[发明专利]一种人脸序列最优帧的提取方法、装置及存储介质

说明书

本发明实施例公开了一种人脸序列最优帧的提取方法、装置及存储介质。方法包括：获取视频数据，根据所述视频数据制作人脸质量评价数据集；将所述人脸质量评价数据集划分为训练集和测试集；采用所述训练集对选定的多项式回归算法进行训练，得到最优帧提取模型；采用所述最优帧提取模型对所述测试集进行质量判定，得到人脸序列的最优帧图片。实施本发明实施例，不以绝对阈值过滤人脸，采用多项式回归算法侧重于人脸序列中相对最优人脸的提取，每个人脸序列中必定会筛选出一个最优人脸，不会造成人脸漏检，且系统需负担的算力也较小。

技术领域

本发明涉及计算机软件技术领域，具体涉及一种人脸序列最优帧的提取方法、装置及存储介质。

背景技术

在实际应用中，人脸识别系统通常需要获取人脸序列中质量最优的人脸图片进行后续的识别提取特征。最优人脸选择的好坏，直接影响人脸识别系统提取人脸特征的好坏，也会对后续人脸聚类、识别及匹配等相关下游任务产生影响。因此，高效的人脸质量评价算法对整个人脸系统具有积极的意义。

目前通常的人脸筛选逻辑为：(1)通过人脸检测置信度排名进行人脸序列中最优人脸筛选；但人脸检测置信度与人脸质量并无严格的正相关关系，通过置信度并不能精确反应人脸质量。(2)通过单一维度人脸特征(例如光照，角度等)设置阈值级联筛选符合质量要求人脸。这种技术手段只能获取所有特征均在要求范围内的人脸图片，对于某些条件均较差或均较好的人脸序列无法有效获取最优人脸。(3)以上两种方式相结合。

进一步地，采用单一维度特征级联设置阈值筛选人脸，无法综合判断人脸质量，在人脸序列某项特征均不达标(或均达标)情形下无法筛选出质量最好的人脸。例如某一人脸序列中所有人脸某项特征条件均小于所设置的阈值，则该序列中的人脸均会被判定为无效人脸，容易造成人脸漏检。或者所有特征阈值均满足所设置阈值要求，则该序列中的人脸均会被判定为有效人脸，会造成重复计算，增加系统算力负担。

发明内容

针对上述技术缺陷，本发明实施例的目的在于提供一种人脸序列最优帧的提取方法、装置及存储介质。

为实现上述目的，第一方面，本发明实施例提供了一种人脸序列最优帧的提取方法，包括：

获取视频数据，根据所述视频数据制作人脸质量评价数据集；

将所述人脸质量评价数据集划分为训练集和测试集；

采用所述训练集对选定的多项式回归算法进行训练，得到最优帧提取模型；

采用所述最优帧提取模型对所述测试集进行质量判定，得到人脸序列的最优帧图片。

作为本申请的一种具体实施方式，根据所述视频数据制作人脸质量评价数据集具体包括：

对所述视频数据进行提取处理，得到多个人脸序列；每一人脸序列的长度为十张图片。

在本申请的某些具体实施方式中，得到最优帧提取模型具体包括：

对每一人脸序列进行人工标注，确定基准人脸；

选定百度开源人脸api作为人脸识别系统；

构建人脸特征向量参数；所述人脸特征向量包括人脸角度、亮度、模糊度和尺度；

将所述训练集中的人脸序列输入所述人脸识别系统进行识别，得到训练数据；所述训练数据包括人脸特征向量；

使用人脸api对所述基准人脸和人脸序列中的每个人脸进行相似度比对，并将两者的相似度作为该人脸的目标值；

将所述人脸特征向量和目标值输入多项式回归算法进行训练，得到所述最优提取模型。

在本申请的某些具体实施方式中，采用所述最优帧提取模型对所述测试集进行质量判定，得到人脸序列的最优帧图片，具体包括：