[发明专利]一种图像筛选方法及装置

说明书

本发明实施例提供了一种图像筛选方法及装置，该方法包括：获得待筛选图像帧序列，其中，图像帧序列中的每一帧待筛选图像均包含第一目标对象；利用预设的图像特征评估模型，确定每一帧待筛选图像中的第一目标对象的预设属性的目标属性数据；针对每一帧待筛选图像中的第一目标对象，根据第一目标对象的目标属性数据，确定每一帧待筛选图像对应的目标置信度；根据每一帧待筛选图像对应的目标置信度，从待筛选图像帧序列中筛选出目标置信度达到预设识别条件的目标图像。应用本发明实施例实现了自动筛选图像，缩短筛选周期，提高筛选效率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像筛选方法及装置。

背景技术

视频监控技术中，图像采集设备在采集图像的过程中，会采集到多帧均包含目标对象的图像，其中，上述目标对象包括但不限于人脸、行人、车牌以及车辆。图像中目标对象的姿态、被遮挡程度和/或被遮挡部位、所在区域的亮度、所在区域的模糊程度等因素，在一定程度上决定着上述多帧图像中所包含目标对象是否易被识别。

当上述多帧图像中包括所包含目标对象不易被识别的图像时，如果对上述多帧图像均进行识别，上述多帧图像中所包括的目标对象不易被识别的图像，会增加电子设备的识别负担。

为了避免上述情况，工作人员会从上述多帧图像中手动筛选出主观认为易被识别的图像，电子设备只需要识别上述所筛选出的图像，这在一定程度上减轻了电子设备的识别负担。

然而，现有的人工筛选图像的方式筛选周期长且筛选效率低。

发明内容

本发明实施例的目的在于提供一种图像筛选方法及装置，以实现自动筛选图像，缩短筛选周期，提高筛选效率。具体技术方案如下：

一方面，本发明实施例提供了一种图像筛选方法，所述方法包括：

获得待筛选图像帧序列，其中，所述图像帧序列中的每一帧待筛选图像均包含第一目标对象；

利用预设的图像特征评估模型，确定每一帧待筛选图像中的第一目标对象的预设属性的目标属性数据；

针对每一帧待筛选图像中的第一目标对象，根据所述第一目标对象的目标属性数据，确定每一帧待筛选图像对应的目标置信度；

根据每一帧待筛选图像对应的目标置信度，从所述待筛选图像帧序列中筛选出目标置信度达到预设识别条件的目标图像。

可选地，所述目标置信度达到预设识别条件的目标图像为：所对应目标置信度高于预设阈值的图像；或，在第一目标队列中的前第一数量个图像，所述第一目标队列中包含：依据所对应目标置信度的高低，进行降序排序的待筛选图像；或，在第二目标队列中的后第二数量个图像，所述第二目标队列中包含：依据所对应目标置信度的高低，进行升序排序的待筛选图像。

可选地，所述预设的图像特征评估模型为预设的卷积神经网络模型；

所述方法还包括：建立所述预设的卷积神经网络模型的过程，其中，所述过程包括：

获得多张样本图像，其中，每一样本图像中均包含目标对象；

获得每一样本图像中的目标对象对应的预设属性的预期样本属性数据；

基于所获得的样本图像以及所获得的预设属性的预期样本属性数据，对初始的卷积神经网络模型进行训练，得到预设的卷积神经网络模型。

可选地，所述初始的卷积神经网络模型包括：特征提取层和特征分类层；

所述基于所获得的样本图像以及所获得的预设属性的预期样本属性数据，对初始的卷积神经网络模型进行训练，得到预设的卷积神经网络模型，包括：

将每一帧样本图像，输入所述特征提取层，提取该样本图像中目标对象的样本图像特征；