图像处理方法、装置及智能终端制造方法及图纸

本申请提出了一种图像处理方法、装置及智能终端，其中方法包括：获取待检测对象的目标图像，以及待检测对象的目标视频；调用图像处理模型的特征提取网络对目标图像进行语义特征提取处理，得到目标图像的图像特征，以及调用特征提取网络对视频帧序列进行时序特征提取处理，得到目标视频的视频特征；将图像特征和视频特征分别进行线性变换，将线性变换后的图像特征和线性变换后的视频特征叠加目标特征；调用图像处理模型的特征分类网络对目标特征进行特征分类处理，得到待检测对象的活体检测结果。本申请可以应用于云技术、人工智能、智慧交通、车载互联网等各种场景，可以提高活体检测效率和准确率。检测效率和准确率。检测效率和准确率。

【技术实现步骤摘要】
图像处理方法、装置及智能终端


[0001]本申请涉及计算机
，具体涉及一种图像处理方法、装置及智能终端。

技术介绍

[0002]随着计算机技术的不断发展和应用，越来越多的场景需要用到图像处理技术，例如通过图像处理技术对人体图像数据进行活体检测，以此保障用户的信息隐私和财产安全。然而有些不法份子利用人体翻拍图片或人体翻拍视频代替真人去进行活体检测，使活体检测系统存在安全隐患。因此，人们对活体检测技术提出了更高的要求。
[0003]目前，活体检测采用人工检测的方法，即根据检测人员的现有经验和主观意识对检测对象进行活体的检测，但是当检测对象是高仿真的人像模型或者高清照片时，容易出现误判的情况。该方法的活体检测效率低，准确率低。

