[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

说明书

本发明提供一种人脸质量判决系统，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。本发明通过对视频图像序列传入的人脸图像信息进行自动学习预测，得到图像的质量分数，筛选质量好的图像输出给人脸识别模块。本发明利用轻量级深度学习框架，提高了预测的准确率，压缩了模型，加快了模块的运算速度。

技术领域

本发明涉及图像处理技术领域。具体涉及一种人脸质量判决方法、系统及人脸识别方法、系统。

背景技术

随着人工智能技术的不断发展，越来越多智能化的产品开始走进人们的生活。

“刷脸”这个名词在当今社会并不陌生，越来越多刷脸的产品应运而生。利用人脸识别技术的智能门禁系统、智能支付平台、智能认证通关系统等智慧化的产品不断地更新迭代。

然而，这种智能化的产品在实际应用中也存在着一些问题。比如光照、人脸的角度、人脸视频序列帧图像的清晰度等都会影响人脸识别技术最终的识别结果，导致误判、错判等事情的发生。所以，在进行人脸识别之前，需要对识别者的视频帧序列进行筛选，滤除掉那些质量不好的图像或选择质量最好的图像进行识别，能够保证在识别过程中大大地提高准确率。

目前，在人工智能的技术发展中，深度学习技术作为发展最火热的一个技术领域，以其创新性的网络结构与高精度的准确率受到了大多数公司的热捧。深度学习技术在安防、安保、金融、游戏等各种领域都有着广泛地应用。但是在实际应用中，不光要求高精度的数值，还需要高速度的时间。所以，找到一种既能保证精度又能保证速度的质量判决系统是目前的当务之急。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种人脸质量判决方法、系统及人脸识别方法、系统，用于解决视频帧序列图像的质量筛选速度不够快的问题。

为实现上述目的及其他相关目的，本发明提供一种人脸质量判决系统，该系统包括：

视频采集模块，用于采集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。

可选地，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，

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表示预测质量分数，y表示ground-truth。