一种识别系统、方法及电子设备

技术领域

本申请涉及图像识别技术领域，特别涉及一种识别系统、方法及电子设备。

背景技术

目前，当移动端采集到活体脸部视频后，会将活体脸部视频包含的全部视频图片发送给后端(如，云端)的质量评分模块，由质量评分模块对视频图片进行质量评估。

但是，上述方式存在数据传输量大的问题，会增加移动端的传输负担，并且，会耗费移动端较大的能量。

发明内容

本申请提供如下技术方案：

本申请一方面提供一种识别系统，包括：服务端和至少一个终端，所述服务端设置有图像质量评估模块，所述至少一个终端设置有对应于所述终端的采样模块；

至少一个所述终端能够通过所述采样模块对待识别图像进行第一判断，以确定所述待识别图像的采样概率；其中，所述第一判断与该所述终端对应；

在所述采样概率大于概率阈值的情况下，至少一个所述终端将所述待识别图像传输至所述服务端；

所述服务端能够通过所述图像质量评估模块对所述待识别图像进行第二判断，以获得所述待识别图像的质量评估结果，其中，所述第二判断与所述服务端以及所述至少一个终端对应。

本申请另一方面提供一种识别方法，适用于终端，该方法包括：

获取待识别图像；

将所述待识别图像输入到采样模型，得到所述采样模型获得的所述待识别图像的采样概率，所述采样概率表征所述待识别图像能被采用的程度；

若所述采样概率大于概率阈值，则将所述待识别图像传输到服务端，以供所述服务端将所述待识别图像输入到图像质量评估模型，得到所述图像质量评估模型获得的所述待识别图像的质量评估结果。

所述采样模型通过以下方式训练得到：

所述终端获取图像训练样本，将所述图像训练样本输入到采样模型，得到所述采样模型获得的所述图像训练样本的第一采样概率；

所述终端将所述图像训练样本及所述第一采样概率传输给所述服务端，以供所述服务端将所述图像训练样本输入到图像质量评估模型，得到所述图像质量评估模型获得的所述图像训练样本的第一质量评估结果，基于所述第一质量评估结果及所述第一采样概率，确定所述第一采样概率对应的调整参数，并将所述第一采样概率对应的调整参数传输给所述终端；

所述终端至少基于所述第一采样概率对应的调整参数，调整所述采样模型的参数值，返回执行所述获取图像训练样本的步骤，直至所述第一采样概率对应的质量评估结果与所述第一质量评估结果相匹配。

所述终端至少基于所述第一采样概率对应的调整参数，调整所述采样模型的参数值，包括：

获取至少一个历史调整参数，所述历史调整参数为历史图像训练样本的采样概率对应的调整参数，所述历史图像训练样本为在所述图像训练样本之前输入到所述采样模型和所述图像质量评估模型中的样本；

对所述第一采样概率对应的调整参数及所述至少一个历史调整参数进行加权运算，得到目标调整参数；

基于所述目标调整参数，调整所述采样模型的参数值。

本申请第三方面提供一种识别方法，适用于服务端，该方法包括：

获取至少一个终端传输的待识别图像，所述待识别图像对应的采样概率大于概率阈值，所述待识别图像对应的采样概率通过以下方式确定：所述终端将所述待识别图像输入到采样模型，得到所述采样模型获得的所述待识别图像的采样概率；

将所述待识别图像输入到图像质量评估模型，得到所述图像质量评估模型获得的所述待识别图像的质量评估结果。

所述方法还包括：

在确定所述待识别图像的质量评估结果不满足设定条件的情况下，基于所述待识别图像的质量评估结果，确定所述采样模型对应的调整参数；

将所述调整参数传输给所述终端，以供所述终端基于所述调整参数，调整所述采样模型的参数值。

所述在确定所述待识别图像的质量评估结果不满足设定条件的情况下，基于所述待识别图像的质量评估结果，确定所述采样模型对应的调整参数，包括：

在确定所述待识别图像的质量评估结果不满足设定条件的情况下，通过所述终端获取所述待识别图像对应的采样概率，并基于所述待识别图像的质量评估结果和所述待识别图像对应的采样概率，确定所述待识别图像对应的采样概率对应的调整参数。

