CN112529871A - 评价图像的方法、装置及计算机存储介质 - Google Patents
评价图像的方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN112529871A CN112529871A CN202011459266.4A CN202011459266A CN112529871A CN 112529871 A CN112529871 A CN 112529871A CN 202011459266 A CN202011459266 A CN 202011459266A CN 112529871 A CN112529871 A CN 112529871A
- Authority
- CN
- China
- Prior art keywords
- event
- target
- image
- evaluation index
- evaluating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 178
- 238000004458 analytical method Methods 0.000 claims abstract description 95
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000013441 quality evaluation Methods 0.000 claims description 47
- 238000012545 processing Methods 0.000 abstract description 16
- 238000012854 evaluation process Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种评价图像的方法、装置及计算机存储介质，属于图像处理技术领域。在本申请实施例中，在对目标图像进行评价时，可基于关联的事件的事件要素自适应匹配的评价指标和分析算法，从而基于匹配的评价指标和分析算法对目标图像进行评价。因此，在评价事件关联图像的过程中，无需人工参与，因此可以大幅度降低评价事件关联图像所需的人力资源。并且，由于评价过程无需人工参与，可以提高评价事件关联图像的效率。此外，由于评价过程是基于事件来匹配评价指标的，因此可以提高目标图像的质量结果的客观性，从而提高对事件关联图像进行评价的准确性。
Description
技术领域
本申请实施例涉及图像处理技术领域，特别涉及一种评价图像的方法、装置及计算机存储介质。
背景技术
在工作人员对事件进行深度研判分析的过程中，通常需要基于事件相关联的一些图像对事件进行分析，该图像可以为视频或者图片。为了提高事件分析的准确性，在采集到事件相关联的图像后，需要先对这些图像进行评价，以过滤掉低质量的图像。
相关技术中，通常是基于人工方式对事件相关联的图像进行评价。该评价方法容易耗费人力资源，且评价结果不够客观，很难获取到准确的评价结果。
发明内容
本申请实施例提供了一种评价图像的方法、装置及计算机存储介质，可以提高对事件关联图像评价的准确性。所述技术方案如下：
一方面，提供了一种评价图像的方法，所述方法包括：
获取待评价的目标图像；
根据与所述目标图像关联的目标事件的事件要素，确定目标评价指标；
根据与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果。
可选地，在所述目标事件的事件要素包括事件发生现场的情况下，所述目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标；和/或
在所述目标事件的事件要素包括事件发生时间段的情况下，所述目标评价指标包括用于评价图像的采集时间与所述事件发生时间段之间的关系的评价指标；和/或
在所述目标事件的事件要素包括事件关注对象的情况下，所述目标评价指标包括用于评价图像中是否有所述事件关注对象，和/或，用于评价图像中是否已经标注有所述事件关注对象，和/或，用于评价图像中的所述事件关注对象的清晰度的评价指标，所述事件关注对象是指分析所述事件需要关注的任一对象；和/或
在所述目标事件的事件要素包括事件音频的情况下，所述目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
可选地，所述方法还包括：
获取与所述目标图像匹配的目标综合质量评估模型；
所述根据所述与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果，包括：
基于各个所述目标评价指标各自对应的分析结果、以及所述目标综合质量评估模型中配置的各个所述分析结果的逻辑关系，确定所述目标图像的质量结果。
可选地，所述方法还包括：
获取与所述目标图像匹配的目标分档模型；
基于所述目标分档模型中配置的所述质量结果和质量档位之间的对应关系，确定所述目标图像的质量档位。
另一方面，提供了一种评价图像的装置，所述装置包括：
获取模块，用于获取待评价的目标图像；
确定模块，用于根据与所述目标图像关联的目标事件的事件要素，确定目标评价指标；
所述确定模块，还用于根据与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果。
可选地，在所述目标事件的事件要素包括事件发生现场的情况下，所述目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标；和/或
在所述目标事件的事件要素包括事件发生时间段的情况下，所述目标评价指标包括用于评价图像的采集时间与所述事件发生时间段之间的关系的评价指标；和/或
在所述目标事件的事件要素包括事件关注对象的情况下，所述目标评价指标包括用于评价图像中是否有所述事件关注对象，和/或，用于评价图像中是否已经标注有所述事件关注对象，和/或，用于评价图像中的所述事件关注对象的清晰度的评价指标，所述事件关注对象是指分析所述事件需要关注的任一对象；和/或
在所述目标事件的事件要素包括事件音频的情况下，所述目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
可选地，所述获取模块还用于：
获取与所述目标图像匹配的目标综合质量评估模型；
所述确定模块用于：
