[发明专利]人脸图像质量评价方法、电子设备及存储介质

权利要求书

1.一种人脸图像质量评价方法，其特征在于，包括：

以不同质量的人脸图像作为输入、人脸的n维特征向量作为输出，构建特征提取模型；

对由两个n维高斯函数构成的混合高斯函数，以所述n维特征向量作为输入，采用期望最大化算法进行迭代更新，得到所述混合高斯函数的均值和协方差；

将所述人脸图像中好质量的人脸图像对应的所述n维特征向量，与所述混合高斯函数中的均值进行距离比较，并将整体距离较近的均值对应的n维高斯函数作为选定的n维高斯函数；

将待评价的人脸图像经所述特征提取模型处理后得到的n维特征向量输入至所述选定的n维高斯函数，得到该人脸图像为好质量的评价值。

2.根据权利要求1所述的方法，其特征在于，所述以不同质量的人脸图像作为输入、人脸的n维特征向量作为输出，构建特征提取模型，包括：

获取多张第一人脸图像；

对所述第一人脸图像进行退化处理，得到第二人脸图像；

以所述第一人脸图像、所述第二人脸图像作为输入、人脸的n维特征向量作为输出，构建所述特征提取模型；

以所述n维特征向量作为输入，以与所述人脸图像的形状相同的张量作为输出，构建图像重构模型；

对所述特征提取模型和所述图像重构模型进行联合训练，得到训练完成的所述特征提取模型；

其中，所述特征提取模型和所述图像重构模型联合训练时的损失函数基于以下至少一种损失构成：像素损失、信息熵损失和梯度损失。

3.根据权利要求2所述的方法，其特征在于，所述像素损失的构建过程包括：

通过如下公式计算人脸图像重构时的平均像素重构误差：

l_p＝mean(|x-g_x|)+mean(|xd-g_xd|)，

其中，lp为所述平均像素重构误差，mean(*)为均值，x为所述第一人脸图像，xd为所述第二人脸图像，g_x为x对应的图像重构后的图像，g_xd为xd对应的图像重构后的图像。

4.根据权利要求2所述的方法，其特征在于，所述信息熵损失的构建过程包括：

通过如下公式分别计算所述第一人脸 图像、所述第二人脸 图像转变成n维特征向量的信息熵：

其中，lex、lexd依次为所述第一人脸 图像、所述第二人脸 图像转变成n维特征向量的信息熵，fⁱ_x、fⁱ_xd依次为所述第一人脸 图像、所述第二人脸 图像对应的所述n维特征向量中第i个特征。

5.根据权利要求2所述的方法，其特征在于，所述梯度损失的构建过程包括：

构建梯度算子

通过如下公式计算人脸图像重构时梯度损失：

l_k＝conv(g_x,k)+conv(g_xd,k)，

其中，l_k为所述人脸图像重构时梯度损失，conv(*,*)为卷积运算，g_x为所述第一人脸图像x对应的图像重构后的图像，g_xd为所述第二人脸图像xd对应的图像重构后的图像。

6.根据权利要求2所述的方法，其特征在于，所述特征提取模型和所述图像重构模型联合训练时的损失函数通过如下公式构建：

其中，loss为所述损失函数，l_p为所述像素损失下人脸图像重构时的平均像素重构误差，l_ex、l_exd依次为所述信息熵损失下所述第一人脸 图像、所述第二人脸 图像转变成n维特征向量的信息熵，l_k为所述梯度损失下人脸图像重构时梯度损失。