所述通过所述终端获取所述待识别图像对应的采样概率，包括：

获取所述待识别图像的标识，并存储所述待识别图像的标识；

在到达更新所述采样模型的时机的情况下，将所述待识别图像的标识传输给所述终端，以供所述终端基于所述待识别图像的标识，获得所述待识别图像对应的采样概率；

接收所述终端获得的所述待识别图像对应的采样概率。

本申请第四方面提供一种电子设备，包括：

第一存储器和第一处理器；

所述第一存储器，用于至少存储一组指令集；

所述第一处理器，用于调用并执行所述存储器中的所述指令集，通过执行所述指令集执行如上述所述的识别方法。

一种存储介质，存储有实现如上述所述的识别方法的计算机程序，所述计算机程序被处理器执行，实现如上述所述的识别方法。

在本申请中，提供一种识别系统，包括：服务端和至少一个终端，至少一个终端能够通过采样模块对待识别图像进行第一判断，以确定待识别图像的采样概率，在采样概率大于概率阈值的情况下，至少一个终端将待识别图像传输至所述服务端，服务端能够通过图像质量评估模块对待识别图像进行第二判断，以获得待识别图像的质量评估结果，可以减少终端的传输流量，降低终端的传输负担，节省终端的能量。并且，可以减少服务端的工作量，降低服务端的处理负担。

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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请第一实施方式提供的一种识别系统的结构示意图；

图2是本申请第二实施方式提供的一种识别系统的结构示意图；

图3是本申请第四实施方式提供的一种识别方法的流程示意图；

图4是本申请第五实施方式提供的一种采样模型的训练流程示意图；

图5是本申请第六实施方式提供的一种采样模型的训练流程示意图；

图6是本申请第六实施方式提供的一种采样模型的训练过程示意图；

图7是本申请第七实施方式提供的一种识别方法的流程示意图；

图8是本申请第八实施方式提供的一种识别方法的流程示意图；

图9是本申请第九实施方式提供的一种识别方法的流程示意图；

图10是本申请提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了解决上述问题，本申请提供了一种识别系统，接下来对本申请提供的识别系统进行介绍。

参照图1，为本申请第一实施方式提供的一种识别系统的结构示意图，识别系统包括：服务端10和至少一个终端20。

服务端设置有图像质量评估模块100，至少一个终端设置有对应于终端的采样模块200。

本实施例中，至少一个终端20能够通过采样模块200对待识别图像进行第一判断，以确定待识别图像的采样概率。

其中，第一判断与该终端20对应，终端20通过采样模块200对待识别图像进行第一判断，至少可以确定待识别图像的采样概率，采样概率可以表征待识别图像能被采用的程度。

在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10。

采样概率大于概率阈值，可以理解为：待识别图像能被采用的程度满足服务端10的图像质量要求。

在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10，相比于终端20对待识别图像不做处理，即将待识别图像传输至服务端10的方式，可以减少传输流量，降低终端20的传输负担，节省终端20的能量。并且，可以减少服务端10的工作量，降低服务端10的处理负担。

概率阈值可以根据需要进行设置，在本申请中不做限制。

服务端10能够通过图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果，其中，第二判断与服务端10以及至少一个终端20对应。

图像质量评估模块100对待识别图像进行第二判断，至少可以获得待识别图像的质量评估结果。

图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果可以包括但不局限于：图像质量评估模块100对待识别图像进行一种图像质量的判断，得到图像质量分数。

其中，一种图像质量的判断可以包括但不局限于：模糊程度判断、光照程度判断或遮挡程度判断；相应地，图像质量分数可以包括但不局限于：得到待识别图像的模糊程度质量分数、光照程度质量分数或遮挡程度质量分数。

当然，图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果，也可以包括：图像质量评估模块100对待识别图像进行多种图像质量的判断，得到多个图像质量分数；

对多个图像质量分数进行加权计算，得到目标质量分数。

多种图像质量的判断，可以包括但不局限于：模糊程度判断、光照程度判断和遮挡程度判断中的至少任意两种判断；相应地，多个图像质量分数，可以包括：模糊程度质量分数、光照程度质量分数和遮挡程度质量分数中的至少任意两种质量分数。