基于各个所述目标评价指标各自对应的分析结果、以及所述目标综合质量评估模型中配置的各个所述分析结果的逻辑关系，确定所述目标图像的质量结果。
可选地，所述获取模块还用于获取与所述目标图像匹配的目标分档模型；
所述确定模块还用于：
基于所述目标分档模型中配置的所述质量结果和质量档位之间的对应关系，确定所述目标图像的质量档位。
另一方面，提供了一种评价图像的装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述评价图像的方法的步骤。
另一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述评价图像的方法的步骤。
另一方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述评价图像的方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
在本申请实施例中，在对目标图像进行评价时，可以基于目标图像关联的目标事件的事件要素确定目标评价指标，进而根据目标评价指标对应的分析算法对目标图像的分析结果，确定目标图像的质量结果。也即是，在本申请实施例中，能够基于与目标图像关联的目标事件的事件要素自适应匹配评价指标和分析算法，从而基于匹配的评价指标和分析算法对目标图像进行评价。基于本申请实施例提供的方法，在评价事件关联图像的过程中，无需人工参与，因此可以大幅度降低评价事件关联图像所需的人力资源。并且，由于评价过程无需人工参与，因此，可以提高评价事件关联图像的效率。此外，由于评价过程无需人工参与，因此可以提高目标图像的质量结果的客观性，从而提高对事件关联图像进行评价的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种图像质量评价***的示意图；
图2是本申请实施例提供的一种评价图像的方法流程图；
图3是本申请实施例提供的一种匹配过程示意图；
图4是本申请实施例提供的另一种评价图像的方法流程图；
图5是本申请实施例提供的一种评价图像的装置的结构示意图；
图6是本申请实施例提供的一种终端的结构示意图；
图7是本申请实施例提供的一种评服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细解释说明之前，先对本申请实施例的应用场景进行介绍。
目前，工作人员通常对事件关联图像进行统一存储管理，之后会对事件关联图像进行质量评价。对事件关联图像进行质量评价的目的是通过质量评价，督促相关人员提高上传的事件关联图像的质量，为后续基于事件关联图像进行串并分析等深度研判工作奠定基础。
上述事件关联图像可以为视频也可以为多幅相互独立的图像。事件关联图像可以包括与事件关联的所有图像。比如可以包括事件发生现场采集的图像或视频。本申请实施例涉及的事件可以为任意工作人员需要分析的事件，比如交通事件、工厂突发事件、物品丢失事件等等。
本申请实施例提供的评价图像的方法就应用于上述对事件关联图像进行评价的场景中。目的在于提供一种能够提高事件关联图像的评价效率及准确性的方法。
为了实现本申请实施例提供的方法，本申请实施例提供了一种图像质量评价***。下面先对该图像质量评价***进行详细解释说明。
图1是本申请实施例提供的一种图像质量评价***100的示意图。如图1所示，该图像质量评价***100包括输入输出模块101、评价指标管理模块102、算法管理模块103、以及综合计算模块104。
其中，输入输出模块101用于进行交互，通过输入输出模块工作人员可以完成事件关联图像的上传。在本申请实施例中，该事件关联图像可以为用户上传的独立的图像，也可以为工作人员上传的视频中视频帧图像。为了便于理解，图1中，以向输入输出模块101输入事件关联图像或事件关联视频为例进行说明。
可选地，基于输入输出模块101，***还可以输出事件关联图像的评价分析报告，以便于工作人员进一步查看。
评价指标管理模块102中配置有各个评价指标。这些评价指标可以包括与事件要素关联的评价指标、图像画质指标等等。其中，事件要素可以包括事件本身所关联的要素，该事件要素可以包括事件发生现场、事件发生时间段、事件关注对象以及事件音频等等。需要说明的是，前述几种事件要素仅仅用于举例说明，本申请实施例涉及的事件要素包括但不限于前述几种，任意与事件关联的要素均在本申请实施例中的事件要素的范围之内，在此就不在一一举例说明。
基于配置的各个评价指标，评价指标管理模块102在获知到某个图像关联的事件时，便可基于该事件的事件要素来确定和该图像匹配的评价指标。
算法管理模块103用于配置各个分析算法，并建立分析算法和评价指标之间的对应关系，以便于后续在针对某个图像匹配到评价指标之后，还可以进一步匹配到分析算法。其中，不同的评价指标可以对应同一分析算法，也可以对应不同的分析算法。算法管理模块103中配置的分析算法可以包括视频分析算法，图像分析算法，文字分析算法，音频分析算法等等。其中，视频分析算法是指对视频进行分析的算法、图像分析算法是指对独立采集的图像进行分析的算法。文字分析算法用于对图像或视频中的文本进行分析的算法，音频分析算法用于对音频进行分析的算法。需要说明的是，前述几种分析算法仅仅用于举例说明，本申请实施例涉及的分析算法包括但不限于前述几种，任意能够使用在评价事件关联图像中的算法均在本申请实施例中的分析算法的范围之内，在此就不在一一举例说明。
此外，算法管理模块103中配置的分析算法可以为基于深度学习等方法进行训练后得到的各类算法。也可以为基于其他方式得到的算法，本申请实施例对分析算法的确定方式并不限定。
对于某个图像，在匹配到某个评价指标对应的分析算法之后，算法管理模块103还可以用于基于该分析算法对该图像的评价指标进行评价，以得到目标图像在该评价指标下的分析结果。
综合计算模块104中配置了不同的综合质量评估模型及不同的分档模型。其中，综合质量评估模型用于基于目标图像在各个评价指标下的分析结果，确定目标图像的质量结果。分档模型用于基于目标图像的质量结果确定目标图像的质量档位。目标图像为任意待评价的图像。
此外，综合质量评估模型是基于各个评价指标之间的关联逻辑来设置如何确定质量结果的，本申请实施例并不限定基于各个评价指标之间的关联逻辑来设置如何确定质量评估的具体实现方式。分档模型是基于分值逻辑来设置不同分值对应的质量档位的，本申请实施例同样并不限定基于分值逻辑来设置不同分值对应的质量档位的具体实现方式。关于综合评分计算模型和分档模型的功能将在后续方法实施例中详细说明，在此就先不展开阐述。
