[发明专利]人体图像质量评价方法、装置、系统及存储介质

说明书

本发明提供一种人体图像质量评价方法、装置、系统及存储介质，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。本发明的人体图像质量评价方法、装置、系统及存储介质能够保证图像清晰度、图像曝光度以及人体遮挡度都具有高质量的评价结果，满足高度特化的需求；通过训练模型和实际应用模型的异构处理，解决了前端设备算力有限的问题，提高信息利用率。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种人体图像质量评价方法、装置、系统及存储介质。

背景技术

图像质量评价通常用于评定图像是否满足特定的应用，涵盖的方面包括：图像清晰度、图像曝光度、色彩还原度、图像质感、图像噪音以及对焦情况等。不同应用领域通常关注的评价标准不同；比如，在行人重识别技术(Person Re-identification，ReID)中主要关注图像清晰度、图像曝光度，并且还另关注有人体遮挡度。

现有技术中的图像质量评价主要包含两种方法，一种是基于计算机视觉的算法，一种是基于深度学习的算法，两种算法都是面向通用应用领域的图像质量评价方法且没有涉及算力限制的考虑；而ReID技术是在前端设备上实现人体图像质量评价方法，需要考虑算力有限的问题；并且关注的评价标准侧重与通用应用领域的评价标准并不完全一致；即现有技术中的图像质量评价方法并不能很好地适用于ReID技术中。

因此，如何面向ReID技术精确地实现图像质量评价方法是一个亟待解决的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种人体图像质量评价方法、装置、系统及存储介质，用于解决现有技术中未能面向ReID技术精确地实现图像质量评价方法的问题。

为实现上述目的及其他相关目的，本发明提供一种人体图像质量评价方法、装置、系统及存储介质，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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：