[发明专利]人脸质量检测模型的优化方法、装置、设备及存储介质

权利要求书

1.一种人脸质量检测模型的优化方法，其特征在于，包括：

利用人脸质量检测模型对多个待检测图片进行检测；

根据所述人脸质量检测模型对所述多个待检测图片的检测结果，将所述多个待检测图片中不符合预设质量条件的待检测图片作为训练图片样本；

获取所述训练图片样本的特征值，并根据所述训练图片样本的特征值，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签；

利用标注有所述特征标签的训练图片样本对所述人脸质量检测模型进行训练，得到优化后的人脸质量检测模型。

2.根据权利要求1所述的优化方法，其特征在于，所述人脸质量检测模型对每个待检测图片的检测结果包括：该待检测图片的质量分数，以及用于指示该待检测图片为人脸图片的概率值。

3.根据权利要求2所述的优化方法，其特征在于，所述根据所述人脸质量检测模型对所述多个待检测图片的检测结果，将所述多个待检测图片中不符合预设质量条件的待检测图片作为训练图片样本的步骤，包括：

分别针对所述多个待检测图片中的每个待检测图片，判断该待检测图片的检测结果中用于指示该待检测图片为人脸图片的概率值是否在预设概率范围内；

当该待检测图片的检测结果中用于指示该待检测图片为人脸图片的概率值在所述预设概率范围内时，确定该待检测图片为不符合预设质量条件的待检测图片，并将该待检测图片作为训练图片样本；

当该待检测图片的检测结果中用于指示该待检测图片为人脸图片的概率值不在所述预设概率范围内时，丢弃该待检测图片。

4.根据权利要求1所述的优化方法，其特征在于，在所述根据所述训练图片样本的特征值，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签的步骤之前，所述优化方法还包括：

对预先存储的多个易检测图片的特征值进行聚类分析，得到多个聚类簇；所述多个聚类簇包括人脸图片簇和非人脸图片簇，且所述多个聚类簇中每个聚类簇均具有对应的标签；所述易检测图片为符合预设质量条件的图片；

所述根据所述训练图片样本的特征值，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签的步骤，包括：

对所述训练图片样本的特征值和所述多个聚类簇进行聚类，得到聚类结果；

根据所述聚类结果，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签。

5.根据权利要求4所述的优化方法，其特征在于，所述根据所述聚类结果，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签的步骤，包括：

根据所述聚类结果，比较所述训练图片样本的特征值与所述多个聚类簇中每个聚类簇之间的距离；

确定所述多个聚类簇中距离所述训练图片样本的特征值最近的聚类簇，并将该聚类簇的标签作为特征标签标注给所述训练图片样本。

6.一种人脸质量检测模型的优化装置，其特征在于，包括：

检测模块，用于利用人脸质量检测模型对多个待检测图片进行检测；

确定模块，用于根据所述人脸质量检测模型对所述多个待检测图片的检测结果，将所述多个待检测图片中不符合预设质量条件的待检测图片作为训练图片样本；

标注模块，用于获取所述训练图片样本的特征值，并根据所述训练图片样本的特征值，给所述训练图片样本标注用于表征所述训练图片样本特征的特征标签；

训练模块，用于利用标注有所述特征标签的训练图片样本对所述人脸质量检测模型进行训练，得到优化后的人脸质量检测模型。