[发明专利]一种图像评分方法及电子设备

权利要求书

1.一种图像评分方法，其特征在于，其包括：

获取待评分图像，其中，所述待评分图像携带人脸图像；

将所述待评分图像输入至预设的图像质量检测模型，通过预设的图像质量检测模型输出所述待评分图像携带的人脸图像的质量数据，其中，质量数据用于反映所述待评分图像的特征属性的质量；

根据所述待评分图像的质量数据确定所述待评分图像的目标评分。

2.根据权利要求1所述图像评分方法，其特征在于，所述人脸图像包括多张人脸图像，所述将所述待评分图像输入至预设的图像质量检测模型，通过预设的图像质量检测模型输出所述待评分图像携带的人脸图像的质量数据具体为：

将所述待评分图像输入至预设的图像质量检测模型，通过所述图像质量检测模型确定所述待评分图像中的各人脸图像各自对应的质量数据。

3.根据权利要求2所述图像评分方法，其特征在于，所述根据所述待评分图像的质量数据确定所述待评分图像的评分具体包括：

针对于所述待评分图像中的每张人脸图像，获取该人脸图像对应的权重系数，并根据该人脸图像的权重系数和质量数据确定该人脸图像的候选评分；

根据各人脸图像的候选评分确定所述待评分图像对应的目标评分。

4.根据权利要求3所述图像评分方法，其特征在于，所述权重系数根据人脸图像所占面积所对应的分数、人脸所处位置所对应的分数以及人脸朝向所对应的分数确定的。

5.根据权利要求1所述图像评分方法，其特征在于，所述特征属性包括微笑特征、闭眼特征、面部遮挡特征和面部模糊度特征。

6.根据权利要求1-5任一所述图像评分方法，其特征在于，所述图像质量检测模型的训练过程具体包括：

预设网络模型根据训练样本集中训练图像，生成所述训练图像对应的预测质量数据；其中，所述训练样本集包括若干训练样本组，每组训练样本均包括训练图像以及训练图像对应的真实质量数据和真实人脸关键点，所述真实质量数据包括特征分数组，所述特征分数组中每一特征分数均为所述训练图像的一特征属性对应的质量分数；

所述预设网络模型根据所述预测质量数据以及所述训练图像对应的真实质量数据对模型参数进行修正，并继续执行根据所述训练样本集中下一组训练图像，生成所述训练图像对应的检测数据的步骤，直至所述预设网络模型的训练情况满足预设条件，以得到所述图像质量检测模型。

7.根据权利要求6所述的图像评分方法，其特征在于，所述预设网络模型包括：特征提取模块和上层网络模块；所述预设网络模型根据训练样本集中训练图像，生成所述训练图像对应的预测质量数据的步骤包括：

将所述训练样本集中训练图像输入所述特征提取模块，通过所述特征提取模块得到所述训练图像对应的特征图像；

将所述特征图像输入所述上层网络模块，通过所述上层网络模块输出所述训练图像对应的预测质量数据以及预测人脸关键点。

8.根据权利要求7所述的图像评分方法，其特征在于，所述上层网络模块包括若干并列设置的质量检测单元以及关键点检测单元，各个质量检测单元对应的特征属性互不同；所述将所述特征图像输入所述上层网络模块，通过所述上层网络模块输出所述训练图像对应的预测质量数据以及预测人脸关键点具体包括：

将所述特征图像分别输入至各质量检测单元以及所述关键点检测单元；

通过各检测单元生成各检测单元对应的特征分数，以及通过所述关键点检测单元输出预测人脸关键点，以得到所述训练图像对应的预测质量数据。