[发明专利]图像质量评定方法、装置、计算机设备及存储介质

说明书

本发明涉及图像质量评定方法、装置、计算机设备及存储介质，该方法包括获取图像；对图像进行清晰度分析，以获取图像清晰度分数；采用深度学习模型对图像进行深度学习，并对学习结果进行分数预测，以获取图像质量分数；综合图像清晰度分数以及图像质量分数，形成评定结果；输出评定结果。本发明通过先对训练图像从光照、尺寸和偏转角度评分，将训练图像进行质量打分，利用训练图像提取的特征向量组成的训练集，训练图像的质量分数对CNN分类网络进行训练调整，以获取深度学习模式，使用时，将图像进行清晰度评分以及深度学习模型进行评分，再对两个分数进行加权综合，获取评定结果，以提高图片质量判定准确性，提高真实环境下人脸识别的准确率。

技术领域

本发明涉及图像评判方法，更具体地说是指图像质量评定方法、装置、计算机设备及存储介质。

背景技术

随着深度学习和人工智能技术的不断发展，人脸识别系统越来越多的应用于安防、智能新零售、金融、地铁、酒店、机场等需要身份验证的场景中，诸如银行远程开户、无人超商通过刷脸自动完成支付、门禁系统、地铁刷脸支付、机场自动进行人证核验等。

现有的人脸识别大多是直接从摄像头获取抓拍的人脸进行人脸识别，直接抓拍的图片包含了很多运动模糊或者聚焦不清晰的人脸，还有很多人脸角度、尺度和光照不合适，大大影响了识别准确度，也导致人脸识别应用受到较大影响，虽然现有少数人脸识别系统也有人脸图片质量判断，但是基本都是从图片清晰度方面进行判断，对人脸角度、光照、旋转、尺度等方面并没有做评估，同时清晰度的判断包含了很多主观评价，人脸识别准确率不高，因此现有人脸图片质量评价模型对人脸图片质量的评价效果较差。

因此，有必要设计一种新的方法，实现提高了图片质量判定的准确性，大大提高真实环境下人脸识别的准确率。

发明内容

本发明的目的在于克服现有技术的缺陷，提供图像质量评定方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：图像质量评定方法，包括：

获取图像；

对图像进行清晰度分析，以获取图像清晰度分数；

采用深度学习模型对图像进行深度学习，并对学习结果进行分数预测，以获取图像质量分数；

综合图像清晰度分数以及图像质量分数，形成评定结果；

输出评定结果。

其进一步技术方案为：所述采用深度学习模型对图像进行深度学习，以获取图像质量分数之前，还包括：

获取若干张训练图像；

对训练图像进行质量打分并标注；

对标注后的训练图像进行训练，以获取深度学习模型。

其进一步技术方案为：所述对标注后的训练图像进行训练，以获取深度学习模型，包括：

判断训练图像的大小是否满足预设要求；

若否，则对训练图像进行大小处理，并进入下一步骤，若是，则进入下一步骤；

从训练图像中筛选若干个训练图像块；

提取训练图像块对应的特征向量，并建立训练集；

利用训练集与训练图像训练CNN分类网络，以得到深度学习模型。

其进一步技术方案为：所述对图像进行清晰度分析，以获取图像清晰度分数，包括：

对图像进行能量梯度清晰度计算，以获取计算结果；

归一化所述计算结果，以获取图像清晰度分数。