[发明专利]一种基于图像质量的图像过滤方法和相关装置

权利要求书

1.一种基于图像质量的图像过滤方法，其特征在于，包括：

获取若干幅人脸图像；

基于人脸检测算法对所述人脸图像进行人脸检测并对所述人脸图像进行裁剪，输出人脸置信度；

将裁剪后的所述人脸图像输入到预置图像质量分布模型，输出人脸图像评分；

将各所述人脸图像的所述人脸图像评分和所述人脸置信度进行加权融合，得到若干个人脸图像质量分数；

对所有的所述人脸图像质量分数进行降序排序，输出前预置数量位的所述人脸图像。

2.根据权利要求1所述的基于图像质量的图像过滤方法，其特征在于，所述对所有的所述人脸图像质量分数进行降序排序，输出前预置数量位的所述人脸图像，之后还包括：

对输出的前预置数量位的所述人脸图像进行人脸识别。

3.根据权利要求1所述的基于图像质量的图像过滤方法，其特征在于，所述将裁剪后的所述人脸图像输入到预置图像质量分布模型，输出人脸图像评分，之前还包括：

获取待训练人脸图像；

基于人脸检测算法对所述待训练人脸图像进行人脸检测并对所述待训练人脸图像进行裁剪；

基于若干个预置标准对裁剪后的所述待训练人脸图像的质量等级进行打分，得到所述待训练人脸图像的质量等级分布数据，将所述质量等级分布数据作为裁剪后的所述待训练人脸图像的标签；

将裁剪后的所述待训练人脸图像和裁剪后的所述待训练人脸图像的标签输入到残差网络，对所述残差网络进行训练；

当所述残差网络达到收敛条件时，得到训练好的所述残差网络，将训练好的所述残差网络作为所述预置图像质量分布模型。

4.根据权利要求3所述的基于图像质量的图像过滤方法，其特征在于，所述将裁剪后的所述待训练人脸图像和裁剪后的所述待训练人脸图像的标签输入到残差网络，对所述残差网络进行训练，之前还包括：

基于Imagenet图像集对所述残差网络进行预训练。

5.一种基于图像质量的图像过滤系统，其特征在于，包括：

第一图像获取模块，用于获取若干幅人脸图像；

第一人脸检测模块，用于基于人脸检测算法对所述人脸图像进行人脸检测并对所述人脸图像进行裁剪，输出人脸置信度；

第一输出模块，用于将裁剪后的所述人脸图像输入到预置图像质量分布模型，输出人脸图像评分；

加权融合模块，用于将各所述人脸图像的所述人脸图像评分和所述人脸置信度进行加权融合，得到若干个人脸图像质量分数；

第二输出模块，用于对所有的所述人脸图像质量分数进行降序排序，输出前预置数量位的所述人脸图像。

6.根据权利要求5所述的基于图像质量的图像过滤系统，其特征在于，还包括：

人脸识别模块，用于对输出的前预置数量位的所述人脸图像进行人脸识别。

7.根据权利要求5所述的基于图像质量的图像过滤系统，其特征在于，还包括：

第二图像获取模块，用于获取待训练人脸图像；

第二人脸检测模块，用于基于人脸检测算法对所述待训练人脸图像进行人脸检测并对所述待训练人脸图像进行裁剪；

打分模块，用于基于若干个预置标准对裁剪后的所述待训练人脸图像的质量等级进行打分，得到所述待训练人脸图像的质量等级分布数据，将所述质量等级分布数据作为裁剪后的所述待训练人脸图像的标签；

训练模块，用于将裁剪后的所述待训练人脸图像和裁剪后的所述待训练人脸图像的标签输入到残差网络，对所述残差网络进行训练；

收敛模块，用于当所述残差网络达到收敛条件时，得到训练好的所述残差网络，将训练好的所述残差网络作为所述预置图像质量分布模型。

8.根据权利要求7所述的基于图像质量的图像过滤系统，其特征在于，还包括：

预训练模块，用于基于Imagenet图像集对所述残差网络进行预训练。