轻量级人脸质量评估框架：提升实时筛查应用中的人脸验证性能
计算机视觉与模式识别
2025-07-29 v2 人工智能
摘要
人脸图像质量在决定人脸验证系统准确性和可靠性方面起关键作用，尤其是在监控、身份验证和访问控制等实时筛查应用中。由运动模糊、光照不良、遮挡以及极端姿态变形等因素引起的低质量人脸图像显著降低人脸识别模型的性能，导致更高的误拒率和误接受率。本文提出了一个轻量且有效的框架，用于自动评估人脸质量，旨在在图像传递给验证管道之前进行预筛选低质量人脸图像。我们的 метод利用归一化人脸关键点结合随机森林回归分类器进行质量评估，实现了96.67%的准确率。通过将该质量评估模块集成到人脸验证过程中，我们观察到性能显著提升，包括将误拒率降低99.7%，并在与ArcFace人脸验证模型配合时获得更高的余弦相似度得分。为验证我们的方法， 我们在由超过600名受试者的无约束环境下 Dubai Police CCTV 脚本素材收集的数据集上进行了实验。我们的结果表明，所提出的框架有效缓解了低质量人脸图像的影响， outperforming existing face quality assessment techniques while maintaining computational efficiency. 该框架特别针对实时筛查中的两个关键挑战进行了应对：人脸分辨率变化和姿态偏差，这两种情况在实际监控场景中十分常见。
引用
@article{arxiv.2507.15961,
title = {A Lightweight Face Quality Assessment Framework to Improve Face Verification Performance in Real-Time Screening Applications},
author = {Ahmed Aman Ibrahim and Hamad Mansour Alawar and Abdulnasser Abbas Zehi and Ahmed Mohammad Alkendi and Bilal Shafi Ashfaq Ahmed Mirza and Shan Ullah and Ismail Lujain Jaleel and Hassan Ugail},
journal= {arXiv preprint arXiv:2507.15961},
year = {2025}
}