需要说明的是，图1所示的图像质量评价***可以集中式地部署在一个终端中，也可以集中式地部署在一个服务器中，可选地，该图像质量评价***中的各个模块还可以分布式部署在不同的设备上，本申请实施例对此不做限定。
此外，图1中图像质量评价***中的各个模块为软件模块，各个模块的命名是基于软件模块的功能命名的。在应用本申请实施例时，可以基于需求进行不同的命名，比如，可以将输入输出模块命名为第一模块，将评价指标管理模块命名为第二模块等。本申请实施例并不限定上述各个模块的命名。
需要说明的是，图1所示的图像质量评价***中的评价指标和分析算法均是可以需求新增、更新或删除。由此可知，基于图1所示的图像质量评价***，可以实现评价指标和分析算法的可管理、可配置和可扩展，自动实现对事件关联图像的质量分数评价和质量分档，并输出具有较高客观性的综合分析报告。解决了现阶段中对事件关联图像的评价审核十分费时费力和效率低下问题，同时还解决了现阶段中缺少质量审核的客观依据和无法对质量总体情况掌握的问题。
基于图1所示图像质量评价***，下面对本申请实施例提供的评价图像的方法进行详细解释说明。此外，基于图1所示的图像质量评价***可知，该方法的执行主体并不限定。为了便于后续说明，下述实施例以图像质量评价***集中式地部署在终端上为例进行说明。也即是，图1所示的图像质量评价***部署在终端上。
图2是本申请实施例提供的一种评价图像的方法流程图。如图2所示，该方法包括如下几个步骤。
步骤201：终端获取待评价的目标图像。例如终端响应于针对显示界面上的图像获取插件的选择操作，获取待评价的目标图像。
在本申请实施例中，终端的显示界面上显示有图像分析控件，该图像分析控件用于获取待评价的目标图像以及与目标图像关联的目标事件。因此，用户可以通过选择该图像分析控件，从而触发终端启动对目标对象的评价流程。
在一种可能的实现方式中，工作人员可以预先在云端服务器处存储各个案件关联图像，存储的每个图像都对应存储有关联的事件。如此，当终端检测到针对该图像分析控件的选择操作时，可以从云端服务器处下载多个图像以及每个图像关联的事件，然后响应于用户通过预设操作触发的选择操作，从这多个图像中选择一个图像作为目标图像，并得到目标图像关联的目标事件。
在另一种可能的实现方式中，当终端检测到针对该图像分析控件的选择操作时，可以显示图像输入界面，以便用户通过该图像输入界面上传需要评价的图像，并上传与该图像关联的事件，从而使得终端获取到目标图像和与目标图像关联的目标事件。
上述用户需要评价的图像可以以待评价文件的格式上传至终端。该待评价文件中可以包括多张图像，和/或多个视频。由于本申请实施例的应用场景为对事件关联图像进行评价，因此，这多张图像和/或多个视频预先已经关联有事件。比如，工作人员可以上传待评价文件，该待评价文件中包括最近一个月来发生的所有交通事故事件关联的图像和/或视频。
此外，当终端检测到针对该图像分析控件的选择操作时，终端还可以基于工作人员上传的待评价文件创建一个评价分析任务。该评价分析任务中指明了需要对哪些事件关联的哪些图像和/或视频进行评价。终端然后触发该评价分析任务，对于评价分析任务中这些事件中任一事件关联的图像和/或视频，终端便可通过步骤202至步骤203对该事件关联的图像和/或视频进行评价。这部分内容后续步骤202至步骤203中将进一步展开说明，在此就先不赘述。
上述两种实现方式仅仅是终端获取目标图像以及与目标图像关联的目标事件的两种可选的实现方式，本本申请实施例并不限定终端如何获取到目标图像以及与目标图像关联的目标事件。
步骤202：根据与目标图像关联的目标事件的事件要素，确定目标评价指标。
在一种可能的实现方式，如图1所示，评价指标管理模块预先配置有和各个事件要素关联的多个评价指标，这种场景下，步骤202的实现方式可以为：终端根据与待评价的目标图像关联的目标事件的事件要素，从多个评价指标中确定与目标图像匹配的一个或多个评价指标，将匹配的指标作为目标评价指标。
其中，目标事件的事件要素可以为目标事件所具备的事件要素或者分析目标事件时需要关注的事件要素。比如，对于目标事件，如果预先确定出了目标事件的事件发生现场、事件发生时间段，则目标事件的事件要素可以包括事件发生现场、事件发生时间段。又比如，对于目标事件，如果需要关注目标事件中出现的人物，则目标事件的事件要素可以包括事件关注对象。又比如，对于目标事件，如果需要对目标事件中出现的声音进行分析，则目标事件的事件要素可以包括事件音频。
上述分析目标事件时需要关注的事件要素可以基于目标事件的事件类型来确定。不同的事件类型工作人员需要关注的事件要素通常不同，因此，可以预先针对不同的事件类型配置相应的需要关注的事件要素。如此，便可基于目标事件的类型，确定分析目标事件时需要关注的事件要素。比如，对于事件类型为接触性资源交易事件类型中，需要关注的事件要素通常包括事件发生时间、事件发生现场、事件视频或图像以及事件音频等。又比如，对于事件类型为物品丢失事件类型中，需要关注的事件要素通常包括事件发生时间、事件发生地点、事件视频或图像，但是不需要关注事件音频。
在确定了目标事件的事件要素之后，基于目标事件的事件要素来确定与目标图像匹配的目标评价指标具体可以示例如下。
(1)在目标事件的事件要素包括事件发生现场的情况下，目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标
比如，对于目标事件，已经明确了目标事件的事件发生现场为室内。这种情况下，匹配到的目标评价指标可以用于评价目标图像中的拍摄区域是否为室内。又比如，对于目标事件，已经明确了目标事件的事件发生现场为马路上。这种情况下，匹配到的目标评价指标可以用于评价目标图像中的拍摄区域是否为马路上。
(2)在目标事件的事件要素包括事件发生时间段的情况下，目标评价指标包括用于评价图像的采集时间与事件发生时间段之间的关系的评价指标。
比如，对于目标事件，已经明确了目标事件的事件发生时间段为傍晚。这种情况下，匹配到的目标评价指标可以用于评价目标图像的采集时间是否在傍晚。
(3)在目标事件的事件要素包括事件关注对象的情况下，目标评价指标包括用于评价图像中是否有事件关注对象，和/或，用于评价图像中是否已经标注有事件关注对象，和/或，用于评价图像中的事件关注对象的清晰度的评价指标，事件关注对象是指分析事件需要关注的任一对象。
