[发明专利]一种基于深度学习的人脸质量评价方法及装置

权利要求书

1.一种基于深度学习的人脸质量评价方法，其特征在于，包括：

对输入图片进行人脸识别预处理，得到只包含人脸部分的目标人脸图像；

通过基于深度学习的运动模糊模型对所述目标人脸图像进行运动模糊识别处理，得到所述目标人脸图像的运动模糊置信度；

通过光照模型对所述目标人脸图像进行亮度识别处理，得到所述目标人脸图像的亮度；

根据所述运动模糊置信度和亮度，确定所述目标人脸图像的人脸质量评价结果。

2.根据权利要求1所述的基于深度学习的人脸质量评价方法，其特征在于，对输入图片进行人脸识别预处理，得到只包含人脸部分的目标人脸图像，包括：

采用人脸检测方法，检测出输入图片中人脸所在的位置；

基于人脸所在的位置，对输入图片进行裁剪和/或放缩，得到固定大小的只包含人脸部分的目标人脸图像。

3.根据权利要求2所述的基于深度学习的人脸质量评价方法，其特征在于，所述人脸所在的位置采用一矩形进行描述，该矩形包括：左下点H轴坐标、左下点W轴坐标、矩形高度以及矩形宽度。

4.根据权利要求1所述的基于深度学习的人脸质量评价方法，其特征在于，所述运动模糊模型包括：第一深度神经网络；

所述第一深度神经网络与一扁平层连接，所述扁平层与M个顺序连接的全连接层连接，M为大于等于1的整数。

5.根据权利要求4所述的基于深度学习的人脸质量评价方法，其特征在于，所述第一深度神经网络为VGG4网络；

所述VGG4网络包括顺序连接的4个VGG层，每一个VGG层包括：顺序连接的卷积层、激活层以及池化层。

6.根据权利要求4所述的基于深度学习的人脸质量评价方法，其特征在于，所述运动模糊模型还包括：第二深度神经网络；

所述第二深度神经网络与一扁平层连接，所述扁平层与N个顺序连接的全连接层连接，N为大于等于1的整数。

7.根据权利要求4所述的基于深度学习的人脸质量评价方法，其特征在于，所述第二深度神经网络为VGG16预训练网络；

所述VGG16预训练网络包括：顺序连接的16个VGG层，每一个VGG层包括：顺序连接的卷积层、激活层以及池化层。

8.根据权利要求1所述的基于深度学习的人脸质量评价方法，其特征在于，通过基于深度学习的运动模糊模型对所述目标人脸图像进行运动模糊识别处理，得到所述目标人脸图像的运动模糊置信度，包括：

由所述第一深度神经网络、扁平层、M个顺序连接的全连接层依次对所述目标人脸图像进行运动模糊识别处理，得到所述目标人脸图像的运动模糊置信度。

9.根据权利要求1所述的基于深度学习的人脸质量评价方法，其特征在于，通过光照模型对所述目标人脸图像进行亮度识别处理，得到所述目标人脸图像的亮度，包括：

通过所述光照模型对所述目标人脸图像进行色相、饱和度和亮度格式转换；

获取转换后的目标人脸图像所有像素的亮度通道的平均值；

根据所述亮度通道的平均值，得到所述目标人脸图像的亮度。

10.根据利要求1所述的基于深度学习的人脸质量评价方法，其特征在于，根据所述运动模糊置信度和亮度，确定所述目标人脸图像的人脸质量评价结果，包括：

若所述目标人脸图像的运动模糊置信度和亮度满足：所述目标人脸图像不含运动模糊且没有过曝和过暗，则确定所述目标人脸图像的人脸质量评价结果为人脸质量合格，否则确定所述目标人脸图像的人脸质量评价结果为人脸质量不合格。

11.根据权利要求10所述的基于深度学习的人脸质量评价方法，其特征在于，确定所述目标人脸图像的人脸质量评价结果为人脸质量合格之后还包括：将所述目标人脸图像输入人脸识识别系统进行人脸识别。