人脸质量评估是通过对人脸图像进行特征分析和研究,从而得出人脸图像质量分数的方法。在卡口人脸识别系统中,因接收大量低质量人脸图像,存在识别准确率降低和运算负荷高的问题。而人脸质量评估是人脸识别的关键步骤,可为识别技术提供高质量的人脸图像,以提高识别系统的准确率和工作效率。为此,本文重点研究了基于多特征融合的卡口人脸质量评估方法。主要研究工作如下:1、针对卡口人脸受光照、视角变化影响的特点,提出基于多特征融合的人脸质量评估方法。首先对多种人脸的纹理特征采用双层评估架构,通过牛顿优化方法训练特征融合的权重,获得纹理特征融合的人脸质量评估算法。然后选择HOG(Histogram of Gradient)、GIST(Generalized Search Trees)、GABOR等多种表观相关的特征进行组合测试,确定最优人脸质量评估算法。最后将评估算法结合SeetaFace的人脸识别模块构成人脸识别方法,并设定不同评分阈值测试识别性能。实验表明,基于HOG-GIST特征融合的人脸质量评估算法选择的人脸图像,可以有效提高人脸识别的准确率。2、针对人脸关键点和外轮廓表达能力强的特点,提出基于人脸关键点的特征融合方法,并用于评估人脸图像质量。该方法包含首先根据图像稀疏特征点坐标提取MBLBP(Multiscale Block Local Binary Pattern)特征,然后根据稀疏特征点裁剪出人脸轮廓,对其提取Hog、Gist特征。最后对三种特征采用双层评估架构,通过共轭梯度方法训练特征融合的权重,获得纹理特征融合的人脸质量评估算法。其次,对人脸图像进行稠密关键点标定,对关键点提取MB-LBP特征采用单层评估架构,通过共轭梯度方法训练特征权重,获得人脸质量评估算法。将两种评估算法结合SeetaFace的人脸识别模块构成人脸识别方法,并设定不同评分阈值测试识别性能。对比实验表明,基于稠密关键点的人脸质量评估算法对人脸图像做出客观的评分,其筛选出的人脸图像可以有效增强人脸识别的准确率。综上所述,为了提升卡口人脸识别系统的准确率,减少系统计算负荷,本文提出基于了多特征融合的人脸质量评估方法,通过分析全局纹理与人脸特征点对图像质量评估的影响,确定了可靠的评估方案,最后在人脸识别系统中验证了该图像质量评估方法的可靠性。