比如，对于目标事件，已经明确了目标事件中需要关注的对象为车辆。这种情况下，匹配到的目标评价指标可以用于评价目标图像中是否有车辆，和/或，用于评价工作人员是否已经在目标图像中标注了车辆，和/或，用于评价目标图像中的车辆的清晰度。
(4)在目标事件的事件要素包括事件音频的情况下，目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
比如，对于目标事件，已经明确了目标事件中需要关注的涉案人员的音色。这种情况下，匹配到的目标评价指标可以用于评价目标图像对应有事件音频，和/或，用于评价目标图像对应的事件音频的清晰度。
需要说明的是，上述几种示例仅仅用于举例说明如何基于目标事件的事件要素匹配目标评价指标，本申请实施例并不限定。在应用本申请实施例时，可以基于需求，定制如何基于目标事件的事件要素匹配目标评价指标，在此就不再一一举例说明。
步骤203：根据与目标评价指标对应的分析算法对目标图像的分析结果，确定目标图像的质量结果。
在一种可能的实现方式中，步骤202中的目标评价指标包括一个或多个，此时，步骤202的实现过程为：根据与一个或多个目标评价指标各自对应的分析算法，分别确定与一个或多个目标评价指标各自对应的评分，该评分即为该分析算法对目标图像的分析结果，根据与一个或多个目标评价指标各自对应的评分，确定目标图像的总评分，前述质量结果包括总评分。
上述根据与一个或多个目标评价指标各自对应的分析算法，分别确定与一个或多个目标评价指标各自对应的评分，具体是指：每个目标评价指标均有对应的分析算法，对于任一目标评价指标，基于该目标评价指标对应的分析算法对目标图像进行分析，即可得到目标图像在该目标评价指标下的评分。
比如，步骤202中匹配到3个目标评价指标，分别标记为目标评价指标1、目标评价指标2、目标评价指标3。如此，在基于各自对应的分析算法进行分析之后，得到目标评价指标1对应的评分、目标评价指标2对应的评分、目标评价指标3对应的评分。
此外，上述各个目标评价指标对应的分析算法可以预先配置，也即是，预先在图像质量评价***中建立评价指标和分析算法之间的对应关系，如此在通过步骤202匹配到目标评价指标时，便可基于该对应关系获取到各个目标评价指标对应的分析算法。在此不再详细说明。
需要说明的是，在不同的事件中，相同的评价指标的重要性可能不同。因此，在本申请实施例中，图1所示的图像质量评价***还可以配置有多个综合质量评估模型，任一综合质量评估模型中指示了各个分析结果之间的逻辑关系，以便于基于各个分析结果和该逻辑关系，得到最终的质量结果。
在一种可能的实现方式中，上述综合质量评估模型可以为综合评分计算模型，这多个综合评分计算模型中任一综合评分计算模型中配置有针对不同的评价指标的权重。此时，在步骤202中匹配目标指标之后，终端还可以基于从这多个综合评分计算模型获取与目标图像匹配的目标综合评分计算模型。这种场景下，上述根据与一个或多个目标评价指标各自对应的评分，确定目标图像的总评分的实现方式可以为：可以基于目标综合评分计算模型中配置的各个目标评价指标的权重、以及一个或多个目标评价指标各自对应的评分，确定目标图像的总评分。
其中，基于各个目标评价指标的权重、以及一个或多个目标评价指标各自对应的评分，确定目标图像的总评分可以是指：将各个目标评价指标各自对应的评分加权求和或加权求积，即可得到总评分。
上述任一综合评分计算模型中配置的针对不同的评价指标的权重可以由工作人员基于需求配置，本申请实施例对此不作限定。
此外，上述在步骤201中匹配目标指标之后，终端基于从这多个综合评分计算模型获取与目标图像匹配的目标综合评分计算模型的具体实现方式可以为：从这多个综合评分计算模型中获取配置的评价指标和匹配到的一个或多个目标评价指标一致的综合评分计算模型，即可得到目标综合评分计算模型。
由此可知，在本申请实施例中，在基于步骤201匹配出各个目标评价指标后，还可以基于匹配出各个目标评价指标之间的权重。也即是，在本申请实施例中，任一评价指标的权要并不是固定不变的，而是基于图像关联的事件的不同，自适应匹配到不同的权重。从而提高后续对图像进行评价的准确性。
也即是，在本申请实施例中，在向图像质量评价***中输入目标图像后，***可以基于上述实现方式不仅匹配到目标评价指标、以及对应的分析算法，还自适应匹配到综合质量评估模型。也即是根据目标事件的事件要素来确定使用哪个综合质量评估模型确定前述质量结果。
可选地，也可以预先不配置多个综合质量评估模型，而是在得到各个目标指标下的分析结果后，直接将各个目标评价指标各自对应的分析结果按照同一规则处理，即可得到质量结果。比如，也可以预先不配置多个综合评分计算模型，而是在得到各个目标指标下的评分后，直接将各个目标评价指标各自对应的评分求和或求积，即可得到总评分。在此不再详细说明。
另外，在不同的事件中，可以采用不同的质量档位划分方式。因此，在图1所示的***中，还可以配置有多个分档模型，这多个分档模型中任一分档模型中还可以配置有质量结果和质量档位之间的对应关系。此时，在上述匹配了目标综合质量评估模型之后，还可以获取与目标图像匹配的目标分档模型。如此，在基于目标质量评估模型得到质量结果之后，还可以基于目标分档模型中配置的质量结果和质量档位之间的对应关系，确定目标图像的质量档位。此时对目标图像进行评价还包括评价目标图像的质量档位。
也即是，在本申请实施例中，在确定出质量结果之后，还可以根据目标图像的质量结果，确定目标图像的质量档位。目标图像的质量档位用于指示目标图像的质量所在的档次，以便于工作人员对目标图像的质量有个大概的了解。
比如，针对目标图像的质量结果以上述总评分的方式来表示，此时，在目标分档模型中，预先基于不同的评分区间设置了Q1、Q2、…、Qn这n个质量档位。Q1、Q2、…、Qn所代表的质量逐渐提升。如此，工作人员基于目标图像的质量档位便可了解到目标图像的质量的大概档次。
需要说明的是，本申请实施例并不限定如何设置图像的各个质量档位对应的评分区间，在应用本申请实施例时，可以基于不同的需求的设置。
由此可知，在基于步骤201匹配出各个目标评价指标后，还可以基于目标事件，匹配出各个目标评价指标之间的权重以及质量档位设置方式。也即是，在本申请实施例中，针对所有类型的事件的图像质量档位划分方式并不是固定不变的，而是基于事件类型的不同而不同。从而提高后续对图像进行评价的准确性。