可以理解的是，图像质量评估模块100对待识别图像进行多种图像质量的判断，可以保证对待识别图像进行质量评估的全面性，保证质量评估结果的可靠性。

本实施例中，服务端10可以使用待识别图像的质量评估结果进行相应的处理。如，服务端10可以在基于待识别图像的质量评估结果，确定待识别图像满足质量要求的情况下，将待识别图像放入数据库中。数据库可以为服务端10的数据库，也可以为部署在云计算环境中的数据库。

需要说明的是，图1示出的仅是识别系统的其中一种结构示意图，其并作为对识别系统的限制。

在本申请中，提供一种识别系统，包括：服务端10和至少一个终端20，至少一个终端20能够通过采样模块200对待识别图像进行第一判断，以确定待识别图像的采样概率，在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10，服务端10能够通过图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果，可以减少终端20的传输流量，降低终端20的传输负担，节省终端20的能量。并且，可以减少服务端10的工作量，降低服务端10的处理负担。

作为本申请另一可选的第二实施方式，主要是对上述第一实施方式描述的识别系统的细化方案，具体地，识别系统包括：服务端10和至少一个终端20。

服务端10设置有图像质量评估模块100，至少一个终端20设置有对应于终端20的采样模块200。

如图2所示，至少一个终端20能够通过采样模块200将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率。

本实施例中，采样模型可以为但不局限于：基于服务端10的图像质量评估模型训练得到。采样概率可以表征待识别图像能被采用的程度。

至少一个终端20能够通过采样模块200将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率，为第一实施方式中至少一个终端20能够通过采样模块200对待识别图像进行第一判断，以确定待识别图像的采样概率的一种具体实施方式。

在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10。

服务端10能够通过图像质量评估模块100将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果。

图像质量评估模型可以为能够获得待识别图像的至少一种图像属性质量分数的模型。至少一种图像属性质量分数，可以包括但不局限于：模糊属性质量分数、光照属性质量分数和遮挡属性质量分数中的任意一种或多种。

服务端10能够通过图像质量评估模块100将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果，为第一实施方式中服务端10能够通过图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果的一种具体实施方式。

本实施例中，识别系统，包括：服务端10和至少一个终端20，至少一个终端20能够通过采样模块200将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率，在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10，服务端10能够通过图像质量评估模块100将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果，可以减少终端20的传输流量，降低终端20的传输负担，节省终端20的能量。并且，可以减少服务端10的工作量，降低服务端10的处理负担。

作为本申请另一可选的第三实施方式，主要是对上述第三实施方式描述的识别系统的细化方案，具体地，识别系统包括：服务端10和至少一个终端20。

服务端10设置有图像质量评估模块100，至少一个终端20设置有对应于终端20的采样模块200。

至少一个终端20能够通过采样模块200去除待识别图像中的噪声，将去除噪声后的待识别图像输入到采样模型，得到采样模型获得的去除噪声后的待识别图像的采样概率。

待识别图像中的噪声，可以理解为：存在于待识别图像中的不必要的或多余的干扰信息。

本实施例中，采样概率可以表征去除噪声后的待识别图像能被采用的程度。

至少一个终端20能够通过采样模块200去除待识别图像中的噪声，将去除噪声后的待识别图像输入到采样模型，得到采样模型获得的去除噪声后的待识别图像的采样概率，为第一实施方式中至少一个终端20能够通过采样模块200对待识别图像进行第一判断，以确定待识别图像的采样概率的一种具体实施方式。

在采样概率大于概率阈值的情况下，至少一个终端20将待识别图像传输至服务端10。

服务端10能够通过图像质量评估模块100将去除噪声后的待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的去除噪声后的待识别图像的质量评估结果。

图像质量评估模型可以为能够获得去除噪声后的待识别图像的至少一种图像属性质量分数的模型。至少一种图像属性质量分数，可以包括但不局限于：模糊属性质量分数、光照属性质量分数和遮挡属性质量分数中的任意一种或多种。

服务端10能够通过图像质量评估模块100将去除噪声后的待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的去除噪声后的待识别图像的质量评估结果，为第一实施方式中服务端10能够通过图像质量评估模块100对待识别图像进行第二判断，以获得待识别图像的质量评估结果的一种具体实施方式。

