[发明专利]基于学习排序的人脸图像质量评价的方法和系统

权利要求书

1.一种基于学习排序的人脸图像质量评价的方法，其特征在于，包括：

利用人脸识别模型提取人脸图像在潜在空间内的人脸特征，基于所述人脸特征构造人脸数据集中每个身份对应的的类中心；

基于所述类中心，构造人脸图像样本在潜在空间内的标准化类内距离；

基于所述类中心，构造人脸图像样本在潜在空间内的标准化类间距离；

利用人脸图像样本的所述标准化类内距离和所述标准化类间距离，构造人脸图像样本的质量标签；

构造人脸图像质量网络用于预测人脸图像的质量；

构造人脸图像对根据它们的质量标签，构造质量高于的实际概率作为训练标签；根据所述质量网络对它们质量的预测，构造质量高于的后验概率；

根据所述人脸图像对的所述实际概率和所述后验概率，构造交叉熵损失函数；

基于所述交叉熵损失函数训练所述人脸图像质量网络，利用训练后的人脸图像质量网络完成人脸图像质量评价。

2.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述利用人脸识别模型提取人脸图像在潜在空间内的人脸特征，基于所述人脸特征构造人脸数据集中每个身份对应的的类中心，包括：

给定一个含有m个身份的人脸图像数据集其中表示第j个身份的第i张人脸图像，n_j表示第j个身份的图像总数；

对于使用预训练的人脸识别模型提取对应的人脸特征向量：

对于任意身份j，利用该身份所有人脸图像的特征构造所述类中心：

3.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述基于所述类中心，构造人脸图像样本在潜在空间内的标准化类内距离，包括：

对于任意人脸图像计算其到对应类中心的类内角度距离：

利用同一身份中所有人脸图像的类内角度距离，计算该身份类内距离的平均值：以及标准差：

利用所述类内角度距离，同身份类内距离平均值和标准差，构造所述人脸图像样本在潜在空间内的标准化类内距离：

所述基于所述类中心，构造人脸图像样本在潜在空间内的标准化类间距离，包括：

对于任意人脸图像计算其到其他身份类别k中心的角度距离：

选择所有到其他类的角度距离中最小的作为的类间距离：

计算角度距离最小的身份类内距离的平均值以及标准差

根据最小类的类内距离平均值和标准差，构造所述人脸图像样本在潜在空间内的标准化类间距离：

4.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，利用所述人脸图像样本的标准化类内距离和标准化类间距离，构造所述人脸图像样本的质量标签：

其中，β为常数。

5.根据权利要求1所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述人脸图像质量网络是基于视觉Transformer的神经网络，输入为一张人脸图像，输出为人脸图像的质量分数。

6.根据权利要求5所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，所述人脸图像对其质量标签为所述质量高于的实际概率作为训练标签：

利用所述人脸图像质量网络分别预测人脸图像和的质量分数：构造所述质量高于的后验概率：

7.根据权利要求6所述的一种基于学习排序的人脸图像质量评价的方法，其特征在于，根据所述人脸图像对的所述实际概率和所述后验概率P₁₂，构造交叉熵损失函数：

将所述人脸图像质量网络和人脸图像对代入，构造所述交叉熵损失函数：

所述人脸图像质量网络采用所述损失函数，将人脸图像对和训练标签作为输入，进行迭代优化。