一种图像检测方法、装置以及计算机可读存储介质制造方法及图纸

本申请公开了一种图像检测方法、装置以及计算机可读存储介质，该方法包括：获取待检测图像，待检测图像包括目标对象；获取待检测图像对应的像素属性特征矩阵，根据像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；像素属性特征矩阵中的特征元素包含目标对象的每个像素点的属性信息；像素结构特征包含目标对象的每个像素点之间的结构信息；根据像素结构特征中的评估参数，确定针对待检测图像中的目标对象的检测结果；评估参数用于评估目标对象在原始图像中为异常显示的概率。采用本申请，可提高针对待检测图像中的目标对象的异常显示检测效率。

An image detection method, device and computer readable storage medium

【技术实现步骤摘要】
一种图像检测方法、装置以及计算机可读存储介质
本申请涉及数据处理的
，尤其涉及一种图像检测方法、装置以及计算机可读存储介质。
技术介绍
随着计算机网络的发展，各式各样的游戏层出不穷，对于一个热门游戏而言，其面向的玩家不仅包括国内玩家，还包括国外玩家。一个游戏的游戏界面中通常会包含大量的文字，例如游戏设置界面中的设置选项所包含的文字以及游戏道具界面中的道具详情所包含的文字等。因此，当某个游戏的玩家既有国内玩家也有国外玩家时，就会涉及到游戏界面中的文字的语种变换问题。其中，当将游戏界面中的一种语言(例如中文)变换成另一种语言(例如英文)时，游戏界面中的文字的长度通常会有所变化，这就很有可能会造成文字重叠(两个文字组之间相互重叠)、文字越界(即一个文字组超过了其在游戏界面中的文字框)以及文字遮挡(例如游戏界面中的按钮和文字之间的相互遮挡)等文字异常显示问题。现有技术中，通常是需要游戏的测试人员在测试一款游戏时，手动对游戏界面中的文字显示有异常的区域进行标记。但是，对于一款游戏而言，承载游戏的终端设备的型号变化以及游戏界面中的文字的语种变化，都会使得游戏界面中的文字显示得有差异。因此，测试人员需要对每一种型号的终端设备中的游戏界面以及每一种语种条件下的游戏界面中的每一帧图像进行人工检测，导致针对游戏界面中的文字异常显示的检测效率低。
技术实现思路
本申请提供了一种图像检测方法、装置以及计算机可读存储介质，可提高针对目标对象的异常显示检测效率。本申请一方面提供了一种图像检测方法，包括：获取待检测图像，待检测图像包括目标对象；获取待检测图像对应的像素属性特征矩阵，根据像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；像素属性特征矩阵中的特征元素包含目标对象的每个像素点的属性信息；像素结构特征包含目标对象的每个像素点之间的结构信息；根据像素结构特征中的评估参数，确定针对待检测图像中的目标对象的检测结果；评估参数用于评估目标对象在待检测图像中为异常显示的概率；检测结果包括异常显示结果。其中，获取待检测图像，包括：获取原始图像，识别原始图像中的文本对象，将文本对象确定为目标对象；将目标对象在原始图像中的图像区域所包含的图像，确定为待检测图像。其中，还包括：若显示检测结果为异常显示结果，则根据异常显示结果对原始图像中的目标对象的对象位置进行标记，得到标记图像；将标记图像发送至测试装置，以使测试装置根据标记图像对目标对象进行更新。其中，根据像素结构特征中的评估参数，确定针对待检测图像中的目标对象的检测结果，包括：基于注意力机制对像素结构特征中的评估参数进行加权，得到加权后的像素结构特征；根据加权后的像素结构特征，确定检测区域中的目标对象对应的异常显示概率；若异常显示概率大于或者等于异常显示概率阈值，则确定目标对象对应的显示检测结果为异常显示结果。其中，根据像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征，包括：获得像素属性特征矩阵中的特征元素之间的位置关联关系，基于位置关联关系获得特征元素对应的特征序列；将特征序列输入循环神经网络，得到像素结构特征。本申请一方面提供了一种数据训练方法，包括：获取样本图像；样本图像中包括目标对象；样本图像携带显示类型标签；通过原始检测模型获取样本图像对应的像素属性特征矩阵，根据像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；根据像素结构特征中的评估参数，确定目标对象在样本图像中为异常显示的异常显示概率；根据异常显示概率和样本图像所携带的显示类型标签，修正原始检测模型的模型参数，得到检测模型。其中，样本图像包括正样本图像和负样本图像；显示类型标签包括异常显示标签和正常显示标签；正样本图像携带正常显示标签；负样本图像携带异常显示标签；异常显示标签表征目标对象为异常显示；正常显示标签表征目标对象为正常显示；正样本图像包括真实正样本图像和模拟正样本图像；负样本图像包括真实负样本图像和模拟负样本图像。其中，异常显示概率包括第一概率和第二概率；根据异常显示概率和样本图像所携带的显示类型标签，修正原始检测模型的模型参数，得到检测模型，包括：通过第一概率、模拟正样本图像所携带的正常显示标签和模拟负样本图像所携带的异常显示标签，修正原始检测模型的模型参数，得到预修正检测模型；第一概率是由原始检测模型根据模拟正样本图像和模拟负样本图像所预测得到的概率；通过第二概率、真实正样本图像所携带的正常显示标签和真实负样本图像所携带的异常显示标签，修正预修正检测模型的模型参数，得到检测模型；第二概率是由预修正检测模型根据真实正样本图像和真实负样本图像所预测得到的概率。其中，获取样本图像，包括：获取素材图像，获取样本对象；样本对象与目标对象为同一类型的对象；将素材图像和样本对象进行异常组合，得到第一组合图像，为第一组合图像添加异常显示标签，将已添加异常显示标签的第一组合图像确定为模拟负样本图像；将素材图像和样本对象进行正常组合，得到第二组合图像，为第二组合图像添加正常显示标签，将已添加正常显示标签的第二组合图像确定为模拟正样本图像。其中，样本对象为文本类型对象；获取素材图像，获取样本对象，包括：从素材图像数据库中获取素材图像，从语种类型库中获取文本语种类型，从文本格式库中获取文本排版格式；根据文本语种类型和文本排版格式，生成样本对象。其中，素材图像包括背景图像和遮挡图像；将素材图像和样本对象进行异常组合，得到第一组合图像，包括：将样本对象添加至背景图像中，得到第一过渡组合图像；将遮挡图像覆盖添加于第一过渡组合图像中的样本对象上，得到第一组合图像。其中，样本对象包括第一样本对象和第二样本对象；将素材图像和样本对象进行异常组合，得到第一组合图像，包括：将第一样本对象添加至素材图像中，得到第二过渡组合图像；将第二样本对象重合添加于第二过渡组合图像中的第一样本对象上，得到第一组合图像。其中，样本对象为文本类型对象；素材图像中包括文本框；将素材图像和样本对象进行异常组合，得到第一组合图像，包括：将样本对象中的部分对象内容添加至素材图像中的文本框中，得到第一组合图像；则，将素材图像和样本对象进行正常组合，得到第二组合图像，包括：将样本对象中的全部对象内容添加至素材图像中的文本框中，得到第二组合图像。本申请一方面提供了一种图像检测装置，包括：图像获取模块，用于获取待检测图像，待检测图像包括目标对象；特征生成模块，用于获取待检测图像对应的像素属性特征矩阵，根据像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；像素属性特征矩阵中的特征元素包含目标对象的每个像素点的属性信息；像素结构特征包含目本文档来自技高网...

