[发明专利]一种基于质量维度评估参量的人脸识别设备筛选方法

说明书

一种基于质量维度评估参量的人脸识别设备筛选方法，包括以下步骤：(1)对硬件设备做客观参量评估；(2)对人脸库中的人脸区域做标定；(3)基于噪声的测试库分类，(4)基于模糊度的测试库信息标记；(5)对任意算法进行人脸识别测试；(6)获得对应的临界信噪比范围；(7)对所有设备进行步骤6判定，剔除；(8)获得对应的模糊最大容忍区间；(9)对剩余设备进行步骤8判定、剔除。本发明基于人脸识别算法的敏感度与实际拍摄硬件设备对图像成像的影响，可以筛选出性价比最高的拍摄设备；利用人脸识别算法的质量容忍度，可以更加客观地选择拍摄设备；算法与设备是可以互相调整的，这使得人脸识别系统搭建更加灵活，降低硬件成本。

技术领域

本发明涉及图像处理技术领域。

背景技术

针对人脸识别设备最优筛选问题，是很多智能设备制造商十分关注的问题，智能设备涉及生物特征验证与授权，在尽量提高识别精度的同时，需要降低不必要的硬件成本，做到利益最大化。

设备选型方面，现阶段只是针对设备本身做评估，比如分辨率、帧率，从表层意义上，分辨率越高、帧率越高的设备认为质量越好，而针对算法相关的参数并没有对设备选型有积极作用。

现阶段人脸识别算法中针对拍摄过程出现的低质量图像处理策略是拒识别，即认为达不到质量标准，即便强制识别，错误率也会很高，但这个过程算法本身仍然与硬件选型无关。

对于人脸识别系统的集成过程而言，往往存在多个备选的人脸识别算法或者已存在的算法接口，拍摄硬件(比如相机)条件是与算法独立的，无法实现性价比最高的硬件设备筛选，硬件成本高。

发明内容

为了解决人脸识别采集设备与算法独立造成的上述问题，本发明提供了一种基于质量维度评估参量的人脸识别设备筛选方法。

本发明为实现上述目的所采用的技术方案是：一种基于质量维度评估参量的人脸识别设备筛选方法，包括以下步骤：

(1)、假定人脸识别系统的识别算法共有N个，待选的硬件设备有M个，基于实际应用环境构建仿真拍摄环境，对硬件设备做客观参量评估，得到相机镜头的模糊参量以及噪声水平参量；

(2)、对于现存的人脸库做整理，对人脸库中的人脸区域做标定；

(3)、基于噪声的测试库分类，包括以下步骤：

3-1、对测试库中的任意图像做一次图像恢复，目还原不包含噪声的图像，利用恢复后的图像与原图做差，保留的差值即噪声值；

3-2、统计噪声能量，计算3-1的差值二范数；

3-3.统计原图能量，计算3-1的恢复后图像的二范数；

3-4.计算图像信噪比＝20log(原图能量/噪声能量)；

3-5.重复进行3-1～3-4，计算出所有图像的信噪比信息snr，然后对信噪比做最大值与最小值统计，得到信噪比取值范围，对整个范围做固定步长的分区，得到不同的信噪比区间，然后找到所有图信噪比所在区间的标号；

(4)、基于模糊度的测试库信息标记，包括以下步骤：

4-1.对3-1中去噪后的图像做一次图像恢复，还原清晰的图像，计算原图与恢复后图像的傅里叶变换，然后相除，得到退化函数的频域表示；

4-2.统计退化函数的低通截止频率；

4-3.重复进行4-1～4-2，计算出所有图像的截止频率信息，然后对记录频率做最大值与最小值统计，得到频率取值范围，对整个范围做固定步长的分区，得到不同的频率区间，然后找到所有图频率所在区间的标号；

(5)、对任意算法进行人脸识别测试，得到该算法的错误识别样本以及算法与各类客观条件的敏感性，包括以下步骤：