[发明专利]人脸图像的质量评价方法、装置以及计算机可读存储介质

说明书

本申请公开了一种人脸图像的质量评价方法、装置以及计算机可读存储介质，上述方法包括：将多个人脸图像输入至训练后的多任务网络模型中，以获得每张人脸图像对应的多个属性的预测值，其中，多个属性包括人脸角度、人脸清晰度以及人脸遮挡信息；根据多个属性的预测值获得对应的人脸图像的人脸质量得分，通过这种设计方式，可以在同一个网络里面针对性地获得人脸图像的重点特征的预测值并对该人脸图像进行得分量化，不仅提高了对人脸图像质量评价的效率，而且节省了计算资源和时间成本。

技术领域

本申请涉及人脸图像质量评价的技术领域，特别是涉及一种人脸图像的质量评价方法、装置以及计算机可读存储介质。

背景技术

随着数字社会化发展，图像数据在视频通讯，安防监控等领域有着不可替代的作用，然而视频中的图像数据在进行采集、传输及处理等过程中难免受到干扰；其次，在视频序列上，对同样一个目标采集得到的图片数据也会因为姿态角度、遮挡等因素产生质量上的差异。为了在工程应用上确保视频数据高效利用，对图像的质量评价就变得非常有意义。

目前，常用的方法包括：方法一、通过质量评分网络学习进行质量评分，其综合了图片、裁剪以及多分辨率质量分输出；方法二、将每张人脸图像所对应的深度特征分别与同一人的标准人脸特征比较；但是，方法一中质量分标签难以获取，质量评价特征模糊，且质量评分网络综合了图片、裁剪以及多分辨率质量分输出，较为冗余；方法二中操作过程中不仅需要定义标准的人脸，而且还需要多次比较人脸之间的相似度，这样无疑是增加了时间成本。因此，目前需要提出一种新的人脸图像的质量评价方法。

发明内容

本申请主要解决的技术问题是提供一种人脸图像的质量评价方法、装置以及计算机可读存储介质，可以针对性地获得人脸图像的重点特征的预测值并对人脸图像进行得分量化。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸图像的质量评价方法，包括：将多个人脸图像输入至训练后的多任务网络模型中，以获得每张所述人脸图像对应的多个属性的预测值，其中，所述属性包括人脸角度、人脸清晰度以及人脸遮挡信息；根据多个所述属性的预测值获得对应的所述人脸图像的人脸质量得分。

其中，所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤之前，包括：针对每张所述人脸图像，计算获得当前所述人脸图像的卡尔曼增益矩阵，并利用所述卡尔曼增益矩阵获得当前所述人脸图像的人脸角度的最优估计值和人脸清晰度的最优估计值；获得当前所述人脸图像的人脸角度的预测值与人脸角度的最优估计值之间的第一差值、以及当前所述人脸图像的人脸清晰度的预测值与人脸清晰度的最优估计值之间的第二差值；判断所述第一差值和所述第二差值是否符合预设条件；若是，则进入所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤；否则，不进入所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤。

其中，所述人脸角度包括俯仰角、旋转角以及偏航角；所述获得当前所述人脸图像的人脸角度的预测值与人脸角度的最优估计值之间的第一差值的步骤包括：获得当前所述人脸图像中所述俯仰角的预测值与所述俯仰角的最优估计值之间的差值、所述旋转角的预测值与所述旋转角的最优估计值之间的差值以及所述偏航角的预测值与所述偏航角的最优估计值之间的差值。

其中，所述判断所述第一差值和所述第二差值是否符合预设条件的步骤，包括：获得当前所述人脸图像中所述俯仰角的预测值与所述俯仰角的最优估计值之间的差值的绝对值、所述旋转角的预测值与所述旋转角的最优估计值之间的差值的绝对值以及所述偏航角的预测值与所述偏航角的最优估计值之间的差值的绝对值的和值；判断所述和值是否小于第一阈值且所述第二差值的绝对值是否小于第二阈值。