天网监控系统通过摄像头获取视频、图像数据,然后使用传输、控制、显示设备等相关软件或硬件,对指定区域进行实时监控和信息采集。天网监控系统不仅仅用于社会安防和综合管理,还为建设智慧城市提供重要的图像数据。但是在天网监控系统的建设和使用中也存在诸多问题,例如摄像头角度、焦距不合理,甚至存在人为遮挡摄像头现象等,这些问题限制了天网摄像头拍摄图像的效果和质量,导致监控信息不全面,关键时刻不能提供必要的信息等。然而,面对分布范围广泛,数量庞大的天网摄像头,要保证每个摄像头监控画面清晰、正常、拍摄角度合理,其运行维护工作十分困难。据了解,目前每个天网摄像头的拍摄效果还依赖于人的主观判断,摄像头的角度和参数是否合理只能依靠工作人员进行判断,摄像头前的阻挡物还需要人工排查。因此,使用更加智能的方法评价摄像头拍摄图片的质量并根据评价结果调整摄像头的具体参数具有非常大的应用价值和实际意义。本文针对以上问题,探讨了利用数字图像处理技术和深度学习技术对天网摄像头拍摄画面质量进行客观评价的可行性。本文的主要工作和创新点包括:(1)改进目前的目标检测网络,通过离散卷积提高运行速度,通过特征复用提高检测的准确度;(2)提出相关目标检测网络,在目标检测网络设计的过程中考虑目标之间的相关性,这种相关性网络可以提高检测的准确度。(3)从人眼视觉特性出发,提出利用目标检测算法模拟人眼评价图像质量的方式并通过试验证明其可行。试验结果显示本文提出的基于深度学习、图像处理技术构建的图像质量评价系统能够客观地评价天网摄像头监控的图像质量,并在评价结果上已经接近于人类的主观图像质量评价,在实际的应用中完全可以根据评价结果可以将摄像头参数调整到最佳状态。