也即是，在本申请实施例中，在向图像质量评价***中输入目标图像后，***可以基于上述实现方式不仅匹配到目标评价指标、以及对应的分析算法，还匹配到对应的综合质量评估模型和对应的分档模型。也即是根据目标事件的事件要素来确定使用哪个质量档位划分方式来确定目标事件的质量档位。上述过程可以通过图3所示的匹配过程来表示，在此不再详细说明。
可选地，也可以预先不配置多个分档模型，而是在得到各个目标指标下的评分后，直接使用统一的一个分档模型来确定目标图像的质量档位。在此不再详细说明。
基于图1所示的***可知，上述实现方式可以基于综合计算模块来实现。综合计算模块可以采用上述任一实现方式来实现步骤202。
步骤204：显示目标图像的质量结果。
在通过步骤201至步骤203得到目标图像的质量结果之后，便可显示该质量结果，以便用户能够直观感受到该目标图像的分析结果。
此外，上述步骤201至步骤203中的目标图像可以是一张图像。可选地，在需要对某个事件关联的视频进行评价时，上述目标图像即为该视频，此时同样可以通过上述步骤201至步骤203完成评价过程。
具体地，获取待评价的视频，视频中包括多帧图像；将多帧图像中每帧图像作为目标图像，执行前述步骤201至步骤202，根据多帧图像中每帧图像的质量结果，确定视频的评价报告。
比如，在图像的分析结果通过评分的方式表示，图像的质量结果采用总评分的方式表示时，上述评价报告可以包括视频中的图像总数量、视频中各个图像的总得分、视频中不同评分区间上的图像分布情况。其中，视频中不同评分区间上的图像分布情况可以包括不同评分区间上的图像数量，以及不同评分区间上的图像的占比等等。
下面以图4所示的流程图对本申请实施例进一步展开说明下，如图4所示，工作人员在图1所示的图像质量评价***中上传一个待评价的视频文件，图像质量评价***新建一个视频分析评价任务，根据视频分析评价任务自动匹配评价指标(该评价指标可以包括涉案要素指标(I1)、涉案视频图像画质指标(I2)、涉案目标特征指标(I3)、涉案视频音频指标(I4)等)，匹配对应的分析算法(视频分析算法(A1)，文字分析算法(A2)，音频分析算法(A3)等)，匹配视频文件的综合评分计算模型及分档模型(Cn)。图像质量评价***完成上述匹配后，解析视频中每个图像并调用各类分析算法开始分析和计算得分，得到关于涉案要素指标(I1)、涉案视频图像画质指标(I2)、涉案目标特征指标(I3)、涉案视频音频指标(I4)等的各项评分(S1-Sn)后调用之前已加载的综合评分计算模型及分档模型分别进行计算和判断视频图像质量的总体得分(S总)以及质量档位Qn。最后输出一个该事件的涉案视频的评价报告给工作人员。该评价报告内容包括输入模型的总视频图像数量，各视频图像的总体评分，以及各评分下视频图像的数量和占比等。工作人员通过阅读该评价报告可以直观的看出涉案视频图像质量总体情况，以便于为工作人员的考核提供依据。
综上所述，在对目标图像进行评价时，便可基于目标图像关联的目标事件的事件要素自适应匹配评价指标和分析算法，从而基于匹配的评价指标和分析算法对目标图像进行评价。基于本申请实施例提供的方法，在评价事件关联图像的过程中，无需人工参与，因此可以大幅度降低评价事件关联图像所需的人力资源。并且，由于评价过程无需人工参与，因此，可以提高评价事件关联图像的效率。此外，由于评价过程无需人工参与，因此可以提高目标图像的质量结果的客观性，从而提高对事件关联图像进行评价的准确性。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图5是本申请实施例提供的一种评价图像的装置的结构示意图，如图5所示，该评价图像的装置500可以包括如下几个模块。
获取模块501，用于获取待评价的目标图像；例如响应于针对显示界面上的图像分析控件的选择操作，获取待评价的目标图像、以及与目标图像关联的目标事件；
确定模块502，用于根据与目标图像关联的目标事件的事件要素，确定目标评价指标；
确定模块502，还用于根据与目标评价指标对应的分析算法对目标图像的分析结果，确定目标图像的质量结果。
可选地，在目标事件的事件要素包括事件发生现场的情况下，目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标；和/或
在目标事件的事件要素包括事件发生时间段的情况下，目标评价指标包括用于评价图像的采集时间与事件发生时间段之间的关系的评价指标；和/或
在目标事件的事件要素包括事件关注对象的情况下，目标评价指标包括用于评价图像中是否有事件关注对象，和/或，用于评价图像中是否已经标注有事件关注对象，和/或，用于评价图像中的事件关注对象的清晰度的评价指标，事件关注对象是指分析事件需要关注的任一对象；和/或
在目标事件的事件要素包括事件音频的情况下，目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
可选地，获取模块还用于：
获取与目标图像匹配的目标综合质量评估模型；
确定模块用于：
基于各个目标评价指标各自对应的分析结果、以及目标综合质量评估模型中配置的各个分析结果的逻辑关系，确定目标图像的质量结果。
可选地，获取模块还用于获取与目标图像匹配的目标分档模型；
确定模块还用于：
基于目标分档模型中配置的质量结果和质量档位之间的对应关系，确定目标图像的质量档位。
综上所述，在本申请实施例中，在对目标图像进行评价时，便可基于目标图像关联的目标事件的事件要素自适应匹配评价指标和分析算法，从而基于匹配的评价指标和分析算法对目标图像进行评价。基于本申请实施例提供的方法，在评价事件关联图像的过程中，无需人工参与，因此可以大幅度降低评价事件关联图像所需的人力资源。并且，由于评价过程无需人工参与，因此，可以提高评价事件关联图像的效率。此外，由于评价过程无需人工参与，因此可以提高目标图像的质量结果的客观性，从而提高对事件关联图像进行评价的准确性。
需要说明的是：上述实施例提供的评价图像的装置在评价图像时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的评价图像的装置与评价图像的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图6是本申请实施例提供的一种终端600的结构框图。前述图像质量评价***中任一模块均可以通过图6所示的终端来实现。该终端600可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端600包括有：处理器601和存储器602。
