[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

说明书

本发明提供了一种基于人脸几何特征的人脸图像质量评价方法，通过深度学习的级联回归网络在获取的人脸图像中定位人脸轮廓、眉毛、眼睛、鼻子和嘴巴的各关键点的位置信息，并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，最后对各个特征值所占的权重进行加权计算，得到所述的人脸图像的评价总分。该方法用于人脸识别系统中图像识别之前，可有效地筛选出质量较高的人脸图像，当图像质量高于一定门限时才会被送到识别系统中进行识别，预防了由于输入图像质量过低引起的系统错误，同时节省了系统识别匹配时间。

【技术领域】

本发明涉及人脸识别领域，特别是涉及一种在人脸识别过程中，基于人脸几何特征对人脸图像质量进行评价的方法。

【背景技术】

人脸识别系统对输入的人脸图像的质量非常敏感，当输入的人脸图像出现光照变化、脸部旋转、画面模糊、表情夸张等情况时，其识别率会显著下降。低质量的人脸图像可能是引起人脸识别系统匹配错误的主要原因，也直接导致了很多系统无法在实际中使用。因此，需要在人脸图像检测阶段，建立一个对人脸图像质量的评价机制，通过评价结果对采集到的人脸图像进行筛选，当图像质量高于一定门限时才会被送到识别系统中进行识别，否则图像将被丢弃。

【发明内容】

为了解决上述问题，本发明提供了一种基于人脸几何特征的人脸图像质量评价方法，用于人脸识别系统中图像识别之前，可有效地筛选出质量较高的人脸图像。

本发明所述的一种基于人脸几何特征的人脸图像质量评价方法，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。

进一步的，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。

进一步的，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。

进一步的，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。