[发明专利]一种基于深度学习的人脸择优方法

说明书

本发明公开了一种基于深度学习的人脸择优算法，包括以下步骤；步骤一：将人脸检测得到的人脸区域图片归一化成96*96的BGR三通道数据格式，输入角度量化算法，得到角度量化值；步骤二、该值小于等于阈值（0.5），则丢掉该人脸区域图片；步骤三、该值大于阈值（0.5），将96*96的BGR三通道数据输入清晰度量化算法，得到清晰度量化值；步骤四、清晰度量化值小于等于阈值（0.5），则丢掉该人脸区域图片，若大于阈值（0.5），保留该人脸区域图片。本发明可以根据算法进行人脸角度择优，可以根据人脸图片的清晰度择优，提高了人脸图像的识别准确率，能够排选出最佳的人脸图形，保证了人脸识别效果，具有较好的推广性。

技术领域

本发明涉及人脸识别处理技术领域，具体为一种基于深度学习的人脸择优算法。

背景技术

随着深度学习在计算机视觉上的广泛应用，人脸识别已经落地于诸多项目，人脸识别包括了人脸检测、人脸择优、关键点定位、人脸对齐，人脸特征值提取和比对，在非约束（无感、非配合）条件下如何快捷有效的筛选出高质量的人脸图片，即人脸择优，是很重要的一环，在现实非约束条件下，被采集者以各种运动方向和角度对着摄像头，检测出的人脸有不同的俯仰角和侧视角度，适合做人脸识别的小角度人脸比较少，需要算法进行人脸角度择优，此外，人脸图片的清晰度也同样影响人脸识别效果；在现实非约束条件下，运动模糊、对焦模糊、不同光照条件下模糊如逆光和暗光、摄像机本身带来的噪点模糊等对人脸识别构成挑战；在软件方面，最直接的方式丢掉这些不适合做识别的人脸图片，本文提出了一种基于深度学习的人脸角度和清晰度量化筛选算法。

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择优算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的人脸择优算法，包括以下步骤；

步骤一：将人脸检测得到的人脸区域图片归一化成96*96的BGR三通道数据格式，输入角度量化算法，得到角度量化值；

步骤二、该值小于等于阈值（0.5），则丢掉该人脸区域图片；

步骤三、该值大于阈值（0.5），将96*96的BGR三通道数据输入清晰度量化算法，得到清晰度量化值；

步骤四、清晰度量化值小于等于阈值（0.5），则丢掉该人脸区域图片，若大于阈值（0.5），保留该人脸区域图片。

优选的，所述角度量化算法为：

S1、将不同的俯仰角和侧视角度按大小分成五类，具体如下：

1).超大角度：侧视超过60度，俯视超过40度，仰视超过40度；

2).大角度：侧视45-60度，俯视30-40度，仰视30-40度；

3).中角度：侧视30-45度，俯视20-30度，仰视20-30度；

4).小角度：侧视15-30度，俯视10-20度，仰视10-20度；

5).正脸：侧视小于15度，俯视小于10度，仰视小于10度；

S2、如果人脸同时侧视和俯仰视，以最大的分级为准；

S3、训练五分类深度算法，最后得到各分类的概率值进行加权平均：

Score = [P（0-超大角度）* 0 + P（1-大角度）* 1 + P（2-中角度）* 2 + P（3-小角度）* 3 + P（4-正脸）* 4] / 4。

优选的，当所述Score小于等于该阈值时，丢掉该人脸区域图片。

优选的，所述清晰度量化算法为：

S1、将各种小角度人脸和正脸图片按清晰度等级分成三类：