一种人脸图像的评价方法、装置及设备与流程

本发明涉及图像处理技术领域，特别是涉及一种人脸图像的评价方法、装置及设备。

背景技术：

随着多媒体技术等的发展，人脸图像越来越重要。如视频监控领域，通过抓取人脸图像，进行人脸识别，进而实现对监控区域的人进行监控；智能拍摄领域，拍摄人脸图像，通过人脸识别可以对人脸图像进行后续的处理，如对人脸图像的亮度、色度等进行调整等。

可以看出，人脸图像是进行人脸识别的基础，人脸图像的好坏直接影响人脸识别的准确性，尤其是在人脸图像质量较差的情况下，极大程度地增加了人脸识别误判的概率。如此，对人脸图像的质量进行评价就显得尤为重要。

技术实现要素：

本发明实施例的目的在于提供一种人脸图像的评价方法、装置及设备，以提高人脸识别的精确度。具体技术方案如下：

第一方面，本发明实施例提供了一种人脸图像的评价方法，包括：

获取待检测图像；

通过人脸检测算法，确定所述待检测图像的人脸检测区域以及人脸特征点；

确定所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系；

根据所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系，确定人脸评价指标。

可选的，所述人脸特征点包括：两眼、鼻尖、左嘴角和右嘴角；所述两眼包括左眼和右眼；

所述确定所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系，包括：

确定所述两眼之间水平方向的距离与所述人脸检测区域的宽的第一比值、所述两眼之间垂直方向的距离与所述人脸检测区域的高的第二比值以及所述鼻尖与所述两眼连线的中垂线的距离；

所述根据所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系，确定人脸评价指标，包括：

根据所述第一比值、所述第二比值以及所述鼻尖与所述两眼连线的中垂线的距离，确定所述人脸评价指标。

可选的，所述人脸评价指标与所述第一比值正相关；所述人脸评价指标与所述鼻尖与所述两眼连线的中垂线的距离负相关。

可选的，在所述通过人脸检测算法，确定所述待检测图像的人脸检测区域以及人脸特征点之后，所述方法还包括：

确定所述人脸检测区域与所述待检测图像的大小比例；

所述根据所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系，确定人脸评价指标，包括：

根据所述人脸特征点与所述人脸检测区域的比例关系、所述人脸特征点之间的位置关系以及所述大小比例，确定人脸评价指标。

可选的，在所述根据所述人脸特征点与所述人脸检测区域的比例关系、所述人脸特征点之间的位置关系以及所述大小比例，确定人脸评价指标之后，所述方法还包括：

判断所述人脸评价指标是否高于预设阈值；

当所述人脸评价指标高于所述预设阈值时，确定所述人脸评价指标对应的所述待检测图像为目标图像。

可选的，所述人脸检测算法包括多任务级联卷积神经网络mtcnn算法，所述人脸检测区域包括矩形框区域。

第二方面，本发明实施例提供了一种人脸图像的评价装置，包括：

获取模块，用于获取待检测图像；

第一确定模块，用于通过人脸检测算法，确定所述待检测图像的人脸检测区域以及人脸特征点；

第二确定模块，用于确定所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系；

第三确定模块，用于根据所述人脸特征点与所述人脸检测区域的比例关系以及所述人脸特征点之间的位置关系，确定人脸评价指标。

可选的，所述人脸特征点包括：两眼、鼻尖、左嘴角和右嘴角；所述两眼包括左眼和右眼；

所述第二确定模块，具体用于确定所述两眼之间水平方向的距离与所述人脸检测区域的宽的第一比值、所述两眼之间垂直方向的距离与所述人脸检测区域的高的第二比值以及所述鼻尖与所述两眼连线的中垂线的距离；

所述第三确定模块，具体用于根据所述第一比值、所述第二比值以及所述鼻尖与所述两眼连线的中垂线的距离，确定所述人脸评价指标。

可选的，所述人脸评价指标与所述第一比值正相关；所述人脸评价指标与所述鼻尖与所述两眼连线的中垂线的距离负相关。

可选的，所述装置还包括：

第四确定模块，用于确定所述人脸检测区域与所述待检测图像的大小比例；

所述第三确定模块，用于根据所述人脸特征点与所述人脸检测区域的比例关系、所述人脸特征点之间的位置关系以及所述大小比例，确定人脸评价指标。

可选的，所述装置还包括：

判断模块，用于在所述根据所述人脸特征点与所述人脸检测区域的比例关系、所述人脸特征点之间的位置关系以及所述大小比例，确定人脸评价指标之后，判断所述人脸评价指标是否高于预设阈值；

