[發明專利]圖像質量確定方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010431640.3
• 申請日: 2020-05-20
• 公開（公告）號: CN113781379A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 盧晶;程戰戰;鈕毅
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

本申請提供了一種圖像質量確定方法、裝置、電子設備及存儲介質，屬于圖像識別技術領域。所述方法包括：通過圖像識別模型，確定待確定質量參數的多個第一目標圖像的多個第一圖像特征；其中，一個第一目標圖像對應一個第一圖像特征，且所述多個第一目標圖像為同一類別的目標對象的圖像；將所述多個第一圖像特征合成第二圖像特征；根據所述多個第一圖像特征與所述第二圖像特征，確定所述多個第一目標圖像相較于參考圖像的相對質量參數，所述參考圖像為所述第二圖像特征對應的圖像。本申請可以無需提供高質量的參考圖像，即可實現對第一目標圖像的相對質量參數的客觀評價，可減少人力標定成本，從而可以提高效率和準確性。

技術領域

本申請涉及圖像識別技術領域，特別涉及一種圖像質量確定方法、裝置、電子設備及存儲介質。

背景技術

在眾多自然場景下的圖像識別任務中，例如，行人重識別、車輛分類或者文本識別等，低質量的第一目標圖像必然會降低第一目標圖像識別的準確性。因此，在通過第一目標圖像進行圖像識別任務之前，電子設備需要先確定第一目標圖像的質量參數，在質量參數符合要求時，才通過該第一目標圖像進行圖像識別任務。

相關技術中，在確定第一目標圖像的質量參數之前，電子設備先訓練絕對質量評價模型。在對確定第一目標圖像的質量參數時，電子設備直接將該第一目標圖像輸入該第一目標圖像的絕對質量評價模型，得到該第一目標圖像的質量參數。

以訓練人臉圖像的圖像絕對質量評價模型為例；則電子設備訓練該絕對質量評價模型的過程為：對于每個身份的人臉，用戶挑選該身份對應的高質量的多個人臉參考圖像，然后對于待確定質量參數的人臉圖像，電子設備分別計算該人臉圖像與該身份的多個人臉參考圖像的相似度，將該相似度作為待確定質量參數的人臉圖像的質量參數，將該質量參數進行歸一化，通過該人臉圖像和該人臉圖像的質量參數進行模型訓練，獲取絕對質量評價模型。

相關技術中，用戶挑選多個人臉參考圖像的過程，較為耗費人力；同時，人工挑選參考圖像時存在主觀不確定性，并且圖像質量不能保證，從而影響確定出的質量參數的效果。

發明內容

本申請實施例提供了一種圖像質量確定方法、裝置、電子設備及存儲介質，能夠提高效率以及準確性。所述技術方案如下：

根據本申請實施例的一方面，提供了一種圖像質量確定方法，所述方法包括：

通過圖像識別模型，確定待確定質量參數的多個第一目標圖像的多個第一圖像特征；其中，一個第一目標圖像對應一個第一圖像特征，且所述多個第一目標圖像為同一類別的目標對象的圖像；

將所述多個第一圖像特征合成第二圖像特征；

根據所述多個第一圖像特征與所述第二圖像特征，確定所述多個第一目標圖像相較于參考圖像的相對質量參數，所述參考圖像為所述第二圖像特征對應的圖像。

在一種可能的實現方式中，所述將所述多個第一圖像特征合成第二圖像特征，包括：

將所述多個第一圖像特征輸入初始神經網絡模型中，得到第三圖像特征，根據所述第三圖像特征，識別所述目標對象，得到所述目標對象的第一識別標注信息，將第一識別標注信息作為監督信息，訓練所述初始神經網絡模型，得到神經網絡模型；

將所述多個第一圖像特征輸入所述神經網絡模型，得到所述第二圖像特征。

在另一種可能的實現方式中，所述將所述多個第一圖像特征輸入所述神經網絡模型，得到所述第二圖像特征，包括：

將所述多個第一圖像特征輸入第一神經網絡模型中，通過所述第一神經網絡模型的多層全連接層，確定每個第一圖像特征對應的第四圖像特征，將每個第一圖像特征對應的第四圖像特征進行池化處理，得到所述第二圖像特征；或者，