光照检查，则确 定待检测人脸图像的质量合格。
[0133] 在一个实施例中，所述程序代码在被所述处理器430运行时，使得所述人脸图像处 理系统400所执行的利用灰度直方图特征计算待检测人脸图像的光照情况包括:分别针对 待检测人脸图像中的一个或多个人脸区域抽取灰度直方图特征，W获得一个或多个待检测 直方图；计算一个或多个待检测直方图中的每一个的特定百分比位置处的亮度值，W获得 与一个或多个直方图位置一一对应的一个或多个待检测亮度值，其中，一个或多个直方图 位置分别具有各自的预定亮度值均值；W及如果在一个或多个待检测亮度值中，存在预定 数目的待检测亮度值与对应的预定亮度值均值之差超过一个阔值，则确定待检测人脸图像 未通过光照检查。
[0134] 在一个实施例中，所述程序代码在被所述处理器430运行时，还使得所述人脸图像 处理系统400执行:获得第Ξ训练人脸图像集合;对于第Ξ训练人脸图像集合中的每一个训 练人脸图像，分别针对该训练人脸图像中的一个或多个人脸区域抽取灰度直方图特征，W 获得与该训练人脸图像相关的一个或多个训练直方图；计算一个或多个训练直方图中的每 一个的特定百分比位置处的亮度值，W获得与该训练人脸图像相关的、与一个或多个直方 图位置一一对应的一个或多个训练亮度值;对于一个或多个直方图位置中的每一个，计算 与第Ξ训练人脸图像集合中的所有训练人脸图像相关的、与该直方图位置相对应的所有训 练亮度值的均值，W获得该直方图位置的预定亮度值均值。
[0135] 在一个实施例中，所述程序代码在被所述处理器430运行时，使得所述人脸图像处 理系统400所执行的根据人脸角度判断待检测人脸图像是否通过人脸姿态检查包括:如果 人脸角度小于角度阔值，则确定待检测人脸图像通过人脸姿态检查;和/或所述程序代码在 被所述处理器430运行时，使得所述人脸图像处理系统400所执行的根据模糊程度判断待检 测人脸图像是否通过图像模糊检查包括:如果模糊程度小于模糊阔值，则确定待检测人脸 图像通过图像模糊检查；和/或所述程序代码在被所述处理器430运行时，使得所述人脸图 像处理系统400所执行的根据一个或多个人脸关键部位的遮挡状态判断待检测人脸图像是 否通过人脸遮挡检查包括:如果一个或多个人脸关键部位均未被遮挡，则确定人脸图像通 过人脸遮挡检查。
[0136] 此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了计算 机程序指令，在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发 明实施例的人脸图像处理方法的相应步骤，并且用于实现根据本发明实施例的人脸图像处 理装置中的相应模块。所述存储介质例如可W包括智能电话的存储卡、平板电脑的存储部 件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器化PROM)、便携式紧致 盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
[0137] 在一个实施例中，所述计算机程序指令在被计算机或处理器运行时可W实现根据 本发明实施例的人脸图像处理装置的各个功能模块，并且/或者可W执行根据本发明实施 例的人脸图像处理方法。
[0138] 在一个实施例中，所述计算机程序指令在被计算机运行时，使得所述计算机执行 W下步骤:接收待检测人脸图像；W及利用至少一种训练好的深度卷积网络评估待检测人 脸图像的质量。
[0139] 在一个实施例中，所述计算机程序指令在被计算机运行时，使得所述计算机所执 行的利用至少一种训练好的深度卷积网络评估待检测人脸图像的质量包括:利用所述至少 一种训练好的深度卷积网络对待检测人脸图像执行特定检查操作，并且如果待检测人脸图 像通过特定检查操作中的所有检查，则确定待检测人脸图像的质量合格，其中，特定检查操 作包括W下检查操作中的一项或多项:利用关于人脸姿态的深度卷积网络计算待检测人脸 图像的人脸角度，并根据待检测人脸图像的人脸角度判断待检测人脸图像是否通过人脸姿 态检查;利用关于图像模糊的深度卷积网络计算待检测人脸图像的模糊程度，并根据待检 测人脸图像的模糊程度判断待检测人脸图像是否通过图像模糊检查；W及利用关于人脸遮 挡的深度卷积网络计算待检测人脸图像中的一个或多个人脸关键部位的遮挡状态，并根据 待检测人脸图像中的一个或多个人脸关键部位的遮挡状态判断待检测人脸图像是否通过 人脸遮挡检查。
[0140] 在一个实施例中，所述计算机程序指令在被计算机运行时，还使得计算机执行:基 于第一训练人脸图像集合通过深度学习方法训练神经网络，W得到关于人脸姿态的深度卷 积网络，其中，第一训练人脸图像集合中的每个训练人脸图像的人脸角度是已标注好的。
[0141] 在一个实施例中，所述计算机程序指令在被计算机运行时，还使得计算机执行:基 于第二训练人脸图像集合通过深度学习方法训练神经网络，W得到关于图像模糊的深度卷 积网络，其中，第二训练人脸图像集合中的每个训练人脸图像的模糊程度是已标注好的。
