一种图像筛选方法、计算设备及存储介质与流程

本发明涉及图像处理领域，具体涉及一种图像筛选方法、计算设备及存储介质。

背景技术：

1、近年来，伴随着数字技术的发展，数字化图像越来越多，在一些场景中，需要对包含特定对象的图像进行识别和分类等处理，以筛选出符合场景需求属性的图像。

2、例如，对包含人脸的图像来说，随着美颜技术的发展，很多人脸图像的人脸区域都富有美感，但其背景和构图毫无美感。尤其是对于汽车编辑网站而言，常需要人物与汽车结合、布局，方能构成高质量的图像，在编辑网站上百万的图像量级上，如何摆脱人工筛选，智能化选出高质量的图像显得尤为重要。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像筛选方法、计算设备以及存储介质。

2、根据本发明的一个方面，提供一种图像筛选方法，在计算设备中执行，该方法包括：从待筛选图像中提取至少一个人脸区域图像；针对每一人脸区域图像，判定该人脸区域图像是否符合第一预设条件；从符合第一预设条件的人脸区域图像中选取人脸面积最大的人脸区域图像，并在检测到选取的人脸区域图像满足第二预设条件时，识别待筛选图像的图像内容所指示的图像场景类别；若图像场景类别为预设类别，则判断待筛选图像的构图布局是否满足第三预设条件；若满足则将待筛选图像确定为目标图像。

3、可选地，在根据本发明的图像筛选方法中，其中，判定人脸区域图像是否符合第一预设条件，包括：利用人脸图像质量评价模型对人脸区域图像进行处理，得到针对人脸图像质量的第一评分结果；判断第一评分结果是否大于人脸质量评分阈值；若大于，则利用属性识别模型对人脸区域图像进行处理，得到属性分类结果，属性包括年龄和性别；判断属性分类结果是否与预设的属性类别相符，并将相符合的人脸图像确定为符合第一预设条件的人脸区域图像。

4、可选地，在根据本发明的图像筛选方法中，其中，人脸图像质量评价模型的训练步骤包括：采集人脸图像样本集；将人脸图像样本集中指向同一人脸的图像样本分类为同一类别图像，得到多个类别图像集；提取各样本图像的特征向量；利用提取的各特征向量，计算同一类别图像集的类内余弦距离和不同类别图像集的类间余弦距离；针对每一样本图像，计算其特征向量对应的类内余弦距离和类间余弦距离之间的相似度，作为该样本图像的人脸质量评分；利用各样本图像和对应的人脸质量评分对卷积神经网络进行训练，得到人脸图像质量评价模型。

5、可选地，在根据本发明的图像筛选方法中，其中，从待筛选图像中提取至少一个人脸区域图像，包括：对待筛选图像进行人脸检测，得到至少一张人像区域图像和各人像区域图像的关键点坐标，关键点包括人像的左眼睛、右眼睛、鼻子、左嘴角和右嘴角。

6、可选地，在根据本发明的图像筛选方法中，其中，判定人脸区域图像是否符合第一预设条件之前，还包括：基于关键点坐标，分别确定出人脸区域图像与标准人脸图像的第一关键点值和第二关键点值；利用第一关键点值和第二关键点值，进行奇异值分解，并确定出变换矩阵；利用变换矩阵对人脸区域图像进行校正。

7、可选地，在根据本发明的图像筛选方法中，其中，检测选取的人脸区域图像满足第二预设条件，包括：计算所选取的人脸区域图像与待筛选图像的面积比；当面积比不小于预设占比值，则确定该人脸区域图像满足第二预设条件。

8、可选地，在根据本发明的图像筛选方法中，其中，基于关键点坐标，分别确定出人脸区域图像与标准人脸图像的第一关键点值和第二关键点值，包括：分别计算目标人脸区域图像的关键点坐标与标准人脸图像的关键点坐标的均值和方差；利用相应的均值和方差分别对目标人脸区域图像及标准人脸图像的关键点坐标进行数据正则化处理，得到第一关键点值和第二关键点值。

9、可选地，在根据本发明的图像筛选方法中，其中，通过如下方式确定出变换矩阵：

10、

11、其中，m为变换矩阵、msrc为目标人脸区域图像的关键点坐标的均值、mdst为目标人脸区域的关键点坐标的方差值、stddst为标准人脸图像的关键点坐标的均值、stdsrc为标准人脸图像的关键点坐标的方差、为标准人脸图像的关键点坐标的方差转置、r为奇异值得到的矩阵，且r＝u×vt，u为左奇异向量矩阵，v为右奇异向量矩阵。

12、可选地，在根据本发明的图像筛选方法中，其中，识别待筛选图像的图像内容所指示的图像场景类别，包括：将待筛选图像输入至图像场景检测模型中，以识别待筛选图像的图像内容所指示的图像场景类别，图像场景类别包括真实场景类、车辆中控屏场景类、壁画场景类。

13、可选地，在根据本发明的图像筛选方法中，其中，判断待筛选图像的构图布局是否满足第三预设条件，包括：将待筛选图像输入至图像构图检测模型中，以检测待筛选图像的图像构图是否满足第三预设条件。

14、根据本发明的又一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行上述方法的指令。

15、根据本发明的又一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行上述的方法。

16、根据本发明的方案，结合人脸区域图像质量、图像场景和图像构图等因素，对图像进行智能化筛选，能够快速筛选出更多高质量的图像，摆脱人工挑选，加速效率，在提升用户观感的同时，提升图像筛选的质量。

17、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种图像筛选方法，在计算设备中执行，该方法包括：

2.如权利要求1所述的方法，其中，判定人脸区域图像是否符合第一预设条件，包括：

3.如权利要求2所述的方法，其中，所述人脸图像质量评价模型的训练步骤包括：

4.如权利要求1所述的方法，其中，从待筛选图像中提取至少一个人脸区域图像，包括：

5.如权利要求4所述的方法，其中，判定人脸区域图像是否符合第一预设条件之前，还包括：

6.如权利要求1所述的方法，其中，检测选取的人脸区域图像满足第二预设条件，包括：

7.如权利要求5所述的方法，其中，基于所述关键点坐标，分别确定出人脸区域图像与标准人脸图像的第一关键点值和第二关键点值，包括：

8.如权利要求7所述的方法，其中，通过如下方式确定出所述变换矩阵：

9.一种计算设备，包括：

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-8中任一项所述的方法。

技术总结
本发明公开了一种图像筛选方法、计算设备及存储介质，图像筛选方法在计算设备中执行，该方法包括：从待筛选图像中提取至少一个人脸区域图像；针对每一人脸区域图像，判定该人脸区域图像是否符合第一预设条件；从符合第一预设条件的人脸区域图像中选取人脸面积最大的人脸区域图像，并在检测到选取的人脸区域图像满足第二预设条件时，识别待筛选图像的图像内容所指示的图像场景类别；若图像场景类别为预设类别，则判断待筛选图像的构图布局是否满足第三预设条件；若满足则将待筛选图像确定为目标图像。

技术研发人员：刘华
受保护的技术使用者：车智互联（北京）科技有限公司
技术研发日：
技术公布日：2024/2/29