[发明专利]图像筛选方法及装置、电子设备和存储介质

权利要求书

1.一种图像筛选方法，其特征在于，包括：

获取待处理人体图像；

利用网络模型对所述待处理人体图像进行处理，得到所述待处理人体图像的质量分数；所述网络模型用于提取所述待处理人体图像的图像特征，根据所述图像特征，确定所述待处理人体图像的用于表示模糊程度的模糊分数、用于表示光线明亮程度的光线分数以及用于表示半身人体的完整程度的半身分数，根据所述模糊分数、所述光线分数和所述半身分数确定所述待处理人体图像的质量分数；

根据所述质量分数进行图像筛选。

2.根据权利要求1所述的方法，其特征在于，所述网络模型包括特征提取网络、模糊识别网络、光线识别网络和半身识别网络；所述利用网络模型对所述待处理人体图像进行处理，得到所述待处理人体图像的质量分数，包括：

利用所述特征提取网络从所述待处理人体图像提取图像特征；

利用所述模糊识别网络根据所述图像特征计算所述模糊分数，利用所述光线识别网络根据所述图像特征计算所述光线分数，利用所述半身识别网络根据所述图像特征计算所述半身分数；

基于所述模糊分数、所述光线分数和所述半身分数计算所述质量分数。

3.根据权利要求2所述的方法，其特征在于，所述利用所述模糊识别网络根据所述图像特征计算所述模糊分数，包括：

利用所述模糊识别网络将所述图像特征进行线性映射并归一化处理，预测所述待处理人体图像在多个模糊评价等级上的质量预测分；

根据所述待处理人体图像在所述多个模糊评价等级上的质量预测分计算所述模糊分数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述待处理人体图像在所述多个模糊评价等级上的质量预测分计算所述模糊分数，包括：

通过如下公式计算模糊分数：

其中，Q_blur表示模糊分数，P_i-blur表示各个模糊评价等级的质量预测分，w_i-blur表示各个模糊评价等级对应的权重值；w_i-blur的分布与模糊评价等级对应的图像质量高低正相关。

5.根据权利要求2所述的方法，其特征在于，所述利用所述光线识别网络根据所述图像特征计算所述光线分数，包括：

利用所述光线识别网络将所述图像特征进行线性映射并归一化处理，预测所述待处理人体图像在多个光线评价等级上的质量预测分；

根据所述待处理人体图像在所述多个光线评价等级上的质量预测分计算所述光线分数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述待处理人体图像在所述多个光线评价等级上的质量预测分计算所述光线分数，包括：

其中，Q_light表示光线分数，P_i-light表示各个光线评价等级的质量预测分，w_i-ligh表示各个光线评价等级对应的权重值；w_i-light的分布与光线评价等级对应的图像质量高低正相关。

7.根据权利要求2所述的方法，其特征在于，所述利用所述半身识别网络根据所述图像特征计算所述半身分数，包括：

利用所述半身识别网络将所述图像特征进行线性映射并归一化处理，预测所述待处理人体图像在多个半身评价等级上的质量预测分；

根据所述待处理人体图像在所述多个半身评价等级上的质量预测分计算所述半身分数。

8.根据权利要求7所述的方法，其特征在于，所述根据所述待处理人体图像在所述多个半身评价等级上的质量预测分计算所述半身分数，包括：

通过如下公式计算半身分数：

其中，Q_half表示半身分数，P_i-half表示各个半身评价等级的质量预测分，w_i-half表示各个半身评价等级对应的权重值；w_i-half与半身评价等级对应的图像质量高低正相关。