异构图像人脸识别目标库生成方法与流程

本发明属于人脸识别技术领域，尤其是涉及一种异构图像人脸识别目标库生成方法。

背景技术：

随着人工智能技术的发展,人脸识别技术越来越多地服务于我们的日常生活。生成人脸识别目标库作为人脸识别的基础工作也日益暴露出各种问题。由于大众对图像专业知识的缺乏提交的人脸照片通常是各种设备拍摄各种格式的异构图像，并且人脸质量通常不能满足人脸识别的要求，需要与专业人员通过反复沟通才能解决问题。

技术实现要素：

有鉴于此，本发明旨在提出一种异构图像人脸识别目标库生成方法，以解决上述问题的不足之处。

为达到上述目的，本发明的技术方案是这样实现的：

异构图像人脸识别目标库生成方法,包括以下步骤：

a.汇集采集图像；

b.检查图像是否损坏，把所有损坏图像输入到不满足人脸识别要求图像库；

c.诊断未损坏图像的图像类型并统一转化为标准jpeg格式；

d.检查瞳距是否满足大于或等于30像素的要求，如果检测到人脸并且瞳距满足要求则进入步骤e；否则，将图像输出到不满足人脸识别要求图像库；

e.推理出图像多维度信息；

f.根据推理出的多维度信息评估图像是否满足人脸识别要求，如果满足则将图像输出到人脸识别图像目标库，否则输出到不满足人脸识别要求图像库；

g.重复步骤c-f，生成人脸识别目标库；

h.将不满足人脸识别要求目标库信息输出，重新采集，重复步骤a-g，生成最终人脸识别目标库。

进一步的，所述步骤e中通过基于inceptionresnet和resnext的深度学习网络进行推理。

进一步的，所述步骤f中满足人脸识别要求的条件为人脸质量得分大于或等于80分。

相对于现有技术，本发明所述的异构图像人脸识别目标库生成方法具有以下优势：

本发明所述的异构图像人脸识别目标库生成方法包括异构图像类型诊断部分和多维度图像质量评价部分，异构图像诊断部分实现图像类型诊断并统一转换成图像质量为95％的标准jpeg图像；多维度图像质量评价部分从表情，眼镜，遮挡，瞳距，姿态，亮度，对比度，浓妆，运动模糊，高斯模糊，几何畸变等维度进行质量评价；对于满足要求的图像生成目标库，对于未满足要求的图像返回不满足要求维度的信息；在一定程度上提高了面向大众的大规模人脸识别目标库生成的效率，节省了异构图像人脸图像采集的时间。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的异构图像人脸识别目标库生成方法流程图；

图2为异构图像类型诊断流程图；

图3为多维度图像质量评估示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1至图3所示，异构图像人脸识别目标库生成方法,包括以下步骤：

a.汇集采集图像，把采集到的异构图像汇集起来；

b.检查图像是否损坏，把所有损坏图像输入到不满足人脸识别要求图像库；

c.诊断未损坏图像的图像类型并统一转化为标准jpeg格式；

d.检查瞳距是否满足大于或等于30像素的要求，如果检测到人脸并且瞳距满足要求则进入步骤e；否则，将图像输出到不满足人脸识别要求图像库；

e.推理出图像多维度信息；

f.根据推理出的多维度信息评估图像是否满足人脸识别要求，如果满足则将图像输出到人脸识别图像目标库，否则输出到不满足人脸识别要求图像库；

g.重复步骤c-f，生成人脸识别目标库；

h.将不满足人脸识别要求目标库信息输出，重新采集，重复步骤a-g，生成最终人脸识别目标库。

所述步骤e中通过基于inceptionresnet和resnext的深度学习网络进行推理。

所述步骤f中满足人脸识别要求的条件为人脸质量得分大于或等于80分。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.异构图像人脸识别目标库生成方法，其特征在于，包括以下步骤：

a.汇集采集图像；

b.检查图像是否损坏，把所有损坏图像输入到不满足人脸识别要求图像库；

c.诊断未损坏图像的图像类型并统一转化为标准jpeg格式；

d.检查瞳距是否满足大于或等于30像素的要求，如果检测到人脸并且瞳距满足要求则进入步骤e；否则，将图像输出到不满足人脸识别要求图像库；

e.推理出图像多维度信息；

f.根据推理出的多维度信息评估图像是否满足人脸识别要求，如果满足则将图像输出到人脸识别图像目标库，否则输出到不满足人脸识别要求图像库；

g.重复步骤c-f，生成人脸识别目标库；

h.将不满足人脸识别要求目标库信息输出，重新采集，重复步骤a-g，生成最终人脸识别目标库。

2.根据权利要求1所述的异构图像人脸识别目标库生成方法，其特征在于：所述步骤e中通过基于inceptionresnet和resnext的深度学习网络进行推理。

3.根据权利要求1所述的异构图像人脸识别目标库生成方法，其特征在于：所述步骤f中满足人脸识别要求的条件为人脸质量得分大于或等于80分。

技术总结
本发明提供了一种异构图像人脸识别目标库生成方法，包括以下步骤：A.汇集采集图像；B.检查图像是否损坏；C.诊断未损坏图像的图像类型并统一转化为标准JPEG格式；D.检查瞳距是否满足要求，如果检测到人脸并且瞳距满足要求则进入步骤E；E.推理出图像多维度信息；F.根据推理出的多维度信息评估图像是否满足人脸识别要求，如果满足则将图像输出到人脸识别图像目标库；G.重复步骤C‑F，生成人脸识别目标库；H.将不满足人脸识别要求目标库信息输出，重新采集，重复步骤A‑G，生成最终人脸识别目标库。本发明有益效果：在一定程度上提高了面向大众的大规模人脸识别目标库生成的效率，节省了异构图像人脸图像采集的时间。

技术研发人员：王志保;陈澎祥;李森;肖萌璐;段廷银
受保护的技术使用者：天地伟业技术有限公司
技术研发日：2019.12.12
技术公布日：2020.04.21