[发明专利]证件图像质量检测方法、装置、计算机设备及存储介质

权利要求书

1.一种基于注意力机制的证件图像质量检测方法，其特征在于，包括下述步骤：

读取证件图像数据库，在所述证件图像数据库中获取正样本图像；

根据图像增广方法对所述标准正样本图像进行图像增广操作，得到负样本图像；

结合所述正样本图像以及所述负样本图像，得到训练数据；

根据所述训练数据对双标签分类模型进行模型训练操作，得到证件图像质量检测模型，其中，所述双标签分类模型由卷积块注意模块以及轻量化网络构成；

接收携带有待检测的待测证件图像；

将所述待测证件图像输入至所述证件图像质量检测模型进行质量检测操作，得到质量检测结果；

输出所述质量检测结果。

2.根据权利要求1所述的基于注意力机制的证件图像质量检测方法，其特征在于，所述轻量化网络为mobilenet_v2网络，在所述根据所述训练数据对双标签分类模型进行模型训练操作，得到证件图像质量检测模型的步骤之前还包括：

将所述mobilenet_v2网络作为所述双标签分类模型的基准网络；

分别在所述mobilenet_v2网络中的每个mobilenet模块之后加入所述卷积块注意模块，生成所述双标签分类模型。

3.根据权利要求1所述的基于注意力机制的证件图像质量检测方法，其特征在于，所述卷积块注意模块包括空间注意力子模块以及通道注意力子模块，其中，

所述通道注意力子模块用于将输入特征F分别经过最大池化和平均池化，并经过共享多层感知器，将得到的两个特征相加，再经过Sigmoid函数，最终生成通道注意力特征Mc(F)，所述通道注意力特征Mc(F)表示为：

其中，σ表示所述Sigmoid函数；MLP表示所述共享多层感知器；AvgPool表示所述平均池化；MaxPool表示所述最大池化；W₀和W₁分别表示不同的权重矩阵；表示平均池化特征，表示最大池化特征；

所述空间注意力子模块用于将所述通道注意力特征Mc(F)和输入特征F进行一个基于对应元素逐个相乘的乘法操作，生成空间注意力子模块的输入特征F`，对于输入的特征F`，分别经过最大池化和平均池化操作，然后进行卷积操作，接着通过所述Sigmoid函数生成空间注意力特征Ms(F`)，所述空间注意力特征Ms(F`)表示为：

其中，σ表示所述Sigmoid函数；f^7*7表示示7*7的卷积核；AvgPool表示所述平均池化；MaxPool表示所述最大池化；表示平均池化特征；表示最大池化特征。

4.根据权利要求1所述的基于注意力机制的证件图像质量检测方法，其特征在于，所述图像增广方法包括但不限于高斯模糊方法以及运动模糊方法。

5.根据权利要求1所述的基于注意力机制的证件图像质量检测方法，其特征在于，在所述结合所述正样本图像以及所述负样本图像，得到训练数据的步骤之后，且所述根据所述训练数据对双标签分类模型进行模型训练操作，得到证件图像质量检测模型的步骤之前，还包括：

对所述训练数据进行图像增强操作，得到增强训练数据；

所述根据所述训练数据对双标签分类模型进行模型训练操作，得到证件图像质量检测模型的步骤，具体包括：

根据所述增强训练数据对双标签分类模型进行所述模型训练操作，得到所述证件图像质量检测模型。

6.根据权利要求5所述的基于注意力机制的证件图像质量检测方法，其特征在于，所述根据所述增强训练数据对双标签分类模型进行所述模型训练操作，得到所述证件图像质量检测模型的步骤，具体包括：

判断所述增强训练数据像是否满足预设图像条件；

若所述增强训练数据满足所述预设图像条件，则执行所述模型训练操作，得到所述证件图像质量检测模型；

若所述增强训练数据不满足所述预设图像条件，则对所述增强训练数据进行预处理操作，获得规范训练数据；

根据所述规范训练数据对双标签分类模型进行所述模型训练操作，得到所述证件图像质量检测模型。