[发明专利]一种人脸图像的质量判定方法

权利要求书

1.一种人脸图像的质量判定方法，其特征在于，包括以下步骤：

S1、对输入的图像进行人脸检测，确定图像中人脸区域；

S2：对检测到人脸的图像进行人脸关键点定位；

S3：计算关键点定位之后的人脸图像区域的梯度，得到人脸梯度图像；

S4：确定在梯度图像中关键点的坐标位置；

S5：计算关键点邻域的梯度信息；

S6：根据关键点邻域的梯度信息综合得到人脸图像的质量判定值；

其中，在步骤S6中，计算每个关键点M*M邻域内的梯度，按照梯度值大小排序，梯度值最大的部分梯度值之和占邻域所有梯度值之和的比例作为局部图像块的图像质量指标，将所有邻域的局部质量指标取平均或者加权平均作为整幅人脸图像的质量判定值。

2.根据权利要求1所述的质量判定方法，其特征在于，步骤S1还包括：

在确保能通过人脸检测的前提下进行后续的图像质量判定任务，如果图像无法通过人脸检测则不需要进行后续的图像质量判定。

3.根据权利要求1所述的质量判定方法，其特征在于，步骤S2还包括：

确定人脸关键点的位置，为图像质量判定以及以后的人脸图像处理中人脸对齐、人脸识别做准备；对人脸关键点的外接矩形进行适当扩充，得到人脸区域的图像。

4.根据权利要求1所述的质量判定方法，其特征在于，在步骤S3中，计算梯度的边缘检测算子为Roberts算子、Sobel算子、Canny算子、Laplacian算子中的一种或多种。

5.根据权利要求1所述的质量判定方法，其特征在于，在步骤S5中，根据在梯度图像中关键点的坐标位置得到梯度图上关键点M*M大小的邻域，其中M的取值由人脸区域的大小决定，确保人脸关键点的邻域能够包含绝大部分人脸信息。

6.根据权利要求5所述的质量判定方法，其特征在于，M取值为3、5、7、9。

7.根据权利要求1所述的质量判定方法，其特征在于，梯度值最大的部分梯度值为梯度值最大的前20％梯度值。

8.根据权利要求1所述的质量判定方法，其特征在于，所述质量判定方法还包括以下步骤：

将获得的人脸图像的质量判定值与预先设定的阈值进行比较，如果质量判定值大于阈值，则认为该人脸图像为清晰图像，否则认为其为模糊图像。