[发明专利]人脸图像质量评估方法、电子设备和存储介质

权利要求书

1.一种人脸图像质量评估方法，其特征在于，包括：

从指定的人脸数据集中选取第一数量的人的人脸图片，其中，每个人的人脸图片数量不少于规定数值；

从每个人的人脸图片里选取一张基准图片，并通过非清晰化操作构造非清晰人脸图片，将所述第一数量的人的人脸图片和所述非清晰人脸图片作为扩充样本集；

针对所述扩充样本集中的人脸图片，通过人工打分得到第一标签，通过人脸识别模型计算得到第二标签，将所述第一标签和所述第二标签融合得到第三标签；

对所述扩充样本集设置所述第三标签，得到带标签样本集；

从所述指定的人脸数据集中选取第二数量的人的人脸图片作为不带标签样本集；

通过所述带标签样本集和所述不带标签样本集训练Teacher-Student网络模型，其中，Student网络中包含Transformer自注意力结构；

利用训练好的Teacher-Student网络模型评估人脸图像质量。

2.根据权利要求1所述的方法，其特征在于，所述的从每个人的人脸图片里选取一张基准图片包括：

从每个人的人脸图片里按照人脸为正脸、无遮挡、清晰、低噪声、光照均匀的标准选取一张基准图片；

如果有多张人脸图片符合所述标准，则随机选取一张作为基准图片。

3.根据权利要求1所述的方法，其特征在于，所述非清晰化操作包括高斯模糊、给人脸随机贴无关的像素块、添加椒盐噪声和调整亮度值中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述的通过人脸识别模型计算得到第二标签包括：

通过人脸识别模型从所述基准图片提取第一特征向量，从非基准图片提取第二特征向量；

根据所述第一特征向量和所述第二特征向量，计算余弦距离，得到相似度以作为所述第二标签。

5.根据权利要求1所述的方法，其特征在于，所述的将所述第一标签和所述第二标签融合得到第三标签包括：

通过以下公式将所述第一标签和所述第二标签融合得到第三标签：

，且

其中，c为所述第三标签，为所述第一标签，b为所述第二标签。

6.根据权利要求1所述的方法，其特征在于，所述的通过所述带标签样本集和所述不带标签样本集训练Teacher-Student网络模型包括：

将所述带标签样本集和所述不带标签样本集分别输入Student网络，得到带标签样本集的预测标签和不带标签样本集的预测标签；

针对所述带标签样本集，构造回归损失函数：

其中，c为所述第三标签；

通过Student网络参数，更新计算Teacher网络参数：

其中为Student网络第t-1次迭代的参数，为Student网络第t次迭代的网络参数，为Teacher网络第t次迭代的更新参数，为前后两次迭代参数的权重；

将所述带标签样本集和所述不带标签样本集分别输入Teacher网络，得到带标签样本集的预测标签和不带标签样本集的预测标签；

构造损失函数：

构造总损失函数为：

采用随机梯度下降法进行梯度计算，并反向传播以更新Student网络的参数，直到总损失函数L收敛，得到训练好的Teacher-Student网络模型。

7.根据权利要求6所述的方法，其特征在于，所述Student网络包括CNN卷积神经网络和Transformer自注意力结构，其中，所述CNN包括3×3的卷积层、2×2的池化层、激活层以及残差结构。