[发明专利]人体图像质量评价方法、装置、系统及存储介质

权利要求书

1.一种人体图像质量评价方法，其特征在于，所述人体图像质量评价方法包括以下步骤：

基于卷积神经网络模型获取待评价的人体图像的特征图；

基于所述特征图，应用预设的基础质量特征提取模型，确定所述人体图像的清晰度和曝光度，并基于所述特征图，应用预设的关键点可视分类特征提取模型，确定所述人体图像的关键点可视值；

基于所述清晰度、所述曝光度以及所述关键点可视值，确定所述人体图像的质量评价结果。

2.根据权利要求1所述的方法，其特征在于，所述基础质量特征提取模型和所述关键点可视分类特征提取模型都通过预先训练的综合特征提取模型得到，所述综合特征提取模型包括所述基础质量特征提取模型、所述关键点可视分类特征提取模型、路径聚合网络模型以及关键点热度图模型。

3.根据权利要求2所述的方法，其特征在于，所述关键点热度图模型的输入为所述关键点可视分类特征提取模型的输出和所述路径聚合网络模型的输出；

所述关键点热度图模型的输出为基于所述关键点热度图模型的输入，应用注意力机制法进行权重相乘得到。

4.根据权利要求3所述的方法，其特征在于，所述清晰度预设有X类；所述曝光度预设有Y类；

所述关键点可视值预设为a个人体关键点中每个关键点的可见和不可见中的任一种对应的数值，表达式为：

其中,S_kp为所述关键点可视值，Z为第一类别总数，i为关键点的序列号，W_i为第i个关键点的权重，k_i为第i个关键点是否可见，可见时为p，不可见时为q，N为关键点的总数。

5.根据权利要求4所述的方法，其特征在于，所述基础质量特征提取模型和所述关键点可视分类特征提取模型的第一损失函数都为：

其中，Loss_ce为所述第一损失函数，K为第二类别总数，当所述损失函数对应为所述基础质量特征提取模型时，所述K取值为第一预设数值；当所述损失函数对应所述关键点可视分类特征提取模型时，所述K取值为第二预设数值；y_c为独热编码，取值为第三预设数值；p_c为这一类的预测值；

所述关键点热度图模型的第二损失函数为：

其中，Loss_L2为所述第二损失函数，i为所述关键点的序列号，N为所述关键点的总数，y_i为第i个关键点的真值，p_i为第i个关键点的预测值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述清晰度、所述曝光度以及所述关键点可视值，确定所述人体图像的质量评价结果，包括：

当所述清晰度大于所述第一阈值、所述曝光度大于所述第一阈值，且所述曝光度小于所述第二阈值时，若所述关键点可视值小于第三阈值，则所述质量评价结果为不合格；若所述关键点可视值大于所述第三阈值时，所述质量评价结果为所述关键点可视值；所述第一阈值小于所述第二阈值；

当所述清晰度小于所述第一阈值、所述曝光度小于所述第一阈值以及所述曝光度大于所述第二阈值中的任一种存在时，若所述关键点可视值小于第四阈值，则所述质量评价结果为不合格；若所述关键点可视值大于所述第四阈值时，所述质量评价结果为所述关键点可视值；所述第三阈值大于所述第四阈值。

7.一种人体图像质量评价装置，其特征在于，包括：

获取模块，用于基于卷积神经网络模型获取待评价的人体图像的特征图；

处理模块，用于基于所述特征图，应用预设的基础质量特征提取模型，确定所述人体图像的清晰度和曝光度，并基于所述特征图，应用预设的关键点可视分类特征提取模型，确定所述人体图像的关键点可视值；

确定模块，用于基于所述清晰度、所述曝光度以及所述关键点可视值，确定所述人体图像的质量评价结果。