监控人脸图像质量评估：多维数据集与轻量级模型
图像与视频处理
2026-02-10 v1 计算机视觉与模式识别
多媒体
摘要
监控人脸图像常在无约束条件下捕获，导致因低分辨率、运动模糊、遮挡和恶劣光照等因素造成严重的质量退化。虽然最近的人脸修复技术可用于监控摄像头显著提升视觉质量，但往往牺牲了保真度（即保持身份特征），这直接与监控图像的首要目标——可靠的身份验证相冲突。现有的面脸图像质量评估（FIQA）主要关注视觉质量或识别导向评估，未能就视觉质量和保真度同时进行评估，而这两者对监控应用至关重要。为填补这一差距，我们提出了监控人脸图像质量评估（SFIQA）的首个综合研究，针对监控场景所特有的挑战进行建设。具体而言，我们首先构建了 SFIQA-Bench，一个针对监控人脸图像的多维质量评估基准数据集，包含由三台在现实场景中广泛部署的监控摄像机捕获的 5,004 张监控人脸图像。进行主观实验以收集六维质量评分，包括噪声、锐度、彩色感、对比度、保真度和整体质量，涵盖了 SFIQA 的关键方面。此外，我们提出了 SFIQA-Assessor，一个轻量级多任务 FIQA 模型，通过跨视图特征交互来利用互补的人脸视角，并采用可学习的任务标记来指导多个质量维度的统一回归。在所提出的数据集上进行的实验结果表明，我们的方法在与当前最先进的通用图像质量评估（IQA）和 FIQA 方法相比时取得了最佳性能，验证了其在现实世界监控应用中的有效性。
引用
@article{arxiv.2602.07403,
title = {Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model},
author = {Yanwei Jiang and Wei Sun and Yingjie Zhou and Xiangyang Zhu and Yuqin Cao and Jun Jia and Yunhao Li and Sijing Wu and Dandan Zhu and Xingkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2602.07403},
year = {2026}
}