CN108629767B - 一种场景检测的方法、装置及移动终端 - Google Patents

Abstract

本申请公开了一种场景检测的方法、装置及移动终端，其中，该场景检测的方法包括：获取待检测的图像；利用训练后的第一卷积神经网络模型对所述图像进行检测，获得第一检测结果，所述第一检测结果用于判断所述图像中是否包含第一场景以及所述第一场景在所述图像中的位置信息；若所述第一检测结果判断所述图像中包含至少一个第一场景，则：根据所述第一场景在所述图像中的位置信息，利用训练后的第二卷积神经网络模型对所述第一场景进行检测，获得第二检测结果，所述第二检测结果用于判断所述第一场景中是否包含第二场景以及所述第二场景在所述图像中的位置信息；根据所述第一检测结果和所述第二检测结果，输出所述图像的场景检测结果信息。

Description

一种场景检测的方法、装置及移动终端

技术领域

本申请属于图像处理技术领域，尤其涉及一种场景检测的方法、装置、移动终端及计算机可读存储介质。

背景技术

目前的图像处理过程中，通过对图像进行场景检测可以为图像后续的后期处理提供较好的基础，从而提升图像的显示效果。现有的场景检测方法主要是采用深度学习的大型网络模型对图像中的所有场景进行检测，虽然大型网络模型可以达到较高的检测精度，但计算量较大，对设备的性能要求较高，难以在计算能力较为受限的设备如手机上采用。

发明内容

有鉴于此，本申请提供了一种场景检测的方法、装置、移动终端及计算机可读存储介质，可在降低计算量的同时，有较高的场景检测精度。

本申请的第一方面提供了一种场景检测的方法，上述方法包括：

获取待检测的图像；

利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。

本申请的第二方面提供了一种场景检测的装置，上述装置包括：

获取模块，用于获取待检测的图像；

第一检测模块，用于利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

第二检测模块，用于若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

输出模块，用于根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。

本申请的第三方面提供了一种移动终端，上述移动终端包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面的方法的步骤。

本申请的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面的方法的步骤。

本申请的第五方面提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。

由上可见，在本申请中，获取待检测的图像；利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；若上述第一检测结果判断上述图像中包含至少一个第一场景，则：根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。本申请通过第一卷积神经网络模型和第二卷积神经网络模型形成级联的卷积神经网络结构对图像中的不同场景进行检测，避免了单一的大型网络模型对场景进行检测带来的高计算量问题，使得在降低计算量的同时，还可以达到较高的场景检测精度，实用性较高。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的场景检测的方法的一种实现流程示意图；

图2-1是本申请实施例提供的场景检测的方法的另一种实现流程示意图；

图2-2是本申请实施例提供的场景检测的方法的另一种实现流程示意图；

图2-3是本申请实施例提供的第一卷积神经网络以及第二卷积神经网络的训练步骤的一种实现流程示意图；

图3是本申请实施例提供的场景检测的装置的结构示意图；

图4是本申请实施例提供的移动终端的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的移动终端。然而，应当理解的是，移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

移动终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了说明本申请上述的技术方案，下面通过具体实施例来进行说明。

参见图1，是本申请实施例提供的场景检测的方法的实现流程示意图，该视场景检测的方法可以包括以下步骤：

步骤101，获取待检测的图像。

示例性的，上述待检测的图像可以是移动终端启动相机后的预览画面中的图像、移动终端拍照得到的图像、移动终端中存储的图像，也可以是预先存储的视频或者用户输入的视频的至少一帧图像等等，在此不作限定。

步骤102，利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息。

在本申请实施例中，上述训练后的第一卷积神经网络模型可以采用深度学习方法通过特定的训练集对第一卷积神经网络模型进行训练后获得。其中，上述第一卷积神经网络模型可以为VGGNet模型、GoogLeNet模型、ResNet模型等。上述特定的训练集图像中可以包含多个第一场景以及各个第一场景在上述图像中的位置信息。上述第一场景可以是用户预先设定的某一类场景，示例性的，可以将相互关联度小于第一关联预设值的一类场景(例如天空、绿草、美食等)作为第一场景。

利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果。其中，上述第一检测结果可以包括上述图像中对上述第一场景的特征检测信息，例如上述图像中有无第一场景的信息、上述图像中所包含的第一场景的类型信息以及各个第一场景在上述图像中的位置信息等。

步骤103，若上述第一检测结果判断上述图像中包含至少一个第一场景，则：根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息。

在本申请实施例中，上述训练后的第二卷积神经网络模型可以采用深度学习方法通过特定的训练集对第二卷积神经网络模型进行训练后获得。其中，上述第二卷积神经网络模型可以为AlexNet模型等。上述特定的训练集图像中可以包含多个第二场景以及各个第二场景在上述图像中的位置信息。其中，上述第二场景可以是用户预先设定的不同于第一场景的某一类场景。示例性的，可以将第一场景下相互关联度大于第二关联预设值的一类场景作为第二场景，例如天空下的蓝天、白云，绿草下的纯绿草、黄绿相间的绿草，美食下的水果、蔬菜、肉类等等。上述第二检测结果可以包括上述第一场景中对上述第二场景的特征检测信息，例如上述第一场景中有无第二场景的信息、上述第一场景中所包含的第二场景的类型信息以及各个第二场景在上述图像中的位置信息等。

