一种人体图像质量评分方法技术

本申请提供了一种人体图像质量评分方法，包括：对目标图像进行人体检测，获取人体图像；计算人体图像的全局特征预测分数

【技术实现步骤摘要】
一种人体图像质量评分方法


[0001]本申请属于图像处理
，更具体地说，是涉及一种人体图像质量评分方法
。

技术介绍

[0002]人体图片质量评分是现如今视频结构化
、
行人重识别技术中比较常见的技术
。
人体图片质量评分通过对人体坐标框内的内容进行评分，评分规则依据亮度
、
曝光度
、
清晰度
、
完整度等多方面
。
当图片质量的分数超过某个阈值时，才会拿这张图片进行下一步分析
。
有了人体质量评分对人体图片的筛选，才能保证视频结构化
、
行人重识别的准确性
。
[0003]在现有技术中，
CN112528770A
公开了一种利用人体混合模型对人体
ROI
区域进行特征提取，得到人体关键点
、
图片亮度
、
曝光度等属性特征和人体分割特征，然后根据关键点得分
、
图片属性得分及人体分割确定的遮挡部分面积得到人体质量综合得分的方法
。
采用该方法对人体图片进行评分比较复杂，人体混合模型中，仅通过对人体
ROI
区域提取特征就输出人体关键点
、
图片属性特征及人体分割图像，一方面在一些非常规视角或者遮挡的情况下，无法准确检测到人体关键点，另一方面，图片亮度
、
曝光度等属性特征直接影响人体质量评分的波动性非常大，导致评分方法未能全面反应图片质量，影响人体图片质量分析的准确率，无法保证视频结构化以及行人再识别的正常运行
。

