一种图像质量确定方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种图像质量确定方法、装置及电子设备。其中，所述方法包括：利用预设目标识别算法提取待检测图像的特征向量，其中，所述待检测图像包含预设类别的对象，所述预设目标识别算法为用于识别所述预设类别的对象的识别算法；根据所述特征向量的模长，计算所述待检测图像的图像质量，其中，所述图像质量与所述模长正相关。可以降低确定图像质量所消耗的系统资源。量所消耗的系统资源。量所消耗的系统资源。

【技术实现步骤摘要】
一种图像质量确定方法、装置及电子设备


[0001]本专利技术涉及机器视觉
，特别是涉及一种图像质量确定方法、装置及电子设备。

技术介绍

[0002]通过图像识别技术可以识别出图像中所包含的对象的相关信息，例如，可以通过对人员的人脸图像进行识别，确定出该人员的身份。但是图像识别结果的准确性依赖于所识别的图像的质量。例如，如果人脸图像的清晰度较低、人脸图像中人脸被遮挡、人脸图像中的人脸为侧脸都将导致识别结果的准确性较低。
[0003]因此相关技术中，在进行图像识别之前可以对图像质量进行评估。相关技术中，可以是通过深度学习的方式预先训练得到一个用于进行图像质量评估的算法模型，将待评估的图像输入至该算法模型，得到算法模型输出的图像质量。
[0004]但是该方案需要额外训练一个用于进行图像质量评估的算法模型，而训练算法模型需要消耗一定的系统资源，因此该方案消耗的系统资源较高。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种图像质量确定方法、装置及电子设备，以实现降低确定图像质量所需消耗的系统资源。具体技术方案如下：
[0006]在本专利技术实施例的第一方面，提供了一种图像质量确认方法，所述方法包括：
[0007]利用预设目标识别算法提取待检测图像的特征向量，其中，所述待检测图像包含预设类别的对象，所述预设目标识别算法为用于识别所述预设类别的对象的识别算法；
[0008]根据所述特征向量的模长，计算所述待检测图像的图像质量，其中，所述图像质量与所述模长正相关。
[0009]在一种可能的实施例中，在所述根据所述特征向量的模长，确定所述待检测图像的图像质量之后，所述方法还包括：
[0010]判断所述图像质量是否高于预设质量阈值；
[0011]如果所述图像质量高于预设质量阈值，利用所述特征向量识别所述待检测图像中的对象。
[0012]在一种可能的实施例中，所述根据所述特征向量的模长，计算所述待检测图像的图像质量，包括：
[0013]计算所述特征向量的模长；
[0014]根据所述特征向量的模长以及所述特征向量的维数，计算所述待检测图像的图像质量，其中，所述图像质量与所述维数负相关。
[0015]在一种可能的实施例中，在所述利用预设目标识别算法提取待检测图像的特征向量之前，所述方法还包括：
[0016]获取包含预设类别的对象的原始图像；
[0017]对所述原始图像进行缩放和/或裁剪，得到符合预设目标识别算法输入要求的待检测图像。
[0018]在一种可能的实施例中，所述预设类别的对象包括人脸。
[0019]在本专利技术实施例的第二方面，提供了一种图像质量确定装置，所述装置包括：
[0020]特征向量提取模块，用于利用预设目标识别算法提取待检测图像的特征向量，其中，所述待检测图像包含预设类别的对象，所述预设目标识别算法为用于识别所述预设类别的对象的识别算法；
[0021]图像质量计算模块，用于根据所述特征向量的模长，计算所述待检测图像的图像质量，其中，所述图像质量与所述模长正相关。
[0022]在一种可能的实施例中，所述装置还包括质量判断模块，用于判断所述图像质量是否高于预设质量阈值；
[0023]图像识别模块，用于如果所述图像质量高于预设质量阈值，利用所述特征向量识别所述待检测图像中的对象。
[0024]在一种可能的实施例中，所述图像质量计算模块根据所述特征向量的模长，计算所述待检测图像的图像质量，包括：
[0025]计算所述特征向量的模长；
[0026]根据所述特征向量的模长以及所述特征向量的维数，计算所述待检测图像的图像质量，其中，所述图像质量与所述维数负相关。
[0027]在一种可能的实施例中，所述装置还包括图像获取模块，用于获取包含预设类别的对象的原始图像；
