[发明专利]人脸图像的质量筛选方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种人脸图像的质量筛选方法、装置、设备及存储介质，用于提高人脸图像质量筛选的准确度。人脸图像的质量筛选方法包括：调用预置的追踪算法对初始人脸视频进行检测，得到人脸图片帧序列；调用预置的匈牙利匹配算法，对人脸图片帧序列进行匹配和清洗处理，得到模型训练帧序列；按照预设的分类策略对模型训练帧序列进行分类，基于分类结果确定多个目标相对质量分；通过多个目标相对质量分，对预置的人脸质量模型进行训练，得到优化后的人脸质量模型；调用优化后的人脸质量模型对待识别人脸图像进行质量评估和质量筛选，得到目标人脸图像。此外，本发明还涉及区块链技术，目标人脸图像可存储于区块链节点中。

技术领域

本发明涉及人脸比对领域，尤其涉及一种人脸图像的质量筛选方法、装置、设备及存储介质。

背景技术

人脸识别作为目前非常常见的生物识别系统，已经广泛应用在了各类场景中，人脸质量模型作为人脸识别的前置模型，对于输入数据进行质量筛选从而保证了识别模型的精度，是非常重要的一个模块。

在现有技术中，人脸质量模型比较常见的实现方式是：1)非端到端模式，即人工收集并标注一些会影响到人脸识别精度的图片，让质量模型学习这些特征，最终通过约束各个特征必须在某个范围内的方式，对图片质量进行打分，这种方式的缺点是：第一，数据难以大量收集和标注；第二，需要人为先想定一些低质量的场景，无法适应实际环境中各种情况；2)端到端模式，即直接利用识别模型的训练数据，根据识别模型输出的相似度分训练质量模型，这种方式的缺点是：第一，不同图片与低质量人脸图片库之间相似度的差异，并不一定是质量导致的，也可能是年龄，妆容等其他因素产生的；第二，一般识别模型的训练数据本身并不含有太多的低质量图片，所以需要通过数据增广的方式来添加低质量图片，也导致了人脸质量模型对实际环境中各种情况适应性不佳，导致人脸图像质量筛选的准确度低下。

发明内容

本发明提供了一种人脸图像的质量筛选方法、装置、设备及存储介质，用于通过调用预置的匈牙利匹配算法，对人脸图片帧序列进行匹配和清洗处理，得到模型训练帧序列，按照预设的分类策略对模型训练帧序列进行分类，得到分类结果，基于分类结果确定多个目标相对质量分，通过多个目标相对质量分，对预置的人脸质量模型进行训练，得到优化后的人脸质量模型并对待识别人脸图像进行质量评估和质量筛选，提高了人脸图像质量筛选的准确度。

本发明第一方面提供了一种人脸图像的质量筛选方法，包括：获取初始人脸视频，调用预置的追踪算法对所述初始人脸视频进行检测，得到人脸图片帧序列，所述人脸图片帧序列包括同一个人对应的多个人脸图片帧；调用预置的匈牙利匹配算法，对所述人脸图片帧序列进行匹配和清洗处理，得到模型训练帧序列；按照预设的分类策略对所述模型训练帧序列进行分类，得到分类结果，基于所述分类结果确定多个目标相对质量分，所述多个目标相对质量分包括所述模型训练帧序列中每一帧图片对应的一个相对质量分；通过所述多个目标相对质量分，对预置的人脸质量模型进行训练，得到优化后的人脸质量模型；获取待识别人脸图像，调用所述优化后的人脸质量模型对所述待识别人脸图像依次进行质量评估和质量筛选，得到目标人脸图像。

可选的，在本发明第一方面的第一种实现方式中，所述获取初始人脸视频，调用预置的追踪算法对所述初始人脸视频进行检测，得到人脸图片帧序列，所述人脸图片帧序列包括同一个人对应的多个人脸图片帧包括：获取初始人脸视频，基于预设的截取帧数对所述初始人脸视频进行图片截取，得到初始图片帧序列；调用预置的追踪算法对所述初始图片帧序列进行人脸检测和追踪，得到检测结果，过滤所述检测结果中的无效图片帧，得到人脸图片帧序列，所述无效图片帧为不存在人脸信息的图片帧，所述人脸图片帧序列包括同一个人对应的多个人脸图片帧。

可选的，在本发明第一方面的第二种实现方式中，所述调用预置的匈牙利匹配算法，对所述人脸图片帧序列进行匹配和清洗处理，得到模型训练帧序列包括：调用预置的匈牙利匹配算法，将所述人脸图片帧序列中的每一帧与预置的标准图片进行匹配，得到多个匹配分数；将所述多个匹配分数分别与预设的分数阈值进行对比，得到对比结果，根据所述对比结果对所述人脸图片帧序列进行筛选，得到模型训练帧序列。