【技术保护点】
1.一种图像检测方法，其特征在于，包括：/n获取待检测图像，所述待检测图像包括目标对象；/n获取所述待检测图像对应的像素属性特征矩阵，根据所述像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；所述像素属性特征矩阵中的特征元素包含所述目标对象的每个像素点的属性信息；所述像素结构特征包含所述目标对象的每个像素点之间的结构信息；/n根据所述像素结构特征中的评估参数，确定针对所述待检测图像中的所述目标对象的检测结果；所述评估参数用于评估所述目标对象在所述待检测图像中为异常显示的概率；所述检测结果包括异常显示结果。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
获取待检测图像，所述待检测图像包括目标对象；
获取所述待检测图像对应的像素属性特征矩阵，根据所述像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；所述像素属性特征矩阵中的特征元素包含所述目标对象的每个像素点的属性信息；所述像素结构特征包含所述目标对象的每个像素点之间的结构信息；
根据所述像素结构特征中的评估参数，确定针对所述待检测图像中的所述目标对象的检测结果；所述评估参数用于评估所述目标对象在所述待检测图像中为异常显示的概率；所述检测结果包括异常显示结果。


2.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：
获取原始图像，识别所述原始图像中的文本对象，将所述文本对象确定为所述目标对象；
将所述目标对象在所述原始图像中的图像区域所包含的图像，确定为所述待检测图像。


3.根据权利要求2所述的方法，其特征在于，还包括：
若所述显示检测结果为所述异常显示结果，则根据所述异常显示结果对所述原始图像中的所述目标对象的对象位置进行标记，得到标记图像；
将所述标记图像发送至测试装置，以使所述测试装置根据所述标记图像对所述目标对象进行更新。


4.根据权利要求1所述的方法，其特征在于，所述根据所述像素结构特征中的评估参数，确定针对所述待检测图像中的所述目标对象的检测结果，包括：
基于注意力机制对所述像素结构特征中的评估参数进行加权，得到加权后的像素结构特征；
根据所述加权后的像素结构特征，确定所述检测区域中的所述目标对象对应的异常显示概率；
若所述异常显示概率大于或者等于异常显示概率阈值，则确定所述目标对象对应的显示检测结果为所述异常显示结果。


5.根据权利要求1所述的方法，其特征在于，所述根据所述像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征，包括：
获得所述像素属性特征矩阵中的特征元素之间的所述位置关联关系，基于所述位置关联关系获得所述特征元素对应的特征序列；
将所述特征序列输入循环神经网络，得到所述像素结构特征。


6.一种数据训练方法，其特征在于，包括：
获取样本图像；所述样本图像中包括目标对象；所述样本图像携带显示类型标签；
通过原始检测模型获取所述样本图像对应的像素属性特征矩阵，根据所述像素属性特征矩阵中的特征元素之间的位置关联关系，获得像素结构特征；所述像素属性特征矩阵中的特征元素包含所述目标对象的每个像素点的属性信息；所述像素结构特征包含所述目标对象的每个像素点之间的结构信息；
根据所述像素结构特征中的评估参数，确定所述目标对象在所述样本图像中为异常显示的异常显示概率；
根据所述异常显示概率和所述样本图像所携带的所述显示类型标签，修正所述原始检测模型的模型参数，得到检测模型。


7.根据权利要求6所述的方法，其特征在于，所述样本图像包括正样本图像和负样本图像；所述显示类型标签包括异常显示标签和正常显示标签；所述正样本图像携带所述正常显示标签；所述负样本图像携带所述异常显示标签；所述异常显示标签表征所述目标对象为异常显示；所述正常显示标签表征所述目标对象为正常显示；所述正样本图像包括真实正样本图像和模拟正样本图像；所述负样本图像包括真实负样本图像和模拟负样本图像。


8.根据权利要求7所述的方法，其特征在于，所述异常显示概率包括第一概...

【专利技术属性】
技术研发人员：许家誉，王君乐，张力柯，荆彦青，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44