移动端人脸图像无参考质量快速评估方法

摘要：

人工智能系统能够准确进行人脸识别的重要前提是,采集到的人脸图像数据足够清晰. 正确的对人脸图像质量进行评估,能够为后期的人脸识别提供指导性的意见. 本文针对移动端进行人脸识别时,由于人脸采集过程中常常会出现人脸图像模糊、姿态不正、昏暗等情况,从而导致人脸识别错误的问题,提出了一种基于深度学习的移动端人脸图像无参考质量评估方法.由于目前没有公开的用于评估人脸图像质量的数据集,本文采用自建数据集的形式进行实验. 首先对数据集中的人脸图像进行局部归一化预处理,然后利用该数据集通过迁移学习的方式对轻量级网络MobileNet 重新训练,并将训练得到的最终模型移植到手机上. 为了证明本文提出算法的优异性,对算法准确率、运行时间和CPU 占用率进行测量并和现有的优异算法DIIVINE 和 BRISQUE 进行比较,实验结果证明本文提出的方法能够快速准确的对人脸图像进行评估同时CPU 占用率较低,本文提出的方法有重要的应用价值.

关键词：无参考质量评估、人脸图像、移动端、MobileNet

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家重大科技专项2017ZX03001019 资助

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：407-412