[发明专利]一种人脸质量评估的方法、装置和计算机存储介质

权利要求书

1.一种人脸质量评估的方法，其特征在于，所述方法包括如下步骤：

步骤S1，获取多张人脸图像；

步骤S2，利用卷积神经网络算法，对获取的人脸图像进行特征提取作为特征训练集；

步骤S3，将所述特征训练集中的特征数据输入到图像质量评估模型，输出质量评估值，其中，所述图像质量评估模型是采用机器学习方法，利用预设的样本图像的特征数据和所述特征训练集中的特征数据，根据高斯分布和概率密度，基于损失函数训练得出的；

步骤S4，对所述质量评估值满足预设条件的特征数据进行人脸识别；

上述S3步骤中，其中，所述基于损失函数训练得出的步骤包括：

步骤S31，若训练集中特征数据x_i的身份ID为j，根据高斯分布获取身份ID为j的特征数据x_i概率密度；所述概率密度为：

D为特征向量的特征维数，f_i和w_j为单位向量，

步骤S32，计算特征数据x_i属于身份ID为j的概率；定义：

则所述概率为：

步骤S33，根据所述概率密度和概率获取损失函数；所述损失函数为：

其中，d_i为人脸质量，θ_ij是向量f_i和w_j之间的夹角；S为图像的可靠度的最大值。

2.一种利用权利要求1所述方法的人脸质量评估的装置，其特征在于，所述装置包括：

获取单元，用于获取多张人脸图像；

特征提取单元，利用卷积神经网络算法，对获取的人脸图像进行特征提取作为特征训练集；

评估单元，将所述特征训练集中的特征数据输入到图像质量评估模型，输出质量评估值，其中，所述图像质量评估模型是采用机器学习方法，利用预设的样本图像的特征数据和所述特征训练集中的特征数据，根据高斯分布和概率密度，基于损失函数训练得出的；

识别单元，对所述质量评估值满足预设条件的特征数据进行人脸识别；

训练单元，用于采用机器学习方法，利用预设的样本图像的特征数据和所述特征训练集中的特征数据，根据高斯分布和概率密度，基于损失函数训练得出的所述图像质量评估模型；

所述训练单元基于如下步骤训练得出所述图像质量评估模型：

若训练集中特征数据x_i的身份ID为j，根据高斯分布获取身份ID为j的特征数据x_i概率密度；

计算特征数据x_i属于身份ID为j的概率；

根据所述概率密度和概率获取损失函数。

3.根据权利要求2所述的人脸质量评估的装置，其特征在于，所述损失函数的值用于表征与同一人的样本图像的特征数据和特征训练集中的特征数据的质量评估值之间的差异。

4.一种计算机存储介质，其特征在于，计算机程序被处理器执行时实现如权利要求1所述方法的步骤。