【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，尤其涉及人工智能领域，具体是指一种面向智能安监系统实现针对低质量数据进行评估处理的系统、方法、装置、处理器及其可读存储介质。
技术介绍
1、随着人工智能技术的飞速发展，智能视频监控和安全防范领域得到广泛关注和应用。在实际场景中，由于拍摄设备、环境条件等因素的限制，采集到的视频图像质量参差不齐，其中存在大量低质图像，给后续的智能分析带来极大挑战。传统的图像质量评估方法，主要基于图像的客观属性，如清晰度、对比度、噪声等。这些方法能够从宏观角度描述图像质量，但无法反映面向特定任务的质量影响因素，比如在安防场景下，背景复杂、人体遮挡、超出画面边界等因素的存在，会严重干扰行为识别、目标检测等智能分析任务的准确性。
2、针对低质图像对智能分析性能的影响，目前主流做法是对其进行修复增强处理，如超分辨率重建、去噪去模糊等。但这类方法存在两大问题:一是增强过程可能引入错误信息，得到"看着像、但不真实"的结果；二是处理后的图像质量仍达不到算法的最低要求。因此，在智能分析前，识别出不适合做为输入的低质图像，并定量评估其质量水平，反馈给分析模型，使其选择性拒绝或降低响应低质输入，可提升系统的整体性能，避免错误分析，同时节省计算资源。
3、然而，目前尚缺乏一套面向安防智能分析的低质图像评估方法。现有方法大多基于浅层特征，单一维度，缺乏内容级的质量理解和综合评判能力。本专利技术旨在利用深度学习技术，结合智能分析任务的特点，构建图像质量的综合评估系统，形成标准化的质量评价，用于引导和提示后续的智能分析模块
技术实现思路
1、本专利技术的目的是克服了上述现有技术的缺点，提供了一种满足准确性好、整体性能好、适用范围较为广泛的面向智能安监系统实现针对低质量数据进行评估处理的系统、方法、装置、处理器及其可读存储介质。
2、为了实现上述目的，本专利技术的面向智能安监系统实现针对低质量数据进行评估处理的系统、方法、装置、处理器及其可读存储介质如下：
3、该面向智能安监系统实现针对低质量数据进行评估处理的系统，其主要特点是，所述的系统包括：
4、人体识别模块，用于识别视频图像中是否包含人体目标：
5、客观质量分析模块，与所述的人体识别模块相连接，用于利用opencv，对图像的清晰度、色彩、光照、噪声的角度，计算图像的质量指标并进行分析，判断是否为质差图像：
6、内容质量分析模块，与所述的客观质量分析模块相连接，用于对图像内容进行评估。
7、较佳地，所述的系统还包括综合评价模块，所述的综合评价模块包括所述的人体识别模块、客观质量分析模块和内容质量分析模块，还包括一个权重模块，所述的客观质量分析模块和内容质量分析模块的输入端与人体识别模块相连接，所述的客观质量分析模块和内容质量分析模块的输出端与权重模块相连接；所述的综合评价模块用于根据不同使用场景设置每个维度的权重，综合评估图像质量。
8、较佳地，所述的人体识别模块的构建包括以下步骤：
9、构建数据集，从实际场景的监控摄像头中获取原始数据，利用开源人体检测模型提取包含人体的感兴趣区域作为正样本，不包含人体的区域作为负样本，将数据划分为训练集、验证集和测试集；
10、对模型进行构建与训练，采用paddlecls深度学习框架下的resnet50模型，进行二分类训练；
11、进行模型测试与迭代更新调整。
12、较佳地，所述的客观质量分析模块采用拉普拉斯变换检测图像模糊程度，对图像的清晰度进行分析；所述的客观质量分析模块通过计算图像中颜色的分布和强度评估，对图像的色彩进行分析；所述的客观质量分析模块通过计算图像的平均亮度评估，对图像的光照进行分析；所述的客观质量分析模块通过计算图像的信噪比，对图像的噪声进行分析。
13、较佳地，所述的内容质量分析模块采用深度学习分类模型，识别输入图像中与智能分析密切相关的内容级质量问题，通过对正常图像进行数据增强操作，构造正常图像、超边界图像、遮挡图像和异常失真图像的四类数据集，并训练基于resnet50骨干网络的多分类模型。
14、较佳地，所述的内容质量分析模块的构建包括以下步骤：
15、构建数据集，收集并划分正常图像、超边界图像、遮挡图像和异常失真图像的四类数据：
16、采用paddlecls深度学习框架下的resnet50模型，进行四分类训练；
17、进行模型测试与迭代更新调整。
18、较佳地，所述的综合评价模块融合人体识别模块、客观质量分析模块和内容质量分析模块的输出结果，并通过权重模块加权汇总并归一化。
19、该利用上述系统实现面向智能安监系统针对低质量数据进行评估处理的方法，其主要特点是，所述的方法包括以下步骤：
20、(1)构建人体识别模块识别视频图像，判断是否包含人体目标：
21、(2)客观质量分析模块利用opencv对图像的质量指标进行分析，判断是否为质差图像：
22、(3)构建内容质量分析模块，图像内容进行评估：
23、(4)综合评价模块根据不同使用场景设置每个维度的权重，综合评估图像质量。
24、较佳地，所述的步骤(1)的构建人体识别模块识别视频图像体包括以下步骤：
25、(1.1)构建数据集，从实际场景的监控摄像头中获取原始数据，利用开源人体检测模型提取包含人体的感兴趣区域作为正样本，不包含人体的区域作为负样本，将数据划分为训练集、验证集和测试集；
26、(1.2)对模型进行构建与训练，采用paddlecls深度学习框架下的resnet50模型，进行二分类训练；
27、(1.3)进行模型测试与迭代更新调整。
28、较佳地，所述的步骤(2)具体包括以下步骤：
29、(2.1)通过拉普拉斯变换检测图像的模糊程度；
30、(2.2)通过计算图像中颜色的分布和强度来评估图像是否存在颜色失真；
31、(2.3)通过计算图像的平均亮度来评估光照条件；
32、(2.4)通过计算图像的信噪比评估图像中的噪声。
33、较佳地，所述的步骤(3)的构建内容质量分析模块具体包括以下步骤：
34、(3.1)构建数据集，收集并划分正常图像、超边界图像、遮挡图像和异常失真图像四类数据：
35、(3.2)采用paddlecls深度学习框架下的resnet50模型，进行四分类训练；
36、(3.3)进行模型测试与迭代更新调整。
37、较佳地，所述的步骤(4)具体包括以下步骤：
38、(4.1)将输入的图像通过人体识别模块进行处理；
39、(4.2)判断图像中是否存在人体目标，如果是，则继续步骤(4.3)；否则，继续步骤(4.4)；
40、(4.3)通过客观本文档来自技高网...
