[发明专利]人脸遮挡程度估算方法及系统

说明书

本发明属于人脸识别技术领域，具体公开了一种人脸遮挡程度估算方法及系统，该方法将人脸图像输入人脸遮挡程度估算模型,得到总的人脸遮挡分数以及每个关键部位的遮挡分数，设定不同的第二阈值，划分不同人脸遮挡程度的等级，将得到的总的人脸遮挡分数与第二阈值对比，判断人脸图像的人脸遮挡程度等级，针对不同遮挡等级设置初始惩罚因子，结合关键部位遮挡分数，调节惩罚因子，得到最终的人脸遮挡分数。采用本技术方案，利用人脸遮挡程度估算模型，优化人脸遮挡程度估算结果，时耗低、准确率高。

技术领域

本发明属于人脸识别技术领域，涉及一种人脸遮挡程度估算方法及系统。

背景技术

随着人脸识别技术日趋成熟，已经有许多与人脸识别相关的产品和业务落地。特别是，在视频监控行业，有许多的业务均需要进行人脸识别。为了提高人脸识别的准确率，也为了减少不必要的人脸比对次数，通常会对同一目标人的多次抓拍图像进行质量评估，进而将质量分数高的人脸图像应用于识别、聚类等任务。在人脸质量评估中，尤其重要的一个影响因素是，人脸遮挡程度。

在实际的视频监控业务中，造成人脸被遮挡的因素主要有三种，一是人脸被帽子、口罩、墨镜、手、雨伞等物品遮挡，二是由于人脸俯视或者左右偏转，人脸角度带来的遮挡，三是由于人脸检测框不准确，导致抓拍的人脸不完整带来的遮挡。人脸遮挡技术主要是为了有效过滤掉被大面积遮挡的人脸，提高人脸识别的准确率。

现有技术中主要采用两种方法进行遮挡人脸识别，一种是对检测到的人脸进行对齐，手动添加一些遮挡物来模拟人脸被遮挡，获取训练图像和标签，然后用于训练神经网络，但其对人脸遮挡识别结果的精确度不高，在实际使用中增加人脸对齐这一步骤，增加相应的时耗。另一种是人工大量标注人脸遮挡图像，或者将人脸图像分成多个区域进行标注，这种方法耗费大量人力物力，且不同人标注产生的偏差很难避免。

发明内容

本发明的目的在于提供一种人脸遮挡程度估算方法及系统，实现人脸遮挡程度估算。

为了达到上述目的，本发明的基础方案为：一种人脸遮挡程度估算方法，包括如下步骤：

获取检测的人脸图像；

将人脸图像输入人脸遮挡程度估算模型,得到每个关键部位的遮挡分数，对关键部位的遮挡分数进行惩罚加权，得到总的人脸遮挡分数，所述人脸遮挡程度估算模型由以下方法得到：采集现有人脸图像资源，利用人脸偏移角度、人脸遮挡属性进行筛选分类，输入神经网络模型中训练模型，得到人脸遮挡程度估算模型；

设定不同的第二阈值，划分不同人脸遮挡程度的等级，将得到的总的人脸遮挡分数与第二阈值对比，判断人脸图像的人脸遮挡程度等级；

针对不同遮挡等级设置初始惩罚因子，结合关键部位遮挡分数，调节惩罚因子，得到最终的人脸遮挡分数。

本基础方案的工作原理和有益效果在于：设置人脸遮挡程度估算模型，获取人脸遮挡程度等级，利于使用。设置多个第二阈值将图片分为不同级别的遮挡，再针对各级别进行针对性处理。实际使用时，人脸遮挡只是在人脸质量其中一个影响因子，因此需要根据不同的遮挡程度给出不同的一个惩罚因子，优化模型，这里是惩罚因子是因为认为有了遮挡，人脸质量会下降。

进一步，人脸遮挡程度估算模型训练过程包括如下步骤：

S1，获取现有人脸图像资源，得到原始标签；

S2，将现有人脸图像资源输入人脸遮挡程度估算模型；

S3，在现有人脸图像中划分至少四个关键区域，针对关键区域输出对应的遮挡程度分数，遮挡程度分数范围是[0,1]；

S4，利用各关键区域对应的遮挡程度分数与原始标签对比，生成新遮挡标签；

S5，在无新增训练数据的情况下，反复执行步骤S1-S4，得到最终人脸遮挡程度估算模型。