图像检测方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种图像检测方法、装置、设备及存储介质，属于图像识别领域。本申请先获取第一类区域框信息，从而确定图像检测的初始范围，然后基于所述第一类区域框信息获取第一类区域掩膜和关键点信息，确定所述目标图像的轮廓掩膜，以保障能够区分出背景和所需关注的区域，之后再确定第一图像，并基于轮廓掩膜和第一图像得到第一类区域图像，上述过程中，能够通过第一类区域掩膜和关键点信息，准确的排除图像中的背景区域的干扰，从而避免了后续图像检测中可能会涉及的背景检测，不仅能够减少计算资源的消耗和处理的耗时，而且还提高了图像检测的精度。像检测的精度。像检测的精度。

【技术实现步骤摘要】
图像检测方法、装置、设备及存储介质


[0001]本申请涉及图像识别领域，特别涉及一种图像检测方法、装置、设备及存储介质。

技术介绍

[0002]图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，它在金融、司法、公安、边防等许多领域都有广泛的应用，而图像检测是图像识别技术中的关键核心技术。
[0003]以该图像检测的目标物是人脸为例，目前常用的人脸检测方法可以基于卷积神经网络实现，其具体过程可以包括：将预处理后的多张待检测图像输入至三级卷积神经网络，获取人脸框位置坐标。其中，该卷积神经网络可以划分为三级卷积神经网络：第一级网络为全卷积神经网络，第二级网络和第三级网络分别为双流的内部级联卷积神经网络，将预处理后的多张待检测图像输入至该第一级网络，获得初始人脸框位置坐标；根据该初始人脸框位置坐标，基于该多张待检测图像获取对应的人体框位置坐标，并将该初始人脸框位置坐标和人体框位置坐标输入至该第二级网络和第三级网络，淘汰非人脸的图像，获得准确的人脸框位置坐标。
[0004]但是，在上述人脸检测方法中，在极小人脸或人脸五官不全的情况下，可能会因检测不到人脸而将该图像淘汰，或得到的人脸框位置坐标不准确，另外，输出的是人脸框位置坐标，若人脸框定位过大，则该人脸框区域内除人脸区域之外还包括背景区域，若人脸框定位过小，则该人脸框区域内人脸不完整，这些问题都会对人脸检测结果造成干扰，使人脸检测精度降低。当该图像检测的目标物是动物和物体中至少一种时，也可能有类似的坐标不准确、背景区域干扰和信息不完整等问题出现，这些问题都会使图像检测精度降低。

