[发明专利]基于深度学习的人脸图像评估方法、装置、设备及介质

说明书

本申请涉及图像识别技术领域，揭露一种基于深度学习的人脸图像评估方法、装置、设备及介质，其中方法包括获取用来训练的人脸图像，并获取其图像识别区域；将图像识别区域进行灰度处理，得到灰度图，再计算灰度图的梯度值，得到灰度图对应的梯度值，根据人脸评估模型进行向量提取，将得到的基础向量进行降维处理，得到目标向量，并根据目标向量和标注数据对人脸评估模型的参数进行更新，得到训练好的人脸评估模型；将待评估的人脸图像输入到训练好的人脸评估模型中，输出评估结果。本申请还涉及区块链技术，待评估的人脸图像存储于区块链中。本申请通过训练人脸评估模型，进而输出待评估的人脸图像模糊程度，有利于提高人脸图像的评估精准度。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种基于深度学习的人脸图像评估方法、装置、设备及介质。

背景技术

图像识别是深度学习领域一个重要分支，人脸图像的质量对人脸识别、行人Reid、活体检测甚至OCR检测等都有直接的影响。而图像模糊程度是评估图像质量中一个必不可少因素，因此准确评估无参考情况下图像的模糊程度就成为了问题的关键。

目前在无参考情况下，对图像的模糊程度的评估方法采用的是添加模糊衰减因子(如高斯滤波器)的方式。这种方式是通过采用生成数据的算法，评估出图像的模糊程度；但是，这种方式用于训练的数据难以完全模拟真实场景中复杂的模糊状态，导致对图像的模糊程度的评估不够精准。现亟需一种能够提高对图像模糊程度评估精准度的方法。

发明内容

本申请实施例的目的在于提出一种基于深度学习的人脸图像评估方法、装置、设备及介质，以提高对人脸图像评估的精准度。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的人脸图像评估方法，包括：

获取用于训练的人脸图像，并按照预设数量，将所述人脸图像划分为多个相同大小的区域，作为图像识别区域；

将每个所述图像识别区域进行灰度处理，得到每个所述图像识别区域对应的灰度图；

计算所述灰度图的梯度值，得到灰度图对应的梯度值，并根据所述梯度值，得到标注数据；

根据人脸评估模型，对所述图像识别区域进行向量提取，得到基础向量；

对所述基础向量进行降维处理，得到目标向量，并根据所述目标向量和所述标注数据对所述人脸评估模型的参数进行更新，得到训练好的人脸评估模型；

获取待评估的人脸图像，并将所述待评估的人脸图像输入到所述训练好的人脸评估模型中，输出所述待评估的人脸图像对应的评估结果。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的人脸图像评估装置，包括：

获取用于训练的人脸图像，并按照预设数量，将所述人脸图像划分为多个相同大小的区域，作为图像识别区域；

将每个所述图像识别区域进行灰度处理，得到每个所述图像识别区域对应的灰度图；

计算所述灰度图的梯度值，得到灰度图对应的梯度值，并根据所述梯度值，得到标注数据；

根据人脸评估模型，对所述图像识别区域进行向量提取，得到基础向量；

对所述基础向量进行降维处理，得到目标向量，并根据所述目标向量和所述标注数据对所述人脸评估模型的参数进行更新，得到训练好的人脸评估模型；

获取待评估的人脸图像，并将所述待评估的人脸图像输入到所述训练好的人脸评估模型中，输出所述待评估的人脸图像对应的评估结果。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于深度学习的人脸图像评估方法。