图像检测方法及装置制造方法及图纸

本申请公开了一种图像检测方法及装置。其中，该方法包括：确定目标图像，所述目标图像为待检测黑头数量的图像；将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，所述第二区域图像的反光程度大于所述第一区域图像的反光程度；将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量；根据所述第一区域图像的黑头位置确定所述第一区域图像中的黑头数量，以及根据所述第一区域图像中的黑头数量和所述第二区域图像中的黑头数量确定所述目标图像中的黑头数量。采用本申请，可提高黑头检测的准确性。

【技术实现步骤摘要】
图像检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种图像检测方法及装置。
技术介绍
目前，脸部皮肤问题影响着人们的美丑，其中，黑头就是常见的皮肤问题。同时由于性别、年龄以及地域属性等不同，也会导致黑头的数量各不相同。美容美妆领域中，一般可以通过终端如手机自拍图片，来自动检测人脸黑头的数量，再结合人脸其他的皮肤特征，从而为用户提供护肤意见。如通过检测人脸黑头数量，可以为用户选择合适的护肤品、食品以改善面部皮肤问题。具体的，检测黑头数量的方法一般可通过普通白色光和紫外光线两种光线照射皮肤，从而提取出该紫外光线中的高亮目标，得到目标高亮图像，然后根据目标高亮图像生成黑头区域图，进而以该黑头区域图作为掩模，对白色光图像中的黑头区域进行标记，识别出黑头。采用上述方法需要借助紫外线照射皮肤，且设备要求复杂，准确度低下。
技术实现思路
本申请提供了一种图像检测方法及装置，可提高黑头检测的准确率。第一方面，本申请实施例提供了一种图像检测方法，包括：确定目标图像，所述目标图像为待检测黑头数量的图像；将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，所述第二区域图像的反光程度大于所述第一区域图像的反光程度；将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量；根据所述第一区域图像的黑头位置确定所述第一区域图像中的黑头数量，以及根据所述第一区域图像中的黑头数量和所述第二区域图像中的黑头数量确定所述目标图像中的黑头数量。本申请实施例中，在确定目标图像后，通过深度检测神经网络先确定第一区域图像的黑头位置以及第二区域图像的位置，其中，所述第二区域图像反光程度大于所述第一区域的反光程度；然后，再将所述第二区域图像输入至深度神经网络中，得到所述第二区域图像的黑头数量；最后，得到第一区域图像的黑头数量，并将所述第一区域图像中的黑头数量和所述第二区域图像中的黑头数量得到所述目标图像中的黑头数量。通过实施本申请实施例，可以将反光程度较强的所述第二区域图像的黑头数量单独进行检测，可避免因光照强度等因素而导致无法准确计算黑头数量的情况，进而提高了黑头检测的准确率。在一种可能的实现方式中，所述目标图像为与鼻子对应的区域；所述确定目标图像，包括：获取到人脸图像后，确定所述人脸图像中的人脸关键点；其中，所述人脸图像中的人脸关键点包括第一关键点和第二关键点；所述第一关键点为所述人脸关键点中鼻翼最左边的点，所述第二关键点为所述人脸关键点中鼻翼最右边的点；根据所述第一关键点和所述第二关键点确定所述目标图像。在一种可能的实现方式中，所述获取到人脸图像后，确定所述人脸图像中的人脸关键点，根据所述第一关键点和所述第二关键点确定所述目标图像，包括：获取到人脸图像后，确定所述人脸图像中的人脸关键点；其中，所述人脸图像中的人脸关键点包括第一关键点、第二关键点、第三关键点和第四关键点；所述第一关键点为所述人脸关键点中的关键点31，所述第二关键点为所述人脸关键点中的关键点35，所述第三关键点为所述人脸关键点中的关键点28和关键点29中的一项，所述第四关键点为所述人脸关键点中的关键点33；根据所述第一关键点的横坐标和所述第二关键点的横坐标确定所述目标图像的第一边长；根据所述第三关键点的纵坐标和所述第四关键点的纵坐标确定所述目标区域的第二边长；根据所述第一边长和所述第二边长确定所述目标图像。本申请实施例中，本申请实施例中，通过第一关键点、第二关键点、第三关键点和第四关键点来确定目标图像，简单可行，提高了目标图像的确定效率。在一种可能的实现方式中，所述确定目标图像，包括：获取到人脸图像后，确定所述人脸图像中的人脸关键点；其中，所述人脸图像中的人脸关键点包括第五关键点、第六关键点和第七关键点；所述第五关键点为所述人脸关键点中的关键点30，所述第六关键点为所述人脸关键点中的关键点0，所述第七关键点为所述人脸关键点中的关键点16；根据所述第五关键点确定所述目标图像的中心点；根据所述第六关键点的横坐标和所述第七关键点的横坐标确定所述目标图像的第三边长；根据所述第三边长确定所述目标区域的第四边长；根据所述中心点、所述第三边长和所述第四边长确定所述目标图像。在一种可能的实现方式中，所述将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，包括：降低所述目标图像的分辨率，得到降低分辨率后的所述目标图像；将所述降低分辨率后的所述目标图像输入至所述深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置；或者，增强所述目标图像的分辨率，得到增强分辨率后的所述目标图像；将所述增强分辨率后的所述目标图像输入至所述深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置。本申请实施例中，通过降低所述目标图像的分辨率，能够加快所述深度检测神经网络运算速度，提高黑头检测的计算效率；通过增强所述目标图像的分辨率，能够使所述目标图像更加清晰，提高黑头检测的准确率。在一种可能的实现方式中，所述将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量之前，所述方法还包括：获取第一样本图像和第二样本图像，所述第二样本图像的反光程度大于所述第一样本图像的反光程度，且所述第一样本图像中包括的对象和所述第二样本图像中包括的对象相同；确定所述第一样本图像的黑头数量；将所述第二样本图像以及所述第一样本图像的黑头数量输入至所述深度神经网络中，训练所述深度神经网络。其中，第一样本图像中包括的对象和所述第二样本图像中包括的对象相同，可理解为该第一样本图像和该第二样本图像是通过同一张人脸图像或同一个人拍摄得到的，也就是说，该第一样本图像和该第二样本图像是属于同一组样本图像，或者，该第一样本图像和该第二样本图像是一一对应的关系；获取到该第一样本图像和该第二样本图像后，可以确定该第一样本图像中的黑头数量；可理解，该第一样本图像和该第二样本图像的个数至少包括两组。本申请实施例中，通过以上方法训练深度神经网路，可有效提高训练该深度神经网络的效率，即提高了该深度神经网络输出检测结果的准确性。在一种可能的实现方式中，所述获取第一样本图像和第二样本图像，包括：在第一光源下获取所述第一样本图像；在第二光源下获取所述第二样本图像，所述第一光源的光照强度小于所述第二光源的光照强度。本申请实施例中，其中，在第一光源下获取所述第一样本图像，可理解为通过正常光照下获取的清晰、无反光的该第一样本图像，也就是说，在该第一光源下获取的该第一样本图像可以清楚的知道该第一样本图像的黑头数量；在第二光源下获取所述第二样本图像，可理解为通过强光下获取的有反光区域的该第二样本图像，也就是说，在该第二光源下获取的该第二样本图像中的黑头数量存在未知区域。实施本申请实施例，通过不同光照下获取样本图像，可避免样本图像的单一性，能够增加样本图像的在不同光照场景下的多样性，从而提高了深度神经网络训练的准确性。第二方面，本申请实施例提供了一种图像检测装置，包括：第一确定单元，用于确定目标图像，所述目标图像为待检测黑头数量的图像；第一输入输出单元，用于将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，所述第本文档来自技高网...

【技术保护点】
1.一种图像检测方法，其特征在于，包括：确定目标图像，所述目标图像为待检测黑头数量的图像；将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，所述第二区域图像的反光程度大于所述第一区域图像的反光程度；将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量；根据所述第一区域图像的黑头位置确定所述第一区域图像中的黑头数量，以及根据所述第一区域图像中的黑头数量和所述第二区域图像中的黑头数量确定所述目标图像中的黑头数量。

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：确定目标图像，所述目标图像为待检测黑头数量的图像；将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，所述第二区域图像的反光程度大于所述第一区域图像的反光程度；将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量；根据所述第一区域图像的黑头位置确定所述第一区域图像中的黑头数量，以及根据所述第一区域图像中的黑头数量和所述第二区域图像中的黑头数量确定所述目标图像中的黑头数量。2.根据权利要求1所述的方法，其特征在于，所述目标图像为与鼻子对应的区域；所述确定目标图像，包括：获取到人脸图像后，确定所述人脸图像中的人脸关键点；其中，所述人脸图像中的人脸关键点包括第一关键点和第二关键点；所述第一关键点为所述人脸关键点中鼻翼最左边的点，所述第二关键点为所述人脸关键点中鼻翼最右边的点；根据所述第一关键点和所述第二关键点确定所述目标图像。3.根据权利要求书1或2所述的方法，其特征在于，所述将所述目标图像输入至深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置，包括：降低所述目标图像的分辨率，得到降低分辨率后的所述目标图像；将降低分辨率后的所述目标图像输入至所述深度检测神经网络，输出第一区域图像的黑头位置以及第二区域图像的位置；或者，增强所述目标图像的分辨率，得到增强分辨率后的所述目标图像；将所述增强分辨率后的所述目标图像输入至所述深度检测神经网络，输出所述第一区域图像的黑头位置以及所述第二区域图像的位置。4.根据权利要求1所述的方法，其特征在于，所述将所述第二区域图像输入至深度神经网络中，输出所述第二区域图像中的黑头数量之前，所述方法还包括：获取第一样本图像和第二样本图像，所述第二样本图像的反光程度大于所述第一样本图像的反光程度，且所述第一样本图像中包括的对象和所述第二样本图像中包括的对象相同；确定所述第一样本图像的黑头数量；将所述第二样本图像以及所述第一样本图像的黑头数量输入至所述深度神经网络中，训练所述深度神经网络。5.根据权利要求4所述的方法，其特征在于，所述获取第一样本图像和第二样本图像，包括：在第一光源下获取所述第一样本图像；在第二光源下获取所述第二样本图像，所述第一光源的...

【专利技术属性】
技术研发人员：鞠汶奇，刘子威，
申请(专利权)人：深圳和而泰数据资源与云技术有限公司，
类型：发明
国别省市：广东,44