(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 202210167415.2 (22)申请日 2022.02.23 (71)申请人 北京市农林科 学院 地址 100000 北京市海淀区西郊板 井 (72)发明人 李新荣　杨金凤　田壮　何文天　 宋大平　 (74)专利代理 机构 北京万思博知识产权代理有 限公司 1 1694 专利代理师 刘冀 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G07C 9/37(2020.01) (54)发明名称 一种图像样 本集的质量评估方法、 装置及存 储介质 (57)摘要 本申请公开了一种图像样本集的质量评估 方法、 装置及存储介质。 其中， 方法包括： 确定与 人脸样本图像中的人脸目标相关联的人脸采样 质量， 并根据人脸采样质量确定图像样本集的第 一评估参数； 根据人脸样本图像在不同人员类别 之间的分布， 确定图像样本集的第二评估参数； 根据图像样 本集中有效样本图像的数量， 确定图 像样本集的第三评估参数， 其中有效样本图像为 适于通过基于深度学习的模型确定类别的人脸 样本图像； 以及根据第一评估参数、 第二评估参 数以及第三评估参数对图像样本集的质量进行 评估。 权利要求书3页 说明书25页 附图7页 CN 114648788 A 2022.06.21 CN 114648788 A 1.一种用于训练人脸识别模型的图像样本集的质量评估方法， 其中所述人脸识别模型 用于安检设施， 并且所述图像样本集包括用于训练所述人脸识别模型的多个人脸样本图 像， 其特征在于， 方法包括： 确定与所述人脸样本图像中的人脸目标相关联的人脸采样质量， 并根据 所述人脸采样 质量确定所述图像样本集的第一评估参数； 根据所述人脸样本图像在不同人员类别之间的分布， 确定所述图像样本集的第 二评估 参数； 根据所述图像样本集中有效样本 图像的数量， 确定所述图像样本集的第三评估参数， 其中所述有效样本图像为 适于通过基于深度学习的模型确定类别的人脸样本图像； 以及 根据所述第 一评估参数、 所述第 二评估参数以及所述第 三评估参数对所述图像样本集 的质量进行评估。 2.根据权利要求1所述的方法， 其特征在于， 确定与所述人脸样本图像中的人脸目标相 关联的人脸采样质量的操作， 包括： 确定与所述人脸采样质量相关联的人脸采样参数； 以及 根据所确定的人脸采样参数， 确定所述人脸采样质量， 其中所述人脸采样参数包括以 下所述的至少一项参数： 所述人脸目标的尺寸； 所述人脸目标的姿态角度； 所述人脸目标的遮挡比例， 其中所述遮挡比例为所述人脸目标被遮挡物遮挡的图像区 域与所述人脸目标的图像区域的比例； 所述人脸目标的真伪值， 所述真伪值指示所述人脸目标 是否为真人 人脸； 以及 所述人脸目标的图像质量积分。 3.根据权利要求2所述的方法， 其特征在于， 确定所述人脸目标的尺寸的操作， 包括： 利 用预先训练的基于神经网络的人脸检测模型在所述人脸样本图像中确定与所述人脸目标 对应的人脸图像区域； 以及将所述人脸图像区域的尺寸确定为所述人脸 目标的尺寸， 并且 其中 确定所述人脸目标的姿态角度的操作， 包括： 利用预先训练的基于神经网络的人脸检 测模型在所述人脸样本图像中确定与所述人脸目标匹配的人脸图像区域； 利用预先训练的 基于神经网络的人脸翻滚角确定模型根据所述人脸图像区域确定所述人脸目标的翻滚角； 利用预先训练的基于神经网络的人脸俯仰角确定模型根据所述人脸图像区域确定所述人 脸目标的俯仰角； 以及利用预先训练的基于神经网络的人脸偏航角确定模 型根据所述人脸 图像区域确定所述人脸目标的偏航角， 并且其中 确定所述人脸目标的遮挡比例的操作， 包括： 