[发明专利]图像推送方法、模型训练方法及对应装置

说明书

本申请涉及人工智能技术领域，提供一种图像推送方法、模型训练方法及对应装置。图像推送方法包括：获取多个第一图像；将多个第一图像分别输入至终端设备上部署的第一神经网络进行打分，获得第一神经网络输出的多个第一分数；其中，第一神经网络的打分结果模拟服务器上部署的图像处理算法对待处理图像的打分结果；将多个第一分数中满足预设规则的目标分数对应的第一图像确定为目标图像并向服务器发送，以使服务器利用图像处理算法处理目标图像。上述方法不需要在终端设备部署大量属性网络，因此对终端设备性能要求不高，并且选择目标图像的过程以符合图像处理算法的预期为出发点，因此将目标图像用于图像处理任务时可能取得较好的效果。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种图像推送方法、模型训练方法及对应装置。

背景技术

在一些安防系统方案中，会部署主控服务器以及多路图像采集设备(如普通摄像头、抓拍机等)，但如果所有的图像采集设备都将采集到的全部图像传输给主控服务器进行后续处理，则受网络带宽影响，无法支持部署很多的图像采集设备，导致系统功能受限。解决方案是图像采集设备先期对采集到的图像按照某种标准进行筛选，仅将筛选出的少量图像推送给服务器处理，以降低带宽压力。

以人脸识别场景为例，假设图像采集设备采集了同一人的多个人脸图像，现有的图像推送策略是对多个人脸图像进行质量打分，然后选出一张得分最高的图像推送给服务器进行人脸识别。为实现人脸图像的质量打分，目前常见的做法是在图像采集设备上部署各种属性网络，提取人脸图像的多种属性，比如3D姿态、模糊程度、人脸大小、人脸遮挡、眼睛状态、光照强度等属性，然后对这些属性进行加权平均，得到一个质量分数。

然而，在上述方案中，为获得人脸图像的多种属性，图像采集设备需要利用多个属性网络进行复杂计算，对设备性能要求较高；此外，各属性的加权系数往往由人工主观确定，因此选择出的人脸图像具有一定的主观倾向，导致该图像并不一定是服务器上部署的人脸识别算法所期望获得的图像。

发明内容

本申请实施例的目的在于提供一种图像推送方法、模型训练方法及对应装置，以改善上述技术问题。

为实现上述目的，本申请提供如下技术方案：

第一方面，本申请实施例提供一种图像推送方法，应用于终端设备，所述方法包括：获取多个第一图像；将所述多个第一图像分别输入至所述终端设备上部署的第一神经网络进行打分，获得所述第一神经网络对应输出的多个第一分数；其中，所述第一神经网络的打分结果模拟服务器上部署的图像处理算法对待处理图像的打分结果，所述图像处理算法的打分结果表征所述待处理图像被用于执行预设的图像处理任务的适合程度；将所述多个第一分数中满足预设规则的目标分数对应的第一图像确定为目标图像，并向所述服务器发送所述目标图像，以使所述服务器利用所述图像处理算法处理所述目标图像。

在上述方法中，首先，终端设备为获得第一图像的第一分数，只需要利用本地部署的第一神经网络，而不需要部署大量属性网络，其运算量十分有限，对终端设备性能要求不高；其次，第一神经网络能够模拟服务器上部署的、用于执行预设的图像处理任务的图像处理算法的打分结果，从而根据第一神经网络的打分来选择出目标图像，这一图像选择过程不包含主观因素，而是以符合图像处理算法的预期(表征为图像处理算法的打分结果)为出发点，从而将目标图像用于图像处理任务(即用图像处理算法处理目标图像)时可能取得较好的效果。

在第一方面的一种实现方式中，所述第一图像为人脸图像，所述图像处理算法为人脸识别算法，所述待处理图像为待识别人脸图像，所述图像处理任务为人脸识别任务，所述人脸识别算法的打分结果表征所述待识别人脸图像与底库人脸图像的相似程度。

本申请实施例提供的图像推送方法可用于人脸识别场景，但不必然用于此场景，在该场景中，底库人脸图像对应的人物身份是已知的，服务器会利用本地部署的人脸识别算法处理待识别人脸图像(例如，进行特征提取等)，并最终根据待识别人脸图像与底库人脸图像的相似程度确定待识别人脸图像中人物的身份，即达到人脸识别的目的。