作为生物识别技术的一种,搭载人脸识别功能的各类智能化产品已应用得非常普遍。但从产品体验而言,用户的感受却不尽相同。比如有能够在自行车骑行状态下,无需下车实现快速无感通行的小区人脸识别闸机。同时也会在使用部分产品时,遇到多次识别不通过、站在原处不停变换人脸角度等待识别通过的尴尬。
造成这一差距,除了算法自身鲁棒性和性能之外,由于模糊、遮挡、大角度、逆光暗光等复杂环境引起的人脸图像质量问题也会导致人脸识别准确率过低,需要多次重复识别才能成功,从而整体耗时被大大拉长。
我们知道当图像质量越差,那么人脸识别的准确率就越低。如果可以将人脸图像进行标准化评估,去除低质量图片,将筛选后质量符合标准的图像才送往下一个流程中,那么识别效率将大大提升。这就是实现人脸识别无感通行的一项重要技术——图像质量检测算法(FQ),《从零学习人脸识别》系列公开课第六期就对该算法进行了详细介绍。
人脸图像质量检测算法的原理
与人脸识别一样,图像质量检测算法(FQ)也是基于特征提取原理,通过神经网络从海量数据中学习获取人脸质量检测关注的特征(主要包括光线、模糊、角度、遮挡、表情、噪声等)并进行质量判断。每个特征以特定的数值来表示,比如下图的人脸特征向量为(0,1,0,1,1),即强光、中度模糊、中等遮挡、大角度、大表情。