本实施例中，识别系统，包括：服务端10和至少一个终端20，至少一个终端20能够通过采样模块200去除待识别图像中的噪声，将去除噪声后的待识别图像输入到采样模型，得到采样模型获得的去除噪声后的待识别图像的采样概率，在采样概率大于概率阈值的情况下，至少一个终端20将去除噪声后的待识别图像传输至服务端10，服务端10能够通过图像质量评估模块100将去除噪声后的待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的去除噪声后的待识别图像的质量评估结果，可以减少终端20的传输流量，降低终端20的传输负担，节省终端20的能量。并且，可以在减少服务端10的工作量，降低服务端10的处理负担。

进一步地，终端20通过采样模块200去除待识别图像中的噪声，将去除噪声后的待识别图像输入到采样模型，可以提高采样概率的准确性，在此基础上，服务端10能够通过图像质量评估模块100将去除噪声后的待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的去除噪声后的待识别图像的质量评估结果，可以提高质量评估结果的准确性。

与上述本申请提供的一种识别系统实施方式相对应的，本申请还提供了一种识别方法，参照图3，为本申请第四实施方式提供的一种识别方法的流程示意图，本申请提供的一种识别方法可以适用于终端，本申请对终端的产品类型不做限定，如图3所示，该方法可以包括但并不局限于以下步骤：

步骤S101、获取待识别图像。

可选的，待识别图像可以是采集装置所采集的图像，也可以是通过其它方式、渠道获取的图像，如用户上传、网络下载等。

步骤S102、将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率。

采样概率可以表征待识别图像能被采用的程度。

步骤S103、确定采样概率是否大于概率阈值。

若是，则执行步骤S104；若否，则可以不将待识别图像传输到服务端。

步骤S104、将待识别图像传输到服务端，以供服务端将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果。

本实施例中，终端通过获取待识别图像，将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率，在采样概率大于概率阈值的情况下，将待识别图像传输至服务端，可以减少终端的传输流量，降低终端的传输负担，节省终端的能量。

并且，适用于终端的上述识别实施方式，可以避免将能被采用的程度达不到采用要求的待识别图像传输给服务端，减少服务端的工作量，降低服务端的处理负担。

在本申请的第五实施方式中，对第四实施方式中的采样模型的训练过程进行介绍，请参见图4，采样模型的训练过程可以包括但不局限于以下步骤：

步骤S1021、终端获取图像训练样本，将图像训练样本输入到采样模型，得到采样模型获得的图像训练样本的第一采样概率。

步骤S1022、终端将图像训练样本传输给服务端，以供服务端将图像训练样本输入到图像质量评估模型，得到图像质量评估模型获得的图像训练样本的第一质量评估结果，基于第一质量评估结果，确定采样模型对应的调整参数，并将采样模型对应的调整参数传输给终端。

基于第一质量评估结果，确定采样模型对应的调整参数，可以包括但不局限于：

确定第一质量评估结果与质量评估阈值的差异；

基于第一质量评估结果与质量评估阈值的差异，确定采样模型对应的调整参数。

服务端在确定采样模型对应的调整参数后，可以将采样模型对应的调整参数传输给终端，相应地，终端接收服务端传输过来的采样模型对应的调整参数。

步骤S1023、终端至少基于采样模型对应的调整参数，调整采样模型的参数值。

步骤S1024、确定采样模型是否满足训练结束条件。

采样模型满足训练结束条件，可以包括：

第一采样概率对应的质量评估结果与第一质量评估结果相匹配；

或，终端至少基于采样模型对应的调整参数，调整采样模型的参数值的次数达到设定次数。

若是，则执行步骤S1025；若否，则返回执行获取图像训练样本的步骤。

步骤S1025、结束训练。

在本申请的第六实施方式中，提供第四实施方式中的采样模型的另外一种的训练过程，请参见图5，采样模型的训练过程可以包括但不局限于以下步骤：

步骤S1026、终端获取图像训练样本，将图像训练样本输入到采样模型，得到采样模型获得的图像训练样本的第一采样概率。

终端在设置有强化学习模块的情况下，如图6所示，终端可以将图像训练样本输入至强化学习模块，强化学习模块将图像训练样本输入到采样模型。

步骤S1027、终端将图像训练样本及第一采样概率传输给服务端，以供服务端将图像训练样本输入到图像质量评估模型，得到图像质量评估模型获得的图像训练样本的第一质量评估结果，基于第一质量评估结果及第一采样概率，确定第一采样概率对应的调整参数，并将第一采样概率对应的调整参数传输给终端。

