[发明专利]一种基于人脸质量评价的人脸抓拍识别方法

摘要

本发明公开了一种基于人脸质量评价的人脸抓拍识别方法。本发明在三个具有质量等级差异的典型数据集上采用深度学习进行人脸质量评价分数回归训练，获取人脸质量评价模型，将该模型用于人脸抓拍系统，针对多人脸抓拍场景，为了降低系统负载同时不失准确性，将实时接收的视频流按固定可设置帧数划分为若干个抓拍周期，每个抓拍周期内动态调整抓拍质量条件，输出一段时间内质量最高的人脸提供给人脸识别算法进行识别。本发明采用深度学习的技术进行人脸质量打分，配合人脸抓拍进行低质量人脸过滤和最优人脸选择，从而更好地服务于人脸识别系统，实现更低系统硬件资源占用的同时达到更高的人脸识别率。

主权项

1.一种基于人脸质量评价的人脸抓拍识别方法，其特征在于该方法包括以下步骤：步骤1、初始化系统，维护人脸状态；步骤2、视频图像采集设备获取当前帧图像；步骤3、人脸检测器获取图像中所有人脸矩形区域坐标；步骤4、人脸区域输入关键点定位算法获得人脸关键点；步骤5、根据人脸关键点将人脸区域图旋转缩放变换到固定大小；步骤6、将步骤5中图像输入人脸质量评价模型获得人脸得分；步骤7、使用跟踪算法串联前后帧人脸，更新每个人脸最大得分、最优人脸图像、抓拍张数和识别置信度历史；步骤8、在一个抓拍周期内，若同一个人脸抓拍次数较多，则提高质量阈值，若识别置信度历史最大值大于一定阈值则设置近期不抓拍标志，否则跟踪状态为消失时输出最优人脸图；步骤9、使用最优人脸图进行人脸比对识别；所述的人脸质量评价模型通过以下方式建立：准备整体人脸质量存在等级差异的非人脸、中等质量人脸、高质量人脸三个数据集；将含人脸的数据集图片用人脸检测器获取人脸矩形区域坐标；人脸矩形区域输入关键点定位算法获得人脸关键点；根据人脸关键点将数据集图片旋转缩放变换到固定大小，得到归一化的人脸图像数据；三个数据集按质量分别赋予0，1，2三个标签，与得到归一化的人脸图像数据一并作为训练数据输入卷积神经网络进行训练调参，得到人脸质量评价模型。