[发明专利]一种社区监控场景下的人脸采集质量评估策略

权利要求书

1.一种社区监控场景下的人脸采集质量评估策略，其特征在于：包括以下步骤：

步骤1：社区监控场景下获取视频流，解码得到行人图像；

步骤2：使用训练好的Fast R-CNN对行人图像进行人脸识别，并裁剪得到人脸数据集：

步骤3：利用传统的图像处理方法，分别计算人脸图像的光照均匀度、模糊度，再经过人工筛选的方式筛选出高、低质量的人脸图像；

步骤4：将筛选出的高、低质量的人脸图像输入人脸质量评估网络FQA-Net进行训练；

步骤5：利用训练好的FQA-Net网络模型对待评估人脸图像进行评估分类；

步骤6：通过FQA-Net网络中softmax层的分类概率值作为图像质量评估分数，实现社区场景下人脸采集质量评估策略；

步骤7：采用GPU调度策略进行GPU调度。

2.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤1中，还包括在社区各处安装高清摄像头或者视频采集装置，选择需要监测的区域，获取该区域下所有的视频流，对视频流进行解码处理分离出图像数据。

3.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤2中，还包括利用外部人脸数据库wider face对其训练，使其达到检测人脸的目的，训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述网络以预设的效率达到预设的检测效果。

4.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤3中，还包括对人脸数据集进行处理，利用直方图分析图像均匀度、Brenner函数计算图像清晰度，然后将两种因素的得分归一化后加权计算图像总得分，用总得分进行粗分类；最后通过人工筛选的方式进行细分类，选取面目清晰、五官端正、呈对称分布，且光照均匀、无遮挡的图像为高质量人脸图像，选取模糊、侧脸、光照不均匀、遮挡的图像为低质量图像，由此得到高质量和低质量的人脸质量数据集。

5.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤4中，还包括利用步骤3中人脸质量数据集，对人脸质量评估网络FQA-Net进行有监督方式训练，高质量图像的label设为1，低质量的图像label设为0，根据实际效用，Conv层与Pool各有两层，两层全连接层，和一层softmax进行分类；训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述网络以预设的效率达到预设的分类效果。

6.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤6中，还包括使用概率值作为作为输入图像的质量评分，由此实现社区监控场景下人脸质量评估策略。

7.根据权利要求1所述的社区监控场景下的人脸采集质量评估策略，其特征在于：在所述步骤7中，还包括实时监控GPU处理集群中的GPU使用情况，采取适当的调度策略对GPU进行实时调度。