[发明专利]人脸照片质量评估方法、系统、设备及存储介质

说明书

本发明公开了一种人脸照片质量评估方法、系统、设备及存储介质，其中，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。解决了在各种实际复杂环境下引起的人脸图像质量变差而使人脸识别系统对该人脸图像无法识别或识别错误的问题，使人脸识别的识别率得到极大的提高。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸照片质量评估方法、系统、设备及存储介质。

背景技术

人脸识别(Facial Recognition)是利用分析比较人脸的面部特征信息进行身份识别的计算机技术。人脸识别由于其非接触式、基本无须配合、操作隐蔽性强等优势，其具有很高的实用价值，被认为是一种可广泛使用的生物特征识别技术。

人脸识别是生物特征识别技术中的重要研究领域，它涵盖了图像处理、神经网络、心理学、生理学、人工智能、模式识别、计算机视觉以及人工智能等各方面的知识内容，对推动各个学科领域的发展无论在理论上还是在实践中都有具有重要的意义。人脸识别技术可广泛应用于公安，金融，交通，新零售，身份识别，电子商务，安防监控等专业领域。人脸识别的方法步骤主要包括：图像采集及检测、图像预处理、图像特征提取、匹配与识别。图像特征提取可分为全局特征与局部特征两类：全局特征方法反映的是人脸的整体属性，主流的全局特征方法包括主成分分析法(PCA)，线性判别分析法(LDA)及独立分量分析法(ICA)等；局部特征方法侧重于提取人脸的细节特征，基于局部特征的识别方法包括局部特征表示(LFA)、局部二值模式(LBP)及局部方向模式(LDP)等。

在一般的人脸识别系统中，训练和识别两个阶段都需要采集人脸图像，而人脸图像质量的好坏将直接影响到人脸识别系统的性能，模糊的人脸图像将导致识别错误率的上升。而在现实环境中采集到的人脸图像的质量往往变化很大，可能会出现运动模糊、离焦模糊等情况，因此，为了保证人脸识别的准确性，在进入训练阶段和识别阶段之前，都有必要对得到的人脸图像进行质量评估，选择达到一定质量要求的图像，再进行后续的处理过程。由此可见，人脸图像的质量评估对人脸识别系统来说是不可或缺的。加入对人脸照片质量评估后的人脸识别系统可以有效改善由于输入图像质量过低引起的错误，节省系统匹配时间。

现有技术中，现有的人脸图片质量评估方法可分为主观评估方法和客观评估方法。主观评估方法通常被认为是最合理的图像评估方法，因为绝大多数图像输出的终端是人眼，所以人自己直接对图像质量的评估也即主观评估显然是最具合理性的。然而，主观评估方法需要组织观察者对图像质量进行观测，评估结果往往会因人而异，无法得到客观的定量描述；由于需要人的参与，必然费时费力；而且很难与原有系统进行无缝衔接。并且，自动人脸识别过程中没有人工干预，所以无法采用图像质量主管评估方法。人脸图像的质量评估与传统的图像质量评估有很大的不同：传统的图像质量评估往往是根据一定的数学模型计算压缩、传输、增强或其他处理变换后的图像与其原始图像质量上的差别，而不是直接对获取的原始图像进行评估，所以在评估时通常有“标准图像”可供参照；人脸图像的采集和识别过程中，并没有所谓的“标准图像”可供参考。

因此，在图像质量客观评估方法中，无论是具有计算简单优点而被广泛使用的均方差(MSE)和峰值信噪比(PSNR)方法，还是更符合人眼视觉系统(HVS)特性的结构相似度(SSIM)方法和基于自然场景统计(NSS)的视觉信息逼真度(VIF)方法，由于必须得通过对变换后的图像与标准图像进行比较来做出质量评估，故都不适合被应用于人脸图像质量评估中。

发明内容

针对现有技术的不足，本发明提供了一种人脸照片质量评估方法、系统、设备及存储介质，解决了现有技术中存在的运动模糊、离焦模糊等情况、大角度或不同角度的人脸、低光或背光环境、一定程度遮挡、人脸模糊等各种实际复杂环境下引起的人脸图像质量变差而使人脸识别系统对该人脸图像无法识别或识别错误的问题。