[发明专利]一种人脸质量评估模型的构建方法及应用

权利要求书

1.一种人脸质量评估模型的构建方法，其特征在于，包括以下步骤：

S1、搭建人脸质量评估模型；所述人脸质量评估模型包括级联的特征提取网络和多任务层；所述特征提取网络用于提取输入图像的低级特征；所述多任务层包括多个并行的任务分支，用于对所述输入图像的各人脸图像属性进行预测；其中，每一种人脸图像属性均对应一个任务分支；所述任务分支用于对所述低级特征进行学习得到对应人脸图像属性的高级特征，并对所述高级特征进行回归或分类，以对人脸图像属性进行预测；

S2、将预采集好的训练集输入到所述人脸质量评估模型中，以最小化各人脸图像属性的预测属性和真实属性之间的差异的加权总和为目标训练所述人脸质量评估模型；所述训练集包括人脸图像及其对应的各人脸图像属性的真实属性标签。

2.根据权利要求1所述的人脸质量评估模型的构建方法，其特征在于，所述人脸图像属性包括连续数值属性和离散数值属性；所述连续数值属性包括：模糊度、光照强度和头部姿态；其中，所述头部姿态包括偏航角、俯仰角和滚转角；所述离散数值属性包括：面部表情状态和眼镜佩戴状态；

所述任务分支的类型包括回归分支和分类分支；所述回归分支用于对所述输入图像的连续数值属性进行回归预测，得到连续数值属性的预测值；所述分类分支用于计算所述输入图像的离散数值属性属于其所对应的不同属性类别的概率值，并将最大概率值所对应的属性类别作为离散数值属性的预测类别；

所述训练集中，人脸图像属性的真实属性包括人脸图像属性的真实值和真实类别。

3.根据权利要求1所述的人脸质量评估模型的构建方法，其特征在于，所述特征提取网络为MobileNet-v2网络中最后一层线性分类器之前的网络。

4.根据权利要求1-3任意一项所述的人脸质量评估模型的构建方法，其特征在于，所述人脸质量评估模型的目标函数为：

其中，L_reg(p)为第p个回归分支中输入图像的连续数值属性的预测值和真实值差异之和的平均值；L_cls(q)为第q个回归分支中输入图像的离散数值属性的预测类别和真实类别差异之和的平均值；N_reg为连续数值属性的个数；N_cls为离散数值属性的个数；λ₁和λ₂均为权重系数。

5.根据权利要求4所述的人脸质量评估模型的构建方法，其特征在于，所述第p个回归分支中输入图像的连续数值属性的预测值和真实值差异之和的平均值为：

所述第q个回归分支中输入图像的离散数值属性的预测类别和真实类别差异之和的平均值为：

其中，和y_i分别为第i个输入图像的第p个连续数值属性的预测值和真实值；δ为超参数；P_iq为第i个输入图像的第q个离散数值属性的预测类别为真实类别的概率值。

6.根据权利要求1-3任意一项所述的人脸质量评估模型的构建方法，其特征在于，上述人脸图像为不含背景的人脸图像。

7.一种人脸质量评估方法，其特征在于，包括以下步骤：

将待测图像输入到采用权利要求1-6任意一项所述人脸质量评估模型的构建方法所构建的人脸质量评估模型中，得到待测图像的各人脸图像属性的预测值或预测类别；

根据所述各人脸图像属性的预测值或预测类别计算得到各人脸图像属性的质量评估结果；

计算所述各人脸图像属性的质量评估结果的平均值，得到待测图像的质量评估结果。