(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210214043.4 (22)申请日 2022.03.04 (71)申请人 广州方硅信息技 术有限公司 地址 511400 广东省广州市番禺区南村镇 万博二路79号3108 (72)发明人 王璞　陈增海　郑康元　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 专利代理师 潘桂生 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) (54)发明名称 直播封面图像质量检测方法、 装置、 设备及 存储介质 (57)摘要 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。 权利要求书2页 说明书11页 附图3页 CN 114612821 A 2022.06.10 CN 114612821 A 1.一种直 播封面图像质量检测方法， 其特 征在于， 所述方法包括 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。 2.根据权利要求1所述的直播封面图像质量检测方法， 其特征在于： 所述若干种类的异 常图像样本集是分别对多个正常图像施加相应种类的噪音数据生成。 3.根据权利要求2所述的直播封面图像质量检测方法， 其特征在于： 所述图像分类器采 用深度残差网络的网络结构， 根据所述正常图像样本集和若干种类的异常图像样本集以梯 度下降的方式进行网络训练。 4.根据权利要求1至3任意一项所述的直播封面图像质量检测方法， 其特征在于， 所述 图像质量多元 特征评估模型的构建方法包括： 对自然图像数据集中的自然图像计算局部均值和像素邻域标准差， 对所述自然图像进 行图像像素归一 化， 获取所述自然图像的MSCN系数； 根据所述自然图像的像素邻域标准差， 以及预设的标准差阈值， 从所述自然图像中筛 选出对于人眼敏感的显著区域； 根据所述MSCN系数以及零均值的广义高斯分布对所述自然图像的显著区域拟合自然 场景统计特性， 获得 所述自然图像的多维特 征； 根据获得的多维特 征构建多元高斯模型， 获得 所述图像质量多元 特征评估模型。 5.根据权利要求4所述的直播封面图像质量检测方法， 其特征在于， 按照以下方式对获 得的多维特 征构建所述多元 特征的高斯模型fX： 其中， fx是关于x的多元高斯模型； (x1,x2,...,xk)为对所述自然图像的显著区域拟合 自然场景 统计特性， 获得的所述自然图像的多维特征； k为自然图像个数； v为所述自然图像 数据集的多维特征的多元高斯分布的均值； ∑为所述自然图像数据集的多维特征的多 元高 斯分布的协方差， T为 转置运算符。 6.根据权利要求5所述的直播封面图像质量检测方法， 其特征在于， 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 的步骤包括： 提取所述初筛正常图像中相对应的多维特征， 根据 所述图像质量多元特征评估模型获 取所述初筛正常图像中相对应的多维特征构成的多元高斯分布的均值和协方差与所述自权　利　要　求　书 1/2 页 2 CN 114612821 A 2然图像中相对应的多维特 征构成的多元高斯分布的均值和协方差的差值； 根据所述差值计算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。 7.根据权利要求6所述的直播封面图像质量检测方法， 其特征在于， 根据 所述差值计算 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 分布的距离值的步骤 包括： 按照以下公式计算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： 其中， D为距离值， v1为所述初 筛正常图像的多维特征的多元高斯分布的均值， v2为所述 自然图像数据集的多维特征的多元高斯分布的均值， ∑1为所述初筛正常图像的多维特征 的多元高斯分布的协方差， ∑2为所述自然图像 的多维特征的多元高斯分布的协方差， T为 转置运算符。 8.一种直 播封面图像质量检测装置， 其特 征在于， 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。 9.一种计算机设备， 包括： 处理器、 存储器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7任意一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114612821 A 3