第五确定模块，用于当所述人脸评价指标高于所述预设阈值时，确定所述人脸评价指标对应的所述待检测图像为目标图像。

可选的，所述人脸检测算法包括多任务级联卷积神经网络mtcnn算法，所述人脸检测区域包括矩形框区域。

第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现第一方面所述的方法步骤。

在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法步骤。

在本发明实施的又一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法步骤。

本发明实施例提供的人脸图像的评价方法、装置及设备，可以获取待检测图像；通过人脸检测算法，确定待检测图像的人脸检测区域以及人脸特征点；确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系；根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定人脸评价指标。本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1为本发明实施例提供的人脸图像的评价方法的一种流程图；

图2(a)为本发明实施例中人脸不同状态及人脸特征点的一种示意图；

图2(b)为本发明实施例中人脸不同状态及人脸特征点的另一种示意图；

图2(c)为本发明实施例中人脸不同状态及人脸特征点的另一种示意图；

图2(d)为本发明实施例中人脸不同状态及人脸特征点的另一种示意图；

图2(e)为本发明实施例中人脸不同状态及人脸特征点的另一种示意图；

图2(f)为本发明实施例中人脸不同状态及人脸特征点的另一种示意图；

图3(a)为本发明实施例中人脸不同状态下人脸监测区域及人脸特征点的一种示意图；

图3(b)为本发明实施例中人脸不同状态下人脸监测区域及人脸特征点的另一种示意图；

图4为本发明实施例提供的人脸图像的评价方法的另一种流程图；

图5(a)为本发明实施例中的一种评分结果示意图；

图5(b)为本发明实施例中的另一种评分结果示意图；

图5(c)为本发明实施例中的另一种评分结果示意图；

图5(d)为本发明实施例中的另一种评分结果示意图；

图5(e)为本发明实施例中的另一种评分结果示意图；

图5(f)为本发明实施例中的另一种评分结果示意图；

图6为本发明实施例提供的人脸图像的评价方法的另一种流程图；

图7为本发明实施例提供的人脸图像的评价装置的结构示意图；

图8为本发明实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。

人脸图像是进行人脸识别的基础，人脸图像的好坏直接影响人脸识别的准确性，尤其是在人脸图像质量较差的情况下，极大程度地增加了人脸识别误判的概率。如此，对人脸图像的质量进行评价就显得尤为重要。

其中，对人脸图像的质量进行评价可以理解为对人脸图像中包括的人脸是否端正、清晰等进行评价。

例如，在肖像拍摄、尤其是智能拍摄中，通常摄像机无法自动判定当前照片人脸是否清晰、端正，这会使得最终拍摄的照片是侧脸、太小等，这对人脸识别等工作会加大错判、误判的概率。因此，一种主动感知当前拍摄的人脸图像中的人脸是否清晰、端正的方式就十分重要。

本发明实施例中，通过待检测图像的人脸检测区域以及人脸特征点，确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，并根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的端正程度的评价指标。同时，可以确定人脸检测区域与待检测图像的大小比例；根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及该大小比例，确定用于评价待检测图像中人脸的端正程度和清晰程度的评价指标。如此，可以客观地评价人脸图像中人脸的端正程度、端正及清晰程度，判断得到的人脸图像中人脸是否端正、清晰，进一步提高人脸识别的精确度。

下面对本发明实施例提供的人脸图像的评价方法进行详细说明。

本发明实施例提供的人脸图像的评价方法，可以应用于电子设备，具体地，电子设备可以是终端、服务器、处理器等等。

本发明实施例提供了一种人脸图像的评价方法，如图1所示，可以包括：

s101，获取待检测图像。

待检测图像可以是电子设备从其他装置获取到的图像，或者电子设备本身包含图像采集模块，待检测图像可以是电子设备通过图像采集模块直接获取到的图像。

待检测图像可以是智能拍摄中抓取的包含人脸的图像，可以是视频监控领域拍摄的包含人脸的图像，等等。

s102，通过人脸检测算法，确定待检测图像的人脸检测区域以及人脸特征点。

人脸检测算法可以包括：基于直方图粗分割和奇异值特征的人脸检测算法、基于二进小波变换的人脸检测算法、基于adaboost算法的人脸检测算法、基于面部双眼结构特征的人脸检测算法，等等。另外，确定人脸检测区域和确定人脸特征点可以通过人脸检测算法同时进行；也可以分开进行。

