【技术实现步骤摘要】
人像质量评估模型建立和从视频中进行人像识别的方法
本专利技术涉及图像处理
，具体而言，涉及一种人像质量评估模型建立和从视频中进行人像识别的方法。
技术介绍
在安防监控等领域，需要对采集到的人像进行识别，以确认人员身份。其中，检测到人像是第一步，在例如追踪(tracking)识别中，会在一段时间内检测出一个人的很多图像，然后从中选取部分图像发送至后续模型进行属性识别等进一步处理，如果送至后续模型的图像是随机选取的，则后续模型的输入图像质量也将是随机且不可控的，这将严重影响后续模型进行进一步处理的效果。另外，目前对图像质量的评估标准主要基于图像的模糊度、噪声和块状效益等外部特性，但是，特别是对人像识别，如果仅根据上述外部特性对图像质量予以评判，将有可能导致很清晰但与人像不太相关，甚至完全不相关的图像用于人像识别，这无疑将降低人像识别的效率以及识别精度。
技术实现思路
为了使人像质量评估更符合实际使用需求，本专利技术提供一种人像质量评估模型建立、人像质量评估、从视频中进行人像识别的方法、装置和存储介质。<...
【技术保护点】
1.一种人像质量评估模型建立方法，其特征在于，包括：/n获取包括完整且清晰的人像的原始图片；/n对所述原始图片进行处理，分别获得完整度降低图片和清晰度降低图片；/n分别对所述原始图片、所述完整度降低图片、所述清晰度降低图片和无人像图片匹配一个标记分数；/n以分别匹配有标记分数的所述原始图片、所述完整度降低图片、所述清晰度降低图片和所述无人像图片对预设分类学习模型进行训练，获得人像质量评估模型。/n
【技术特征摘要】
1.一种人像质量评估模型建立方法，其特征在于，包括：
获取包括完整且清晰的人像的原始图片；
对所述原始图片进行处理，分别获得完整度降低图片和清晰度降低图片；
分别对所述原始图片、所述完整度降低图片、所述清晰度降低图片和无人像图片匹配一个标记分数；
以分别匹配有标记分数的所述原始图片、所述完整度降低图片、所述清晰度降低图片和所述无人像图片对预设分类学习模型进行训练，获得人像质量评估模型。
2.根据权利要求1所述的人像质量评估模型建立方法，其特征在于，所述对所述原始图片进行处理，分别获得完整度降低图片和清晰度降低图片，具体包括：
对所述原始图片进行截断处理，获得包括部分且清晰的所述人像的图片，作为所述完整度降低图片。
3.根据权利要求1所述的人像质量评估模型建立方法，其特征在于，所述对所述原始图片进行处理，分别获得完整度降低图片和清晰度降低图片，具体包括：
对所述原始图像先后进行降采样与上采样处理，获得包括完整且模糊的所述人像的图片，作为所述清晰度降低图片。
4.根据权利要求1至3任一项所述的人像质量评估模型建立方法，其特征在于，所述分别对所述原始图片、所述完整度降低图片、所述清晰度降低图片和无人像图片匹配一个标记分数，具体包括：
对所述原始图片匹配第一等级标记分数，对所述完整度降低图片匹配第二等级标记分数，对所述清晰度降低图片匹配第三等级标记分数，对所述无人像图片匹配第四等级标记分数；其中，所述第一等级标记分数、所述第二等级标记分数、所述第三等级标记分数至所述第四等级标记分数依次降低，或者，所述第一等级标记分数、所述第二等级标记分数、所述第三等级标记分数至所述第四等级标记分数依次升高。
5.根据权利要求4所述的人像质量评估模型建立方法，其特征在于，所述预设分类学习模型包括神经网络和损失函数；
所述以分别匹配有标记分数的所述原始图片、所述完整度降低图片、所述清晰度降低图片和所述无人像图片对预设分类学习模型进行训练，获得人像质量评估模型，具体包括：
将标定图片输入具有标定参数的所述神经网络，获得所述神经网络输出的质量分数，其中，所述标定图片为匹配有标记分数的所述原始图片、所述完整度降低图片、所述清晰度降低图片或所述无人像图片；
将所述质量分数与所述标定图片匹配的所述标记分数的差值作为所述损失函数的输入，获得损失函数输出；
根据所述损失函数输出调整所述神经网络的所述标定...
【专利技术属性】
技术研发人员：石华峰，邹城，李伯勋，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。