(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211074124.5 (22)申请日 2022.09.02 (71)申请人 盛视科技股份有限公司 地址 518000 广东省深圳市福田区华 富街 道莲花一村社区彩田路7018号新浩壹 都A4201-420 6(整层） 、 43整层、 45整层 (72)发明人 欧阳一村 　陈海涛　付磊　洪志阳　 李希　王和平　朱光强　罗富章　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/60(2017.01) G06V 40/16(2022.01) G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 人脸图像质 量评分方法及人脸图像质量评 估模型获取方法 (57)摘要 本申请公开一种人脸图像质量评分方法， 该 方法包括： 获取包含多张人脸图像的样本库A； 计 算样本库A中的每一人脸图像的人脸在X轴方向 上的偏转分数Sax、 在Y轴方向上的偏转分数Say 和人脸关键点的遮挡分数Sm； 计算同类别样本相 似度分布和计算不同类别样本相似度分布； 依据 同类别样本相似度分布和不同类别样本相似度 分布计算样 本库A中每一人脸图像的关于类别样 本的质量分数Sn； 综合Sax、 Say、 Sm和Sn获得每一人 脸图像的人脸质量评分值S。 本申请还提供一种 人脸图像质量评估 模型获取方法。 权利要求书2页 说明书7页 附图2页 CN 115496715 A 2022.12.20 CN 115496715 A 1.一种人脸图像质量评分方法， 其特 征在于， 包括： 获取包含多张人脸图像的样本库A； 获取人脸特征质量分数： 计算样本库A中的每一人脸图像的人脸在X轴方向上的偏转分 数Sax， 计算样本库A中的每一人脸图像的人脸在Y轴方向上的偏转分数Say， 并计算样本库A 中的每一人脸图像的人脸关键点的遮挡分数Sm； 获取关于类别样本的质量 分数Sn： 利用人脸识别模型对样本库A中每一人脸图像和与该 人脸图像属于同一类别的人脸图像进行特征提取， 并计算同类别样本相似度分布； 利用人 脸识别模型对样本库A中每一人脸图像和与该人脸图像不属于同一类别的人脸图像进 行特 征提取， 并计算不同类别样本相似度分布； 依据同类别样本相似度分布和不同类别样本相 似度分布计算样本库A中每一人脸图像的关于类别样本的质量分数Sn； 以及 获取人脸质量评分值S： 综合偏转分数Sax、 偏转分数Say、 遮挡分数Sm和分数Sn获得每一 人脸图像的人脸质量评分值。 2.如权利要求1所述的人脸图像质量评分方法， 其特征在于， 计算样本库A中的每一人 脸图像的人脸在X轴方向上的偏转分数Sax具体为： 遍历样本库A中的每一人脸图像； 获取所有人脸图像中人脸在 在X轴方向偏转角的最大值AXmax和最小值AXmin； 根据最大值AXmax和最小值AXmin计算样本库A中的每一人脸图像的在X轴方向的偏转分 数Sax： Sax＝(AX‑AXmin)/(AXmax‑AXmin)； 其中， AX为样本库A中待求 解偏转分数Sax的一人脸图像的人脸在X轴方向的偏转角。 3.如权利要求2所述的人脸图像质量评分方法， 其特征在于， 计算样本库A中的每一人 脸图像的人脸在Y轴方向上的偏转分数Say具体为： 遍历样本库A中的每一人脸图像； 获取所有人脸图像中人脸在 在Y轴方向偏转角的最大值AYmax和最小值AYmin、 根据最大值AYmax和最小值AYmin计算样本库A中的每一人脸图像在Y轴方向的偏转分数 Say： Sax＝(AY‑AYmin)/(AYmax‑AYmin)； 其中， AY为样本库A中待求 解偏转分数Say的一人脸图像的人脸在Y轴方向的偏转角。 