【技术保护点】
1.一种面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的系统包括：
2.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的系统还包括综合评价模块，所述的综合评价模块包括所述的人体识别模块、客观质量分析模块和内容质量分析模块，还包括一个权重模块，所述的客观质量分析模块和内容质量分析模块的输入端与人体识别模块相连接，所述的客观质量分析模块和内容质量分析模块的输出端与权重模块相连接；所述的综合评价模块用于根据不同使用场景设置每个维度的权重，综合评估图像质量。
3.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的人体识别模块的构建包括以下步骤：
4.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的客观质量分析模块采用拉普拉斯变换检测图像模糊程度，对图像的清晰度进行分析；所述的客观质量分析模块通过计算图像中颜色的分布和强度评估，对图像的色彩进行分析；所述的客观质量分析模块通过计算图像的平均亮度评估，对图
5.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的内容质量分析模块采用深度学习分类模型，识别输入图像中与智能分析密切相关的内容级质量问题，通过对正常图像进行数据增强操作，构造正常图像、超边界图像、遮挡图像和异常失真图像的四类数据集，并训练基于ResNet50骨干网络的多分类模型。
6.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的内容质量分析模块的构建包括以下步骤：
7.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的综合评价模块融合人体识别模块、客观质量分析模块和内容质量分析模块的输出结果，并通过权重模块加权汇总并归一化。
8.一种基于权利要求1所述的系统实现面向智能安监系统针对低质量数据进行评估处理的方法，其特征在于，所述的方法包括以下步骤：
9.根据权利要求8所述的实现面向智能安监系统针对低质量数据进行评估处理的方法，其特征在于，所述的步骤(1)的构建人体识别模块识别视频图像体包括以下步骤：
10.根据权利要求8所述的实现面向智能安监系统针对低质量数据进行评估处理的方法，其特征在于，所述的步骤(2)具体包括以下步骤：
11.根据权利要求8所述的实现面向智能安监系统针对低质量数据进行评估处理的方法，其特征在于，所述的步骤(3)的构建内容质量分析模块具体包括以下步骤：
12.根据权利要求8所述的实现面向智能安监系统针对低质量数据进行评估处理的方法，其特征在于，所述的步骤(4)具体包括以下步骤：
13.一种用于实现面向智能安监系统针对低质量数据进行评估处理的装置，其特征在于，所述的装置包括：
14.一种用于实现面向智能安监系统针对低质量数据进行评估处理的处理器，其特征在于，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现权利要求8至12中任一项所述的实现面向智能安监系统针对低质量数据进行评估处理的方法的各个步骤。
15.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现权利要求8至12中任一项所述的实现面向智能安监系统针对低质量数据进行评估处理的方法的各个步骤。
...【技术特征摘要】
1.一种面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的系统包括：
2.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的系统还包括综合评价模块，所述的综合评价模块包括所述的人体识别模块、客观质量分析模块和内容质量分析模块，还包括一个权重模块，所述的客观质量分析模块和内容质量分析模块的输入端与人体识别模块相连接，所述的客观质量分析模块和内容质量分析模块的输出端与权重模块相连接；所述的综合评价模块用于根据不同使用场景设置每个维度的权重，综合评估图像质量。
3.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的人体识别模块的构建包括以下步骤：
4.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的客观质量分析模块采用拉普拉斯变换检测图像模糊程度，对图像的清晰度进行分析；所述的客观质量分析模块通过计算图像中颜色的分布和强度评估，对图像的色彩进行分析；所述的客观质量分析模块通过计算图像的平均亮度评估，对图像的光照进行分析；所述的客观质量分析模块通过计算图像的信噪比，对图像的噪声进行分析。
5.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的内容质量分析模块采用深度学习分类模型，识别输入图像中与智能分析密切相关的内容级质量问题，通过对正常图像进行数据增强操作，构造正常图像、超边界图像、遮挡图像和异常失真图像的四类数据集，并训练基于resnet50骨干网络的多分类模型。
6.根据权利要求1所述的面向智能安监系统实现针对低质量数据进行评估处理的系统，其特征在于，所述的内容质量分析模块的构建包括以下步骤...
【专利技术属性】
技术研发人员：王梓成，尚岩峰，吴松洋，丁正彦，
申请(专利权)人：公安部第三研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。