[发明专利]基于深度学习的人脸图像分析方法、电子装置及存储介质

说明书

本发明涉及一种基于深度学习的人脸图像分析方法、电子装置及可读存储介质，该方法包括：获取待分析的人脸图片，调用人脸多属性检测模型对人脸图片进行识别得到第一预设类型的人脸属性特征；调用人脸角度判别模型对人脸图片进行识别得到第二预设类型的人脸属性特征；利用预设的图像处理规则计算出人脸图片的第三预设类型的人脸图像特征；分别将识别出的各个第一预设类型的人脸属性特征、第二预设类型的人脸属性特征、第三预设类型的人脸图像特征转换成对应的图片质量参数值，并将各个图片质量参数值代入预先确定的图片质量综合参数计算公式中，以计算出人脸图片对应的图像质量综合参数值。本发明能够比较全面和准确的对人脸图像进行质量分析。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于深度学习的人脸图像分析方法、电子装置及可读存储介质。

背景技术

当前，人脸识别技术越来越广泛地应用到生活中的各个场景，包括在安全、贸易和经济等领域的应用，诸如刑侦破案、证件验证和视频监视等。

近几年，人脸识别技术取得了相当大的进展，但是在实际应用中，在人脸图像质量较差的情况下，人脸识别的识别率和准确率会明显降低。低质量的图像进入人脸识别系统将增加系统的计算负荷，降低人脸识别准确率。因此，急需提出一种方法来对进入人脸识别系统的人脸图像进行准确的质量分析。

发明内容

本发明的目的在于提供一种基于深度学习的人脸图像分析方法、电子装置及可读存储介质，旨在对人脸图像进行准确的质量分析。

为实现上述目的，本发明提供一种基于深度学习的人脸图像分析方法，所述基于深度学习的人脸图像分析方法包括：

获取待分析的人脸图片，调用预先训练的人脸多属性检测模型对所述人脸图片进行识别，以识别出若干第一预设类型的人脸属性特征；

调用预先训练的人脸角度判别模型对所述人脸图片进行识别，以识别出若干第二预设类型的人脸属性特征；

利用预设的图像处理规则计算出所述人脸图片的若干第三预设类型的人脸图像特征；

根据预先确定的人脸属性特征、人脸图像特征、图片质量参数值之间的映射关系，分别将识别出的各个第一预设类型的人脸属性特征、第二预设类型的人脸属性特征、第三预设类型的人脸图像特征转换成对应的图片质量参数值，并将各个第一预设类型的人脸属性特征、第二预设类型的人脸属性特征、第三预设类型的人脸图像特征对应的图片质量参数值代入预先确定的图片质量综合参数计算公式中，以计算出所述人脸图片对应的图像质量综合参数值。

优选地，还包括：

若所述人脸图片对应的图像质量综合参数值大于或等于预设阈值，则确定所述人脸图片的质量合格，将所述人脸图片输入至预设人脸识别系统进行人脸识别。

优选地，所述第一预设类型的人脸属性特征包括人脸的模糊、表情、光照、遮挡和/或姿态属性特征，所述人脸多属性检测模型为卷积神经网络模型，所述人脸多属性检测模型的训练步骤包括：

获取预设第一数据库中预设数量的人脸图像样本；

分别为每一个人脸图像样本标记对应的人脸的模糊、表情、光照、遮挡和/或姿态属性特征；

将标记后的人脸图像样本分为第一比例的训练集、第二比例的验证集；利用所述训练集中的人脸图像样本训练所述人脸多属性检测模型，以得到训练好的人脸多属性检测模型，利用所述验证集中的人脸图像样本验证训练好的人脸多属性检测模型的准确率；及

若准确率大于或者等于预设阈值，则训练结束，或者，若准确率小于预设阈值，则增加所述人脸图像样本的数量，并重新执行上述各步骤。