数据检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请揭示了一种数据检测方法、装置、计算机设备和存储介质，所述方法包括：获取包括人脸头像的指定证件图片；将所述指定证件图片纠正为按预设的标准姿态放置，从而得到中间图片；将中间图片输入到预设的人脸特征点检测模型中进行计算，得到多个人脸特征点；计算出多个人脸特征点的聚类中心位置，并生成所述多个人脸特征点的最小外接矩形；从预设的数据库中调取标准证件图片；等比例缩放标准证件图片，从而得到缩放后图片；使所述缩放后图片中的参考中心位置与所述中间图片中的聚类中心位置重叠，从而获得所述中间图片中的重叠部分；将所述重叠部分记为所述指定证件图片的证件本体。从而提高了数据检测准确性。

Data detection method, device, computer equipment and storage medium

【技术实现步骤摘要】
数据检测方法、装置、计算机设备和存储介质
本申请涉及到计算机领域，特别是涉及到一种数据检测方法、装置、计算机设备和存储介质。
技术介绍
证件图片分析在当今社会的生产生活中非常普遍，例如在办理某业务时，需要拍摄证件图片并上传该证件图片。若能准确地检测出证件图片(由于一般的拍摄的证件图片，取景范围会大于证件主体，因此证件主体一般不会填充满整个证件图片)中的证件主体，能够提高后续的对于证件图片的分析。传统的证件本体检测方法，一般是通过基于像素点检测，以得到证件本体的坐标(例如矩阵证件本体的四个顶点坐标)，这种方式存在耗费计算资源多、并且对于模糊的证件的识别准确率低(由于证件模糊，其证件本体的边界不清晰，因此传统方法识别出的证件主体会有很大的偏差)的缺陷。
技术实现思路
本申请的主要目的为提供一种数据检测方法、装置、计算机设备和存储介质，旨在提高数据检测准确性。为了实现上述专利技术目的，本申请提出一种数据检测方法，包括以下步骤：获取包括人脸头像的指定证件图片，其中所述指定证件图片中的证件图像呈矩形状；根据预设本文档来自技高网...

【技术保护点】
1.一种数据检测方法，其特征在于，包括：/n获取包括人脸头像的指定证件图片，其中所述指定证件图片中的证件图像呈矩形状；/n根据预设的姿态纠正方法，将所述指定证件图片纠正为按预设的标准姿态放置，从而得到中间图片；/n将所述中间图片输入到预设的人脸特征点检测模型中进行计算，得到所述人脸特征点检测模型输出的多个人脸特征点；/n采用预设的聚类算法，计算出所述多个人脸特征点的聚类中心位置，并生成所述多个人脸特征点的最小外接矩形，其中所述多个人脸特征点均在所述最小外接矩形的内部；/n根据预设的证件类型获取方法，获取所述指定证件图片的指定证件类型，并从预设的数据库中调取标准证件图片，其中所述标准证件图片的类...

【技术特征摘要】
1.一种数据检测方法，其特征在于，包括：
获取包括人脸头像的指定证件图片，其中所述指定证件图片中的证件图像呈矩形状；
根据预设的姿态纠正方法，将所述指定证件图片纠正为按预设的标准姿态放置，从而得到中间图片；
将所述中间图片输入到预设的人脸特征点检测模型中进行计算，得到所述人脸特征点检测模型输出的多个人脸特征点；
采用预设的聚类算法，计算出所述多个人脸特征点的聚类中心位置，并生成所述多个人脸特征点的最小外接矩形，其中所述多个人脸特征点均在所述最小外接矩形的内部；
根据预设的证件类型获取方法，获取所述指定证件图片的指定证件类型，并从预设的数据库中调取标准证件图片，其中所述标准证件图片的类型为所述指定证件类型，所述标准证件图片上标有参考矩形和参考中心位置，所述标准证件图片中的证件图像填充满所述标准证件图片；
等比例缩放所述标准证件图片，以使所述参考矩形的面积与所述最小外接矩形的面积相等，从而得到缩放后图片；
采用平移的方式使所述缩放后图片和所述标准证件图片重叠，以使所述缩放后图片中的参考中心位置与所述中间图片中的聚类中心位置重叠，从而获得所述中间图片中的重叠部分；
将所述中间图片中的所述重叠部分记为所述指定证件图片的证件本体。


2.根据权利要求1所述的数据检测方法，其特征在于，所述根据预设的姿态纠正方法，将所述指定证件图片纠正为按预设的标准姿态放置，从而得到中间图片的步骤，包括：
采用预设的图像边缘检测方法，检测出所述指定证件图片中的多个边缘，并从所述多个边缘中获取指定边缘对，其中所述指定边缘对由两条互相平行且相等的指定边缘线段所构成；
判断所述指定边缘线段的长度是否满足：M＝max(M1,M2,...,Mn)，其中M为所述指定边缘线段的长度，M1,M2,...,Mn是所述多个边缘中的所有边缘线段的长度，所述多个边缘中共有n个边缘线段；
若所述指定边缘线段的长度满足：M＝max(M1,M2,...,Mn)，则将所述指定证件图片以指定姿态的形式放置，从而得到第一图片，其中所述指定姿态指所述指定边缘对平行于预设的参照直线；
将所述第一图片输入预设的图像姿态分类模型中进行计算，从而得到所述图像姿态分类模型输出的分类结果，其中所述分类结果包括所述标准姿态、相对于所述标准姿态逆时针旋转90度、相对于所述标准姿态逆时针旋转180度或相对于所述标准姿态逆时针旋转270度；
判断所述分类结果是否为所述标准姿态；
若所述分类结果不为所述标准姿态，则根据所述分类结果旋转所述第一图片，从而获取按预设的标准姿态放置的中间图片。


3.根据权利要求2所述的数据检测方法，其特征在于，所述图像姿态分类模型基于inception-v3分类模型训练而成，所述将所述第一图片输入预设的图像姿态分类模型中进行计算，从而得到所述图像姿态分类模型输出的分类结果，其中所述分类结果包括所述标准姿态、相对于所述标准姿态逆时针旋转90度、相对于所述标准姿态逆时针旋转180度或相对于所述标准姿态逆时针旋转270度的步骤S204之前，包括：
获取包括指定数量的训练样本的第一训练集，其中所述训练样本由预先设置为按标准姿态放置的证件图片构成；
将所述第一训练集中的所有证件图片逆时针旋转90度、逆时针旋转180度和逆时针旋转270度，从而对应得到第二训练集、第三训练集和第四训练集；
采用轮序训练的方式训练预设的inception-v3分类模型，从而得到所述图像姿态分类模型，其中所述轮序训练指在同一轮次训练时从第一训练集、第二训练集、第三训练集和第四训练集中各抽取相同数量的证件图片作为训练数据。


4.根据权利要求1所述的数据检测方法，其特征在于，所述人脸特征点检测模型基于神经网络模型训练而成，所述将所述中间图片输入到预设的人脸特征点检测模型中进行计算，得到所述人脸特征点检测模型输出的多个人脸特征点的步骤之前，包括：
获取预先收集的样本数据，并将所述样本数据分成训练数据和测试数据；其中，所述样本数据仅由按标准姿态放置的证件图片和所述按标准姿态放置的证件图片中标注的人脸特征点构成；
利用所述训练数据并采用随机梯度下降法训练预设的神经网络模型，从而得到暂时模型；
采用所述测试数据验证所述暂时模型，并判断是否验证通过；
若验证通过，则将所述暂时...

【专利技术属性】
技术研发人员：黄锦伦，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44