[发明专利]人脸图像质量评估方法、计算机装置及计算机可读存储介质

说明书

本发明提供一种人脸图像质量评估方法、计算机装置及计算机可读存储介质，该方法包括获取初始图像，将初始图像划分为多张子图像，并且，计算每一张子图像的灰度均值以及方差，并对每一子图像进行归一化计算；对归一化的每一子图像进行离散余弦变换并提取低频系数，利用每一子图像的灰度均值、低频系数计算该子图像的加权特征；计算每一子图像相对于标准人脸子图像的相似度概率得分，并计算该初始图像的最终得分。本发明还提供实现上述人脸图像质量评估方法的计算机装置及计算机可读存储介质。本发明的方法考虑到光照、姿态、遮挡等多种情况对人脸图像的影响，能够更加准确的评估各张图像的质量。

技术领域

本发明涉及图像识别的技术领域，具体地，是人脸图像质量评估 方法以及实现这种方法的计算机装置、计算机可读存储介质。

背景技术

由于每一个人的脸型是具有判别性、非接触性和易获取等特点， 被视为个人身份认证的理想生物特征。在过去二十多年来，人脸识别 引起了学术界和商业界广泛关注，并涌现出许多人脸识别方法。随着 智能技术的发展，通过图像识别的方式来对人员进行识别已经广泛应 用在诸如安防等多个领域，其中，通过对人员的人脸进行识别是图像 识别领域中的重点研究领域。

在通过拍摄图像对人脸进行识别的过程中，由于真实场景中存在 光照、姿态、遮挡和表情等多种变化因素，这些因素对获取人脸图像 的质量有较大影响，进而影响人脸识别的性能。虽然目前已经提出许 多方法来改善在不同质量人脸图像上的人脸识别性能，但是目前的人 脸识别方法在高质量的人脸图像上获得更好的性能仍然是人们研究的 重点方向。

在许多视频监控的人脸识别系统中，能够获取目标个体的多张人 脸图像，从中选择高质量人脸图像不仅能够提高系统的鲁棒性并降低 误报警率，还能大幅减少计算量和功耗。因此，现有的技术提出一种 Robust PCA方法来移除低质量人脸图像，但是该方法并不能应用低质 量图像占据主导的视频监控领域。

一个更加直接的方法解决人脸质量评估问题就是分析人脸的一些 特性，例如现有另一种技术提出使用人脸对称度方法，定量评估由于 侧脸、光照和姿态等因素对人脸质量的影响。还有一种技术提出基于 Patch概率模型方法用于人脸质量评估，该方法需要在正脸、均匀光照 和自然表情上进行训练。然而，目前人脸质量评估方法并没有考虑到 人脸比对和验证的性能，这些方法评价得到质量好的人脸图像在进行 人脸识别时并不一定有很高的准确率。

近年来，深度学习逐渐在各个领域取得良好效果，同样在图像质 量评价中也取得了很好地效果。因此，现有技术提出使用卷积神经网 络进行人脸质量评估，但是，基于深度学习的方法需要大量的有标签 数据进行训练，并且在部署时通常会受到计算资源、功耗和模型体积 等诸多因素的限制。

可见，目前大部分人脸图像质量评估方法仅只考虑到人脸图像一 些基本特性，并没有考虑对后续人脸比对和验证的性能影响。事实上， 由这些方法评价得到质量好的人脸图像在进行人脸识别时并不一定有 很高准确率。

发明内容

本发明的主要目的是提供一种对人脸图像质量评价更加准确并符 合后续使用需求的人脸图像质量评估方法。

本发明的另一目的是提供一种实现上述人脸图像质量评估方法的 计算机装置。

本发明的再一目的是提供一种实现上述人脸图像质量评估方法的 计算机可读存储介质。

为实现本发明的主要目的，本发明提供的人脸图像质量评估方法 包括获取初始图像，将初始图像划分为多张子图像，并且，计算每一 张子图像的灰度均值以及方差，并对每一子图像进行归一化计算；对 归一化的每一子图像进行离散余弦变换并提取低频系数，利用每一子 图像的灰度均值、低频系数计算该子图像的加权特征；计算每一子图 像相对于标准人脸子图像的相似度概率得分，并计算该初始图像的最 终得分。