[发明专利]一种基于多任务的人脸质量估计方法

权利要求书

1.一种基于多任务的人脸质量估计方法，其特征在于：该基于多任务的人脸质量估计方法的具体步骤如下：

S1：输入检测后人脸图像：输入检测后112×112尺寸的人脸图像，针对人脸姿态估计回归人脸姿态欧拉角俯仰角(pitch)、偏航角(yaw)、翻滚角(roll)，针对人脸模糊、完整性、光照均衡问题直接分类学习；

综合人脸姿态和人脸模糊、完整性、光照均衡分数作为所有人脸质量分数；

S2：基于Multi-task ShuffleNet V2网络人脸质量估计：人脸模糊、完整性和光照均衡数据通过实际采集、添加高斯模糊、运动模糊、添加遮挡、人脸随机裁剪、添加光照不均衡等数据增强方法得到人脸模糊、完整性、光照均衡分别15000张；

回归损失函数采用L2损失函数，分类采用Softmax损失函数；

S3：得到各质量分数：根据计算得到欧拉角俯仰角(pitch)、偏航角(yaw)、翻滚角(roll)，人脸姿态和人脸模糊、完整性、光照均衡分数作为所有人脸质量分数；

S4：以上述得到的分数计算最终评估分数：人脸质量分数估计：

人脸姿态估计三个角度分数score1，人脸模糊、合格人脸、完整性，光照均衡四分类合格人脸分数score2，人脸质量score＝α×score1+β×score2评估；

score1＝1-(|pitch|/90+|yaw|/90+|roll|/90)/3；

score2＝score_norm；

其中，α＝0.5，β＝0.5，则score＝0.5×score1+0.5×score2score∈[0,1]；

综上，以score作为人脸质量评估分数。

2.根据权利要求1所述的一种基于多任务的人脸质量估计方法，其特征在于：所述步骤S1中输入人脸图像，人脸姿态角度回归采用ShuffleNet V2网络，在Stage3输出添加分类网络分支：1×1卷积核，512通道卷积层，全局池化层，全连接直接分类人脸模糊、合格人脸、完整性、光照均衡。