[发明专利]一种人脸图片集的处理方法、装置、介质和计算设备

权利要求书

1.一种人脸图片集的处理方法，包括：

获取作为人脸识别的图片样本库的人脸图片集；

将所述人脸图片集中的人脸图片，输入至基于深度学习的头部姿态估计网络进行头部姿态估计处理，并获取所述头部姿态估计网络输出的与所述人脸图片对应的人脸偏转角度；

将所述人脸图片集中的人脸图片，输入至基于深度学习的图片质量评估网络进行图片质量评估，并获取所述图片质量评估网络输出的与所述人脸图片对应的质量评分；

将所述人脸偏转角度与所述质量评分作为聚类特征，构建与所述人脸图片集中的人脸图片分别对应的聚类特征向量；

基于预设的基于密度的无监督聚类算法，对所述与人脸图片集中的人脸图片分别对应的聚类特征向量进行无监督聚类，并基于聚类结果删除与聚类结果中的低密度区域对应的所述人脸图片集中的低质量图片。

2.根据权利要求1所述的方法，所述方法还包括：

通过网络爬虫软件，从网络中爬取网络图片；

对爬取到的所述网络图片进行人脸检测，以确定所述网络图片中包含人脸特征的网络图片；

从所述包含人脸特征的网络图片中截取包含人脸特征的人脸图片，并基于截取出的人脸图片生成作为所述人脸识别的图片样本库的人脸图片集。

3.根据权利要求1所述的方法，所述质量评分表征所述人脸图片中的人脸区域的清晰度。

4.根据权利要求1所述的方法，所述基于深度学习的头部姿态估计网络包括：Deep-Head-Pose Net；

所述基于深度学习的图片质量评估网络包括：Face-Quality Net。

5.根据权利要求1所述的方法，所述方法还包括：

将所述人脸图片集中的人脸图片转换为YUV格式的人脸图片，并提取所述YUV格式的人脸图片的Y分量；

所述构建与所述人脸图片集中的人脸图片分别对应的聚类特征向量，包括：

将所述人脸偏转角度、所述质量评分以及所述Y分量作为聚类特征，构建与所述人脸图片集中的人脸图片分别对应的聚类特征向量。

6.根据权利要求1所述的方法，所述方法还包括：

从所述人脸图片集中的人脸图片中提取人脸特征；

所述构建与所述人脸图片集中的人脸图片分别对应的聚类特征向量，包括：

将所述人脸偏转角度、所述质量评分以及所述人脸特征作为聚类特征，构建与所述人脸图片集中的人脸图片分别对应的聚类特征向量。

7.根据权利要求1所述的方法，所述无监督聚类算法包括DBSCAN算法。

8.根据权利要求1所述的方法，所述方法还包括：

从所述人脸图片集中的人脸图片中提取人脸特征，并基于所述人脸特征对所述人脸图片集中的人脸图片进行离群点异常值检测，以确认所述人脸图片集中的异常人脸图片，并删除所述人脸图片集中的异常人脸图片。

9.根据权利要求8所述的方法，对所述人脸图片集中的人脸图片进行离群点异常检测所采用的算法为孤立森林算法。

10.根据权利要求1所述的方法，所述方法还包括：

计算所述人脸图片集中的人脸图片分别与所述人脸图片集中的其它人脸图片的结构相似性SSIM取值；以及，针对所述人脸图片集中所述SSIM取值达到阈值的图片进行去重处理。