处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的评价图像的方法。
在一些实施例中，终端600还可选包括有：***设备接口603和至少一个***设备。处理器601、存储器602和***设备接口603之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口603相连。具体地，***设备包括：射频电路604、显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
***设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和***设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和***设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路604包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路604还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏605用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏605可以为一个，设置终端600的前面板；在另一些实施例中，显示屏605可以为至少两个，分别设置在终端600的不同表面或呈折叠设计；在另一些实施例中，显示屏605可以是柔性显示屏，设置在终端600的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System，全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或显示屏605的下层。当压力传感器613设置在终端600的侧边框时，可以检测用户对终端600的握持信号，由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在显示屏605的下层时，由处理器601根据用户对显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹，由处理器601根据指纹传感器614采集到的指纹识别用户的身份，或者，由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器601授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制显示屏605的显示亮度。具体地，当环境光强度较高时，调高显示屏605的显示亮度；当环境光强度较低时，调低显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。
接近传感器616，也称距离传感器，通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时，由处理器601控制显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时，由处理器601控制显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图6中示出的结构并不构成对终端600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行上实施例提供的评价图像的方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在终端上运行时，使得终端执行上述实施例提供的评价图像的方法。
图7是本申请实施例提供的一种的服务器结构示意图。前述图像质量评价***中任一模块均可以通过图7所示的服务器来实现。该服务器可以是后台服务器集群中的服务器。具体来讲：
服务器700包括中央处理单元(CPU)701、包括随机存取存储器(RAM)702和只读存储器(ROM)703的***存储器704，以及连接***存储器704和中央处理单元701的***总线705。服务器700还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***)706，和用于存储操作***713、应用程序714和其他程序模块715的大容量存储设备707。
基本输入/输出***706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中显示器708和输入设备709都通过连接到***总线705的输入输出控制器710连接到中央处理单元701。基本输入/输出***706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备707通过连接到***总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备707及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说，大容量存储设备707可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器704和大容量存储设备707可以统称为存储器。
根据本申请的各种实施例，服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在***总线705上的网络接口单元711连接到网络712，或者说，也可以使用网络接口单元711来连接到其他类型的网络或远程计算机***(未示出)。
上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的评价图像的方法的指令。
本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的评价图像的方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在服务器上运行时，使得服务器执行上述实施例提供的评价图像的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请实施例的较佳实施例，并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种评价图像的方法，其特征在于，所述方法包括：