4.如权利要求2所述的人脸图像质量评分方法， 其特征在于， 计算样本库A中的每一人 脸图像的人脸关键点的遮挡分数Sm具体为： 遍历样本库A中的每一人脸图像； 获取所有人脸图像中人脸关键点遮挡最大值Mmax和最小值Mmin， 其中人脸关键点包括左 眼特征点、 右眼特 征点、 鼻子特 征点和嘴巴左右两角的特 征点； 根据最大值Mmax和最小值Mm样本库A中每一人脸图像的人脸关键点遮挡分数Sm： Sm＝(M‑ Mmin)/(Mmax‑Mmin)； 其中， 任一人脸图像的人脸关键点遮挡分数M＝(5 ‑k)/5， M为待求解遮挡分数Sm的一人 脸图像的人脸关键点遮挡的分数， k 为该人脸图像中的显示出的人脸关键点的数目。 5.如权利要求1至4任一项所述的人脸图像质量评分方法， 其特 征在于， 利用人脸识别模型对样本库A中每一人脸图像和与该人脸图像属于同一类别的人脸图 像提取特征， 并计算同类别样本相似度分布的步骤为： 计算由人脸识别模型提取 的每一人 脸图像的特征和由人脸识别模型提取的与该人脸图像属于同一类别人脸图像的特征之间权　利　要　求　书 1/2 页 2 CN 115496715 A 2的相似度， 根据相似度进行统计获得同类别样本相似度分布； 利用人脸识别模型对样本库A中每一人脸图像和与该人脸图像不属于同一类别的人脸 图像提取特征， 计算不同类别样本相似度分布的步骤为： 计算由人脸识别模型提取 的每一 人脸图像的特征和由人脸识别模型提取的与该人脸图像不属于同一类别人脸图像的特征 之间的相似度， 根据相似度进行统计获得不同类别样本相似度分布； 其中， 相似度为特 征之间的欧氏距离或者 余弦相似度。 6.如权利要求5所述的人脸图像质量评分方法， 其特征在于， 设定人脸识别模型包括第 一人脸识别模型、 第二人脸识别模型和第三人脸识别模型， 利用第一人脸识别模型提取人 脸图像的特征记为第一特征， 利用第二人脸识别模型提取的人脸图像的特征记为第二特 征， 利用第三人脸识别模型提取 的人脸图像的特征记为第三特征， 进行相似度计算的特征 为第一特 征、 第二特 征和第三特 征的均值。 7.如权利要求1至4任一项所述的人脸图像质量评分方法， 其特征在于， 依据同类别样 本相似度分布和不同类别样本相似度分布计算样本库A中每一人脸图像的分数Sn： 设定阈值T； 针对每一人脸图像的同类别样本的质量分数Spos： 针对每一人脸图像的不同类别样本的质量分数Sneg： 计算每一人脸图像的Sn： Sn＝a1·Spos+a2·Sneg； 其中， N为样本库A中的人脸图像的样本的总数目； t表示两个人脸图像的特征之间的相 似度； ∑t＜Tn1(t)表示： 样本库A中与待求解质量分数Spos的人脸图像的特征相似度t＜T的人 脸图像的数目； ∑t≥Tn2(t)表示： 样本库A中与待求解质量分数Sneg的人脸图像的特征相似度 t≥T的人脸图像的数目； a1和a2加权阈值且a1+a2＝1。 8.如权利要求7 所述的人脸图像质量评分方法， 其特 征在于， 阈值T取值0.73 。 9.如权利要求1至4任一项所述的人脸图像质量评分方法， 其特征在于， 综合偏转分数 Sax、 偏转分数Say、 遮挡分数Sm和分数Sn获得每一人脸图像的人脸质量评分值S： Sn＝a3·Sax+ a4·Say+a5·Sm+a6·Sn； 其中， a3、 a4、 a5和a6为加权阈值且a3+a4+a5+a6＝1。 10.一种人脸图像质量评估 模型获取 方法， 其特 征在于， 包括： 获取一包含多张人脸图像的样本库B； 利用如权利要求1至9任一项所述的人脸图像质 量评估方法对样 本库B的每一人脸图像进 行质量标签标注； 将带质量标签的样本库B输入卷 积神经网络模型进行训练， 直至损失函数收敛。权　利　要　求　书 2/2 页 3 CN 115496715 A 3