[发明专利]图像模糊程度的确定方法、装置、终端设备及存储介质

说明书

本发明公开了图像模糊程度的确定方法、装置、终端设备及存储介质。所述方法包括：获取待识别图像；将所述待识别图像输入深度学习网络，获得所述深度学习网络的输出结果；基于所述输出结果确定所述待识别图像的模糊程度；其中，所述深度学习网络通过处理所述待识别图像中的局部特征得到输出结果。利用该方法，能够有效的判断待识别图像是否模糊。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及图像模糊程度的确定方法、装置、终端设备及存储介质。

背景技术

随着工业摄像头的技术的日益精进，交通的重要路口都会有摄像头的分布，交通部门可以利用这些高清摄像头进行“汽车驾乘人员不使用安全带行为”进行监督和违法判断。

对于交通的监管部门来说存在大量的摄像头拍摄的图片，大量的图片进行图片的智能审核，提高了人工效率，规范了司机佩戴安全带的习惯，提高了安全防范意识。但目前的难点在于，所采集的待识别图像中的目标位置，如驾驶员或乘客位置的图像质量受到光线或其余因素的影响导致目标位置不好进行违法判断。

故，在进行违法判断前，如何判断待识别图像是否模糊是当前亟待解决的技术问题。

发明内容

本发明实施例提供了图像模糊程度的确定方法、装置、终端设备及存储介质，能够有效的判断待识别图像是否模糊。

第一方面，本发明实施例提供了一种图像模糊程度的确定方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入深度学习网络，获得所述深度学习网络的输出结果；

基于所述输出结果确定所述待识别图像的模糊程度；

其中，所述深度学习网络通过处理所述待识别图像中的局部特征得到输出结果。

进一步地，所述深度学习网络包括预处理模块、主干网络和特征处理模块；相应的，所述将所述待识别图像输入深度学习网络，获得所述深度学习网络的输出结果，包括：

通过所述预处理模块对所述待识别图像进行预处理得到处理后的待识别图像；

通过所述主干网络，提取处理后的待识别图像的特征得到特征图；

通过所述特征处理模块处理所述特征图中的局部特征，得到所述深度学习网络的输出结果。

进一步地，所述特征处理模块，包括：

局部特征提取模块、注意力机制模块、融合模块和通道变更模块；相应的，所述通过所述特征处理模块处理所述特征图中的局部特征，得到所述深度学习网络的输出结果，包括：

通过所述局部特征提取模块对所述特征图进行卷积操作得到局部特征图；

通过所述注意力机制模块过滤对应的局部特征图；

通过所述融合模块对过滤后的局部特征图进行通道拼接；

通过所述通道变更模块变更拼接后的局部特征图的通道数，并得到所述深度学习网络的输出结果；

其中，所述局部特征提取模块的数量为至少两个，每个局部特征提取模块进行特征提取时使用的卷积核的大小不同，所述注意力机制模块的个数与所述局部特征提取模块的数量相同，每个局部特征提取模块分别连接至一个注意力机制模块，所述局部特征图为由局部特征构成的图。

进一步地，所述预处理模块对待识别图像进行的预处理操作包括：等比例缩放和像素归一化。

进一步地，所述输出结果包括清晰和模糊的概率值。

进一步地，所述待识别图像为包含驾驶员或乘客的图像。

进一步地，该方法，还包括：