获取待评价的目标图像；
根据与所述目标图像关联的目标事件的事件要素，确定目标评价指标；
根据与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果。
2.如权利要求1所述的方法，其特征在于，
在所述目标事件的事件要素包括事件发生现场的情况下，所述目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标；和/或
在所述目标事件的事件要素包括事件发生时间段的情况下，所述目标评价指标包括用于评价图像的采集时间与所述事件发生时间段之间的关系的评价指标；和/或
在所述目标事件的事件要素包括事件关注对象的情况下，所述目标评价指标包括用于评价图像中是否有所述事件关注对象，和/或，用于评价图像中是否已经标注有所述事件关注对象，和/或，用于评价图像中的所述事件关注对象的清晰度的评价指标，所述事件关注对象是指分析所述事件需要关注的任一对象；和/或
在所述目标事件的事件要素包括事件音频的情况下，所述目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取与所述目标图像匹配的目标综合质量评估模型；
所述根据所述与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果，包括：
基于各个所述目标评价指标各自对应的分析结果、以及所述目标综合质量评估模型中配置的各个所述分析结果的逻辑关系，确定所述目标图像的质量结果。
4.如权利要求1所述的方法，其特征在于，
所述方法还包括：
获取与所述目标图像匹配的目标分档模型；
基于所述目标分档模型中配置的所述质量结果和质量档位之间的对应关系，确定所述目标图像的质量档位。
5.一种评价图像的装置，其特征在于，所述装置包括：
获取模块，用于获取待评价的目标图像；
确定模块，用于根据与所述目标图像关联的目标事件的事件要素，确定目标评价指标；
所述确定模块，还用于根据与所述目标评价指标对应的分析算法对所述目标图像的分析结果，确定所述目标图像的质量结果。
6.如权利要求8所述的装置，其特征在于，
在所述目标事件的事件要素包括事件发生现场的情况下，所述目标评价指标包括用于评价图像中的拍摄区域是否为事件发生现场的评价指标；和/或
在所述目标事件的事件要素包括事件发生时间段的情况下，所述目标评价指标包括用于评价图像的采集时间与所述事件发生时间段之间的关系的评价指标；和/或
在所述目标事件的事件要素包括事件关注对象的情况下，所述目标评价指标包括用于评价图像中是否有所述事件关注对象，和/或，用于评价图像中是否已经标注有所述事件关注对象，和/或，用于评价图像中的所述事件关注对象的清晰度的评价指标，所述事件关注对象是指分析所述事件需要关注的任一对象；和/或
在所述目标事件的事件要素包括事件音频的情况下，所述目标评价指标包括用于评价图像中是否对应有事件音频，和/或，用于评价图像对应的事件音频的清晰度的评价指标。
7.如权利要求10所述的装置，其特征在于，所述获取模块还用于：
获取与所述目标图像匹配的目标综合质量评估模型；
所述确定模块用于：
基于各个所述目标评价指标各自对应的分析结果、以及所述目标综合质量评估模型中配置的各个所述分析结果的逻辑关系，确定所述目标图像的质量结果。
8.如权利要求10所述的装置，其特征在于，
所述获取模块还用于获取与所述目标图像匹配的目标分档模型；
所述确定模块还用于：
基于所述目标分档模型中配置的所述质量结果和质量档位之间的对应关系，确定所述目标图像的质量档位。
9.一种评价图像的装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述权利要求1至权利要求4中的任一项权利要求所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述权利要求1至权利要求4中的任一项权利要求所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011459266.4A CN112529871B (zh) | 2020-12-11 | 2020-12-11 | 评价图像的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011459266.4A CN112529871B (zh) | 2020-12-11 | 2020-12-11 | 评价图像的方法、装置及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112529871A true CN112529871A (zh) | 2021-03-19 |
| CN112529871B CN112529871B (zh) | 2024-02-23 |
Family
ID=74999182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011459266.4A Active CN112529871B (zh) | 2020-12-11 | 2020-12-11 | 评价图像的方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529871B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113923444A (zh) * | 2021-10-08 | 2022-01-11 | 广州辰达精密光电科技有限公司 | 一种变焦镜头质量评价方法及装置 |
| CN117370602A (zh) * | 2023-04-24 | 2024-01-09 | 深圳云视智景科技有限公司 | 视频处理方法、装置、设备与计算机存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103098088A (zh) * | 2011-07-13 | 2013-05-08 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序以及集成电路 |
