[发明专利]一种用于人脸图片的筛选方法和系统

说明书

本发明给出了一种用于人脸图片的筛选方法和系统，包括提取包含人脸的第一图片，将第一图片中包含人脸位置的区域放大生成第二图片，进行灰度处理生成第三图片；利用边缘检测算法计算第三图片的清晰度，基于清晰度确定第一分值，过滤第一分值小于第一阈值的图片；基于人脸角度值确定第二分值，过滤第二分值小于第二阈值的图片；基于人脸眼睛数量确定第三分值；基于第一图片的像素值、第二图片中的人脸占比值和黑白灰像素占比值确定第四分值，基于第一分值、第二分值、第三分值和第四分值获得图片的综合评分值，输出综合评分值大于综合阈值的图片。本发明可过滤大量无效数据，降低系统压力，提高人脸识别效率。

技术领域

本发明涉及计算机技术领域，尤其是一种用于人脸图片的筛选方法和系统。

背景技术

随着深度学习和人工智能技术的不断发展，人脸识别系统越来越多的应用于安防、智能新零售、金融、地铁、酒店、机场等需要身份验证的场景中，诸如银行远程开户、无人超商通过刷脸自动完成支付、门禁系统、地铁刷脸支付、机场自动进行人证核验等。

现有的人脸识别大多是直接从摄像头获取抓拍的人脸进行人脸识别，直接抓拍的图片包含了很多运动模糊或者聚焦不清晰的人脸，还有很多人脸角度、尺度和光照不合适，大大影响了识别准确度，也导致人脸识别应用受到较大影响，虽然现有少数人脸识别系统也有人脸图片质量判断，但是基本都是从图片清晰度方面进行判断，对人脸角度、光照、旋转、尺度等方面并没有做评估，同时清晰度的判断包含了很多主观评价，人脸识别准确率不高，因此现有人脸图片质量评价模型对人脸图片质量的评价效果较差。

在人脸识别应用中用摄像机采集含有人脸的图片，并进而对人脸图片中检测到的人脸进行脸部识别，随着人脸识别技术的应用的深入推广，通过人脸抓拍图片进行人脸识别的技术也得到了广泛应用。由于各人脸抓拍摄像机和人脸抓拍算法系统的抓拍算法质量参差不齐，摄像机安装调试质量也有好有坏，导致产生大量的无法识别的人脸图片，浪费人脸识别系统算力资源，产生垃圾数据；另外由于比对图片也存在质量不一，如存在手机翻拍照片，模糊照片等等问题，导致影响识别准确率。

在现有技术中进行人脸图像识别效果评估时的识别技术，主要利用深度神经网络提取图像特征，同时完成多个图像质量影响因素的全方位质量评估，利用机器学习来进行计算机视觉处理时，需要首先确定训练数据，一般情况下，人质量评判的模式识别模型的训练数据是怎样的，那么模型本身就可以对怎样的图片进行评判。现有技术中，对训练数据的标注一般是采用人工标注的方法，利用人为对图像的质量进行标注，然后将标注的图像作为训练样本。缺点在于：通过人为指定的一些维度对人像质量进行评估时，这些维度可能和人脸识别的精度没有关系，比如人像在图片中大小的占比；另一方面会不全面，往往会漏掉一些维度，比如人像之间的遮挡等等。需要大量的人脸图片做训练，需要对训练图片进行标注，训练工作繁杂周期长，并且容易受实战习惯影响。

发明内容

本发明提出了一种用于人脸图片的筛选方法和系统。

在一个方面，本发明提出了一种用于人脸图片的筛选方法，包括以下步骤：

S1：对图片进行人脸检测，提取包含人脸的第一图片，将第一图片中包含人脸位置的区域放大生成第二图片，将第二图片进行灰度处理生成第三图片；

S2：利用边缘检测算法计算第三图片的清晰度，基于清晰度确定第一分值，过滤第一分值小于第一阈值的图片；

S3：利用训练分类器获得第三图片中的人脸角度值，基于人脸角度值确定第二分值，过滤第二分值小于第二阈值的图片；

S4：检测第三图片中的人脸眼睛数量，基于人脸眼睛数量确定第三分值；

S5：基于第一图片的像素值、第二图片中的人脸占比值和黑白灰像素占比值确定第四分值，基于第一分值、第二分值、第三分值和第四分值获得图片的综合评分值，输出综合评分值大于综合阈值的图片。