【技术实现步骤摘要】
一种图像识别方法及装置、电子设备、存储介质
[0001]本申请涉及人工智能
，具体涉及一种图像识别方法及装置、电子设备、存储介质。
技术介绍
[0002]动态抓拍是图像识别应用中常见的图像采集方式，现有技术中，将对同一对象(比如用户人脸)动态抓拍的多张图像输入到多种质量检测模型(比如拍摄角度检测模型和清晰度检测模型等)中进行质量评估，可以根据各个质量检测模型设定的质量阈值，从多张图像中筛除低质量图像，从而将较高质量的图像送入图像识别系统中进行识别。实践中发现，这种方式下，不同质量检测模型的质量阈值是人为设定，因此存在无法客观反映图像质量的问题，降低了图像识别的准确性。
技术实现思路
[0003]本申请提供一种图像识别方法及装置、电子设备、存储介质，其主要目的在于提升图像识别的准确性。
[0004]为实现上述目的，本申请实施例提供了一种图像识别方法，所述方法包括：
[0005]获取目标对象的多张拍摄图像；
[0006]对所述拍摄图像进行关键点识别，得到多种关键点类型以及所述拍摄图像...
【技术保护点】
【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：获取目标对象的多张拍摄图像；对所述拍摄图像进行关键点识别，得到多种关键点类型以及所述拍摄图像中每种所述关键点类型对应的目标关键点，并确定所述拍摄图像中所述目标关键点的第一置信度；针对每种所述关键点类型，根据所述拍摄图像中所述关键点类型对应的目标关键点的第一置信度，对所有所述拍摄图像进行排序，得到第一排序结果，并根据所述第一排序结果，计算所述拍摄图像针对所述关键点类型的计分值；根据所述拍摄图像针对不同关键点类型的计分值进行求和计算，得到所述拍摄图像的质量分数；根据每张所述拍摄图像的质量分数，确定目标分数范围，并取质量分数在所述目标分数范围内的拍摄图像作为目标图像；对所述目标图像进行识别，得到图像识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的多张拍摄图像之后，所述方法还包括：将所述拍摄图像输入预设模型的特征提取网络中，得到所述拍摄图像的特征数据；将所述特征数据输入所述预设模型的检测框预测分支中，得到所述拍摄图像的检测框数据；所述对所述拍摄图像进行关键点识别，得到多种关键点类型以及所述拍摄图像中每种所述关键点类型对应的目标关键点，并确定所述拍摄图像中所述目标关键点的第一置信度，包括:将所述特征数据输入所述预设模型的关键点预测分支中，得到多种关键点类型、所述拍摄图像中每种所述关键点类型对应的目标关键点以及所述目标关键点的第一置信度；所述对所述目标图像进行识别，得到图像识别结果，包括：从所述检测框数据中获取检测框大小以及定位坐标；根据所述定位坐标，在所述目标图像中定位目标位置，并在所述目标位置处生成与所述检测框大小匹配的特征检测框；从所述目标图像中截取与所述特征检测框对应的图像区域，得到特征检测区域；对所述特征检测区域进行识别，得到图像识别结果。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取为所述目标对象指定的检测框类别和关键点类别；所述将所述特征数据输入所述预设模型的检测框预测分支中，得到所述拍摄图像的检测框数据，包括：将所述特征数据输入预设模型中与所述检测框类别对应的检测框预测分支，得到所述拍摄图像的检测框数据；所述将所述特征数据输入所述预设模型的关键点预测分支中，得到多种关键点类型、所述拍摄图像中每种所述关键点类型对应的目标关键点以及所述目标关键点的第一置信度，包括：将所述特征数据输入所述预设模型中与所述关键点类别对应的关键点预测分支中，得到多种关键点类型、所述拍摄图像中每种所述关键点类型对应的目标关键点以及所述目标
关键点的第一置信度。4.根据权利要求2所述的方法，其特征在于，所述将所述特征数据输入所述预设模型的检测框预测分支中之后，所述方法还包括；获得所述拍摄图像中所述检测框数据对应的第二置信度；根据所述拍摄图像中所述检测框数据对应的第二置信度，对所有所述拍摄图像进行排序，得到第二排序结果；根据所述第二排序结果，计算每张所述拍摄图像的第一分数；所述根据所述拍摄图像针对不同关键点类型的计分值进行求和计算，得到所述拍摄图像的质量分数，包括：根据所述拍摄图像针对不同关键点类型的计分值进行求和计算，得到所述拍摄图像的第二分数；根据所述拍摄图像的第一分数和第二分数进行求和计算，得到所述拍摄图像的质量分数。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一排序结果，计算所述拍摄图像针对所述关键点类型的计分值，包括：...
【专利技术属性】
技术研发人员：陈丹，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。