[发明专利]人脸质量评定方法、系统、电子设备及可读存储介质

权利要求书

1.一种人脸质量评定方法，其特征在于，包括步骤：

准备包含人脸的图像数据集以及对应的人脸属性标签；

进行人脸检测，获得关键点并进行人脸对齐；

将人脸图像的像素值进行归一化；

评估人脸质量得分，质量得分评估的参照因素包括人脸亮度、左右脸亮度差异、两眼间距及神经网络质量输出，所述神经网络质量输出通过基于MobileFaceNet的神经网络结构来构建多任务卷积神经网络进行评估；将各参照因素进行加权计算，获得人脸质量得分；

所述神经网络质量输出包括绕y轴方向的人脸角度、绕x轴方向的人脸角度、绕z轴方向的人脸角度、表情分类、眼镜分类、口罩分类、眼睛状态分类、嘴巴状态分类、妆容状态分类、人脸真实度、人脸模糊度、人脸遮挡度；

通过基于MobileFaceNet的神经网络结构来构建多任务卷积神经网络进行评估神经网络质量输出的过程包括：

S1：设计网络训练的目标函数，包括多个Softmax损失函数及Euclidean损失函数，分别定义如下：

Softmax损失L：L＝-log(p_i),

其中p_i为每一个属性类计算出的归一化后的概率,即x_i表示第i个神经元输出，N表示类别总数；

Euclidean损失L：

其中y_i为真实的标签值，为回归器的预测值；

S2：利用已标注好的数据进行训练，得到一个训练模型；利用该训练模型对样本缺失的标注进行补充，以减少数据标注的稀疏性；

S3：利用S2得到的模型作为新的训练初始化权重，并利用补充标注后的该数据集再次进行端到端的训练；

S4：重复步骤S2及步骤S3直至得到满足条件的网络模型；

绕y轴方向的人脸角度区间为[-75°，75°]；绕x轴方向的人脸角度区间为[-75°，75°]；绕z轴方向的人脸角度区间为[-90°，90°]；

表情分类为8类：愤怒、恶心、惊恐、开心、正常、悲伤、惊讶、打哈欠；

眼镜分类为3类：无眼镜、正常眼镜、有色眼镜；

口罩分类为2类：无口罩、戴口罩；

眼睛状态为3类：正常睁眼、闭眼、遮挡；

嘴巴状态为3类：正常闭合、张嘴、遮挡；

妆容状态为2类：正常、浓妆；

人脸真实度区分为：石像雕像画像、动画人脸和真实人脸。

2.根据权利要求1所述的人脸质量评定方法，其特征在于：

表情分类，眼镜分类，口罩分类，眼睛状态分类，嘴巴状态分类，妆容状态分类采用Softmax损失函数作为目标函数；

绕y轴方向的人脸角度，绕x轴方向的人脸角度，对应绕z轴方向的人脸角度，人脸真实度，人脸模糊度，人脸遮挡度则采用Euclidean损失函数作为目标函数。

3.根据权利要求2所述的人脸质量评定方法，其特征在于：所述人脸亮度为人脸区域的灰度平均值除以255；所述左右脸亮度差异的计算方法为：左脸的亮度值与右脸亮度值之间的差值的绝对值。