[发明专利]一种基于多任务的人脸质量估计方法

说明书

本发明公开的属于人脸识别技术领域，具体为一种基于多任务的人脸质量估计方法，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；S2：基于Multi‑task ShuffleNet V2网络人脸质量估计；S3：得到各质量分数；S4：以上述得到的分数计算最终评估分数，通过多任务人脸质量卷积神经网络估计所有人脸质量方向，对人脸姿态角度回归学习，模糊、非完整、光照均衡分类学习，综合得到人脸质量评分有效过滤不合格人脸图像；更简单，只需要多任务卷积神经网络就可以得出所有人脸质量评估；更快速，模型耗时短，可实现实时检测，泛化能力强，跨数据库表现性能良好。

技术领域

本发明涉及人脸识别技术领域，具体为一种基于多任务的人脸质量估计方法。

背景技术

人脸识别产品利用AVS03A图像处理器；可以对人脸明暗侦测,自动调整动态曝光补偿，人脸追踪侦测,自动调整影像放大。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

人脸质量估计在人脸识别中有着重要的作用。人脸质量估计可有效剔除不合格人脸，提高人脸识别率。常见的人脸质量估计包括人脸姿态、模糊、完整性(遮挡，缺失)、光照均衡。

现有人脸质量分别估计人脸姿态、模糊、完整性，光照均衡后，计算各个人脸质量分数后分配权重综合评估得到唯一分数作为人脸质量评估，多模型增加耗时且降低人脸质量评估准确率。

发明内容

本发明的目的在于提供一种基于多任务的人脸质量估计方法，以解决上述背景技术中提出的现有人脸质量分别估计人脸姿态、模糊、完整性，光照均衡后，计算各个人脸质量分数后分配权重综合评估得到唯一分数作为人脸质量评估，多模型增加耗时且降低人脸质量评估准确率的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多任务的人脸质量估计方法，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。