本发明适用于图像处理技术领域，公开了一种图像质量分类方法、系统及终端设备，所述方法包括：获取训练样本集；提取训练样本集中每一张图像的纹理特征值，得到每一张图像的三维特征矢量；将训练样本集中的图像分组，并基于每组中图像的三维特征矢量训练构建的卷积神经网络模型，得到训练后的卷积神经网络模型；根据预设的漏检率和误检率，确定预设的漏检率和误检率对应的分类阈值；根据训练后的卷积神经网络模型和预设的漏检率和误检率对应的分类阈值对待分类图像进行分类。本发明适用于毫米波图像、太赫兹波图像等图像，能够通过自动判断图像质量的优劣来判断被检测对象在被检测过程中是否保持标准站姿，可以有效地提高安检设备的异物识别率。