[0028]对所述原始图像进行缩放和/或裁剪，得到符合预设目标识别算法输入要求的待检测图像。
[0029]在一种可能的实施例中，所述预设类别的对象包括人脸。
[0030]在本专利技术实施例的第三方面，提供了一种电子设备，包括：
[0031]存储器，用于存放计算机程序；
[0032]处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的方法步骤。
[0033]在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的方法步骤。
[0034]本专利技术实施例有益效果：
[0035]本专利技术实施例提供的一种图像质量确定方法、装置及电子设备，由于预设目标识别算法提取到的特征向量所处的特征空间，越远离原点的特征可辨识度越高，因此可以认为模长越长的特征向量越能够所表示的特征可辨识度越高，即待检测图像中的对象的可辨识度越高，而待检测图像中的对象的可辨识度越高，则可以认为待检测图像的图像质量越高，因此可以根据特征向量的模长计算待检测图像的质量。并且由于本专利技术实施例是通过目标识别算法提取到的特征向量计算图像质量，因此无需单独训练专门用于评估图像质量的算法模型，可以有效降低确定图像质量所消耗的系统资源。
[0036]当然，实施本专利技术的任一产品或方法并不一定需要同时达到以上所述的所有优
点。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
[0038]图1为本专利技术实施例提供的图像质量确定方法的一种流程示意图；
[0039]图2为本专利技术实施例提供的图像识别方法的一种流程示意图；
[0040]图3为本专利技术实施例提供的待检测图像获取方法的一种流程示意图；
[0041]图4为本专利技术实施例提供的图像质量确定装置的一种结构示意图；
[0042]图5为本专利技术实施例提供的电子设备的一种结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]参见图1，图1所示为本专利技术实施例提供的图像质量确定方法的一种流程示意图，可以包括：
[0045]S101，利用预设目标识别算法提取待检测图像的特征向量，其中，待检测图像包含预设类别的对象，预设目标识别算法为用于识别预设类别的对象的识别算法。
[0046]S102，根据特征向量的模长，计算待检测图像的图像质量，其中，图像质量与模长正相关。
[0047]选用该实施例，由于预设目标识别算法提取到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量确定方法，其特征在于，所述方法包括：利用预设目标识别算法提取待检测图像的特征向量，其中，所述待检测图像包含预设类别的对象，所述预设目标识别算法为用于识别所述预设类别的对象的识别算法；根据所述特征向量的模长，计算所述待检测图像的图像质量，其中，所述图像质量与所述模长正相关。2.根据权利要求1所述的方法，其特征在于，在所述根据所述特征向量的模长，确定所述待检测图像的图像质量之后，所述方法还包括：判断所述图像质量是否高于预设质量阈值；如果所述图像质量高于预设质量阈值，利用所述特征向量识别所述待检测图像中的对象。3.根据权利要求1所述的方法，其特征在于，所述根据所述特征向量的模长，计算所述待检测图像的图像质量，包括：计算所述特征向量的模长；根据所述特征向量的模长以及所述特征向量的维数，计算所述待检测图像的图像质量，其中，所述图像质量与所述维数负相关。4.根据权利要求1所述的方法，其特征在于，在所述利用预设目标识别算法提取待检测图像的特征向量之前，所述方法还包括：获取包含预设类别的对象的原始图像；对所述原始图像进行缩放和/或裁剪，得到符合预设目标识别算法输入要求的待检测图像。5.根据权利要求1
‑
4任一所述的方法，其特征在于，所述预设类别的对象包括人脸。6.一种图像质量确定装置，其特征在于，所述装置包括：特征向量提取模块，用于利用预设目标识别算法提取待检测图像的特征向量，其中，所述待检测图像包含预设类别的对象，所述预设目标识别算法为用于...

【专利技术属性】
技术研发人员：王晟，
申请(专利权)人：杭州萤石软件有限公司，
类型：发明
国别省市：