[发明专利]一种用于目标识别的图像处理方法及装置

说明书

本发明实施例提供了一种用于目标识别的图像处理方法及装置，方法包括：将N帧图像输入到质量评估网络模型，利用质量评估网络模型，根据预设的子区域图像的关注权重和M个质量评估参数确定N帧图像中每一帧图像的特征向量，根据N帧图像的特征向量确定N帧图像的最终质量评估值；根据N帧图像的最终质量评估值确定用于进行目标识别的目标图像或目标向量。通过本发明实施例提供的技术方案，基于子区域图像的关注权重和M个质量评估参数，确定每帧图像的特征向量。每帧图像均根据子区域图像的关注权重和M个质量评估参数进行评估的，提高了每帧图像的图像质量评估准确率。最终质量评估值是根据图像的特征向量得到的，提高了目标图像的成像质量。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种用于目标识别的图像处理方法及装置。

背景技术

目标识别技术广泛应用于各种电子系统，例如门禁系统、交通系统、卡口系统等。现有的目标识别技术是在监控设备所拍摄的图像的基础上进行目标识别。具体的，监控设备每获取到一帧包括目标物的图像，就对所获取到的图像进行特征提取，并对所提取到的特征进行识别，确定目标物。

然而，监控设备所拍摄到的包含目标物的图像数量虽然较多，但所拍摄的图像中存在姿态各异、尺寸各异、不同程度遮挡等成像质量较差的图像。成像质量较差的图像不能为目标识别提供清晰可用的特征，进而导致降低了目标识别的效率。且所提取的整张图像的特征，包含非目标物的特征和目标物的特征，在进行目标识别时非目标物的特征会对目标识别产生影响，进而影响目标识别的准确性。

发明内容

本发明实施例的目的在于提供一种用于目标识别的图像处理方法及装置，以提高每帧图像的图像质量评估准确率，并提高最终输出的目标图像的成像质量。具体技术方案如下：

第一方面，本发明实施例提供了一种用于目标识别的图像处理方法，所述方法包括：

将N帧图像输入到质量评估网络模型，其中，N为正整数；

利用所述质量评估网络模型，根据预设的子区域图像的关注权重和M个质量评估参数，确定所述N帧图像中每一帧图像的特征向量，其中，M为正整数；

根据所述N帧图像的特征向量，确定所述N帧图像的最终质量评估值；

根据所述N帧图像的最终质量评估值，确定用于进行目标识别的目标图像或目标向量。

可选地，所述根据预设的子区域图像的关注权重和M个质量评估参数，确定所述N帧图像中每一帧图像的特征向量，包括：

针对每一帧图像，确定多个子区域图像及每个子区域图像对应的关注权重；

针对每个子区域图像进行特征提取，得到包括M个特征值的特征向量，所述M个特征值分别对应所述M个质量评估参数的取值；

根据每个子区域图像的特征向量和每个子区域图像对应的关注权重，确定所述图像的特征向量。

可选地，所述根据所述N帧图像的特征向量，确定所述N帧图像的最终质量评估值，包括：

根据所述N帧图像的特征向量，确定所述N帧图像的初始质量评估值；

根据所述N帧图像的初始质量评估值和所述N帧图像的特征向量，确定所述N帧图像的融合特征向量；

根据所述融合特征向量和标准特征向量的相似程度，更新所述N帧图像的初始质量评估值，得到所述N帧图像的最终质量评估值。

可选地，所述根据所述N帧图像的特征向量，确定所述N帧图像的初始质量评估值，包括：

针对每一帧图像，根据该帧图像的所述特征向量包括的M个特征值的权重系数，对所述M个特征值进行加权求和，将加权求和之后的值作为该帧图像的初始质量评估值。