[发明专利]质量评分方法、质量评分模型的训练方法及相关装置

说明书

本发明公开了一种质量评分方法、质量评分模型的训练方法及相关装置，该质量评分方法包括：获取人脸数据；确定质量评分模型，质量评分模型包括骨干网络和全连接层；将人脸数据输入骨干网络中进行处理，得到目标特征；将目标特征输入全连接层中进行处理，以在人脸属性标签的约束下、输出人脸质量等级；根据人脸质量等级计算目标特征的质量分值。该方法通过已经训练好的质量评分模型来判断人脸数据所属的人脸质量等级，更为有效和可靠，基于人脸质量等级计算人脸数据的质量分值，能够提高人脸数据评价结果的准确性。

技术领域

本发明实施例涉及人脸识别技术，尤其涉及一种质量评分方法、质量评分模型的训练方法及相关装置。

背景技术

目前，人脸识别技术在安防、金融、支付等领域广泛应用，为了判断采集到的人脸图像是否适合提取特征用于人脸识别的任务，需要预先对采集到的人脸图像进行质量评价，对于质量不满足一定条件的人脸图像进行拒识，可以有效地降低人脸识别的误识率。

从主观来说，图像清晰度、光照变化、人脸姿态、面部遮挡等因素都会影响人脸识别的精度，所以针对人脸图像的质量评价方法必须有效地评估这些变化带来的影响，对人脸图像给出合适的质量分。然而，传统的人脸图像的质量评价方法一般采用人工标注的方式，根据人的经验标准，对人脸图像进行打分，该方法存在如下缺陷：一是人工标注存在着较强的主观性，每个人的判断标准不一；二是人的经验标准并不一定适用于对人脸图像进行特征提取的特征提取模型，往往有些人为认定的质量较差的图像，在经过特征提取的比对之后，该图像的质量得分更高。由此可知，传统的人脸图像的质量评价方法不够客观，评价结果的准确性较低。

发明内容

本发明实施例提出了一种质量评分方法、质量评分模型的训练方法及相关装置，以解决现有方法针对人脸数据进行质量评价、评价结果准确性较低的问题。

第一方面，本发明实施例提供了一种质量评分方法，该方法包括：

获取人脸数据；

确定质量评分模型，所述质量评分模型包括骨干网络和全连接层；

将所述人脸数据输入所述骨干网络中进行处理，得到目标特征；

将所述目标特征输入所述全连接层中进行处理，以在人脸属性标签的约束下、输出人脸质量等级；

根据所述人脸质量等级计算所述目标特征的质量分值。

第二方面，本发明实施例还提供了一种质量评分模型的训练方法，该方法包括：

获取人脸样本；

将所述人脸样本输入预设的骨干网络中进行处理，得到目标样本特征；

将所述目标样本特征分别输入第一全连接层和第二全连接层中进行处理，所述第一全连接层用于将所述目标样本特征划分至预设的人脸质量等级、生成第一预测特征，所述第二全连接层用于将所述目标样本特征划分至预设的人脸属性标签、生成第二预测特征；

以对齐所述第一预测特征与所述人脸质量等级、所述第二预测特征与所述人脸属性标签作为监督，训练所述骨干网络、所述第一全连接层和所述第二全连接层；

在所述骨干网络、所述第一全连接层、所述第二全连接层训练完成时，锁定所述骨干网络和所述第一全连接层中的参数，以根据所述骨干网络和所述第一全连接层生成质量评分模型。

第三方面，本发明实施例还提供了一种质量评分装置，该装置包括：

数据获取模块，用于获取人脸数据；

模型确定模块，用于确定质量评分模型，所述质量评分模型包括骨干网络和全连接层；

第一处理模块，用于将所述人脸数据输入所述骨干网络中进行处理，得到目标特征；