一种面部筛选方法、装置、设备及存储介质与流程

技术特征：
1.一种面部筛选方法，其特征在于，所述方法包括：根据人脸检测模型，对任意面部图像的特征点做仿射变换，得到目标面部图像；根据面部分辨率评价算法，针对所述目标面部图像局部特征的空间分布，计算目标面部图像的分辨率；根据面部完整度评价算法，针对所述目标面部图像的关键点被遮蔽的情况，计算目标面部图像的面部完整度；根据面部姿态评价算法，判断所述目标面部图像是否处于正面部姿态；根据面部清晰度评价算法，计算所述目标面部图像中的特征参数；所述目标面部图像的特征参数包括像素平均值和方差；针对所述目标面部图像每个像素做归一化处理，得到新面部图像；针对所述新面部图像的每个像素，根据该像素的中心位置，计算该像素值与8个方向相邻像素的像素值乘积，并根据所述乘积确定该像素的特征参数，其中，每个方向像素值的乘积分别构成一副图像，具体计算方向包括：右侧、左侧、下方、上方、左下、左上、右下、右上；根据8个方向全部像素的特征参数，训练出新面部图像在机器学习模型中的训练参数；其中，所述全部像素的特征参数包括：像素的形状、像素明暗度的平均值、像素的左方差、像素的右方差；将目标面部图像的分辨率、面部完整度和目标面部图像是否为正面部姿态的结果，以及机器学习模型的训练参数按照面部图像指标进行匹配，所述面部图像指标包括：面部分辨率评价指标、面部完整度评价指标、面部姿态评价指标、面部清晰度评价指标；若所述匹配符合预设要求，则将目标面部图像确定为人脸识别样本人脸识别样本库图。2.根据权利要求1所述的方法，其特征在于，根据人脸检测模型，对任意面部图像的特征点做仿射变换，得到目标面部图像，包括：根据人脸检测模型，对任意面部图像进行面部检测和特征点定位，得到人脸区域和特征点的坐标，所述特征点包括左眼坐标和右眼坐标；将特征点的坐标对齐到仿射变换中指定坐标位置，得到对齐人脸后的目标面部图像。3.根据权利要求1所述的方法，其特征在于，根据面部清晰度评价算法，计算所述目标面部图像中的特征参数；所述目标面部图像的特征参数包括像素平均值和方差，包括：根据所述目标面部图像的每个像素的像素值进行求和，求和后取目标面部图像的像素平均值；根据目标面部图像的每个像素与像素平均值之差的平均数，确定方差。4.根据权利要求1所述的方法，其特征在于，针对所述新面部图像的每个像素，根据该像素的中心位置，计算该像素值与8个方向相邻像素的像素值乘积，并根据所述乘积确定该像素的特征参数，包括：针对所述新面部图像的每个像素，根据该像素的中心位置，计算该像素值与新面部图像右侧hr、左侧hl、下方vd、上方vu、左下ld、左上lu、右下rd、右上ru，8个方向相邻多个像素的像素值乘积；将所述乘积确定为该像素值与新面部图像8个方向相邻多个像素的特征参数，该乘积的特征参数包括：形状、平均值、左方差、右方差。
5.根据权利要求1所述的方法，其特征在于，根据8个方向全部像素的特征参数，训练出新面部图像在机器学习模型中的训练参数，包括：将所述8个方向全部像素的特征参数输入到机器学习模型中；计算所述全部像素的特征参数所对应特征向量的权重系数；根据特征向量的权重系数，确定全部像素特征向量的映射得分，该映射得分作为机器学习模型的训练参数。6.根据权利要求1所述的方法，其特征在于，将目标面部图像的分辨率、面部完整度和目标面部图像是否为正面部姿态的结果，以及机器学习模型的训练参数按照面部图像指标进行匹配，包括：将目标面部图像分辨率的结果与面部分辨率评价指标进行指标匹配；将面部完整度的结果与面部完整度评价指标进行指标匹配；将正面部姿态的结果与面部姿态评价指标进行指标匹配；将所述机器学习模型的训练参数与面部清晰度评价指标进行指标匹配。7.根据权利要求1所述的方法，其特征在于，若所述匹配符合预设要求，则将目标面部图像确定为人脸识别样本，包括：若所述目标面部图像的分辨率、所述面部完整度和所述正面部姿态的结果，以及所述机器学习模型的训练参数符合预设要求的匹配等级，则将确定为人脸识别样本，其中，所述匹配等级分别为上等、中等、下等。8.一种面部筛选装置，其特征在于，所述装置包括：获取模块，根据人脸检测模型，对任意面部图像的特征点做仿射变换，得到目标面部图像；第一评价模块，根据面部分辨率评价算法，针对所述目标面部图像局部特征的空间分布，计算目标面部图像的分辨率；第二评价模块，根据面部完整度评价算法，针对所述目标面部图像的关键点被遮蔽的情况，计算目标面部图像的面部完整度；第三评价模块，根据面部姿态评价算法，判断所述目标面部图像是否处于正面部姿态；处理模块，根据面部清晰度评价算法，对所述目标面部图像每个像素的像素值做归一化处理，得到新面部图像；第一计算模块，计算所述新面部图像的特征参数；所述新面部图像的特征参数包括像素平均值和方差；第二计算模块，针对所述新面部图像的每个像素，根据该像素的中心位置，计算该像素值与8个方向相邻像素的像素值乘积，并根据所述乘积确定该像素的特征参数，其中，每个方向像素值的乘积分别构成一副图像，具体计算方向包括：右侧、左侧、下方、上方、左下、左上、右下、右上；训练参数模块，根据8个方向全部像素的特征参数，训练出新面部图像在机器学习模型中的训练参数；其中，所述全部像素的特征参数包括：像素的形状、像素明暗度的平均值、像素的左方差、像素的右方差；指标匹配模块，将分辨率、面部完整度和目标面部图像是否正为面部姿态的结果，以及机器学习模型的训练参数按照面部图像指标进行匹配，所述面部图像指标包括：面部分辨
率评价指标、面部完整度评价指标、面部姿态评价指标、面部清晰度评价指标；确定模块，若所述匹配符合预设要求，则将目标面部图像确定为人脸识别样本。9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述方法的步骤。

技术总结
本申请提供了一种面部筛选方法、装置、设备及存储介质，应用于视觉图像处理技术领域，该方法根据人脸检测模型，对任意面部图像的特征点做仿射变换，得到目标面部图像；根据面部清晰度评价算法，计算目标面部图像中的特征参数；针对目标面部图像每个像素做归一化处理，得到新面部图像；针对新面部图像的每个像素，根据该像素的中心位置，计算该像素值与8个方向相邻像素的像素值乘积；根据8个方向全部像素的特征参数，训练出新面部图像在机器学习模型中的训练参数；将分辨率、面部完整度和目标面部图像是否正为面部姿态的结果，以及机器学习模型的训练参数按照面部图像指标进行匹配；若匹配符合预设要求，则将目标面部图像确定为人脸识别样本。人脸识别样本。人脸识别样本。


技术研发人员：白刚 姜卫平 郭忠武 李国华 韩煜 王荣芳
受保护的技术使用者：北京市博汇科技股份有限公司
技术研发日：2021.07.22
技术公布日：2021/10/28