[0142] 在一个实施例中，在所述计算机程序指令在被计算机运行时使得计算机所执行的 基于第二训练人脸图像集合通过深度学习方法训练神经网络，W得到关于图像模糊的深度 卷积网络之前，所述计算机程序指令在被计算机运行时还使得计算机执行:获得第一初始 人脸图像集合；W及利用预定高斯核和预定运动模糊核对第一初始人脸图像集合中的每个 初始人脸图像进行卷积，W生成第二训练人脸图像集合。
[0143] 在一个实施例中，所述计算机程序指令在被计算机运行时使计算机所执行的利用 关于人脸遮挡的深度卷积网络计算待检测人脸图像中的一个或多个人脸关键部位的遮挡 状态包括:从待检测人脸图像中提取包含一个或多个人脸关键部位的至少一个图像块；W 及利用与一个或多个人脸关键部位一一对应的一个或多个关于人脸遮挡的深度卷积网络 计算所述至少一个图像块中的每一个中的对应的人脸关键部位的遮挡状态。
[0144] 在一个实施例中，所述计算机程序指令在被计算机运行时还使得计算机执行:分 别基于与一个或多个人脸关键部位一一对应的一个或多个训练图像块集合通过深度学习 方法训练神经网络，W得到与所述一个或多个人脸关键部位一一对应的一个或多个关于人 脸遮挡的深度卷积网络，其中，一个或多个训练图像块集合中的对应人脸关键部位的遮挡 状态是已标注好的。
[0145] 在一个实施例中，在所述计算机程序指令在被计算机运行时所执行的分别基于与 一个或多个人脸关键部位一一对应的一个或多个训练图像块集合通过深度学习方法训练 神经网络，W得到与所述一个或多个人脸关键部位一一对应的一个或多个关于人脸遮挡的 深度卷积网络之前，所述计算机程序指令在被计算机运行时还使得计算机执行:对于一个 或多个人脸关键部位中的每一个，获得第二初始人脸图像集合和第Ξ初始人脸图像集合， 其中，该人脸关键部位在第二初始人脸图像集合中未被遮挡，并且该人脸关键部位在第Ξ 初始人脸图像集合中被遮挡;从第二初始人脸图像集合中提取包含该人脸关键部位的正样 本图像块作为与该人脸关键部位对应的训练图像块集合中的正样本，并且从第Ξ初始人脸 图像集合中提取负样本图像块作为与该人脸关键部位对应的训练图像块集合中的负样本， 其中，所述负样本图像块中的该人脸关键部位被遮挡。
[0146] 在一个实施例中，所述计算机程序指令在被计算机运行时，还使得所述计算机进 一步执行:基于待检测人脸图像的光照情况评估待检测人脸图像的质量；W及根据利用至 少一种训练好的深度卷积网络评估待检测人脸图像的质量的第一评估结果W及基于待检 测人脸图像的光照情况评估待检测人脸图像的质量的第二评估结果综合评估待检测人脸 图像的质量。
[0147] 在一个实施例中，所述计算机程序指令在被计算机运行时使计算机所执行的基于 所述待检测人脸图像的光照情况评估所述待检测人脸图像的质量包括:利用灰度直方图特 征计算待检测人脸图像的光照情况，并根据待检测人脸图像的光照情况判断待检测人脸图 像是否通过光照检查，如果待检测人脸图像通过光照检查，则确定待检测人脸图像的质量 合格。
[0148] 在一个实施例中，所述计算机程序指令在被计算机运行时使所述计算机所执行的 利用灰度直方图特征计算待检测人脸图像的光照情况包括:分别针对待检测人脸图像中的 一个或多个人脸区域抽取灰度直方图特征，W获得一个或多个待检测直方图；计算一个或 多个待检测直方图中的每一个的特定百分比位置处的亮度值，W获得与一个或多个直方图 位置一一对应的一个或多个待检测亮度值，其中，一个或多个直方图位置分别具有各自的 预定亮度值均值；W及如果在一个或多个待检测亮度值中，存在预定数目的待检测亮度值 与对应的预定亮度值均值之差超过一个阔值，则确定待检测人脸图像未通过光照检查。
[0149] 在一个实施例中，所述计算机程序指令在被计算机运行时还使得计算机执行:获 得第Ξ训练人脸图像集合;对于第Ξ训练人脸图像集合中的每一个训练人脸图像，分别针 对该训练人脸图像中的一个或多个人脸区域抽取灰度直方图特征，W获得与该训练人脸图 像相关的一个或多个训练直方图；计算一个或多个训练直方图中的每一个的特定百分比位 置处的亮度值，W获得与该训练人脸图像相关的、与一个或多个直方图位置一一对应的一 个或多个训练亮度值;对于一个或多个直方图位置中的每一个，计算与第Ξ训练人脸图像 集合中的所有训练人脸图像相关的、与该直方图位置相对应的所有训练亮度值的均值，W 获得该直方图位置的预定亮度值均值。
[0150] 在一个实施例中，所述计算机程序指令在被计算机运行时使计算机所执行的根据 人脸角度判断待检测人脸图像是否通过人脸姿态检查包括:如果人脸角度小于角度阔值， 则确定待检测人脸图像通过人脸姿态检查;和/或所述计算机程序指令在被计算机运行时 所执行的根据模糊程度判断待检测人脸图像是否通过图像模糊检查包括:如果模糊程度小 于模糊阔值，则确定待检测人脸图像通过图像模糊检查;和/或所述计算机程序指令在被计 算机运行时所执行的根据一个或多个人脸关键部位的遮挡状态判断待检测人脸图像是否 通过人脸遮挡检查包括:如果一个或多个人脸关键部位均未被遮挡，则确定人脸图像通过 人脸遮挡检查。