本实施例中，基于第一质量评估结果及第一采样概率，确定第一采样概率对应的调整参数，可以包括：

S10271、确定第一采样概率对应的质量评估结果与第一质量评估结果之间的差异。

其中，第一采样概率对应的质量评估结果，可以通过以下方式确定：

在预先构建的采样概率与质量评估结果的映射关系中，查找与第一采样概率对应的质量评估结果。

S10272、基于第一采样概率对应的质量评估结果与第一质量评估结果之间的差异，确定第一采样概率对应的调整参数。

基于第一质量评估结果及第一采样概率，确定第一采样概率对应的调整参数，可以包括但不局限于：基于第一质量评估结果及第一采样概率，进行强化学习处理，确定第一采样概率对应的强化参数，强化参数至少可以表征对第一采样概率的认可程度。

与确定第一采样概率对应的强化参数相对应，将第一采样概率对应的调整参数传输给终端，可以包括：将第一采样概率对应的调整参数传输给终端的强化学习模块，如图6所示。

步骤S1028、终端至少基于第一采样概率对应的调整参数，调整采样模型的参数值。

如图6所示，与将第一采样概率对应的调整参数传输给终端的强化学习模块相对应，终端至少基于第一采样概率对应的调整参数，调整采样模型的参数值，可以包括：终端的强化学习模块至少基于第一采样概率对应的强化参数，调整采样模型的参数值。

如果终端的强化学习模块确定第一采样概率对应的强化参数表征服务端对第一采样概率的认可程度高于阈值，则采样模型以提高服务端对第一采样概率的认可程度为目标，调整采样模型的参数值。

在调整采样模型的参数值后，可以返回执行获取图像训练样本的步骤，直至第一采样概率对应的质量评估结果与第一质量评估结果相匹配，实现采样模型能够采样得到符合服务端的图像质量评估模型的采用要求的图像。

可选的，终端至少基于第一采样概率对应的调整参数，调整采样模型的参数值，可以包括：

S10281、获取至少一个历史调整参数，历史调整参数为历史图像训练样本的采样概率对应的调整参数，历史图像训练样本为在图像训练样本之前输入到采样模型和图像质量评估模型中的样本；

S10282、对第一采样概率对应的调整参数及至少一个历史调整参数进行加权运算，得到目标调整参数。

对第一采样概率对应的调整参数及至少一个历史调整参数进行加权运算，得到目标调整参数，可以包括但不局限于：可以分别赋予第一采样概率对应的调整参数和至少一个历史调整参数不同的权重，将第一采样概率对应的调整参数与其对应的权重进行相乘运算，得到第一结果，将至少一个历史调整参数与其对应的权重进行相乘运算，得到第二结果，将第一结果与至少一个第二结果之和作为目标调整参数。

S10283、基于目标调整参数，调整采样模型的参数值。

本实施例中，通过结合历史图像训练样本与图像训练样本之间的联系，得到目标调整参数，提高目标调整参数的准确性，使采样模型训练的过程更加可靠。

步骤S1029、确定第一采样概率对应的质量评估结果与第一质量评估结果是否相匹配。

若是，则执行步骤S10210；若否，则返回执行获取图像训练样本的步骤。

步骤S10210、结束训练。

本实施例中，通过终端获取图像训练样本，将图像训练样本输入到采样模型，得到采样模型获得的图像训练样本的第一采样概率，终端将图像训练样本传输给服务端，以供服务端将图像训练样本输入到图像质量评估模型，得到图像质量评估模型获得的图像训练样本的第一质量评估结果，基于第一质量评估结果及第一采样概率，确定第一采样概率对应的调整参数，保证基于更加丰富的信息，确定第一采样概率对应的调整参数，保证第一采样概率对应的调整参数的准确性，进而保证采样模型训练的精度。

