具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在根据本实施例的启示下做出的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

背景技术中提供的现有技术中，进行人脸图像质量的评估的方案中，至少存在以下技术问题：

1)人脸图像的失真较为严重，导致人脸识别系统无法准确识别出结果。

2)基于全参考图像质量的评价方法对人脸图像的质量进行评估，不仅需要提供参考图像，且无法评估人脸的姿态情况，导致人脸识别系统无法对人脸图像的质量进行精准评估。

针对上述的这些问题，本发明提出一种人脸图像质量的评估方法，仅仅通过一张待评估图像就可以实现对其进行精准评估，而无需其他参考图像，并且该方法通过对人脸图像的姿态、清晰度和亮度进行全面的评估，分别得到相应的指标因子，从而根据得到的指标因子确定人脸图像分别在姿态、清晰度和亮度方面的得分值，综合这三个得分值，即可计算得到人脸图像质量的综合得分。下面首先对本发明中涉及的名词进行解释。

图像质量评价(Image Quality Assessment，简称为IQA)：图像处理中的基本技术之一，主要通过对图像进行特性分析研究，然后评估出图像优劣，也即图像失真程度。

本发明提供的人脸图像质量的评估方法，其核心思想是采用人脸检测算法对待评估图像中的人脸部分进行提取，然后对人脸部分进行姿态、清晰度和亮度的评估，分别得到人脸部分的姿态得分值、清晰度得分值和亮度得分值，然后根据姿态得分值、清晰度得分值和亮度得分值计算人脸图像的综合得分值，通过得到的综合得分值来判断人脸图像的质量，这样就可以在不使用参考图像的基础上，仅通过一张待评估图像就可以对其进行精确的质量评估，从而克服上述容易在进行图像质量评估时发生的问题。

图1为本发明实施例提供的人脸图像质量的评估方法的一种应用场景示意图，如图1所示，在该场景中，以机场或者车站的摄像机为例，摄像机中的图像采集模块采集行人图像，并将行人图像进行存储，该行人图像可以为视频图像，也可以为图片图像，摄像机中的图像发送模块在图像采集模块采集到行人图像之后，在若干行人图像中选择其中一帧或者一幅图像作为待评估图像，将其发送至计算机设备中，由计算机设备中的人脸识别系统进行图像质量的评估处理。

基于图1所示的场景，本方案中，计算机设备在接收到摄像机的图像发送模块发送的待评估图像之后，通过人脸识别系统采用人脸检测算法对该待评估图像进行预处理，检测出人脸部分之后，对人脸部分进行姿态得分、清晰度得分和亮度得分的计算，然后确定出待评估图像中的人脸部分的倾斜情况、清晰度情况和亮度情况，最后综合这三个得分，根据综合得分的情况对待评估图像的质量进行评估，综合得分越高，说明待评估图像的质量越好。

下面通过几个具体实施方式对该人脸图像质量的评估方法进行详细说明。

图2为本发明实施例提供的人脸图像质量的评估方法的流程图，如图2所示，该人脸图像质量的评估方法包括以下步骤：

S201：通过人脸检测算法在预先获取的第一待评估图像中提取人脸部分，得到第二待评估图像。

在本步骤中，可以通过图像采集装置预先获取第一待评估图像，由于第一待评估图像为获得的最原始的图像，图像中可能会包含有各种背景等与人脸图像无关的部分，因此可以采用人脸检测算法将第一待评估图像中的人脸部分提取出来，以便后续直接对人脸部分进行质量评估。

作为一种可选的实施方式，在第一待评估图像中提取人脸部分，除了可以采用人脸检测算法之外，还可以采用传统图像处理的方法，比如，利用尺度不变特征变换(Scale-invariant feature transform，简称为SIFT)、梯度方向直方图(Histogram of OrientedGradient，简称为HOG)提取人脸图像的特征，从而实现对图像中人脸的检测。

S202：检测第二待评估图像，并获取第二待评估图像的姿态指标参数、亮度指标参数和清晰度指标参数。

在本步骤中，在第一待评估图像中提取出人脸部分的第二待评估图像之后，通过对第二待评估图像进行处理可以得到第二待评估图像的姿态指标参数、亮度指标参数和清晰度指标参数。

在一种具体实现中，对第二待评估图像进行处理得到第二待评估图像的姿态指标参数，包括：对第二待评估图像进行图像对齐处理，得到图像检测框数据和图像关键点信息；基于图像检测框数据确定第一参数，并基于图像关键点信息确定第二参数，其中，姿态指标参数包括第一参数和第二参数。

在该方案中，对第二待评估图像进行仿射变换等对齐处理，可以获得特定大小的人脸图像以及该人脸图像中人脸关键点的位置信息，该特定大小的人脸图像通过图像检测框进行确定，该图像检测框也即为人脸图像检测框，后续对第二待评估图像进行姿态检测时，即是对图像检测框中的人脸部分进行检测，该人脸图像中人脸关键点的位置信息，可以通过图像检测框中的人脸部分进行确定，比如，人脸上的五官位置。

