[发明专利]人脸照片质量评估方法、系统、设备及存储介质

权利要求书

1.一种人脸照片质量评估方法，其特征在于，所述方法包括：

评估人脸图像的图像质量，获得多个初步评估系数；

根据各个所述初步评估系数所占权重，加权各个相应的所述初步评估系数，获得所述人脸图像的加权评估值；

对所述人脸图像进行特征提取，获得特征评估值，并根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估。

2.根据权利要求1所述的方法，其特征在于，所述评估系数包括对比度评估系数、明亮度评估系数、清晰度评估系数；

相应地，所述评估人脸图像的图像质量，获得多个初步评估系数，所述方法包括：

对所述人脸图像分别从对比度、明亮度及清晰度进行质量评估，获得相应的所述对比度评估系数、所述明亮度评估系数及所述清晰度评估系数。

3.根据权利要求2所述的方法，其特征在于，所述对比度评估系数的获取方法包括：

计算所述人脸图像的归一化直方图离散系数：其中，M是像素矩阵的水平点数，N是像素矩阵的垂直点数，r_k是第k级的灰度值，n_k是灰度值为r_k的像素个数；

求出所述归一化直方图离散系数平均值：

求出所述归一化直方图离散系数方差：

最后，算出所述对比度评估系数λ₁：λ₁＝1-δ。

4.根据权利要求2所述的方法，其特征在于，所明亮度评估系数的获取方法包括：

对所输入的n个图像序列分别进行数学求平均，获得各自灰度平均值用表示，其中，n个图像序列用I_i(i＝1,2…n)表示；

求取整幅所述人脸图像的灰度平均值：

最后，算出所述明亮度评估系数λ₂：

5.根据权利要求2所述的方法，其特征在于，所述清晰度评估系数的获取方法包括：

采用sobel算子对所输入的n个图像序列I_i(i＝1,2…n)的任意一个分别求出0度，45度，90度，135度方向的边缘图像I_ij；

对所述n个图像序列I_i(i＝1,2…n)的任意一个求取成边缘强度：

求取整幅所述人脸图像的平均边缘图像

分别求和E_i的平均值和m_i，并算出所述清晰度评估系数λ₃：

6.根据权利要求3-5任一项所述的方法，其特征在于，所述人脸图像的加权评估值的表达式为w₁*λ₁+w₂*λ₂+w₃*λ₃，其中，对比度评估系数权重w₁、明亮度评估系数权重w₂、清晰度评估系数权重w₃均为满足w₁+w₂+w₃＝100的正数。

7.根据权利要求1所述的方法，其特征在于，所述对所述人脸图像进行特征提取，获得特征评估值，所述方法包括：

采用深度学习神经网络方法对所述人脸图像进行特征提取获得特征向量，并对所述特征向量进行平方求和运算，获得的运算结果作为所述特征评估值。

8.根据权利要求7所述的方法，其特征在于，所述根据所述特征评估值对所述人脸图像的图像质量进行最终质量评估，所述方法包括：

若所述特征评估值大于预设阈值，则判定该人脸图像的质量较好；若所述特征评估值小于预设阈值，则判断该人脸图像的质量不佳。