[发明专利]一种人脸图像质量评估方法、装置、设备、介质

说明书

本申请公开了一种人脸图像质量评估方法、装置、设备、介质，该方法包括：获取待评估的目标人脸图像；对所述目标人脸图像进行预处理；将预处理后的目标人脸图像通过预先得到的目标卷积神经网络，以便得到所述目标人脸图像的质量得分。由此可见，本申请在获取到待评估的目标人脸图像之后，可以对所述目标人脸图像进行相应的预处理，并将预处理后的目标人脸图像通过预先得到的目标卷积神经网络，以便得到所述目标人脸图像的质量得分，这样能够利用训练后CNN评估人脸图像质量，人脸质量评估效率高，且鲁棒性强。

技术领域

本申请涉及数字图像处理技术领域，特别涉及一种人脸图像质量评估方法、装置、设备、介质。

背景技术

人脸识别是当今图像领域非常活跃的一个课题，涉及到监控、安防、便民生活等各个方面。而人脸识别在不同领域对精度和速度的要求，凸显了人脸质量评估的重要性。人脸图像质量评估是人脸识别中重要的一环，也是边缘检测到云端服务器传输的不可或缺的一步，该环节的鲁棒性和精度直接影响到识别的精度和传输的带宽。目前人脸质量评估方法分为两种：一是传统方法，也就是通过计算梯度、灰度、对称性计算等评估人脸图像的质量，但鲁棒性不强。二是利用神经网络CNN(Convolutional Neural Networks，卷积神经网络)评估人脸图像质量，由于目前没有公开的人脸质量数据集进行CNN训练，所以训练出的CNN效果参差不齐，人脸质量评估效率低。

发明内容

有鉴于此，本申请的目的在于提供一种人脸图像质量评估方法、装置、设备、介质，能够利用训练后CNN评估人脸图像质量，人脸质量评估效率高，且鲁棒性强。其具体方案如下：

第一方面，本申请公开了一种人脸图像质量评估方法，包括：

获取待评估的目标人脸图像；

对所述目标人脸图像进行预处理；

将预处理后的目标人脸图像通过预先得到的目标卷积神经网络，以便得到所述目标人脸图像的质量得分。

可选的，所述人脸图像质量评估方法，还包括：

获取人脸图像训练集；

利用所述人脸图像训练集，确定目标人脸图像训练集；

利用所述目标人脸图像训练集训练卷积神经网络，得到所述目标卷积神经网络。

可选的，所述利用所述人脸图像训练集，确定目标人脸图像训练集，包括：

确定所述人脸图像训练集中各张人脸图像在预设因素下的得分；

根据所述得分确定所述人脸图像训练集中各张人脸图像的目标得分；

将带有所述目标得分的所述人脸图像训练集作为目标人脸图像训练集。

可选的，所述利用所述人脸图像训练集，确定目标人脸图像训练集，包括：

确定所述人脸图像训练集中各张人脸图像在预设因素下的得分；

根据所述得分确定所述人脸图像训练集中各张人脸图像的目标得分；

将带有所述目标得分的所述人脸图像训练集中的各张人脸图像左右翻转，得到翻转后人脸图像训练集；

将带有所述目标得分的所述人脸图像训练集和所述翻转后人脸图像训练集作为目标人脸图像训练集。

可选的，所述根据所述得分确定所述人脸图像训练集中各张人脸图像的目标得分之后，还包括：

分离出所述人脸图像训练集中各张人脸图像中的背景数据，得到背景图像训练集，并将所述背景图像训练集加入所述目标人脸图像训练集中。

可选的，所述确定所述人脸图像训练集中各张人脸图像在预设因素下的得分，包括：