[发明专利]人脸图像质量评价方法及装置、计算机可读介质、通信终端

权利要求书

1.一种人脸图像质量评价方法，其特征在于，包括：

获取包含人脸的待处理图像；

对所述待处理图像进行检测以获取对应的人脸图像；

将所述人脸图像输入已训练的基于移动人脸识别网络的特征提取模型，对所述人脸图像进行特征提取以获取特征数据；

将所述特征数据输入连续设置的第一全连接层和第二全连接层进行处理，以获取所述人脸图像的人脸质量评分。

2.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行预处理以获取对应的人脸图像，包括：

对所述待处理图像进行人脸检测以获取人脸区域；

对所述人脸区域进行人脸关键点检测以获取所述人脸区域的关键点；

基于所述人脸区域的关键点对所述人脸区域进行对齐处理，以获取对齐处理后的人脸图像。

3.根据权利要求1所述的方法，其特征在于，在获取所述特征数据后，方法还包括：

对所述特征数据进行标准化处理以获取标准化处理后的特征数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：预先训练所述基于移动人脸识别网络的特征提取模型，包括：

获取原始数据，并对所述原始数据进行预处理以获取样本数据；

将所述样本数据输入连续设置的卷积层和深度卷积层进行连续的卷积处理以获取第一卷积结果；

将所述第一卷积结果输入连续设置的n个瓶颈结构层中进行连续的卷积处理以获取第二卷积结果；其中，n>5，且为正整数；

利用连续设置的卷积层和线性全局深度卷积层对所述第二卷积结果进行卷积处理以获取第三卷积结果；

利用全连接层对所述第三卷积结果进行全连接处理以获取所述样本数据对应的人脸特征数据。

5.根据权利要求4所述的方法，其特征在于，所述特征提取模型中连续设置的n个瓶颈结构层中，奇数层瓶颈结构层对应的预设步长为P，偶数层瓶颈结构层对应的预设步长为Q；其中，P>Q，且P、Q均为正整数。

6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：

基于各瓶颈结构层在所述连续n个瓶颈结构层中的所在层次，配置各所述瓶颈结构层的执行重复次数。

7.根据权利要求4所述的方法，其特征在于，将所述第一卷积结果输入所述瓶颈结构层后，所述方法包括：

利用所述瓶颈结构层设置的第一卷积层、深度卷积层、第二卷积层、挤压激励网络层，对所述第一卷积结果依次进行卷积、深度度卷积、卷积以及通道权重分配处理，以获取第二卷积结果。

8.一种特征提取模型的训练方法，其特征在于，包括：

响应于图像业务系统的图像处理指令，获取包含人脸的样本图像；

将所述样本图像输入连续设置的卷积层和深度卷积层进行连续的卷积处理以获取第一卷积结果；

将所述第一卷积结果输入连续设置的n个瓶颈结构层中进行连续的卷积处理以获取第二卷积结果；其中，n>5，且为正整数；

利用连续设置的卷积层和线性全局深度卷积层对所述第二卷积结果进行卷积处理以获取第三卷积结果；

利用全连接层对所述第三卷积结果进行全连接处理以获取所述样本图像对应的人脸特征数据；

将所述人脸特征数据输入损失函数模型中以计算损失参数，并基于所述损失参数进行优化以迭代训练特征提取模型。

9.根据权利要求8所述的方法，其特征在于，所述获取所述样本图像对应的人脸特征数据后，所述方法还包括：输入评分模型以训练评分模型，包括：

将所述人脸特征数据输入连续设置的第一全连接层和第二全连接层进行处理，以获取所述样本图像的人脸质量评分；

将所述人脸质量评分输入评分损失函数以获取评分损失参数，并基于上述评分损失参数进行优化以迭代训练评分模型。