[发明专利]一种确定图像质量的方法及装置

权利要求书

1.一种确定图像质量的方法，其特征在于，所述方法包括：

获取待分析的第一图像；

识别所述第一图像中的车辆，并确定包含所述车辆所在区域的第二图像；

将所述第二图像输入预先训练的卷积神经网络中，得到所述第一图像的质量等级；其中，所述卷积神经网络是根据各包含第一样本图像中车辆所在区域的第二样本图像，以及各第二样本图像的质量等级标定结果训练得到的。

2.根据权利要求1所述的方法，其特征在于，将所述第二图像输入预先训练的卷积神经网络中之前，所述方法还包括：

根据所述第二图像的特征信息，计算所述第二图像的清晰度，并判断所述清晰度是否大于预设阈值；其中，所述特征信息包括以下至少一项：亮度和对比度；

将所述第二图像输入预先训练的卷积神经网络中的步骤包括：

当所述清晰度大于所述预设阈值时，将所述第二图像输入预先训练的卷积神经网络中。

3.根据权利要求2所述的方法，其特征在于，所述判断所述清晰度是否大于预设阈值之后，所述方法还包括：

当所述清晰度不大于所述预设阈值时，确定所述第一图像的质量等级为预定等级。

4.根据权利要求2所述的方法，其特征在于，当所述特征信息包括亮度和对比度时，所述根据所述第二图像的特征信息，计算所述第二图像的清晰度的步骤包括：

计算所述第二图像的平均亮度，以及所述第二图像的对比度；

根据预设的平均亮度对应的第一权值、以及对比度对应的第二权值，对所述第二图像的平均亮度、以及所述第二图像的对比度进行加权计算，得到所述第二图像的清晰度。

5.根据权利要求1所述的方法，其特征在于，所述获取待分析的第一图像之后，所述方法还包括：

当识别不出所述第一图像中的车辆时，确定所述第一图像的质量等级为预定等级。

6.根据权利要求1-5任一项所述的方法，其特征在于，预先训练所述卷积神经网络的过程包括：

获取第一样本图像；

识别各第一样本图像中的车辆，并确定包含各车辆所在区域的第二样本图像；

获取各第二样本图像对应的质量等级标定结果；

将各第二样本图像，以及各第二样本图像对应的质量等级标定结果作为训练样本，训练得到所述卷积神经网络。

7.根据权利要求6所述的方法，其特征在于，所述将各第二样本图像，以及各第二样本图像对应的质量等级标定结果作为训练样本，训练得到所述卷积神经网络的步骤包括：

对各第二样本图像进行下采样和镜像处理；

将处理后的各第二样本图像，以及各第二样本图像对应的质量等级标定结果作为训练样本，训练得到所述卷积神经网络。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

获取采集各第一图像的图像采集设备的标识信息；

保存各第一图像的质量等级以及各图像采集设备的标识信息的对应关系；

针对任一图像采集设备，根据该图像采集设备对应的各第一图像的质量等级，确定该图像采集设备的性能指标。

9.根据权利要求8所述的方法，其特征在于，所述根据该图像采集设备对应的各第一图像的质量等级，确定该图像采集设备的性能指标的步骤包括：

根据该图像采集设备对应的各第一图像的质量等级，统计该图像采集设备对应的各等级的第一图像的数量；

根据该图像采集设备对应的各等级的第一图像的数量，以及该图像采集设备对应的第一图像的总数量，计算该图像采集设备对应的各等级的第一图像的数量比重；

根据该图像采集设备对应的各等级的第一图像的数量比重，以及预设的各等级的权重，计算该图像采集设备的性能指标。