[发明专利]人脸图像的质量评价方法、装置、电子设备及存储介质

权利要求书

1.一种人脸图像的评价方法，其特征在于，包括：

获取来自同一人的Q张人脸图像，其中，Q为大于1的整数；

将所述Q张人脸图像输入人脸识别模型中的特征提取网络，获取Q个测试特征向量，其中，所述特征提取网络的目标函数包含余弦相似度损失项；

获取第q个所述测试特征向量与第p个所述测试特征向量之间的余弦相似度，得到Q个第一余弦相似度，其中，q为正整数且1≤q≤Q，p＝1，2，……，Q；

根据所述Q个第一余弦相似度生成第q个所述测试特征向量对应图像的评分标签，所述评分标签用于判断是否对第q个所述测试特征向量对应图像进行人脸识别。

2.根据权利要求1所述的人脸图像的评价方法，其特征在于，所述将所述Q张人脸图像输入人脸识别模型中的特征提取网络，获取Q个测试特征向量之前，所述方法还包括：

构造辅助训练网络和训练集；

利用所述目标函数和所述训练集对所述特征提取网络和所述辅助训练网络进行联合训练，其中，所述特征提取网络的输出为所述辅助训练网络的输入。

3.根据权利要求2所述的人脸图像的评价方法，其特征在于，所述利用所述目标函数和所述训练集对所述特征提取网络和所述辅助训练网络进行联合训练之后，所述方法还包括：

构造一个验证集，其中，所述验证集和所述训练集的交集为空集；

利用所述特征提取网络分别提取所述验证集中人脸图像的特征向量，得到验证特征向量；

根据所述验证特征向量确定所述特征提取网络的准确率；

若检测到所述准确率小于预设准确率阈值，继续训练。

4.根据权利要求3所述的人脸图像的评价方法，其特征在于，所述根据所述验证特征向量确定所述特征提取网络的准确率，包括：

计算每两个所述验证特征向量之间的夹角并依次将所述夹角中的一个作为阈值；

每次确定所述阈值后，确定小于等于所述阈值且对应的所述验证特征向量提取自同一人的人脸图像的所述夹角和大于所述阈值且所述验证特征向量提取自不同人的人脸图像的所述夹角的总个数；

将所述总个数的最大值在所述夹角的总数量中的占比作为所述准确率。

5.根据权利要求2-4任一项所述的人脸图像的评价方法，其特征在于，所述目标函数为：

其中，w为所述特征提取网络的学习参数，t为所述辅助训练网络的学习参数，fⁱ_j,n为所述特征提取网络在输入第i个人的第j张人脸图像时输出的N维向量的第n维的数据，f^m_k,n为所述特征提取网络在输入第m个人的第k张人脸图像时的输出的N维向量中第n维位置上的数据，sign(x)为符号函数，x为真时函数值为1，x为假时函数值为-1；NID为所述训练集中采集的图像所对应的用户的总数量。

6.根据权利要求1所述的人脸图像的评价方法，其特征在于，所述根据所述Q个第一余弦相似度生成第q个所述测试特征向量对应图像的评分标签之前，所述方法还包括：

执行H次随机获取R张人脸图像的操作，其中，所述R张人脸图像中的任意两张都来自不同的人；

在每一次获取所述R张人脸图像之后，提取所述R张人脸图像的特征向量作为参考特征向量，计算所述参考特征向量和第q个所述测试特征向量之间的余弦相似度并平均，获取第二余弦相似度；

确定所述第二余弦相似度中的最大值为第三余弦相似度；

所述根据所述Q个第一余弦相似度生成第q个所述测试特征向量对应图像的评分标签之后，还包括：

根据所述第三余弦相似度更新第q个所述测试特征向量对应图像的所述评分标签。

7.根据权利要求1或6所述的人脸图像的评价方法，其特征在于，所述根据所述Q个第一余弦相似度生成第q个所述测试特征向量对应图像的评分标签之后，所述方法还包括：

获取与所述第q个所述测试特征向量对应图像来自同一个人的其余图像的所述评分标签作为参考评分标签；

根据所述参考评分标签对所述第q个所述测试特征向量对应图像的所述评分标签的数值进行归一化。