本公开提供了一种人脸图像质量的评估方法、装置及电子设备，通过提取待评估人脸图像的人脸质量特征；根据采样的正态分布向量生成优质人脸特征和劣质人脸特征；确定人脸质量特征与优质人脸特征之间的方差熵；人脸质量特征与优质人脸特征、劣质人脸特征之间的相对熵以及优质人脸特征与劣质人脸特征之间的分布熵；融合上述熵值得到训练特征值，由训练特征值最小化的目标人脸质量评估器确定人脸质量特征与优质人脸特征之间的目标方差并与方差阈值进行比较，确定待评估人脸图像的图像质量。可以全面的针对人脸图像质量进行准确判断区分。以全面的针对人脸图像质量进行准确判断区分。以全面的针对人脸图像质量进行准确判断区分。
【技术实现步骤摘要】
一种人脸图像质量的评估方法、装置及电子设备
[0001]本公开涉及人脸识别
，具体而言，涉及一种人脸图像质量的评估方法、装置及电子设备。
技术介绍
[0002]人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。而人脸图像质量决定了人脸检测，人脸活体区分以及人脸识别的准确度，对一张优质的人脸图像进行处理，识别精度远远高于劣质人脸图像。因此如何对人脸图像质量评估在人脸识别系统应用中非常重要。
[0003]在现有的人脸图像质量评估过程中，常用的方法通常包括亮度判断，清晰度判断，模糊判断等方式，但是上述人脸图像质量的评估方式具有局限性，无法全面的针对人脸图像质量进行准确全面的判断区分，并且评估准确度较低。
技术实现思路
[0004]本公开实施例至少提供一种人脸图像质量的评估方法、装置及电子设备，可以全面的针对人脸图像质量进行准确判断区分。
[0005]本公开实施例提供了一种人脸图像质量的评估方法，所述方法包括：
[0006]获取待评估人脸图像，提取所述待评估人脸图像对应的人脸质量特征；
[0007]在人脸特征空间中采样符合正态分布的正态分布向量集合，根据所述正态分布向量集合，生成所述人脸特征空间中的优质人脸特征和劣质人脸特征；
[0008]确定所述人脸质量特征与所述优质人脸特征之间的第一相关度，由预设的人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差熵；
[0009]确定所述人脸质量特征与所述劣质人脸特征之间的第二相关度，根据所述第一相关度以及所述第二相关度，确定所述人脸质量特征与所述优质人脸特征、所述劣质人脸特征之间的相对熵；
[0010]确定所述优质人脸特征与所述劣质人脸特征之间的第三相关度，根据所述第三相关度，确定所述优质人脸特征与所述劣质人脸特征之间的分布熵；
[0011]将所述方差熵、所述相对熵以及所述分布熵融合后生成所述人脸质量评估器对应的训练特征值，确定使所述训练特征值最小化的目标人脸质量评估器；
[0012]通过所述目标人脸质量评估器确定所述人脸质量特征与所述优质人脸特征之间的目标方差，基于所述目标方差以及预设的方差阈值，确定所述待评估人脸图像的图像质量。
[0013]一种可选的实施方式中，所述在人脸特征空间中采样符合正态分布的正态分布向量集合，根据所述正态分布向量集合，生成所述人脸特征空间中的优质人脸特征和劣质人
脸特征，具体包括：
[0014]将所述正态分布向量集合中的每个元素输入至预设的人脸优质特征生成器，确定所述人脸特征空间中的优质人脸特征集合，其中，所述优质人脸特征集合由多个所述优质人脸特征构成；
[0015]将所述正态分布向量集合中的每个元素输入至预设的人脸劣质特征生成器，确定所述人脸特征空间中的劣质人脸特征集合，其中，所述劣质人脸特征集合由多个所述劣质人脸特征构成。
[0016]一种可选的实施方式中，所述确定所述人脸质量特征与所述优质人脸特征之间的第一相关度，由预设的人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差熵，具体包括：
[0017]由所述人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差；
[0018]根据所述方差，确定所述人脸质量特征与所述优质人脸特征之间的方差熵。
[0019]一种可选的实施方式中，在所述确定所述人脸质量特征与所述劣质人脸特征之间的第二相关度，根据所述第一相关度以及所述第二相关度，确定所述人脸质量特征与所述优质人脸特征、所述劣质人脸特征之间的相对熵之后，所述方法还包括：
[0020]基于所述相对熵，针对所述优质人脸特征进行偏微分运算，以优化所述优质特征生成器生成所述优质人脸特征的准确度；
[0021]基于所述相对熵，针对所述劣质人脸特征进行偏微分运算，以优化所述劣质特征生成器生成所述劣质人脸特征的准确度。
[0022]一种可选的实施方式中，基于以下方法融合所述方差熵、所述相对熵以及所述分布熵：
[0023]分别为所述方差熵、所述相对熵以及所述分布熵配置对应的预设权重系数；
[0024]根据所述预设权重系数，针对所述方差熵、所述相对熵以及所述分布熵进行加权求和，得到所述人脸质量评估器对应的训练特征值。
[0025]一种可选的实施方式中，所述基于所述目标方差以及预设的方差阈值，确定所述待评估人脸图像的图像质量，具体包括：
[0026]判断所述目标方差是否小于所述方差阈值；
[0027]若小于，则确定所述待评估人脸图像为优质图像；