本发明实施例不对人脸检测算法的方式进行限定，任何可以实现人脸检测的形式均在本发明实施例的保护范围内。

一种可实现方式中，人脸检测算法包括多任务级联卷积神经网络(multi-taskconvolutionalneuralnetworks，mtcnn)算法，人脸检测区域可以包括矩形框区域。mtcnn可以同时检测人脸检测区域以及人脸特征点，能够提高检测的效率。

人脸特征点可以包括人脸中的五官。具体地，人脸特征点可以包括：两眼、鼻尖、左嘴角和右嘴角，两眼包括左眼和右眼。如图2(a)、图2(b)、图2(c)、图2(d)、图2(e)和图2(f)中小黑圆圈所示。

s103，确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系。

人脸特征点与人脸检测区域的比例关系可以包括：两眼之间的距离与人脸检测区域的比值、鼻子与嘴巴之间的距离与人脸检测区域的比值，等等。

人脸特征点之间的位置关系可以包括：两眼之间的距离、鼻尖相对于两眼连线的中垂线的距离、嘴巴相对于两眼连线的中垂线的距离，等等。

当确定人脸检测区域和人脸特征点，可以确定该人脸检测区域的位置、尺寸等信息，以及各个人脸特征点的位置信息等，如各个人脸特征点的坐标。如此，可以根据人脸特征点的位置信息、以及人脸检测区域的位置、尺寸等信息，确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系。如两眼之间的距离与人脸检测区域的比值、鼻子与嘴巴之间的距离与人脸检测区域的比值；两眼之间的距离、鼻尖相对于两眼连线的中垂线的距离、嘴巴相对于两眼连线的中垂线的距离，等等。

s104，根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定人脸评价指标。

此处的人脸评价指标为用于评价待检测图像中人脸的端正程度的评价指标。

人脸图像中人脸处于不同状态时，人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系是不同的。因此，可以根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的端正程度的评价指标。

本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

分析图2(a)、图2(b)、图2(c)、图2(d)、图2(e)和图2(f)可以看出，图2(a)、图2(b)、图2(c)中人脸图像中人脸是正脸；图2(d)、图2(e)、图2(f)中人脸图像中人脸是侧脸。分析图2(a)、图2(b)、图2(c)和图2(d)、图2(e)、图2(f)可以看出，图2(a)、图2(b)、图2(c)中人脸图像中人脸是正脸；图2(d)、图2(e)、图2(f)中人脸图像中人脸是侧脸。在5个人脸特征点，正脸和侧脸最大的区分是鼻尖的相对位置，当脸部为正脸时，鼻尖总是在两眼连线的中垂线附近，而当拍摄到的人脸是侧脸时，鼻尖的位置总是与两眼连线的中垂线距离较远，以图2(f)为例，鼻尖在两眼连线的中垂线左边，则可以判断该人脸朝左看。且其距离越远，说明越侧面。如此，可以将鼻尖相对两眼连线的中垂线的相对位置作为估算人脸偏离程度的依据，通过鼻尖相对两眼连线的中垂线的相对位置，估算人脸偏离正面的程度，也可以理解为侧脸的侧面程度等，即确定人脸的端正程度。

