[发明专利]人脸图像质量检测方法及装置

权利要求书

1.一种人脸图像质量检测方法，其特征在于，所述方法包括：

获得人脸图像的关键点检测结果；

基于所述关键点检测结果获得所述人脸图像的可见性检测结果；

基于所述可见性检测结果和所述关键点检测结果获得所述人脸图像的质量分析结果。

2.根据权利要求1所述的人脸图像质量检测方法，其特征在于，所述关键点检测结果包括人脸姿态、人脸尺度和重投影误差中的至少一种，所述获得人脸图像的关键点检测结果，包括：

采用深度学习算法确定所述人脸图像中的关键点位置；

获得所述关键点位置和所述人脸图像对应的三维人脸模型之间的几何关系参数；

基于所述几何关系参数确定所述人脸图像的人脸姿态、人脸尺度和重投影误差中的至少一种。

3.根据权利要求2所述的人脸图像质量检测方法，其特征在于，所述获得所述关键点位置和所述人脸图像对应的三维人脸模型之间的几何关系参数，包括：

基于三维人脸重建和透视相机模型获得所述人脸图像的三维人脸模型，所述三维人脸模型的齐次坐标为M；

基于姿态估计算法计算所述齐次坐标M与所述关键点位置的几何关系参数{R,t}，其中，R为旋转矩阵，t为平移向量，

4.根据权利要求3所述的人脸图像质量检测方法，其特征在于，基于所述几何关系参数确定所述人脸图像的人脸姿态，包括：

将所述旋转矩阵R转换为欧拉角，将所述欧拉角作为所述人脸图像的人脸姿态；

基于所述几何关系参数确定所述人脸图像的人脸尺度，包括：

基于所述透视相机模型的内部参数、所述旋转矩阵R和所述平移向量t，采用弱透视近似公式计算所述人脸图像的人脸尺度；

所述弱透视近似公式包括：

其中，f′为所述人脸尺度，f_x、f_y为所述内部参数中的焦距，X、Y、Z为所述三维人脸模型的三维坐标值；

基于所述几何关系参数确定所述人脸图像的重投影误差，包括：

基于所述几何关系参数，采用重投影公式对所述三维人脸模型进行重投影得到所述关键点位置的齐次坐标m；

所述重投影公式包括：m＝A[R|t]M；

其中，A为所述内部参数，c_x、c_y表示相机光轴的偏移量；

基于所述关键点位置p和所述齐次坐标m，采用重投影误差公式计算所述人脸图像的重投影误差e；

所述重投影误差公式包括：e＝||p-m||₂。

5.根据权利要求1所述的人脸图像质量检测方法，其特征在于，所述基于所述关键点检测结果获得所述人脸图像的可见性检测结果，包括：

基于所述关键点检测结果中的关键点位置和所述人脸图像对应的三维人脸模型获得多角度人脸图像；

将所述多角度人脸图像输入可见性估计神经网络，以获得所述可见性估计神经网络输出的关键点可见性热度图；

基于所述关键点可见性热度图获得所述人脸图像的关键点遮挡信息。

6.根据权利要求5所述的人脸图像质量检测方法，其特征在于，所述基于所述关键点检测结果中的关键点位置和所述人脸图像对应的三维人脸模型获得多角度人脸图像，包括：

基于所述人脸图像对应的三维人脸模型获得未标注的多角度人脸图像；

基于所述关键点位置，对所述未标注的多角度人脸图像进行多角度关键点可见性标注，获得标注后的多角度人脸图像。

7.根据权利要求6所述的人脸图像质量检测方法，其特征在于，所述对所述未标注的多角度人脸图像进行多角度关键点可见性标注，包括：

识别所述未标注的多角度人脸图像中的关键点位置的自遮挡和/或外物遮挡的情况，基于所述自遮挡和/或外物遮挡的情况进行多角度关键点可见性标注。