[发明专利]一种人脸质量判决方法、系统及人脸识别方法、系统

权利要求书

1.一种人脸质量判决系统，其特征在于，该系统包括：

视频采集模块，用于采集包含被识别者的视频序列；

视频存储模块，用于将所述视频采集模块所采集到的所述视频序列进行存储；

人脸检测模块，用于根据所述视频序列检测出人脸图像；

质量判决模块，用于将所述人脸检测模块所检测出的人脸图像作为训练好的卷积神经网络模型的输入，预测出人脸图像的质量分数；

所述卷积神经网络模型至少包括：

第一卷积层，用于提取人脸图像的低维信息；

最大值池化层，用于对所述低维信息进行降维操作；

第二卷积层，包括多个卷积子层，每个所述卷积子层输出多通道特征图；

Contact输出层，用于将所述每个卷积子层输出的多通道特征图进行合并；

第三卷积层，用于将所述Contact输出层输出的多通道特征图转换成单通道特征图；

平均值池化层，用于对所述单通道特征图中的所有点进行求和取平均的操作；

将特征图中的所有点进行求和取平均的操作，则特征图中的所有点的平均值为预测出的图像质量分数。

2.一种人脸质量判决方法，其特征在于，该方法包括：

采集包含被识别者的视频序列；

将所述视频序列进行存储；

根据所述视频序列检测出人脸图像；

将检测出的人脸图像作为训练好的卷积神经网络模型的输入，预测出人脸图像的质量分数；

所述卷积神经网络模型至少包括：

第一卷积层，用于提取人脸图像的低维信息；

最大值池化层，用于对所述低维信息进行降维操作；

第二卷积层，包括多个卷积子层，每个所述卷积子层输出多通道特征图；

Contact输出层，用于将所述每个卷积子层输出的多通道特征图进行合并；

第三卷积层，用于将所述Contact输出层输出的多通道特征图转换成单通道特征图；

平均值池化层，用于对所述单通道特征图中的所有点进行求和取平均的操作；

将特征图中的所有点进行求和取平均的操作，则特征图中的所有点的平均值为预测出的图像质量分数。

3.根据权利要求2所述的一种人脸质量判决方法，其特征在于，将检测出的人脸图像作为训练好的卷积神经网络模型的输入，预测出人脸图像的质量分数，包括：

提取人脸图像的低维信息；

对所述低维信息进行降维操作；

输出多个多通道特征图；

对多个多通道特征图进行合并；

将合并后的多通道特征图转换成单通道特征图；

对所述单通道特征图中的所有点进行求和取平均的操作；

将特征图中的所有点进行求和取平均的操作，则特征图中的所有点的平均值为预测出的图像质量分数；

其中，M为特征图的行数，N为特征图的列数，I为特征图，最终预测出图像的质量分数，利用Euclidean Loss进行目标约束，

其中，L代表输入特征向量维度，x表示预测的质量分数，y表示ground-truth。

4.一种计算机可读存储介质，存储计算机程序，其特征在于，所述计算机程序被处理器运行时执行如权利要求2或3项所述的判决方法。

5.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行如权利要求2或3所述的判决方法。

6.一种人脸识别系统，其特征在于，该人脸识别系统包括如权利要求1所述的人脸质量判决系统，还包括：

人脸提取模块，用于提取质量分数最高的人脸图像或满足约束条件的人脸图像；

人脸识别模块，用于将所述人脸提取模块提取的人脸图像与存储于数据库中的人脸图像进行比对，并输出比对结果；

控制平台，用于根据人脸识别模块反馈的比对结果执行相应操作。