技术实现思路

[0004]本申请实施例的目的在于提供一种人体图像质量评分方法，以解决现有技术对视频结构化以及行人再识别过程中存在的人体图像质量评分准确率不足的技术问题
。
[0005]为实现上述目的，本申请采用的技术方案是：提供一种人体图像质量评分方法，包括：对目标图像进行人体检测，获取人体图像；计算人体图像的全局特征预测分数
W
；将人体图像输入人体质量评分卷积神经网络做类别预测，将人体特征类别预测概率映射到人体特征预测分数；将全局特征预测分数
W
作为人体特征预测分数的权重，加权求和获取人体图像的人体质量综合评分
S。
[0006]优选的，所述全局特征预测分数
W
由清晰度评分
score1、
亮度评分
score2以及尺寸评分
score3的综合获取，全局特征预测分数
W
的表示公式为： 。
[0007]优选的，清晰度评分
score1的获取方法，包括：计算人体图像的清晰度值
a
；定义清晰人体图像集，求得清晰人体图像集的平均清晰度分数
T
S
；设置清晰度评分
score1的分数上限
S
max
，则清晰度评分
score1的表示公式为
:
ꢀ
。
[0008]优选的，亮度评分
score2的获取方法，包括：计算人体图像
R、G、B
三个通道的亮度均值
b
；定义清晰人体图像集，求得清晰人体图像集的亮度值中位数
T
y
；设置亮度评分
score2的分数上限
S
max
，则亮度评分
score2的表示公式为
: 。
[0009]优选的，尺寸评分
score3的获取方法，包括：计算人体图像的面积
c
；定义满分尺寸的面积阈值
Ta
；设置尺寸评分
score3的分数上限
S
max
，则尺寸评分
score3的表示公式为
: 。
[0010]优选的，将人体图像输入人体质量评分卷积神经网络做类别预测之前，包括步骤：对人体图像的短边通过填充0像素操作，使得人体图像的短边与长边尺寸大小一致
。
[0011]优选的，将人体图像输入人体质量评分卷积神经网络做类别预测，将人体特征类别预测概率映射到人体特征预测分数的方法，包括：准备人体图像训练标签，对人体图像训练标签标注一个0至1的分数；构建人体质量评分卷积神经网络，人体质量评分卷积神经网络包括人体角度分支以及人体完整度分支；用人体图像训练标签对人体质量评分卷积神经网络进行训练；将人体图像输入训练好的人体质量评分卷积神经网络做类别预测，人体角度分支输出人体角度类别预测概率
P
i
，人体完整度分支输出人体完整度类别预测概率
M
k
；将人体角度类别预测概率
P
i
映射到人体角度预测分数
score4，将人体完整度类别预测概率
M
k
映射到人体完整度预测分数
score5。
[0012]优选的，将人体角度类别预测概率
P
i
映射到人体角度预测分数
score4的方法包括：定义人体角度类别
i
取
1、2、3、4
时，分别代表俯视角度
、
背面角度
、
侧面角度以及正面角度，且
P1+P2+P3+P4=1
，人体角度类别
i
的分数间隔为
0.25
，则人体角度预测分数
score4的表示公式为： 。
[0013]优选的，将人体完整度类别预测概率
M
k
映射到人体完整度预测分数
score5的方法包括：定义人体完整度类别
k
取
1、2、3
时，分别代表头部完整度
、
身体完整度以及脚部完
整度，人体完整度类别
k
的分数间隔为1，则人体完整度预测分数
score5的表示公式为： 。
[0014]优选的，将全局特征预测分数
W
作为人体特征预测分数的权重，加权求和获取人体图像的人体质量综合评分
S
的方法，包括：定义人体角度预测分数
score4的权重
W4，人体完整度预测分数
score5的权重
W5，则人体质量综合评分
S
的表示公式为： 。
[0015]本申请提供的人体图像质量评分方法，与现有技术相比，通过将人体图像输入人体质量评分卷积神经网络做类别预测，将人体特征类别预测概率映射到人体特征预测分数，使得人体特征类别预测概率直接反映出人体特征预测分数的高低，将全局特征预测分数
W
作为人体特征预测分数的权重，用人体图片整体质量去调整人体局部质量得分，能够降低由于计算分数对人体质量综合评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人体图像质量评分方法，其特征在于，包括：对目标图像进行人体检测，获取人体图像；计算人体图像的全局特征预测分数
W
；将人体图像输入人体质量评分卷积神经网络做类别预测，将人体特征类别预测概率映射到人体特征预测分数；将全局特征预测分数
W
作为人体特征预测分数的权重，加权求和获取人体图像的人体质量综合评分
S。2.
如权利要求1所述的人体图像质量评分方法，其特征在于，全局特征预测分数
W
由清晰度评分
score1、
亮度评分
score2以及尺寸评分
score3的综合获取，全局特征预测分数
W
的表示公式为： 。3.
如权利要求2所述的人体图像质量评分方法，其特征在于，清晰度评分
score1的获取方法，包括：计算人体图像的清晰度值
a
；定义清晰人体图像集，求得清晰人体图像集的平均清晰度分数
T
S
；设置清晰度评分
score1的分数上限
S
max
，则清晰度评分
score1的表示公式为
: 。4.
如权利要求2所述的人体图像质量评分方法，其特征在于，亮度评分
score2的获取方法，包括：计算人体图像
R、G、B
三个通道的亮度均值
b
；定义清晰人体图像集，求得清晰人体图像集的亮度值中位数
T
y
；设置亮度评分
score2的分数上限
S
max
，则亮度评分
score2的表示公式为
: 。5.
如权利要求2所述的人体图像质量评分方法，其特征在于，尺寸评分
score3的获取方法，包括：计算人体图像的面积
c
；定义满分尺寸的面积阈值
Ta
；设置尺寸评分
score3的分数上限
S
max
，则尺寸评分
score3的表示公式为
: 。6.
如权利要求1所述的人体图像质量评分方法，其特征在于，将人体图像输入人体质量评分卷积神经网络做类别预测之前，包括步骤：对人体图像的短边通过填充0像素操作，使得人体图像的短边与长边尺寸大小一致
。
7.
如权利要求2所述的人体图像质量评分方法，其特...

【专利技术属性】
技术研发人员：李山路，欧阳一村，胡玲静，罗富章，赖时伍，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：