[0028]若大于，则确定所述待评估人脸图像为劣质图像。
[0029]本公开实施例还提供一种人脸图像质量的评估装置，所述装置包括：
[0030]特征提取模块，用于获取待评估人脸图像，提取所述待评估人脸图像对应的人脸质量特征；
[0031]特征生成模块，用于在人脸特征空间中采样符合正态分布的正态分布向量集合，根据所述正态分布向量集合，生成所述人脸特征空间中的优质人脸特征和劣质人脸特征；
[0032]方差熵确定模块，用于确定所述人脸质量特征与所述优质人脸特征之间的第一相关度，由预设的人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差熵；
[0033]相对熵确定模块，用于确定所述人脸质量特征与所述劣质人脸特征之间的第二相
关度，根据所述第一相关度以及所述第二相关度，确定所述人脸质量特征与所述优质人脸特征、所述劣质人脸特征之间的相对熵；
[0034]分布熵确定模块，用于确定所述优质人脸特征与所述劣质人脸特征之间的第三相关度，根据所述第三相关度，确定所述优质人脸特征与所述劣质人脸特征之间的分布熵；
[0035]训练模块，用于将所述方差熵、所述相对熵以及所述分布熵融合后生成所述人脸质量评估器对应的训练特征值，确定使所述训练特征值最小化的目标人脸质量评估器；
[0036]图像质量评估模块，用于通过所述目标人脸质量评估器确定所述人脸质量特征与所述优质人脸特征之间的目标方差，基于所述目标方差以及预设的方差阈值，确定所述待评估人脸图像的图像质量。
[0037]一种可选的实施方式中，所述特征生成模块具体用于：
[0038]将所述正态分布向量集合中的每个元素输入至预设的人脸优质特征生成器，确定所述人脸特征空间中的优质人脸特征集合，其中，所述优质人脸特征集合由多个所述优质人脸特征构成；
[0039]将所述正态分布向量集合中的每个元素输入至预设的人脸劣质特征生成器，确定所述人脸特征空间中的劣质人脸特征集合，其中，所述劣质人脸特征集合由多个所述劣质人脸特征构成。
[0040]一种可选的实施方式中，所述方差熵确定模块具本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸图像质量的评估方法，其特征在于，包括：获取待评估人脸图像，提取所述待评估人脸图像对应的人脸质量特征；在人脸特征空间中采样符合正态分布的正态分布向量集合，根据所述正态分布向量集合，生成所述人脸特征空间中的优质人脸特征和劣质人脸特征；确定所述人脸质量特征与所述优质人脸特征之间的第一相关度，由预设的人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差熵；确定所述人脸质量特征与所述劣质人脸特征之间的第二相关度，根据所述第一相关度以及所述第二相关度，确定所述人脸质量特征与所述优质人脸特征、所述劣质人脸特征之间的相对熵；确定所述优质人脸特征与所述劣质人脸特征之间的第三相关度，根据所述第三相关度，确定所述优质人脸特征与所述劣质人脸特征之间的分布熵；将所述方差熵、所述相对熵以及所述分布熵融合后生成所述人脸质量评估器对应的训练特征值，确定使所述训练特征值最小化的目标人脸质量评估器；通过所述目标人脸质量评估器确定所述人脸质量特征与所述优质人脸特征之间的目标方差，基于所述目标方差以及预设的方差阈值，确定所述待评估人脸图像的图像质量。2.根据权利要求1所述的方法，其特征在于，所述在人脸特征空间中采样符合正态分布的正态分布向量集合，根据所述正态分布向量集合，生成所述人脸特征空间中的优质人脸特征和劣质人脸特征，具体包括：将所述正态分布向量集合中的每个元素输入至预设的人脸优质特征生成器，确定所述人脸特征空间中的优质人脸特征集合，其中，所述优质人脸特征集合由多个所述优质人脸特征构成；将所述正态分布向量集合中的每个元素输入至预设的人脸劣质特征生成器，确定所述人脸特征空间中的劣质人脸特征集合，其中，所述劣质人脸特征集合由多个所述劣质人脸特征构成。3.根据权利要求1所述的方法，其特征在于，所述确定所述人脸质量特征与所述优质人脸特征之间的第一相关度，由预设的人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差熵，具体包括：由所述人脸质量评估器根据所述第一相关度，确定所述人脸质量特征与所述优质人脸特征之间的方差；根据所述方差，确定所述人脸质量特征与所述优质人脸特征之间的方差熵。4.根据权利要求2所述的方法，其特征在于，在所述确定所述人脸质量特征与所述劣质人脸特征之间的第二相关度，根据所述第一相关度以及所述第二相关度，确定所述人脸质量特征与所述优质人脸特征、所述劣质人脸特征之间的相对熵之后，所述方法还包括：基于所述相对熵，针对所述优质人脸特征进行偏微分运算，以优化所述优质特征生成器生成所述优质人脸特征的准确度；基于所述相对熵，针对所述劣质人脸特征进行偏微分运算，以优化所述劣质特征生成器生成所述劣质人脸特征的准确度。5.根据权利要求1所述的方法，其特征在于，基于以下方法融合所述方差熵、所述相对熵以及所述分布熵：
...
【专利技术属性】
技术研发人员：白世杰，王楚涵，
申请(专利权)人：北京远鉴信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。