[0151] 根据本发明实施例的人脸图像处理系统中的各模块可W通过根据本发明实施例 的实施人脸图像处理的电子设备的处理器运行在存储器中存储的计算机程序指令来实现， 或者可W在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机 指令被计算机运行时实现。
[0152] 根据本发明实施例的人脸图像处理方法及装置、人脸图像处理系统W及存储介 质，利用训练好的深度卷积网络可W准确评估待检测人脸图像的质量，有助于提高人脸识 别的准确性。
[0153] 尽管运里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性 的，并且不意图将本发明的范围限制于此。本领域普通技术人员可W在其中进行各种改变 和修改，而不偏离本发明的范围和精神。所有运些改变和修改意在被包括在所附权利要求 所要求的本发明的范围之内。
[0154] 本领域普通技术人员可W意识到，结合本文中所公开的实施例描述的各示例的单 元及算法步骤，能够W电子硬件、或者计算机软件和电子硬件的结合来实现。运些功能究竟 W硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员 可W对每个特定的应用来使用不同方法来实现所描述的功能，但是运种实现不应认为超出 本发明的范围。
[0155] 在本申请所提供的几个实施例中，应该理解到，所掲露的设备和方法，可W通过其 它的方式实现。例如，W上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅 仅为一种逻辑功能划分，实际实现时可W有另外的划分方式，例如多个单元或组件可W结 合或者可W集成到另一个设备，或一些特征可W忽略，或不执行。
[0156] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施 例可W在没有运些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构 和技术，W便不模糊对本说明书的理解。
[0157] 类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在 对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、 或者对其的描述中。然而，并不应将该本发明的的方法解释成反映如下意图：即所要求保护 的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的 权利要求书所反映的那样，其发明点在于可W用少于某个公开的单个实施例的所有特征的 特征来解决相应的技术问题。因此，遵循【具体实施方式】的权利要求书由此明确地并入该具 体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
[0158] 本领域的技术人员可W理解，除了特征之间相互排斥之外，可W采用任何组合对 本说明书(包括伴随的权利要求、摘要和附图）中公开的所有特征W及如此公开的任何方法 或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要 求、摘要和附图）中公开的每个特征可W由提供相同、等同或相似目的的替代特征来代替。
[0159] 此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例 中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的 范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一 都可任意的组合方式来使用。
[0160] 本发明的各个部件实施例可硬件实现，或者W在一个或者多个处理器上运行 的软件模块实现，或者W它们的组合实现。本领域的技术人员应当理解，可W在实践中使用 微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模 块的一些或者全部功能。本发明还可W实现为用于执行运里所描述的方法的一部分或者全 部的装置程序(例如，计算机程序和计算机程序产品）。运样的实现本发明的程序可W存储 在计算机可读介质上，或者可w具有一个或者多个信号的形式。运样的信号可w从因特网 网站上下载得到，或者在载体信号上提供，或者W任何其他形式提供。
[0161] 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领 域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中， 不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词"包含"不排除存在未 列在权利要求中的元件或步骤。位于元件之前的单词"一"或"一个"不排除存在多个运