[发明专利]人脸图像筛选方法、装置、电子设备及存储介质

权利要求书

1.一种人脸图像筛选方法，其特征在于，所述方法包括：

获取多张人脸图像；

通过姿态估计模型，基于所述多张人脸图像中每张人脸图像中人脸朝向的滚角、偏角和俯角确定所述每张人脸图像的姿态判断结果；

通过表情识别模型确定所述多张人脸图像中每张人脸图像的表情判断结果；

基于所述姿态判断结果和所述表情判断结果从所述多张人脸图像中确定适用于人脸识别的目标人脸图像。

2.根据权利要求1所述的方法，其特征在于，在所述通过姿态估计模型，基于所述多张人脸图像中每张人脸图像中人脸朝向的滚角、偏角和俯角确定所述每张人脸图像的姿态判断结果之前，所述方法还包括：

获取多张训练人脸图像；

通过残差网络对所述多张训练人脸图像中每张训练人脸图像进行特征提取；

对提取的特征进行滚角全连接、偏角全连接和俯角全连接，获得全连接层；

对所述多张训练人脸图像的滚角、偏角和俯角进行SoftMax操作，获得SoftMax层；

基于所述SoftMax层确定姿态估计模型损失函数；

基于所述姿态估计模型损失函数训练姿态估计神经网络，以获得所述姿态估计模型，所述姿态估计神经网络包括所述残差网络、所述全连接层和所述SoftMax层。

3.根据权利要求2所述的方法，其特征在于，所述基于所述SoftMax层确定姿态估计模型损失函数，包括：

基于所述SoftMax层分别计算所述多张训练人脸图像的滚角、偏角和俯角的交叉熵损失；

基于所述SoftMax层分别计算所述多张训练人脸图像的滚角、偏角和俯角的均方误差损失；

将所述交叉熵损失和所述均方误差损失相加的结果作为所述姿态估计模型损失函数。

4.根据权利要求1所述的方法，其特征在于，所述表情识别模型包括眨眼识别模型，在所述通过表情识别模型确定所述多张人脸图像中每张人脸图像的表情判断结果之前，所述方法还包括：

从多张训练人脸图像中抠出人脸部分图像；

从所述人脸部分图像中获得眼部图像；

将所述眼部图像作为训练集，基于AlexNet训练得到所述眨眼识别模型。

5.根据权利要求1所述的方法，其特征在于，所述表情识别模型包括张嘴识别模型，在所述通过表情识别模型确定所述多张人脸图像中每张人脸图像的表情判断结果之前，所述方法还包括：

从多张训练人脸图像中抠出人脸部分图像；

从所述人脸部分图像中获得嘴部图像；

将所述嘴部图像作为训练集，基于AlexNet训练得到所述张嘴识别模型。

6.根据权利要求1所述的方法，其特征在于，在所述通过姿态估计模型，基于所述多张人脸图像中每张人脸图像中人脸朝向的滚角、偏角和俯角确定所述每张人脸图像的姿态判断结果之前，所述方法还包括：

将所述多张人脸图像中每张人脸图像转换为HSV格式；

统计转换为HSV格式的所述每张人脸图像的V通道的均值；

将所述V通道的均值作为所述每张人脸图像的光照判断结果；

所述基于所述姿态判断结果和所述表情判断结果从所述多张人脸图像中确定适用于人脸识别的目标人脸图像，包括：

基于所述光照判断结果、所述姿态判断结果和所述表情判断结果从所述多张人脸图像中确定适用于人脸识别的所述目标人脸图像。

7.根据权利要求6所述的方法，其特征在于，所述基于所述光照判断结果、所述姿态判断结果和所述表情判断结果从所述多张人脸图像中确定适用于人脸识别的目标人脸图像，包括：

将光照判断结果、姿态判断结果和表情判断结果的所有取值按照不同取值组合划分为多个优先级；

基于所述多张人脸图像的所述光照判断结果、所述姿态判断结果和所述表情判断结果，根据所述多个优先级从所述多张人脸图像中确定适用于人脸识别的所述目标人脸图像。