[发明专利]无监督的人脸图像质量评估方法、电子设备和存储介质

说明书

本申请涉及无监督的人脸图像质量评估方法、电子设备和存储介质，属于人工智能领域，该方法包括：通过人脸识别网络对人脸图像提取第一特征，其中，人脸识别网络的数量为多个；根据第一特征和通过人脸识别网络对人脸图像的类内图像提取的第二特征，计算类内相似度分布；根据第一特征和通过人脸识别网络对人脸图像的类间图像提取的第三特征，计算类间相似度分布；根据类内相似度分布和类间相似度分布，计算质量分数；将基于多个人脸识别网络得到的多个质量分数进行加权平均得到质量评估结果。不仅衡量了类内相似度分布和类间相似度分布，还综合了多个人脸识别网络的结果以对人脸图像质量进行评估，保证了人脸图像质量评估结果的准确性和可靠性。

技术领域

本申请涉及人工智能技术领域，特别是涉及无监督的人脸图像质量评估方法、电子设备和存储介质。

背景技术

近年来，人脸图像质量评估已经成为人脸识别系统中不可或缺的一部分，以保证在无约束场景下识别性能的稳定性和可靠性。质量好的人脸图像并非我们肉眼看上去清晰的图像，而是可以被人脸识别网络模型正确识别的图像。但是，通过训练得到的人脸识别网络模型会由于各种因素导致模型的好坏程度(该模型的好坏程度可以通过识别的准确度来衡量)参差不齐，从而导致输出的评估结果可靠性较低，对此，相关技术中尚没有得到很好的解决。

发明内容

本申请实施例提供了一种无监督的人脸图像质量评估方法、电子设备和存储介质，以至少解决相关技术中如何提高评估结果可靠性的问题。

第一方面，本申请实施例提供了一种无监督的人脸图像质量评估方法，包括：通过人脸识别网络对人脸图像提取第一特征，其中，所述人脸识别网络的数量为多个；根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布；根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类间图像提取的第三特征，计算类间相似度分布；根据所述类内相似度分布和所述类间相似度分布，计算质量分数；将基于多个人脸识别网络得到的多个所述质量分数进行加权平均得到质量评估结果。

在其中一些实施例中，所述的根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布包括：通过所述人脸识别网络对所述人脸图像的类内图像提取第二特征；根据所述第一特征和所述第二特征计算余弦相似度，得到类内相似度分布。

在其中一些实施例中，所述的根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类间图像提取的第三特征，计算类间相似度分布包括：通过所述人脸识别网络对所述人脸图像的类间图像提取第三特征；根据所述第一特征和所述第三特征计算余弦相似度，得到类间相似度分布。

在其中一些实施例中，所述的根据所述类内相似度分布和所述类间相似度分布，计算质量分数包括：计算所述类内相似度分布和所述类间相似度分布之间的推土机距离(Wasserstein Distance)；根据所述推土机距离，计算质量分数。

在其中一些实施例中，所述质量分数通过如下公式计算得到：

其中δ的函数表达式如下：

其中的表达式如下：

其中，WD表示推土机距离，是类内相似度分布，是类间相似度分布，x_i表示第i张人脸图像，L表示各联合分布的推土机距离的集合。

在其中一些实施例中，在所述的通过人脸识别网络对人脸图像提取第一特征之前，所述方法还包括：对人脸识别网络输入任意人脸图像，将所述人脸图像的特征与人脸数据库中所有图像的特征进行比对，计算相似度；根据所述相似度判断所述人脸图像在所述人脸数据库中所对应的人，将所述人脸数据库中该人的人脸图像作为所述人脸图像的类内图像，将所述人脸数据库中其他人的人脸图像作为所述人脸图像的类间图像。