[发明专利]图片品质的检测方法及装置

摘要

本发明涉及一种图片品质的检测方法及装置，所述图片品质的检测方法包括车险理赔服务器在接收到用户终端上传的理赔照片后，采用预先训练生成的深度卷积神经网络模型对接收到的理赔照片进行清晰度识别，以确定所述理赔照片的清晰度等级；若所述理赔照片的清晰度等级低于预设清晰度等级，则发送第一提示信息至所述用户终端，以提醒用户重新上传理赔照片。本发明通过预先训练生成的深度卷积神经网络模型对理赔照片进行清晰度识别，保证用户所上传的理赔照片均是能够准确地分析得出车险现场信息的理赔照片，这样，有助于提高自助理赔系统的工作效率，提高用户体验。

主权项

一种图片品质的检测方法，其特征在于，所述图片品质的检测方法包括：S1，车险理赔服务器在接收到用户终端上传的理赔照片后，采用预先训练生成的深度卷积神经网络模型对接收到的理赔照片进行清晰度识别，以确定所述理赔照片的清晰度等级；所述预先训练生成的深度卷积神经网络模型是一个多层的神经网络，包括特征提取层、特征映射层，每层由多个二维平面组成，每个平面由多个独立神经元组成，每一个特征提取层都紧跟着一个用来求局部平均与二次提取的计算层；S2，若所述理赔照片的清晰度等级低于预设清晰度等级，则发送第一提示信息至所述用户终端，以提醒用户重新上传理赔照片；所述步骤S1之前，该方法还包括：S01，将预设数量的理赔照片按预定的清晰度等级进行分类，并提取每一分类下的理赔照片中预设比例的理赔照片作为训练照片，提取每一分类下剩余的理赔照片作为验证照片；S02，对每一分类下的每一训练照片进行特征提取，以获取待输入至所述深度卷积神经网络模型中的第一像素向量，并将每一分类下的每一训练照片对应的第一像素向量输入至所述深度卷积神经网络模型中，以训练生成用于识别的深度卷积神经网络模型；S03，对每一分类下的每一验证照片进行特征提取，以获取输入至训练生成的深度卷积神经网络模型中的第二像素向量，并将每一分类下的每一验证照片对应的第二像素向量输入至训练生成的深度卷积神经网络模型中，以验证训练生成的深度卷积神经网络模型的准确率；S04，若训练生成的深度卷积神经网络模型的准确率大于等于预设阈值，则训练结束；所述对每一分类下的每一训练照片或验证照片进行特征提取的步骤包括：对于每一分类下的每一训练照片或验证照片，利用不同卷积核从每一训练照片或验证照片的第一个像素块开始遍历至最后一个像素块进行卷积运算，以提取出每一训练照片或验证照片对应的不同特征图；对提取出的每一训练照片或验证照片的特征图进行池化及光栅化处理，以将提取出的每一训练照片特征图处理成维度一致的第一像素向量，将提取出的每一验证照片特征图处理成维度一致的第二像素向量。