[发明专利]一种质量评价模型训练方法、装置、电子设备及存储介质

说明书

本申请提供一种质量评价模型训练方法及装置，涉及图像处理，包括：使用第一训练样本(第一虹膜图像和第一质量标签)训练质量评价网络,得到多个第一质量评价模型,使用多个第一质量评价模型得到第一虹膜图像的多个质量预测值,若与第一质量标签的偏差大于或等于第一偏差值阈值的质量预测值数量大于或等于第一数量阈值,则根据第一虹膜图像的多个质量预测值，或者与第一虹膜图像的相似度大于或等于相似度阈值的第二虹膜图像的质量预测值,更新第一质量标签为第二质量标签,以生成第二训练样本,并使用第二训练样本训练质量评价网络,得到第二质量评价模型,可以提高质量评价模型的准确度，从而提高虹膜训练样本的质量和虹膜识别模型的训练效率。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种质量评价模型训练方法、装置、电子设备及存储介质。

背景技术

虹膜识别具有准确性高、防伪性强等优势，但在采集时往往因为光线、角度等问题导致虹膜被遮挡或模糊的情况，导致虹膜识别会出现困难，因此往往需要判断采集到的虹膜图像的质量，以防止识别出错。目前的深度学习策略的虹膜质量评价方法中，一般是拿传统的标签生产工具生成标签，也有些用检测的分数来做标签，用上述这种方法生成标签，在一定情况下有效果，但是所形成的标签均不够准确，影响虹膜质量评价结果的准确度。

发明内容

本发明提供一种质量评价模型训练方法、装置、电子设备及存储介质，用于提高虹膜质量评价精度。

第一方面,提供一种质量评价模型训练方法。该方法包括：

利用第一训练样本训练质量评价网络，得到多个第一质量评价模型；第一训练样本包括第一虹膜图像，以及第一虹膜图像的第一质量标签；

将第一训练样本输入多个第一质量评价模型，得到第一虹膜图像的多个质量预测值；

确定满足第一条件的第一虹膜图像的质量预测值的数量大于或等于第一数量阈值；第一条件为第一虹膜图像的质量预测值与第一虹膜图像的第一质量标签之间的偏差大于或等于第一偏差阈值；

生成第一虹膜图像的第二质量标签；第一虹膜图像的第二质量标签根据第一虹膜图像的多个质量预测值或多个第二虹膜图像的质量预测值确定；第二虹膜图像为与第一虹膜图像的相似度高于相似度阈值的虹膜图像；

生成第二训练样本；第二训练样本包括第一虹膜图像和第一虹膜图像的第二质量标签；

利用第二训练样本训练质量评价网络，得到第二质量评价模型。

一种可能的设计方案中，生成第一虹膜图像的第二质量标签，包括：

确定第一备选标签与第二备选标签之间的偏差小于第二偏差阈值；

将第一备选标签确定为第一虹膜图像的第二质量标签;

其中,第一备选标签根据满足第一条件的第一虹膜图像的质量预测值确定；

第二备选标签根据满足第二条件或第三条件的第二虹膜图像的质量预测值确定。

另一种可能的设计方案中，生成第一虹膜图像的第二质量标签，包括：

确定第一备选标签与第二备选标签之间的偏差大于或等于第二偏差阈值；

将第二备选标签确定为第一虹膜图像的第二质量标签;

其中,第一备选标签根据满足第一条件的第一虹膜图像的质量预测值确定；

第二备选标签根据满足第二条件或第三条件的第二虹膜图像的质量预测值确定。

可选地，第二条件为第二虹膜图像的数量大于或等于第二数量阈值，以及，第二虹膜图像的质量预测值满足第四条件的第二虹膜图像的数量大于或等于第三数量阈值；