[发明专利]人脸图像质量评估方法、电子设备和存储介质

说明书

本申请涉及人脸图像质量评估方法、电子设备和存储介质，属于计算机领域，该方法包括：选取第一数量的人的人脸图片；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，将第一数量的人的人脸图片和非清晰人脸图片作为扩充样本集；针对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，将第一标签和第二标签融合得到第三标签；对扩充样本集设置第三标签，得到带标签样本集；选取第二数量的人的人脸图片作为不带标签样本集；通过带标签样本集和不带标签样本集训练Teacher‑Student网络模型；利用训练好的Teacher‑Student网络模型评估人脸图像质量。通过本申请实施例，能够提高评估结果的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及人脸图像质量评估方法、电子设备和存储介质。

背景技术

在进行人脸识别时，人脸图像质量评估是比较重要的，因为评估的结果会接影响人脸识别效果。通常情况下，通过人工打分得到训练样本的标签，但由于人工标定主观性非常大，导致标签的波动较大，影响模型的收敛效果，最终造成评估结果的准确性低，对此，目前相关技术中，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种人脸图像质量评估方法、电子设备和存储介质，以至少解决相关技术中如何提高人脸图像质量评估结果的准确性的问题。

第一方面，本申请实施例提供了一种人脸图像质量评估方法，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；利用训练好的Teacher-Student网络模型评估人脸图像质量。

在其中一些实施例中，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。

在其中一些实施例中，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。

在其中一些实施例中，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。

在其中一些实施例中，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。

在其中一些实施例中，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，得到预测标签和预测标签；

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：