[发明专利]直播封面图像质量检测方法、装置、设备及存储介质

说明书

本申请涉及网络直播技术领域，提出一种直播封面图像质量检测方法、装置、设备及存储介质。将待测图像输入预先构建的图像分类器，对所述待测图像进行初步筛选分类，划分为初筛正常图像和若干种类的异常图像。对于初筛正常图像再将其输入预设的图像质量多元特征评估模型进行图像质量评估检测，获得图像质量。其中，所述图像质量多元特征评估模型是通过对自然图像数据集提取多维特征，并以所述多维特征构建的高斯分布模型，所述自然图像数据集的多维特征符合多元高斯分布。对所述待测图像先通过卷积神经网络的图像分类，再通过无参考的图像质量多元特征评估模型评估检测，实现对低质量的直播封面图像的检测识别。

技术领域

本申请实施例涉及网络直播技术领域，尤其涉及一种直播封面图像质量检测方法、装置、计算机设备及存储介质。

背景技术

在网络直播、短视频行业中，如何帮助主播用户吸引用户流量是每个网络直播软件需要解决的问题，而有吸引力的、高质量的封面图像就是吸引用户流量中的关键一步。目前的网络直播软件中，封面图像的来源主要由用户上传和平台方自动生成两种方式，而这两种方式生成的封面往往存在了各种各样的异常图像问题；例如黑边、毛玻璃、失真等，一般需要采用图像质量过滤方法过滤掉这些异常图像、提高用户观感。

一般的图像质量过滤方法主要包括：1)采用基于卷积神经网络的模型对封面图像进行分类，得到异常图像，但由于噪声、模糊、人为压缩等失真往往是对图像在像素级别的损坏，卷积神经网络模型对这样像素级别的损坏检测效果不理想；2)采用传统人工设计的图像质量评估算法能够对像素级别的损坏进行精细化的算法检测，但其缺点在于不同异常图像的类型都需要采用定制化的算法与参数设置，成本比较高。

发明内容

基于此，本申请实施例提供了一种直播封面图像质量检测方法、装置、计算机设备及存储介质，可以实现封面图像质量精细化检测，成本较低。

第一方面，本申请实施例提供了一种直播封面图像质量检测方法，包括步骤：

将待测图像输入预先构建的图像分类器，获取所述待测图像属于正常图像的概率值以及分别属于若干种类的异常图像的概率值，并根据预先设置的正常概率阈值以及所述若干种类的异常图像分别对应的异常概率阈值，将所述待测图像划分为初筛正常图像和若干种类的异常图像；其中，所述图像分类器由正常图像样本集和若干种类的异常图像样本集训练而成；

将所述初筛正常图像输入预设的图像质量多元特征评估模型，获取所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值，将所述距离值不大于预设距离阈值的初筛正常图像划分为正常图像，将所述距离值大于距离阈值的初筛正常图像划分为异常图像，其中，所述图像质量多元特征评估模型是通过对自然图像数据集提取多维特征，并以所述多维特征构建的多元高斯模型，所述自然图像数据集的多维特征符合多元高斯分布。

第二方面，本申请实施例提供了一种直播封面图像质量检测装置，包括：

图像分类单元，用于将待测图像输入预先构建的图像分类器，获取所述待测图像属于正常图像的概率值以及分别属于若干种类的异常图像的概率值，并根据预先设置的正常概率阈值以及所述若干种类的异常图像分别对应的异常概率阈值，将所述待测图像划分为初筛正常图像和若干种类的异常图像；其中，所述图像分类器由正常图像样本集和若干种类的异常图像样本集训练而成；

图像质量检测单元，用于将所述初筛正常图像输入预设的图像质量多元特征评估模型，获取所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值，将所述距离值不大于预设距离阈值的初筛正常图像划分为正常图像，将所述距离值大于距离阈值的初筛正常图像划分为异常图像，其中，所述图像质量多元特征评估模型是通过对自然图像数据集提取多维特征，并以所述多维特征构建的多元高斯模型，所述自然图像数据集的多维特征符合多元高斯分布。