技术实现思路

[0005]本申请实施例提供了一种图像检测方法、装置、设备及存储介质，能够解决相关技术中图像检测精度低的问题。所述技术方案如下：
[0006]第一方面，提供了一种图像检测方法，所述方法包括：
[0007]获取目标图像中目标物的第一类区域框信息；
[0008]根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息；
[0009]根据所述目标图像的第一类区域掩膜和关键点信息，确定出所述目标图像的轮廓掩膜；
[0010]基于所述目标图像中与所述第一类区域掩膜之间的重合区域，确定第一图像；
[0011]将所述第一图像中与所述轮廓掩膜之间的重合区域，确定所述目标图像中的第一类区域图像。
[0012]本实施例提供的方法，先获取第一类区域框信息，从而确定图像检测的初始范围，然后基于所述第一类区域框信息获取第一类区域掩膜和关键点信息，确定所述目标图像的
轮廓掩膜，以保障能够区分出背景和所需关注的区域，之后再确定第一图像，并基于轮廓掩膜和第一图像得到第一类区域图像，上述过程中，能够通过第一类区域掩膜和关键点信息，准确的排除图像中的背景区域的干扰，从而避免了后续图像检测中可能会涉及的背景检测，不仅能够减少计算资源的消耗和处理的耗时，而且还提高了图像检测的精度。
[0013]可选地，所述根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息包括：将所述第一类区域框信息和所述目标图像输入至图像识别模型，所述图像识别模型基于包括第一类区域掩膜和关键点信息的图像样本训练得到；通过所述图像识别模型对所述第一类区域框信息和所述目标图像进行处理，输出所述目标图像的第一类区域掩膜和关键点信息。
[0014]通过上述可选方式，利用图像识别模型获取所述目标图像的第一类区域掩膜的方式，提高了在复杂背景下第一类区域掩膜提取的泛化能力，在后续图像检测过程中可以完全去除背景干扰，保留完整的第一类区域轮廓，使图像检测精度上升。
[0015]可选地，所述根据所述目标图像的第一类区域掩膜和所述关键点信息，确定出所述目标图像的轮廓掩膜包括：当所述目标物为人和/或动物时，对所述关键点信息所指示的下巴关键点进行连接，得到第一曲线；将所述第一类区域掩膜被所述第一曲线所划分成的两个区域中形状符合目标条件的区域确定为所述目标图像的轮廓掩膜。
[0016]通过上述可选方式，基于第一类区域掩膜和信息关键点获取轮廓掩膜的方式，可以进一步排除所述目标物中非第一类区域的干扰，使第一类区域轮廓更加精准，使后续步骤可以正常进行。
[0017]可选地，所述获取目标图像中的第一类区域框信息包括：获取所述目标图像中的初始第一类区域框信息以及第二类区域框信息；基于初始第一类区域框信息以及第二类区域框信息，确定所述目标图像中任一个初始第一类区域框与对应的第二类区域框之间的重叠区域占所述第一类区域框的比例小于目标比例时，删除所述初始第一类区域框信息；将剩余的第一类区域框信息获取为所述目标图像中的第一类区域框信息。
[0018]通过上述可选方式，基于第二类区域框信息对第一类区域框信息进行准确性校验，并且对被删除的第一类区域框进行补偿，可以降低第一类区域检测的漏检率，保证获得准确的第一类区域框信息，使后续步骤正常进行。
[0019]可选得，所述基于所述目标图像中与所述第一类区域掩膜之间的重合区域，确定第一图像包括以下任一步骤：将所述目标图像中与所述第一类区域掩膜之间的重合区域，确定为第一图像；将所述目标图像中与所述第一类区域掩膜之间的不重合区域置为目标颜色，得到第一图像。
[0020]通过上述可选方式，所述目标图像中与所述第一类区域掩膜之间不重合的区域为背景区域，通过将所述背景区域置删除或置为目标颜色的方式，可以完全排除背景的干扰，并且在后续过程中，省去了图像检测检测过程中可能的背景识别过程。
[0021]可选地，所述方法还包括：获取所述目标图像的图像深度估计图，所述图像深度估计图用于表示所述目标图像上多个像素点的深度信息；基于所述图像深度估计图和所述目标图像中的第一类区域图像，获取所述目标图像的图像相对深度图，所述图像相对深度图用于表示所述目标图像上所述第一类区域图像中像素点的深度信息与所述目标图像中背景区域的深度信息之间的差异。
[0022]可选地，所述基于所述图像深度估计图和所述目标图像中的第一类区域图像，获取所述目标图像的图像相对深度图包括：从所述图像深度估计图中，获取所述第一类区域图像中像素点的深度信息和所述背景区域中像素点的深度信息；基于所述背景区域中像素点的深度信息，获取所述背景区域中像素点的平均深度信息；基于所述第一类区域图像中像素点的深度信息与所述平均深度信息的差值，生成所述目标图像的图像相对深度图。
[0023]通过上述可选方式，基于所述图像深度估计图和所述目标图像中的第一类区域图像，获取所述目标图像的图像相对深度图，补充了第一类区域深度信息这一信息维度，使第一类区域信息的表达更加完整，同时，在所述目标物为人和/或动物时，基于所述图像相对深度图进行的活体检测，并可以应用在多种领域中。
[0024]可选地，所述根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息之后，所述方法还包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：获取目标图像中目标物的第一类区域框信息；根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息；根据所述目标图像的第一类区域掩膜和关键点信息，确定出所述目标图像的轮廓掩膜；基于所述目标图像中与所述第一类区域掩膜之间的重合区域，确定第一图像；将所述第一图像中与所述轮廓掩膜之间的重合区域，确定所述目标图像中的第一类区域图像。2.根据权利要求1所述的方法，其特征在于，所述目标物包括：人、动物和物体中至少一种。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息包括：将所述第一类区域框信息和所述目标图像输入至图像识别模型，所述图像识别模型基于包括第一类区域掩膜和关键点信息的图像样本训练得到；通过所述图像识别模型对所述第一类区域框信息和所述目标图像进行处理，输出所述目标图像的第一类区域掩膜和关键点信息。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像的第一类区域掩膜和所述关键点信息，确定出所述目标图像的轮廓掩膜包括：当所述目标物为人和/或动物时，对所述关键点信息所指示的下巴关键点进行连接，得到第一曲线；将所述第一类区域掩膜被所述第一曲线所划分成的两个区域中形状符合目标条件的区域确定为所述目标图像的轮廓掩膜。5.根据权利要求1所述的方法，其特征在于，所述获取目标图像中的第一类区域框信息包括：获取所述目标图像中的初始第一类区域框信息以及第二类区域框信息；基于初始第一类区域框信息以及第二类区域框信息，确定所述目标图像中任一个初始第一类区域框与对应的第二类区域框之间的重叠区域占所述第一类区域框的比例小于目标比例时，删除所述初始第一类区域框信息；将剩余的第一类区域框信息获取为所述目标图像中的第一类区域框信息。6.根据权利要求1所述的方法，其特征在于，所述基于所述目标图像中与所述第一类区域掩膜之间的重合区域，确定第一图像包括以下任一步骤：将所述目标图像中与所述第一类区域掩膜之间的重合区域，确定为第一图像；将所述目标图像中与所述第一类区域掩膜之间的不重合区域置为目标颜色，得到第一图像。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述目标图像的图像深度估计图，所述图像深度估计图用于表示所述目标图像上多个像素点的深度信息；基于所述图像深度估计图和所述目标图像中的第一类区域图像，获取所述目标图像的
图像相对深度图，所述图像相对深度图用于表示所述目标图像上所述第一类区域图像中像素点的深度信息与所述目标图像中背景区域的深度信息之间的差异。8.根据权利要求7所述的方法，其特征在于，所述基于所述图像深度估计图和所述目标图像中的第一类区域图像，获取所述目标图像的图像相对深度图包括：从所述图像深度估计图中，获取所述第一类区域图像中像素点的深度信息和所述背景区域中像素点的深度信息；基于所述背景区域中像素点的深度信息，获取所述背景区域中像素点的平均深度信息；基于所述第一类区域图像中像素点的深度信息与所述平均深度信息的差值，生成所述目标图像的图像相对深度图。9.根据权利要求1所述的方法，其特征在于，所述根据所述第一类区域框信息和所述目标图像，得到所述目标图像的第一类区域掩膜和关键点信息之后，所述方法还包括：输出所述目标图像中由关键点信息所确定的至少一个关键区域。10.一种图像检测装置，其特征在于，所述装置包括：第一类区域框信息获取模块，用于获取目标图像中目标物的第一类区域框信息；第一类区域掩膜和...

【专利技术属性】
技术研发人员：张梦阳，王兵，汪泽南，付烁，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：