在上述方案中，图像检测框数据包括图像检测框的尺寸信息，比如，人脸图像检测框的宽度和高度等，通过人脸图像检测框的宽度和高度可以确定第一参数，该第一参数的计算公式可以如下：

其中，λ用于表示第一参数，h_box用于表示人脸图像检测框的高度，w_box用于表示人脸图像检测框的宽度。

在上述方案中，人脸图像关键点信息包括五官的位置信息等，通过五官的位置信息可以确定第二参数，该第二参数可以为一个角度值，该角度值可以为五官与图像检测框的水平边二者之间的夹角θ，比如，两个嘴角之间的线段与图像检测框的下水平边二者之间的夹角，或者两个眼球之间的线段与上水平边二者之间的夹角等。

在一种具体实现中，对第二待评估图像进行处理得到第二待评估图像的亮度指标参数，包括：对第二待评估图像进行灰度转换处理，得到灰度图像；获取灰度图像的全部像素点的第一亮度均值；基于第一亮度均值确定第二待评估图像的每一个像素点偏离第一亮度均值的第二亮度均值和平均偏差值；获取第二亮度均值和平均偏差值之间的商；将商确定为亮度指标参数。

在该方案中，第一亮度均值为预先设定，其设定值为128，第二亮度均值的计算公式如下：

N＝width*height

其中，D用于表示第二亮度均值，该值为正值，N用于表示全部像素点的个数，x_i用于表示灰度图像的每个像素点的亮度值，width用于表示灰度图像的宽，height用于表示灰度图像的高。

平均偏差值的计算公式如下：

其中，M用于表示平均偏差值，Hist用于表示灰度图像的直方图。

亮度指标参数的计算公式如下：

其中，k用于表示亮度指标参数。

在一种具体实现中，对第二待评估图像进行处理得到第二待评估图像的清晰度指标参数，包括：基于第二待评估图像获取目标变异值；将目标变异值确定为清晰度指标参数。

在该方案中，可以直接通过第二待评估图像计算得到目标变异值，该目标变异值可以为拉普拉斯算子变异值(variation of Laplacian)，并将计算得到的拉普帕斯算子变异值直接定义为清晰度指标参数d。

作为一种可选的实施方式，在对人脸图像的质量进行评估时，除了可以通过采用上述的姿态指标参数、亮度指标参数和清晰度指标参数进行评估之外，还可以采用图像质量客观评价的方法，比如，全参考图像质量的评价方法、部分参考图像质量的评价方法、无参考图像质量的评价方法等方法实现对人脸图像的质量进行评估，或者采用上述三种指标参数，并结合传统图像质量客观评价的方法，最终实现对人脸图像的质量进行评估。

作为一种可选的实施方式，上述方案除了可以利用图像检测框内的人脸图像的图像区域进行人脸图像姿态、亮度和清晰度的评估之外，还可以选取包含人脸的整个图像进行评估。

S203：基于姿态指标参数、亮度指标参数和清晰度指标参数对第一待评估图像的质量进行评估。

在本步骤中，在得到姿态指标参数、亮度指标参数和清晰度指标参数之后，可以分别进行计算得到姿态得分值、亮度得分值和清晰度得分值，并对这三种得分值进行综合计算，得到综合得分值，从而基于综合得分值的得分情况评估待评估图像的质量。

在一种具体实现中，基于姿态指标参数计算姿态得分值，包括：将姿态指标参数输入至姿态评价模型中进行处理，得到姿态得分值。

在该方案中，姿态评价模型是通过对姿态指标参数和姿态得分值进行训练得到的，在获取姿态得分值时，可以预先设置一个角度阈值θ₀，并基于图像关键点信息确定目标角度值，其中，第二参数包括目标角度值θ，该目标角度值用于表征图像关键点与图像检测框的水平边二者之间的夹角。

在上述方案中，若θ＞θ₀，则说明人脸部分相对于图像检测框的水平边来说是倾斜的，且倾斜程度过大，此时，姿态得分值为0；若θ≤θ₀，则说明人脸部分相对于图像检测框的水平边来说倾斜程度是可接受的，此时，姿态得分值仅通过第一参数λ即可确定，也即，将第一参数输入至姿态评价模型中进行处理，即可得到姿态得分值，姿态评价模型可以通过函数表示如下：

其中，score₁用于表示姿态得分值。

在一种具体实现中，基于亮度指标参数计算姿态得分值，包括：将亮度指标参数输入至亮度评价模型中进行处理，得到亮度得分值。

在该方案中，亮度评价模型是通过对亮度指标参数k和亮度得分值进行训练得到的，亮度评价模型可以通过函数表示如下：

其中，score₂用于表示亮度得分值。

在一种具体实现中，基于清晰度指标参数计算清晰度得分值，包括：将清晰度指标参数输入至清晰度评价模型中进行处理，得到清晰度得分值。

在该方案中，清晰度评价模型是通过对清晰度指标参数d和清晰度得分值进行训练得到的，清晰度评价模型可以通过函数表示如下：

其中，score₃用于表示清晰度得分值。

在一种具体实现中，在得到姿态得分值、亮度得分值和清晰度得分值之后，可以基于姿态得分值、亮度得分值和清晰度得分值对第一待评估图像的质量进行评估。

在该方案中，由于人脸图像的姿态指标、清晰度指标、亮度指标对人脸识别系统准确度与召回率的提升效果不同，因此，可以分别赋予姿态得分值、清晰度得分值和亮度得分值不同的权重系数，以最终根据人脸图像的姿态得分值、清晰度得分值和亮度得分值计算人脸图像质量的综合得分，该综合得分的计算公式如下：

