[发明专利]一种图像质量筛选方法及装置、设备和存储介质

说明书

本申请实施例提供一种图像质量筛选方法及装置、设备和存储介质，其中，获取待筛选图像集；将所述待筛选图像集输入训练好的筛选模型，得到图像质量筛选结果；其中，所述筛选模型是通过根据样本图像所包含的人体关键点信息、样本图像清晰度进行训练得到的；输出所述图像质量筛选结果。

技术领域

本申请实施例涉及计算机视觉通信领域，涉及但不限于一种图像质量筛选方法及装置、设备和存储介质。

背景技术

行人检索任务指给出一个行人的询问图片，需要在一个大规模的数据集中寻找到同一个人的所有图片。解决这个问题主要是要对每一张行人图片提取一个特征向量，利用这个特征向量将不同的行人区分开。

通常行人检索的测试如下进行：给出probe和gallery两个列表，记录了不同的人的图片以及对应的身份编号，其中probe为待检索的行人库，而gallery是被检索的行人库，通常称为底库。在测试时对probe和gallery中的每张图片都通过行人检索网络提取出特征向量，将probe中的每个向量都在gallery中的向量构成的向量空间中进行搜索，将搜索结果按照两个向量的相似度进行排序，排名越靠前意味着两个向量越相近，即两张图片上的人是同一个人的概率越大.

但是在实际应用场景中，检索会受到各种各样因素的干扰：检测框的完整度、行人之间的遮挡关系、行人的完整度、图片的分辨率、光照等，在相关技术的模型中，如果同一个人的两张图片，具有不同程度的负面干扰，如第一张是该人全身的照片，第二张则是上半身的，那么在搜索时就会产生一些负面影响，导致结果不准确。

发明内容

有鉴于此，本申请实施例提供一种图像质量筛选方法及装置、设备和存储介质。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种图像质量筛选方法，所述方法包括：

获取待筛选图像集；

将所述待筛选图像集输入训练好的筛选模型，得到图像质量筛选结果；其中，所述筛选模型是通过根据样本图像所包含的人体关键点信息、样本图像清晰度进行训练得到的；

输出所述图像质量筛选结果。

在本申请实施例中，所述筛选模型的训练过程，包括：

根据获取的样本图像集的关键点信息和所述样本图像集的清晰度，确定所述样本图像集中满足预设条件的第一样本图像集；

确定所述第一样本图像集中与预设的待搜索图像集所包含的图像相关的第二样本图像集；

根据所述第二样本图像集完成对所述神经网络模型的训练。

在本申请实施例中，所述确定所述第一样本图像集中与预设的待搜索图像集所包含的图像相关的第二样本图像集，包括：

在所述第一样本图像集中搜索所述待搜索图像集的每一图像，得到在所述第一样本图像集中的所述每一图像对应的顺序列表；

根据所述顺序列表，确定所述待搜索图像集的每一图像对应的平均正确率，得到平均正确率集；

确定所述平均正确率集中大于预设阈值的平均正确率对应的第二样本图像集。

在本申请实施例中，所述样本图像集中的图像包括至少包含一个行人的图像或者视频；所述关键点信息包括所述样本图像中行人的人体部位。

在本申请实施例中，所述根据获取的样本图像集的关键点信息和所述样本图像集的清晰度，确定所述样本图像集中满足预设条件的第一样本图像集，包括：

根据所述样本图像集中每一图像包含的行人的关键点信息，确定所述每一图像中行人的人体完整度信息；