本发明一种可选的实施例中，步骤s103：确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，可以包括：

确定两眼之间水平方向的距离与人脸检测区域的宽的第一比值、两眼之间垂直方向的距离与人脸检测区域的高的第二比值以及鼻尖与两眼连线的中垂线的距离。

步骤s104：根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定人脸评价指标，可以包括：

根据第一比值、第二比值以及鼻尖与两眼连线的中垂线的距离，确定人脸评价指标。

具体地，人脸评价指标与第一比值正相关。即人脸评价指标随着第一比值的增大而增大，随着第一比值的减小而减小。

人脸评价指标与鼻尖与两眼连线的中垂线的距离负相关。即人脸评价指标随着鼻尖与两眼连线的中垂线的距离的增大而减小，随着鼻尖与两眼连线的中垂线的距离的减小而增大。

一种具体实施例中，如图3(a)和图3(b)所示，待检测图像301，待检测图像的人脸检测区域如矩形框302所示，两眼连线的中垂线如虚线303所示。

具体地，待检测图像301的宽为w，高为h，待检测图像301的人脸检测区域，如人脸检测框302的高为hf，宽为wf；人脸特征点中左眼坐标为(x1,y1)，右眼坐标为(x2,y2)，鼻尖坐标为(x3,y3)。

检测的人脸越端正，两眼的间距与人脸检测框的比值越大，且两眼在水平位置，意味人脸没有旋转，具体地可以通过如下公式(1-1)表示。

其中，为第一比值，为第二比值。

鼻尖尽量靠近两眼连线的中垂线，具体地可以通过如下公式(1-2)表示。

其中，为鼻尖与两眼连线的中垂线的距离。

在上述实施例的基础上，本发明一种可选的实施例中，在步骤s102：通过人脸检测算法，确定待检测图像的人脸检测区域以及人脸特征点之后，如图4所示，还可以包括：

s105，确定人脸检测区域与待检测图像的大小比例。

一般情况下，人脸检测区域的尺寸越大表示人脸图像越清晰。具体地，可以通过如下公式(1-3)表示。

argmax(hf),argmax(wf)(1-3)

为了避免待检测图像尺寸的不同，导致单一地通过人脸检测区域本身的尺寸确定人脸检测区域大小造成的误差，可以确定人脸检测区域与待检测图像的大小比例，以确定人脸检测区域所占待检测图像的大小。

步骤s104：根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定人脸评价指标，可以包括：

s1041，根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及该大小比例，确定人脸评价指标。

此处的人脸评价指标为用于评价待检测图像中人脸的端正程度和清晰程度的评价指标。即该人脸评价指标可以用于评价待检测图像中人脸的端正程度和清晰程度，表示待检测图像中人脸是否端正且清晰。

在上述实施例中确定用于评价待检测图像中人脸的端正程度的评价指标时，可以同时考虑待检测图像中人脸的清晰程度。可以根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的端正程度的评价指标，若同时考虑影响人脸的清晰程度的因素，如人脸检测区域与待检测图像的大小比例，则可以根据根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及人脸检测区域与待检测图像的大小比例，确定用于评价待检测图像中人脸的端正程度和清晰程度的评价指标。

具体地，可以根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及该大小比例，通过预设公式，确定人脸评价指标。

预设公式可以包括如下评分公式(1-4)：

其中，pface_prob为得到的评分，即为人脸评价指标，a为人脸检测框尺寸的权值，一种可实现方式中，可以将人脸检测框尺寸的权值a设置为0.5。

公式(1-4)中综合考虑人脸图像中人脸的清晰程度以及端正程度，具体地，人脸检测框区域尺寸的大小；人脸检测区域与人脸特征点之间的关系，如两眼之间水平方向的距离与人脸检测区域的宽的第一比值、两眼之间垂直方向的距离与人脸检测区域的高的第二比值；人脸特征点之间的关系，如鼻尖与两眼连线的中垂线的距离。

图5(a)、图5(b)、图5(c)、图5(d)、图5(e)及图5(f)这一组图片显示了使用公式(1-4)对人脸不同角度的人脸图像进行评分，其中，人脸检测框尺寸的权值a为0.5，评分在每张图片的左上角。图5(a)中仰头时对应地评分：0.374；图5(b)中低头时对应地评分：0.483；图5(c)中脸部向左偏转时对应地评分：0.076；图5(d)中向右偏转时对应地评分：0.008；图5(e)中人脸拉远时对应地评分：0.518；图5(f)中人脸端正且拉近时对应地评分：0.742。可以理解为图5(f)为这一组图片中人脸端正且清晰的最佳图片。