| CN110246110A (zh) * | 2018-03-01 | 2019-09-17 | 腾讯科技（深圳）有限公司 | 图像评估方法、装置及存储介质 |
| US20200104320A1 (en) * | 2017-12-29 | 2020-04-02 | Guangzhou Kugou Computer Technology Co., Ltd. | Method, apparatus and computer device for searching audio, and storage medium |
| CN111475613A (zh) * | 2020-03-06 | 2020-07-31 | 深圳壹账通智能科技有限公司 | 案件分类方法、装置、计算机设备及存储介质 |
| CN111612657A (zh) * | 2020-05-22 | 2020-09-01 | 创新奇智(重庆)科技有限公司 | 一种客户类型识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-11 CN CN202011459266.4A patent/CN112529871B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103098088A (zh) * | 2011-07-13 | 2013-05-08 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序以及集成电路 |
| US20200104320A1 (en) * | 2017-12-29 | 2020-04-02 | Guangzhou Kugou Computer Technology Co., Ltd. | Method, apparatus and computer device for searching audio, and storage medium |
| CN110246110A (zh) * | 2018-03-01 | 2019-09-17 | 腾讯科技（深圳）有限公司 | 图像评估方法、装置及存储介质 |
| CN111475613A (zh) * | 2020-03-06 | 2020-07-31 | 深圳壹账通智能科技有限公司 | 案件分类方法、装置、计算机设备及存储介质 |
| CN111612657A (zh) * | 2020-05-22 | 2020-09-01 | 创新奇智(重庆)科技有限公司 | 一种客户类型识别方法、装置、电子设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113923444A (zh) * | 2021-10-08 | 2022-01-11 | 广州辰达精密光电科技有限公司 | 一种变焦镜头质量评价方法及装置 |
| CN113923444B (zh) * | 2021-10-08 | 2024-04-30 | 广州辰达精密光电科技有限公司 | 一种变焦镜头质量评价方法及装置 |
| CN117370602A (zh) * | 2023-04-24 | 2024-01-09 | 深圳云视智景科技有限公司 | 视频处理方法、装置、设备与计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112529871B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112162671B (zh) | 直播数据处理方法、装置、电子设备及存储介质 | |
| CN110262947B (zh) | 阈值告警方法、装置、计算机设备及存储介质 | |
| CN111290948B (zh) | 测试数据获取方法、装置、计算机设备及可读存储介质 | |
| CN113204298B (zh) | 显示发布进度的方法、装置、电子设备及存储介质 | |
| CN111327953B (zh) | 直播投票方法及装置、存储介质 | |
| CN111338910B (zh) | 日志数据处理、显示方法、装置、设备及存储介质 | |
| CN111104980B (zh) | 确定分类结果的方法、装置、设备及存储介质 | |
| CN110147503B (zh) | 信息发布方法、装置、计算机设备和存储介质 | |
| CN111078521A (zh) | 异常事件的分析方法、装置、设备、***及存储介质 | |
| CN112529871B (zh) | 评价图像的方法、装置及计算机存储介质 | |
| CN110765182B (zh) | 数据统计方法、装置、电子设备及存储介质 | |
| CN113506086A (zh) | 任务发布方法、装置、计算机设备及介质 | |
| CN110990728B (zh) | 兴趣点信息的管理方法、装置、设备及存储介质 | |
| CN110134902B (zh) | 资料信息生成方法、装置及存储介质 | |
| CN114827651B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
| CN111294253B (zh) | 测试数据处理方法、装置、计算机设备及存储介质 | |
| CN114238859A (zh) | 数据处理***、方法、电子设备以及存储介质 | |
| CN114153963A (zh) | 文档推荐方法、装置、计算机设备及介质 | |
| CN113407774A (zh) | 封面确定方法、装置、计算机设备及存储介质 | |
| CN112132472A (zh) | 资源管理方法、装置、电子设备及计算机可读存储介质 | |
| CN112101297A (zh) | 训练数据集确定方法、行为分析方法、装置、***及介质 | |
| CN111539794A (zh) | 凭证信息的获取方法、装置、电子设备及存储介质 | |
| CN112237743A (zh) | 用户数据统计方法、装置、计算机设备及存储介质 | |
| CN111212299B (zh) | 直播视频教程的获取方法、装置、服务器及存储介质 | |
| CN112804481B (zh) | 监控点位置的确定方法、装置及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |