The embodiment of the invention provides a target detection method and device. The method includes: determining the quality category of the target image, determining the convolution neural network of the quality category corresponding to the quality category of the target image, and determining the true target detection of the target image according to the convolution neural network of the corresponding quality category. According to the true target detection value of the target image, we determine whether the target in the target image is a true target. In the embodiment of the invention, a convolution neural network which is more accurate for the target image can be obtained, and the target in the target image is more accurately determined by selecting a convolution neural network which is more compatible with the quality category for each target image in a variety of hardware conditions and / or application scenes. If it is true, it enhances the robustness of detecting true and false targets in target images. One
【技术实现步骤摘要】
目标检测方法及装置
本专利技术涉及计算机视觉
,具体而言,本专利技术涉及一种目标检测方法及装置。
技术介绍
目标的活体检测是计算机视觉和图像处理领域的重要内容,当检测出图像中的目标为活体目标时,确定该目标为真目标。以目标检测中的人脸检测为例,基于人脸检测和识别的系统已进入实用阶段,例如可以应用于手机解锁、和移动支付等场景。传统的目标检测方法通常是要求用户通过终端设备的拍摄装置获取目标图像,当确定出获取的目标图像中包含目标时,默认该目标为活体目标,进而进行解锁或支付等操作。然而,传统的目标检测方法容易遭受不同形式的欺骗攻击。常见的欺骗攻击手段包括:纸质打印图像攻击、照片攻击、屏幕图像攻击、屏幕视频攻击、3D打印攻击等等。以纸质打印图像攻击为例,其攻击原理为:利用打印出的包含目标的纸质图像冒充真实的目标,对准终端设备的拍摄装置,导致终端设备很可能将包含目标的纸质图像误判定为真实的目标,从而很容易导致误解锁或误支付等严重后果。如何能够获取稳定有效的特征来进行真假目标的判别,一直是目标检测研究领域的重点和难点问题。根据是否需要用户的配合,可以将现有的目标检测方法分为两大类:侵入式目标检测方法、和非侵入式目标检测方法。现有的侵入式目标检测方法需要依赖用户的配合,用户根据软件的提示做出诸如眨眼、摇头、或微笑等指定的动作,进而对该指定的动作进行识别,以此做为真目标检测的依据。然而,这类方法在实际应用中存在识别步骤较为繁琐、耗时较长、和/或需要用户作出额外的指定动作导致用户体验较差等缺点。例如,用户在公共场合对准终端设备的拍摄装置逐一进行眨眼、摇头和微笑等指定动作, ...
【技术保护点】
1.一种目标检测方法,其特征在于,包括:
【技术特征摘要】
1.一种目标检测方法,其特征在于,包括:确定出目标图像的质量类别;确定出与所述目标图像的质量类别相对应的质量类别的卷积神经网络;根据所述相对应的质量类别的卷积神经网络,确定出所述目标图像的真目标检测值;根据所述目标图像的真目标检测值,确定出所述目标图像中的目标是否为真目标。2.根据权利要求1所述的方法,其特征在于,所述确定出与所述目标图像的质量类别相对应的质量类别的卷积神经网络,包括:确定出与所述目标图像的质量类别相对应的质量类别的级联卷积神经网络;以及所述根据所述相对应的质量类别的卷积神经网络,确定出所述目标图像的真目标检测值,包括:根据所述相对应的质量类别的级联卷积神经网络,确定出所述目标图像的真目标检测值。3.根据权利要求1或2所述的方法,其特征在于,所述确定出目标图像的质量类别,包括:对所述目标图像进行盲图像质量评价,得到所述目标图像的图像质量值;根据所述目标图像的图像质量值,确定出所述目标图像的质量类别。4.根据权利要求3所述的方法,其特征在于,所述对所述目标图像进行盲图像质量评价,得到所述目标图像的图像质量值,包括:确定出所述目标图像的拍摄参数和属性参数;以及所述根据所述目标图像的图像质量值,确定出所述目标图像的质量类别,包括:根据所述目标图像的拍摄参数和属性参数、以及预设的拍摄参数和属性参数的质量类别划分标准,确定出所述目标图像的质量类别。5.根据权利要求2-4中任一项所述的方法,其特征在于,通过下述方法预先训练得到所述级联卷积神经网络:确定出多个样本图像的质量类别;根据每个质量类别的多个样本图像,训练出该质量类别的级联卷积神经网络。6.根据权利要求2-5中任一项所述的方法,其特征在于,所述根据所述相对应的质量类别的级联卷积神经网络,确定出所述目标图像的真目标检测值,包括:根据所述相对应的质量类别的级联卷积神经网络中的至少二级卷积神经网络和至少一级阈值判断层,确定出所述目标图像的每一级的真目标检测值;其中,所述目标图像的当前级的真目标检测值的确定过程包括:根据所述当...
【专利技术属性】
技术研发人员:徐静涛,汪彪,安耀祖,钱德恒,兪炳仁,韩在濬,崔昌圭,
申请(专利权)人:北京三星通信技术研究有限公司,三星电子株式会社,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。