[发明专利]融合图像质量的图像检测方法、装置、电子设备

说明书

本发明实施例提供一种融合图像质量的图像检测方法、装置、电子设备及存储介质，方法包括：通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，所述特征信息融合有检测框信息以及与所述检测框对应的图像质量信息，所述待检测图像中包括目标对象；根据所述检测框信息进行非极大值抑制，得到目标检测框信息；将所述目标检测框信息对应的图像质量信息与预先训练好的质量权重进行计算，得到目标检测框的图像质量分数；基于所述目标检测框信息以及所述目标检测框的图像质量分数，输出得到所述目标对象。同时提取到检测框信息以及图像质量信息，通过质量权重对目标检测框的图像质量信息进行评估对终端设备运行速度影响较小。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种融合图像质量的图像检测方法、装置、电子设备。

背景技术

在随着物联网以及边缘计算的发展，越来越多的算法被移植到终端设备上，比如安防设备、智能家居设备等，将算法移植到终端设备上，赋予了终端设备一定的计算能力，能够不再依赖云端计算力，使得计算力成本降低。然而，由于终端设备上计算力和计算单元的限制，算法模型在设计的时候需要更快计算速度以及更小的计算资源要求，比如将检测算法移植到摄像头中，由于算法要求计算速度以及计算资源要求，无法对检测到图像进行质量评估，在后期的图像处理中，图像质量没有保证，如果在检测前或检测后引入图像质量评估模块，则会大增加终端设备的计算力负担，比如，在人脸检测过程中，单张图片经过人脸质量评估的模块是2毫秒，在一般的室内场景监控中一张监控抓拍图里有20个人，那么人脸质量评估模块处理一张图片的速度就是20毫秒(50fps)，一般来说正常用的人脸检测器的速度在30ms左右，如果这样整个人脸检测加人脸质量评估模块运行的速度就是50ms，这对于一个需要实时计算的系统来说是远远不够的。因此，现有的检测模块增加图像质量评估模块后，增加了图像质量评估耗时，导致整个终端设备运行速度极大的下降，极大影响了终端设备的实时检测性能。

发明内容

本发明实施例提供一种融合图像质量的图像检测方法，能够在检测的同时输出图像质量，对终端设备运行速度影响较小。

第一方面，本发明实施例提供一种融合图像质量的图像检测方法，包括：

通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，所述特征信息融合有检测框信息以及与所述检测框对应的图像质量信息，所述待检测图像中包括目标对象；

根据所述检测框信息进行非极大值抑制，得到目标检测框信息；

将所述目标检测框信息对应的图像质量信息与预先训练好的质量权重进行计算，得到目标检测框的图像质量分数；

基于所述目标检测框信息以及所述目标检测框的图像质量分数，输出得到所述目标对象。

可选的，所述检测框信息包括置信度，所述通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，包括：

通过预先训练好的卷积神经网络提取不同网格尺度下的特征图像，所述特征图像包括预定数量的图像质量通道；

通过检测框对所述不同网格尺度下的特征图像进行预测，提取对应不同网格尺度下的特征图像中，每个网格的检测框的目标分类概率作为检测框的置信度；

根据所述图像质量通道，对每个检测框进行图像质量信息提取，得到所述每个检测框对应的图像质量信息；

基于所述置信度以及检测框对应的图像质量信息，得到检测框的特征信息。

可选的，所述检测框信息包括检测框的坐标信息，所述根据所述检测框信息进行非极大值抑制，得到目标检测框信息，包括：

根据所述检测框的坐标信息，计算每两个检测框之间的交并比，并判断所述交并比是否大于预设的交并比阈值；