[发明专利]影像仪测试方法、装置、设备、存储介质及程序产品

权利要求书

1.一种影像仪测试方法，其特征在于，包括：

获取影像仪拍摄得到的图像；其中，所述影像仪为安装在银行内的、用于对用户办理业务进行视觉验证的影像仪；

提取所述图像的颜色特征和纹理特征，并对所述颜色特征和纹理特征进行组合，得到所述图像的组合特征；

根据所述图像的组合特征与预先训练的支持向量回归模型，确定所述影像仪的评价结果。

2.根据权利要求1所述的方法，其特征在于，所述拍摄得到的图像为RGB图像；提取所述图像的颜色特征，包括：

将所述RGB图像转换为HSV图像；

根据所述HSV图像，构建明度矩阵、色调矩阵和饱和度矩阵；

将所述明度矩阵、色调矩阵和饱和度矩阵分别进行均值化处理，得到明度均值、色调均值和饱和度均值；

根据明度均值、色调均值和饱和度均值，生成用于表示颜色特征的一维向量。

3.根据权利要求2所述的方法，其特征在于，提取所述图像的纹理特征，包括：

将所述RGB图像转变为灰度图像，提取所述灰度图像中各像素点的亮度信息；

对所述灰度图像的亮度信息进行压缩，并设定用于计算灰度共生矩阵的多个方向和多个步长；

对于每一方向执行下述步骤：根据所述灰度图像中各像素点的亮度信息，计算该方向下，各个步长对应的灰度共生矩阵并进行归一化操作，所述归一化操作包括计算能量、熵、对比度、逆差矩；计算归一化后所得数据的均值和方差；

将各个方向对应的均值和方差进行组合，得到对应的灰度共生矩阵作为所述图像的纹理特征。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取训练数据集，所述训练数据集包括多个训练样本，每一训练样本包括训练图像以及对应的主观评分；

提取所述训练数据集中的训练图像的颜色特征以及纹理特征，并根据颜色特征和纹理特征得到的组合特征；

根据所述训练数据集对应的组合特征和主观评分对初始的支持向量回归模型进行训练，得到所述预先训练的支持向量回归模型。

5.根据权利要求1所述的方法，其特征在于，对所述颜色特征和纹理特征进行组合，得到所述图像的组合特征，包括：

确定所述颜色特征的权重和所述纹理特征的权重；

对所述颜色特征和纹理特征进行加权组合，得到所述图像的组合特征。

6.根据权利要求1所述的方法，其特征在于，所述影像仪拍摄得到的图像为至少一幅图像；根据所述图像的组合特征与预先训练的支持向量回归模型，确定所述影像仪的评价结果，包括：

对于每一图像，将所述图像的组合特征输入到预先训练的支持向量回归模型，得到所述图像的质量评分；

根据所述至少一幅图像的质量评分，确定所述影像仪的评价结果。

7.根据权利要求6所述的方法，其特征在于，将所述图像的组合特征输入到预先训练的支持向量回归模型，得到所述图像的质量评分，包括：

将所述图像的组合特征输入到预先训练的支持向量回归模型中，将所述支持向量回归模型运行多次，得到输出结果的中间值为所述图像的质量评分。

8.根据权利要求6所述的方法，其特征在于，所述影像仪拍摄得到的图像包括人脸图像以及证件图像；所述支持向量回归模型包括用于检测人脸图像的第一支持向量回归模型以及用于检测证件图像的第二支持向量回归模型；

对于每一图像，将所述图像的组合特征输入到预先训练的支持向量回归模型，得到所述图像的质量评分，包括：

对于每一图像，判断所述图像是人脸图像还是证件图像；

若为人脸图像，则将所述图像输入至第一支持向量回归模型，得到所述人脸图像的质量评分；

若为证件图像，则将所述图像输入至第二支持向量回归模型，得到所述证件图像的质量评分；

相应的，根据所述至少一幅图像的质量评分，确定所述影像仪的评价结果，包括：

将所述影像仪拍摄得到的人脸图像的质量评分与证件图像的质量评分进行加权求和，得到所述影像仪的评价结果。