[发明专利]人脸图像颜值判断方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种人脸图像颜值判断方法、装置、计算机设备及存储介质，包括下述步骤：获取待判断的人脸图像；将所述人脸图像输入到预设的神经网络模型中；根据所述神经网络模型输出的分类数据对所述人脸图像进行颜值分类。在对进行人脸颜值判断的神经网络模型进行训练时，对同一个人在不同的空间环境内拍摄的照片进行统一期望处理，得到同一个人不同照片的多个颜值期望，然后对颜值期望进行排序取排序结果中的中间值，作为同一人不同照片的颜值期望，由于训练样本集中同一人的不同照片颜值期望相同，通过这一类照片训练至收敛的神经网络模型，在不同的环境下对同一人的颜值评分输出稳定性高，不易受到环境的影响。

技术领域

本发明实施例涉及模型算法领域，尤其是一种人脸图像颜值判断方法、装置、计算机设备及存储介质。

背景技术

随着脸部识别算法的准确性越来越高，脸部识别的一个重要的作用在于，通过对人脸图像的颜值进行分类，对众多的人脸图像进行归纳管理。

现有技术中，在对人体面部图像进行比对和应用分类时，采用深度学习的方法，主要的方法流程为：按照预设的工作目的，反复训练卷积神经网络模型至该模型收敛为止，卷积神经网络模型训练完成后，将欲分类或处理的人脸图像输入到训练好的卷积神经网络模型中，卷积神经网络模型根据训练学习到的权重比例，对该人脸图像进行分类或处理，由此能够看出，深度学习的方法通过反复训练，将模型训练成为一个具有一定辨识和判断能力的系统。

本发明创造的发明人在研究中发现，现有技术中通过训练卷积神经网络模型对图像进行处理时，同一人物在在不同场景下的人脸图片得到的结果是不一致的，有的甚至相差比较大，比如在明亮的光照条件下往往人的颜值较高，在光照不明显的条件下，往往人的颜值较低，而数据的扩增变化很难使网络学习到这种一致性，因此，现有技术中模型的稳定性较低，受环境的影响较大。

发明内容

本发明实施例提供能够提供一种分类数据更加稳定，受环境的影响较小的人脸图像颜值判断方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种人脸图像颜值判断方法，包括下述步骤：

获取待判断的人脸图像；

将所述人脸图像输入到预设的神经网络模型中，其中，训练所述神经网络模型时同一目标源的训练样本集的颜值期望为多个判断值中的中间值；

根据所述神经网络模型输出的分类数据对所述人脸图像进行颜值分类。

可选地，所述神经网络模型设有多个颜值类别，且各颜值类别分别对应一个人脸颜值数值；所述根据所述神经网络模型输出的分类数据对所述人脸图像进行颜值分类的步骤，具体包括下述步骤：

获取所述神经网络模型输出的多个分类值；

确认所述多个分类值中数值最大的分类值对应的颜值类别为分类结果；

调用与所述分类结果具有映射关系的人脸颜值数值使其与所述分类值相乘得到所述人脸图像的颜值分数。

可选地，所述神经网络模型设有四个颜值类别，且各颜值类别分别对应一个人脸颜值数值；所述根据所述神经网络模型输出的分类数据对所述人脸图像进行颜值分类的步骤，具体包括下述步骤：

获取所述神经网络模型输出的四个分类值；

确认所述四个分类值中数值最大的分类值对应的颜值类别为分类结果；

调用与所述分类结果具有映射关系的人脸颜值数值使其与所述分类值相乘得到所述人脸图像的颜值分数。

可选地，所述颜值分数的特征描述为：