并且，终端通过与服务端的之间的交互，以强化学习的方式不断调整采样模型的参数值，达到优化采样模型的性能的目的，进一步保证采样模型训练的精度。

与上述本申请提供的一种识别系统实施方式相对应的，本申请还提供了一种识别方法，参照图7，为本申请第七实施方式提供的一种识别方法的流程示意图，本申请提供的一种识别方法可以适用于服务端，本申请对服务端的产品类型不做限定，如图7所示，该方法可以包括但并不局限于以下步骤：

步骤S201、获取至少一个终端传输的待识别图像，待识别图像对应的采样概率大于概率阈值，待识别图像对应的采样概率通过以下方式确定：终端将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率。

终端将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率的详细过程可以参见前述各个实施方式的相关介绍，在此不再赘述。

步骤S202、将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果。

本实施例中，将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果的详细过程可以参见前述各个实施方式的相关介绍，在此不再赘述。

本实施例中，终端在待识别图像从采样概率大于概率阈值的情况下，将待识别图像传输给服务端，保证服务端获取的待识别图像为达到采用要求的图像，减少服务端的工作量，降低服务端的处理负担。

作为本申请另一可选实施例，参照图8，为本申请第八实施方式提供的一种识别方法的流程示意图，本实施例主要是对上述第七实施方式描述的识别方法的扩展方案，如图8所示，该方法可以包括但并不局限于以下步骤：

步骤S301、获取至少一个终端传输的待识别图像，待识别图像对应的采样概率大于概率阈值，待识别图像对应的采样概率通过以下方式确定：终端将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率。

步骤S302、将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果。

步骤S301-S302的详细过程可以参见第七实施方式中的步骤S201-S202的相关介绍，在此不再赘述。

步骤S303、在确定待识别图像的质量评估结果不满足设定条件的情况下，基于待识别图像的质量评估结果，确定采样模型对应的调整参数。

在确定待识别图像的质量评估结果不满足设定条件的情况下，可以确定采样模型传输过来的待识别图像不满足采用要求，进而至少基于待识别图像的质量评估结果，确定采样模型对应的调整参数。

确定待识别图像的质量评估结果不满足设定条件，可以包括但不局限于：确定待识别图像的质量评估结果不满足质量阈值。比如，在服务端动态对图像质量评估模型进行更新(如，增加图像质量评估模型)后，采样模型因未基于更新后的图像质量评估模型重新学习，导致更新后的图像质量评估模型获得的待识别图像的质量评估结果不满足质量阈值，因此，可以基于更新后的图像质量评估模型确定采样模型对应的调整参数，具体地，基于更新后的图像质量评估模型获得的质量评估结果，确定采样模型对应的调整参数。

步骤S304、将调整参数传输给终端，以供终端基于调整参数，调整采样模型的参数值。

服务端将调整参数传输给终端，以供终端基于调整参数，调整采样模型的参数值，完成对采样模型的更新。

作为本申请另一可选实施例，参照图9，为本申请第九实施方式提供的一种识别方法的流程示意图，本实施例主要是对上述第八实施方式描述的识别方法的细化方案，如图9所示，该方法可以包括但并不局限于以下步骤：

步骤S401、获取至少一个终端传输的待识别图像，待识别图像对应的采样概率大于概率阈值，待识别图像对应的采样概率通过以下方式确定：终端将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率；

步骤S402、将待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果。

步骤S401-S402的详细过程可以参见第八实施方式中的步骤S301-S302的相关介绍，在此不再赘述。

步骤S403、在确定待识别图像的质量评估结果不满足设定条件的情况下，通过终端获取待识别图像对应的采样概率，并基于待识别图像的质量评估结果和待识别图像对应的采样概率，确定待识别图像对应的采样概率对应的调整参数。

在确定待识别图像的质量评估结果不满足设定条件的情况下，通过终端获取待识别图像对应的采样概率，可以包括：

S4031、在服务端得到图像质量评估模型获得的待识别图像的质量评估结果的情况下，立即确定待识别图像的质量评估结果是否不满足设定条件，在不满足设定条件的情况下，获取终端获得的待识别图像的采样概率。

在服务端得到图像质量评估模型获得的待识别图像的质量评估结果的情况下，立即确定待识别图像的质量评估结果是否不满足设定条件，在不满足设定条件的情况下，获取终端获得的待识别图像的采样概率，可以保证及时地确定待识别图像对应的采样概率对应的调整参数。