score＝ω₁*score₁+ω₂*score₂+ω₃*score₃

其中，score用于表示人脸图像质量的综合得分，ω₁用于表示赋予姿态得分值的权重系数，ω₁的值可以设置为0.5，ω₂用于表示赋予亮度得分值的权重系数，ω₃用于表示赋予清晰度得分值的权重系数，ω₂和ω₃的值可以分别设置为0.25。

作为一种可选的实施方式，在上述方案中，对于具体的情况，上述的权重选取方式可根据实际情况进行调整，本发明不做限制。

本实施例提供的人脸图像质量的评估方法、装置、设备及存储介质，通过人脸检测算法在预先获取的第一待评估图像中提取人脸部分，得到第二待评估图像；检测第二待评估图像，并获取第二待评估图像的姿态指标参数、亮度指标参数和清晰度指标参数；基于姿态指标参数、亮度指标参数和清晰度指标参数对第一待评估图像的质量进行评估，实现了提高对人脸图像的质量进行评估的精准度的目的。

从总体上来说，本发明提供的技术方案，基于衡量人脸图像质量的相关指标(姿态指标、清晰度指标、亮度指标)的表征方法，并基于此建立数学模型，从而实现对人脸图像质量的定量评价，是一种保证对人脸图像的质量进行评估的精准度的实现技术方法。

图3为本发明实施例提供的人脸图像质量的评估装置的结构示意图，如图3所示，该人脸图像质量的评估装置30包括：

提取模块31，用于通过人脸检测算法在预先获取的第一待评估图像中提取人脸部分，得到第二待评估图像；

检测模块32，用于检测第二待评估图像，并获取第二待评估图像的姿态指标参数、亮度指标参数和清晰度指标参数；

评估模块33，用于基于姿态指标参数、亮度指标参数和清晰度指标参数对第一待评估图像的质量进行评估。

可选的，检测模块32还用于对第二待评估图像进行图像对齐处理，得到图像检测框数据和图像关键点信息；基于图像检测框数据确定第一参数，并基于图像关键点信息确定第二参数，其中，姿态指标参数包括第一参数和第二参数。

可选的，检测模块32还用于对第二待评估图像进行灰度转换处理，得到灰度图像；获取灰度图像的全部像素点的第一亮度均值；基于第一亮度均值确定第二待评估图像的每一个像素点偏离第一亮度均值的第二亮度均值和平均偏差值；获取第二亮度均值和平均偏差值之间的商；将商确定为亮度指标参数。

可选的，检测模块32还用于基于第二待评估图像获取目标变异值；将目标变异值确定为清晰度指标参数。

可选的，评估模块33还用于将姿态指标参数输入至姿态评价模型中进行处理，得到姿态得分值，其中，姿态评价模型通过对姿态指标参数和姿态得分值进行训练得到；将亮度指标参数输入至亮度评价模型中进行处理，得到亮度得分值，其中，亮度评价模型通过对亮度指标参数和亮度得分值进行训练得到；将清晰度指标参数输入至清晰度评价模型中进行处理，得到清晰度得分值，其中，清晰度评价模型通过对清晰度指标参数和清晰度得分值进行训练得到；基于姿态得分值、亮度得分值和清晰度得分值对第一待评估图像的质量进行评估。

可选的，评估模块33还用于预先设置角度阈值，并基于图像关键点信息确定目标角度值，其中，第二参数包括目标角度值，目标角度值用于表征图像关键点与图像检测框的水平边二者之间的夹角；在目标角度值大于角度阈值的情况下，确定姿态得分值为0；在目标角度值不大于角度阈值的情况下，将第一参数输入至姿态评价模型中进行处理，得到姿态得分值。

本实施例提供的人脸图像质量的评估装置，用于执行前述方法实施例中的技术方案，其实现原理和技术效果类似，在此不再赘述。

图4为本发明实施例提供的一种电子设备的结构示意图。如图4所示，该电子设备400包括：

处理器411，存储器412，以及交互接口413；

存储器412用于存储处理器411的可执行指令；

其中，处理器411配置为经由执行可执行指令来执行前述图像质量的评估方法中的技术方案。

可选的，存储器412既可以是独立的，也可以跟处理器411集成在一起。

可选的，当存储器412是独立于处理器411之外的器件时，电子设备400还可以包括：

总线，用于将上述器件连接起来。

该电子设备用于执行前述方法实施例提供的技术方案，其实现原理和技术效果与前述方法实施例中类似，在此不再赘述。

本发明实施例还提供一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现前述实施例提供的人脸图像质量的评估方法。

本发明实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时用于实现前述方法实施例提供的人脸图像质量的评估方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。