斯滤波、拉普拉斯变换获取人脸各部位边缘轮廓图像；

步骤3.2.3：计算所述的边缘轮廓图像的标准差并进行归一化，得到所述人脸图像的清晰度的特征值FaceClearScore。

4.如权利要求1～3所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤3中所述的对人脸图像的光照对称度进行评价，包括以下步骤：

步骤3.3.1：根据步骤3.1.2和步骤3.2.1的获取所述人脸图像的左右脸灰度图像；

步骤3.3.2：分别计算左脸和右脸灰度值在25～230之间的像素所占比例LeftFaceBrightScore和RightFaceBrightScore；

步骤3.3.3：计算LeftFaceBrightScore和RightFaceBrightScore中较小值与较大值之间的比值FaceBrightSymmetricScore，即为所述人脸图像的光照对称度特征值。

5.如权利要求1所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤3中所述的对人脸图像的眼睛状态进行评价，包括以下步骤：

步骤3.4.1：通过关键点定位获取人脸眼睛轮廓；

步骤3.4.2：求取左眼轮廓的最小外接矩形，获取该外接矩形的长和宽，计算长、宽中较小值的三倍值与长、宽中的较大值的比值FaceLefteyeOpenScore；

步骤3.4.3：求取右眼轮廓的最小外接矩形，获取该外接矩形的长和宽，计算长、宽中较小值的三倍值与长、宽中的较大值的比值FaceRighteyeOpenScore；

步骤3.4.4：计算FaceLefteyeOpenScore与FaceRighteyeOpenScore的乘积FaceeyeOpenScore，即为所述人脸图像的眼睛状态特征值。

6.如权利要求1所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤3中所述的对人脸图像的嘴巴状态进行评价，包括以下步骤：

步骤3.5.1：通过关键点定位人脸嘴巴内唇部轮廓，获取轮廓的外接矩形；

步骤3.5.2：计算所述外接矩形的两对角线夹角的余弦值FaceMouthcloseScore，即为所述人脸图像的嘴巴状态特征值。

7.如权利要求1所述的一种基于人脸几何特征的人脸图像质量评价方法，其特征在于，步骤4中所述的各个特征值所占的权重由人工赋予。