技术实现思路

[0004]本申请提供一种图像处理方法、装置及智能终端，可以提高活体检测效率和准确率。
[0005]本申请提供了一种图像处理方法，该方法包括：获取待检测对象的目标图像，以及所述待检测对象的目标视频；
[0006]调用图像处理模型的特征提取网络对所述目标图像进行语义特征提取处理，得到所述目标图像的图像特征，以及调用所述特征提取网络对视频帧序列进行时序特征提取处理，得到所述目标视频的视频特征；所述视频帧序列是对所述目标视频划分后生成的；
[0007]将所述图像特征和所述视频特征分别进行线性变换，将线性变换后的图像特征和线性变换后的视频特征叠加目标特征；
[0008]调用所述图像处理模型的特征分类网络对所述目标特征进行特征分类处理，得到所述待检测对象的活体检测结果。
[0009]本申请提供了一种图像处理装置，该装置包括：
[0010]获取模块，用于获取待检测对象的目标图像，以及上述待检测对象的目标视频；
[0011]处理模块，用于调用图像处理模型的特征提取网络对所述目标图像进行语义特征提取处理，得到所述目标图像的图像特征，以及调用所述特征提取网络对视频帧序列进行时序特征提取处理，得到所述目标视频的视频特征；所述视频帧序列是对所述目标视频划分后生成的；
[0012]所述处理模块，还用于将所述图像特征和所述视频特征分别进行线性变换，将线性变换后的图像特征和线性变换后的视频特征叠加目标特征；
[0013]分类模块，用于调用所述图像处理模型的特征分类网络对所述目标特征进行特征分类处理，得到所述待检测对象的活体检测结果。
[0014]其中，所述特征提取网络包括图像特征提取网络，所述图像特征提取网络包括卷积层、池化层和全连接层；
[0015]处理模块在用于调用图像处理模型的特征提取网络对所述目标图像进行语义特征提取处理，得到所述目标图像的图像特征时，具体用于：
[0016]调用所述卷积层对所述目标图像进行卷积处理，得到卷积特征；
[0017]调用所述池化层对所述卷积特征进行池化处理，得到池化特征；
[0018]调用所述全连接层对所述池化特征进行全连接处理，得到所述目标图像的图像特征。
[0019]其中，所述特征提取网络还包括视频特征提取网络，所述视频特征提取网络包括深度特征网络和长短期记忆网络，所述视频帧序列包括N个视频帧，N是正整数；
[0020]处理模块在用于调用所述特征提取网络对视频帧序列进行时序特征提取处理，得到所述目标视频的视频特征时，具体用于：
[0021]调用所述深度特征网络提取每个视频帧的视频帧特征；
[0022]调用所述长短期记忆网络对N个视频帧特征进行时序特征提取处理，得到所述目标视频的视频特征。
[0023]其中，所述长短期记忆网络包括第一记忆网络和第二记忆网络，所述N个视频帧特征包括第一视频帧特征和第二视频帧特征；
[0024]处理模块在用于调用所述长短期记忆网络对N个视频帧特征进行时序特征提取处理，得到所述目标视频的视频特征时，具体用于：
[0025]调用所述第一记忆网络对初始隐藏特征和所述第一视频帧特征进行编码，得到第一隐藏特征；
[0026]调用所述第二记忆网络对所述第一隐藏特征和所述第二视频帧特征进行编码，得到目标视频的视频特征。
[0027]其中，所述获取模块在用于获取待检测对象的目标图像时，具体用于：
[0028]获取原始图像，对原始图像进行目标检测，得到原始图像的目标区域；
[0029]根据目标区域对原始图像进行裁剪操作，得到裁剪图像，按照目标尺寸，对裁剪图像进行缩放处理，得到目标图像。
[0030]其中，获取模块，还用于：
[0031]获取目标区域的尺寸，以及获取原始图像的尺寸；
[0032]若目标区域的尺寸与原始图像的尺寸之间的比例小于比例阈值，则执行根据目标区域对原始图像进行裁剪操作，得到裁剪图像的步骤；
[0033]若目标区域的尺寸与原始图像的尺寸之间的比例大于或等于比例阈值，则按照目标尺寸，对原始图像进行缩放处理，得到目标图像。
[0034]其中，当原始图像为人脸图像时，所述获取模块在用于对原始图像进行目标检测，得到原始图像的目标区域时，具体用于：
[0035]对原始图像进行人脸配准处理，得到人脸特征点坐标集合；
[0036]根据人脸特征点坐标集合确定原始图像的目标区域。
[0037]其中，处理模块还用于：
[0038]获取样本对象的样本图像，以及样本对象的样本视频；
[0039]调用样本图像处理模型对所述样本图像和所述样本视频进行特征提取处理，得到所述样本图像的样本图像特征和样本视频的样本视频特征；
[0040]将所述样本图像特征和所述样本视频特征分别进行线性变换，将线性变换后的样本图像特征和线性变换后的样本视频特征叠加为样本融合特征；
[0041]调用样本图像处理模型对所述样本融合特征分类处理，得到所述样本对象的活体预测标签；
[0042]获取所述样本对象的活体结果标签，根据所述活体预测标签和所述活体结果标签训练所述样本图像处理模型，得到所述图像处理模型。
[0043]本申请提供了一种智能终端，包括：存储器、处理器，其中，上述存储器上存储有图像处理程序，该图像处理程序被上述处理器执行时实现如上述方法的步骤。
[0044]本申请提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行，用以执行上述的图像处理方法。
[0045]本申请提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的图像处理方法。
[0046]本申请由终端设备自动进行活体检测，不需要人工参与，可以提高活体检测的效率，且自动识别不受主观因素影响，可以提高活体检测准确率；再有，本申请利用图像和视频两种多媒体数据特征融合后进行特征识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待检测对象的目标图像，以及所述待检测对象的目标视频；调用图像处理模型的特征提取网络对所述目标图像进行语义特征提取处理，得到所述目标图像的图像特征，以及调用所述特征提取网络对视频帧序列进行时序特征提取处理，得到所述目标视频的视频特征；所述视频帧序列是对所述目标视频划分后生成的；将所述图像特征和所述视频特征分别进行线性变换，将线性变换后的图像特征和线性变换后的视频特征叠加目标特征；调用所述图像处理模型的特征分类网络对所述目标特征进行特征分类处理，得到所述待检测对象的活体检测结果。2.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括图像特征提取网络，所述图像特征提取网络包括卷积层、池化层和全连接层；所述调用图像处理模型的特征提取网络对所述目标图像进行语义特征提取处理，得到所述目标图像的图像特征，包括：调用所述卷积层对所述目标图像进行卷积处理，得到卷积特征；调用所述池化层对所述卷积特征进行池化处理，得到池化特征；调用所述全连接层对所述池化特征进行全连接处理，得到所述目标图像的图像特征。3.根据权利要求2所述的方法，其特征在于，所述特征提取网络还包括视频特征提取网络，所述视频特征提取网络包括深度特征网络和长短期记忆网络，所述视频帧序列包括N个视频帧，N是正整数；所述调用所述特征提取网络对视频帧序列进行时序特征提取处理，得到所述目标视频的视频特征，包括：调用所述深度特征网络提取每个视频帧的视频帧特征；调用所述长短期记忆网络对N个视频帧特征进行时序特征提取处理，得到所述目标视频的视频特征。4.根据权利要求3所述的方法，其特征在于，所述长短期记忆网络包括第一记忆网络和第二记忆网络，所述N个视频帧特征包括第一视频帧特征和第二视频帧特征；所述调用所述长短期记忆网络对N个视频帧特征进行时序特征提取处理，得到所述目标视频的视频特征，包括：调用所述第一记忆网络对初始隐藏特征和所述第一视频帧特征进行编码，得到第一隐藏特征；调用所述第二记忆网络对所述第一隐藏特征和所述第二视频帧特征进行编码，得到目标视频的视频特征。5.根据权利要求1所述的方法，其特征在于，所述获取待检测对象的目标图像，包括：获取原始图像，对所述原始图像进行目标检测，得到所述原始图像的目标区域；根据所述目标区域对所述原始图像进行裁剪操作，得到裁剪图像，按照目标尺...

【专利技术属性】
技术研发人员：尹邦杰，李泽鑫，姚太平，吴双，孟嘉，丁守鸿，李季檩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：