利用预先训练的基于神经网络的人脸检 测模型在所述人脸样本图像中确定与所述人脸目标对应的人脸图像区域； 利用预先训练的 基于神经网络的遮挡物检测模型在所述人脸图像区域中检测与遮挡物对应的遮挡物图像 区域； 以及根据所述人脸图像区域以及所述遮挡物图像区域确定所述人脸目标的遮挡比 例， 并且其中 确定所述人脸目标的真伪值的操作， 包括： 利用预先训练的基于神经网络的人脸检测 模型在所述人脸样本图像中确定与所述人脸目标对应的人脸图像区域； 以及利用预先训练权　利　要　求　书 1/3 页 2 CN 114648788 A 2的基于神经网络的真人判定模型根据所述人脸图像区域确定所述人脸目标的真伪值， 并且 其中 确定所述人脸目标的图像质量积分的操作， 包括： 利用预先训练的基于神经网络的人 脸检测模型在所述人脸样本图像中确定与所述人脸目标对应的人脸图像区域； 确定与所述 人脸图像区域的清晰度相关的清晰度积分以及与所述人脸图像区域的曝光度相关的曝光 度积分； 以及根据所述人脸图像区域的清晰度积分以及曝光度积分， 确定所述人脸 目标的 图像质量积分。 4.根据权利要求1所述的方法， 其特征在于， 根据 所述人脸样本图像在不同人员类别之 间的分布， 确定所述图像样本集的第二评估参数的操作， 包括： 确定所述图像样本集的第 一分布参数， 其中所述第 一分布参数指示所述图像样本集的 人脸样本图像在预 先设置的多个年龄类别之间的分布质量； 确定所述图像样本集的第 二分布参数， 其中所述第 二分布参数指示所述图像样本集的 人脸样本图像在预 先设置的性别类别之间的分布质量； 确定所述图像样本集的第 三分布参数， 其中所述第 三分布参数指示所述图像样本集的 人脸样本图像在预 先设置的人种类别之间的分布质量； 以及 根据所述第一分布参数、 所述第二分布参数以及所述第三分布参数， 确定所述第二评 估参数。 5.根据权利要求4所述的方法， 其特征在于， 确定所述图像样本集的第 一分布参数的操 作包括： 确定所述图像样本集的第一分布向量， 其中所述第一分布向量的元素用于指示各 个年龄类别所对应的人脸样本图像在所述图像样本集中所占的比例； 获取第一分布基准向 量， 其中所述第一分布基准向量的元素用于指示各个年龄类别所对应的人脸样本图像的参 考比例； 以及根据所述第一分布向量与所述第一分布基准向量之间的相似度， 确定所述第 一分布参数， 并且其中 确定所述图像样本集的第 二分布参数的操作包括： 确定所述图像样本集的第 二分布向 量， 其中所述第二分布向量的元素用于指示各个性别类别所对应的人脸样本图像在所述图 像样本集中所占的比例； 获取第二分布基准向量， 其中所述第二分布基准向量的元素用于 指示各个性别类别所对应的人脸样本图像的参考比例； 以及根据所述第二分布向量与所述 第二分布基准向量之间的相似度， 确定所述第二分布参数， 并且其中 确定所述图像样本集的第 三分布参数的操作包括： 确定所述图像样本集的第 三分布向 量， 其中所述第三分布向量的元素用于指示各个人种类别所对应的人脸样本图像在所述图 像样本集中所占的比例； 获取第三分布基准向量， 其中所述第三分布基准向量的元素用于 指示各个人种类别所对应的人脸样本图像的参考比例； 以及根据所述第三分布向量与所述 第三分布基准向量之间的相似度， 确定所述第三分布参数。 6.根据权利要求1所述的方法， 其特征在于， 根据 所述图像样本集中有效样本图像的数 量， 确定所述图像样本集的第三评估参数的操作， 包括： 提取所述人脸样本图像的样本图像特 征； 根据所述样本图像特 征对所述人脸样本图像进行聚类， 从而生成多个样本类别； 确定所述有 效样本图像的数量， 其中所述有 效样本图像与相应的样本类别的核心之间 的特征距离小于预定阈值； 以及权　利　要　求　书 2/3 页 3 CN 114648788 A 3