可以看出，评分是有效的，无论是人脸朝上还是朝下，朝左还是朝右，或者距离拉远，都没有较近距离且端正的人脸评分高。只有人脸清晰且端正时，才有更高的评分。

如此，可以在人脸主动感知任务中选取拍摄过程中捕捉到的清晰程度及端正程度最高的图片，作为人脸主动感知任务中的捕捉结果。

本发明实施例中，利用人脸检测和少数面部关键点，即人脸特征点，确定了一种评价人脸的端正程度以及清晰程度的评分机制，能够对人脸图像进行评价，可以提高人脸识别、人脸抓拍等的识别能力，如识别精确度。且可以自动地确定用于评价待检测图像中人脸的端正程度的评价指标，用于评价待检测图像中人脸的端正程度和清晰程度的评价指标，如此，能够快速高效地确定人脸的端正程度以及清晰程度，可以提高人脸识别、人脸抓拍等的效率。同时，可以为主动式拍摄设备提供指导，如为监控摄像机、智能相机等提供拍摄指导。

在上述实施例的基础上，本发明一种可选的实施例中，在步骤s106：根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及大小比例，确定人脸评价指标之后，如图6所示，还可以包括：

s107，判断人脸评价指标是否高于预设阈值。

s108，当人脸评价指标高于预设阈值时，确定人脸评价指标对应的待检测图像为目标图像。

预设阈值可以根据实际应用来确定。具体地，可以基于不同的应用对人脸端正程度及清晰程度要求的不同，确定对应的预设阈值。如此，可以依据该预设阈值选择满足需求的图像。

为了选择出更清晰、端正的人脸图像，可以选取人脸评价指标高于预设阈值的待检索图像为待选择的目标图像。

如此，可以根据不同的需求，选择出满足要求的端正且清晰的图像。

本发明实施例还提供了一种人脸图像的评价装置，如图7所示，包括：

获取模块701，用于获取待检测图像；

第一确定模块702，用于通过人脸检测算法，确定待检测图像的人脸检测区域以及人脸特征点；

第二确定模块703，用于确定人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系；

第三确定模块704，用于根据人脸特征点与人脸检测区域的比例关系以及人脸特征点之间的位置关系，确定人脸评价指标。

本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

可选的，人脸特征点包括：两眼、鼻尖、左嘴角和右嘴角；两眼包括左眼和右眼；

第二确定模块703，具体用于确定两眼之间水平方向的距离与人脸检测区域的宽的第一比值、两眼之间垂直方向的距离与人脸检测区域的高的第二比值以及鼻尖与两眼连线的中垂线的距离；

第三确定模块704，具体用于根据第一比值、第二比值以及鼻尖与两眼连线的中垂线的距离，确定人脸评价指标。

可选的，人脸评价指标与第一比值正相关；人脸评价指标与鼻尖与两眼连线的中垂线的距离负相关。

可选的，该装置还包括：

第四确定模块，用于确定人脸检测区域与待检测图像的大小比例；

第三确定模块704，具体用于根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及大小比例，确定人脸评价指标。

可选的，该装置还包括：

判断模块，用于在根据人脸特征点与人脸检测区域的比例关系、人脸特征点之间的位置关系以及大小比例，确定人脸评价指标之后，判断人脸评价指标是否高于预设阈值；

第五确定模块，用于当人脸评价指标高于预设阈值时，确定人脸评价指标对应的待检测图像为目标图像。

可选的，人脸检测算法包括多任务级联卷积神经网络mtcnn算法，人脸检测区域包括矩形框区域。

需要说明的是，本发明实施例提供的人脸图像的评价装置是应用上述人脸图像的评价方法的装置，则上述人脸图像的评价方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。

本发明实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信。

存储器803，用于存放计算机程序；

处理器801，用于执行存储器803上所存放的程序时，实现上述实施例中人脸图像的评价方法的方法步骤。

本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

上述电子设备提到的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(randomaccessmemory，简称ram)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(field－programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中人脸图像的评价方法的方法步骤。

本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中人脸图像的评价方法的方法步骤。

本发明实施例中，可以根据待检测图像中人脸特征点与人脸检测区域的比例关系，以及人脸特征点之间的位置关系，确定用于评价待检测图像中人脸的人脸评价指标。如此，能够对人脸图像进行评价，提高人脸识别的精确度。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、计算机可读存储介质及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。