图像筛选方法及装置、电子设备和存储介质制造方法及图纸

本申请实施例提供一种图像筛选方法及装置、电子设备和存储介质，该图像筛选方法包括：电子设备获取待处理人体图像；利用网络模型对待处理人体图像进行处理，得到待处理人体图像的质量分数；网络模型用于提取待处理人体图像的图像特征，根据图像特征，确定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，根据模糊分数、光线分数和半身分数确定待处理人体图像的质量分数；根据质量分数进行图像筛选。本申请实施例可以准确的筛选符合行人重识别的要求的图像。准确的筛选符合行人重识别的要求的图像。准确的筛选符合行人重识别的要求的图像。

【技术实现步骤摘要】
图像筛选方法及装置、电子设备和存储介质


[0001]本申请涉及图像处理
，具体涉及一种图像筛选方法及装置、电子设备和存储介质。

技术介绍

[0002]行人重识别(person re
‑
identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。给定一张监控行人图像，检索跨设备下的该行人图像。该技术旨在弥补目前固定的摄像头的视觉局限，并可与行人检测和行人跟踪技术相结合，可广泛应用于智能视频监控、智能安防等领域。
[0003]目前在大规模人体抓拍图或检测人体图片下，由于抓拍的图像质量较差，难以准确的筛选符合行人重识别的要求的图像。

技术实现思路

[0004]本申请实施例提供一种图像筛选方法及装置、电子设备和存储介质，可以准确的筛选符合行人重识别的要求的图像。
[0005]本申请实施例的第一方面提供了一种图像筛选方法，包括：
[0006]获取待处理人体图像；
[0007]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；
[0008]根据所述质量分数进行图像筛选。
[0009]本申请实施例的网络模型考虑了模糊识别、光线识别和半身识别，可以有效的过滤模糊的人体图像、光线差的人体图像和半身人体图像，从而准确的筛选符合行人重识别的要求的图像，降低行人重识别算法出现误识别的概率。
[0010]可选的，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：
[0011]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；
[0012]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；
[0013]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。
[0014]本申请实施例的模糊识别网络、光线识别网络、半身识别网络都根据特征提取网络提取的待处理人体图像的图像特征来计算各自的分数，充分利用了特征提取网络提取的
图像特征，提高了网络模型的泛化能力。
[0015]可选的，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：
[0016]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；
[0017]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。
[0018]本申请实施例可以根据待处理人体图像在多个模糊评价等级上的质量预测分计算模糊分数，将图像特征转换为衡量图像的模糊程度的质量得分，可以准确量化图像的模糊程度。
[0019]可选的，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：
[0020]通过如下公式计算模糊分数：
[0021][0022]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。其中，k为大于或等于1的整数。
[0023]可选的，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：
[0024]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；
[0025]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。
[0026]本申请实施例可以根据待处理人体图像在多个光线评价等级上的质量预测分计算光线分数，将图像特征转换为衡量图像的光线明亮程度的质量得分，可以准确量化图像的光线明亮程度。
[0027]可选的，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：
[0028][0029]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。其中，k为大于或等于1的整数。
[0030]可选的，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：
[0031]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；
[0032]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。
[0033]本申请实施例可以根据待处理人体图像在多个半身评价等级上的质量预测分计算半身分数，将图像特征转换为衡量图像的半身程度的质量得分，可以准确量化图像的半身程度。
[0034]可选的，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：
[0035]通过如下公式计算半身分数：
[0036][0037]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。其中，k为大于或等于1的整数。
[0038]可选的，所述基于所述模糊分数、所述光线分数和所述半身分数计算所述质量分数，包括：
[0039]通过加权求和公式基于所述模糊分数、所述光线分数和所述半身分数计算所述质量分数；
[0040]所述加权求和公式包括：
[0041]Q
total
＝w
b
*Q
blur
+w
l
*Q
light
+w
h
*Q
half
；
[0042]Q
total
表示所述待处理人体图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：蔡官熊，余世杰，陈浩彬，陈大鹏，赵瑞，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：