当然，在确定待识别图像的质量评估结果不满足设定条件的情况下，通过终端获取待识别图像对应的采样概率，也可以包括：

S4032、在服务端得到图像质量评估模型获得的待识别图像的质量评估结果之后，若在延迟一段时间后，确定待识别图像的质量评估结果不满足设定条件，则获取待识别图像的标识，并存储待识别图像的标识。

若在延迟一段时间后，确定待识别图像的质量评估结果不满足设定条件，为保证能获取到该待识别图像的采样概率，可以获取能够获取到该待识别图像的采样概率的依据。具体地，依据可以为待识别图像的标识。

在获取到待识别图像的标识后，可以存储待识别图像的标识。

S4033、在到达更新采样模型的时机的情况下，将待识别图像的标识传输给终端，以供终端基于待识别图像的标识，获得待识别图像对应的采样概率。

在确定待识别图像的质量评估结果不满足设定条件的情况下，可能无法立即对采样模型进行更新，需要等待到达更新采样模型的时机，在到达更新采样模型的时机的情况下，将待识别图像的标识传输给终端。

到达更新采样模型的时机，可以包括但不局限于：服务端的运行性能高于性能阈值；

或，终端处于充电状态。

终端基于待识别图像的标识，获得待识别图像对应的采样概率，可以包括但不局限于：

若第一指定存储区域中未存储有待识别图像的采样概率，则基于待识别图像的标识从第二指定存储区域中获取待识别图像，将待识别图像输入到采样模型，得到采样模型获得的待识别图像的采样概率；

若第一指定存储区域中存储有待识别图像的采样概率，则从第一指定存储区域获取待识别图像的采样概率。

S4034、接收终端获得的待识别图像对应的采样概率。

基于待识别图像的质量评估结果和待识别图像对应的采样概率，确定待识别图像对应的采样概率对应的调整参数，可以包括：

S4035、确定待识别图像对应的采样概率对应的质量评估结果与待识别图像的质量评估结果之间的差异。

其中，待识别图像对应的采样概率对应的质量评估结果，可以通过以下方式确定：

在预先构建的采样概率与质量评估结果的映射关系中，查找与待识别图像对应的采样概率对应的质量评估结果。

S4036、基于待识别图像对应的采样概率对应的质量评估结果与待识别图像的质量评估结果之间的差异，确定待识别图像对应的采样概率对应的调整参数。

步骤S403为第八实施方式中步骤S303的一种具体实施方式。

步骤S404、将调整参数传输给终端，以供终端基于调整参数，调整采样模型的参数值。

步骤S404的详细过程可以参见第八实施方式中步骤S304的相关介绍，在此不再赘述。

本实施例中，服务端通过获取至少一个终端传输的待识别图像，待识别图像输入到图像质量评估模型，得到图像质量评估模型获得的待识别图像的质量评估结果，在确定待识别图像的质量评估结果不满足设定条件的情况下，通过终端获取待识别图像对应的采样概率，并基于待识别图像的质量评估结果和待识别图像对应的采样概率，确定待识别图像对应的采样概率对应的调整参数，保证基于更加丰富的信息，确定待识别图像对应的采样概率对应的调整参数，保证调整参数的准确性，进而保证采样模型更新的有效性。

与上述本申请提供的一种识别方法实施例相对应的，本申请还提供了应用该识别方法的电子设备实施例。

如图10所示的为本申请提供的一种电子设备的结构示意图，该电子设备可以包括以下结构：

存储器300和处理器400。

存储器300，用于至少存储一组指令集；

处理器400，用于调用并执行存储器300中的指令集，通过执行指令集执行如第三实施方式所介绍的识别方法或如第七实施方式至第九实施方式中任意一个实施方式所介绍的识别方法。

与上述本申请提供的一种识别方法实施例相对应的，本申请还提供了一种存储介质的实施例。

本实施例中，存储介质存储有实现如前述任意一个实施例所介绍的识别方法的计算机程序，计算机程序被处理器执行，实现如前述任意一个实施方式所介绍的识别方法的各步骤。

需要说明的是，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

以上对本申请所提供的一种识别系统、方法及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。