可选的，本发明实施例中，若上述第一检测结果判断上述图像中不包含上述第一场景，则输出场景检测失败的信息。

步骤104，根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。

在本申请实施例中，上述图像的场景检测结果信息可以包括但不限于上述图像中有无第一场景的信息、上述图像中所包含的第一场景的类型信息以及各个第一场景在上述图像中的位置信息以及上述第一场景中有无第二场景的信息、上述第一场景中所包含的第二场景的类型信息以及各个第二场景在上述图像中的位置信息等。

需要说明的是，上述训练后的第一卷积神经网络模型的卷积层数量可以大于上述训练后的第二卷积神经网络模型的卷积层数量。

示例性的，上述第一卷积神经网络模型可以为VGG模型，此时第一卷积神经网络模型有16个或者19个卷积层，而上述第二卷积神经网络模型可以是AlexNet模型，此时第二卷积神经网络模型有8个卷积层。或者，上述第一卷积神经网络模型可以为ResNet模型，此时第一卷积神经网络模型有152个卷积层，而上述第二卷积神经网络模型可以是VGG模型、GoogLeNet模型或AlexNet模型等。

本申请实施例中，通过卷积层数量较多的第一卷积神经网络模型检测第一场景的信息，可以提升卷积神经网络的特征提取的深度，从而对较为概括和抽象的、关联度较小的场景进行精确的检测；再通过卷积层数量较少的第二卷积神经网络模型检测第一场景下的第二场景的信息，可以提取细节特征，对图像中较第一场景更为细分的第二场景进行精细检测，从而既可以减小检测第二场景时的计算量，又可以保证有较高的场景检测精度。

参见图2-1，是本申请实施例提供的场景检测的方法的另一实现流程示意图，该视场景检测的方法可以包括以下步骤：

步骤201，获取待检测的图像；

步骤202，利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

步骤203-步骤204，若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

在本申请实施例中，上述步骤201、202、203及204与上述步骤101、102、103相同，具体可参见上述步骤101、102、103的相关描述，在此不再赘述。

步骤203、步骤205，若上述第一检测结果判断上述图像中不包含上述第一场景，则输出场景检测失败的信息；

步骤206-步骤207，若上述第二检测结果判断上述第一场景中不包含第二场景，则输出上述第一场景的信息以及上述第一场景在上述图像中的位置信息；

步骤206、步骤208，若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则输出上述第一场景的信息、上述第一场景在上述图像中的位置信息、上述第二场景的信息以及上述第二场景在上述图像中的位置信息。

示例性的，上述第一场景的信息可以包括上述图像中所包含的第一场景的类型信息、第一场景的数量信息等。上述第二场景的信息可以包括上述图像中所包含的第二场景的类型信息、第二场景的数量信息等。通过输出上述图像的场景检测结果信息，可以使移动终端依据上述输出的场景检测结果信息对图像做后期处理，从而提升图像的显示效果。例如可以依据上述输出的场景检测结果改善图像对比度、饱和度、对图像进行锐化等，还可以依据上述第一场景在上述图像中的位置信息以及上述第二场景在上述图像中的位置信息等对图像的不同区域采取不同的后期处理，如对图像的部分区域进行虚化处理等等。

参见图2-2，是本申请实施例提供的场景检测的方法的另一实现流程示意图，该场景检测的方法可以包括以下步骤：

步骤221，获取待检测的图像；

步骤222，利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

步骤223-步骤224，若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

在本申请实施例中，上述步骤221、222、223及224与上述步骤101、102、103相同，具体可参见上述步骤101、102、103的相关描述，在此不再赘述。

步骤223、步骤225，若上述第一检测结果判断上述图像中不包含上述第一场景，则输出场景检测失败的信息；

步骤226-步骤227，若上述第二检测结果判断上述第一场景中不包含第二场景，则为上述第一场景设置选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息，将上述第一场景在上述图像中进行框选并显示；

步骤226、步骤228，若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则为上述第一场景和上述第二场景设置具有不同标识的选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息、上述第二场景在上述图像中的位置信息，将上述第一场景和上述第二场景在上述图像中分别采用对应的选定框进行框选并显示。

本申请实施例中，上述选定框可以是矩形框、圆形框等表示形式，可以通过不同的颜色、不同形状等不同表示形式来区分不同场景的选定框，在此不作限定。该选定框可以依据上述第一场景在上述图像中的位置信息、第二场景在上述图像中的位置信息来进行框选和显示，例如当某一个第一场景对应的选定框为矩形框时，以能够框选该第一场景在上述图像中的所有区域的最小矩形框为该第一场景的选定框。上述选定框的表示形式可以是预先系统设置的，也可以是用户设置的。

通过将上述第一场景和上述第二场景在上述图像中分别采用对应的选定框进行框选并显示，可以便于用户对框选的场景进行处理，例如将蓝天的颜色设置的更蓝，绿草的颜色设置的更绿等。

可选的，上述申请实施例提供的场景检测的方法还可以包括第一卷积神经网络以及第二卷积神经网络的训练步骤。参见图2-3，是第一卷积神经网络以及第二卷积神经网络的训练步骤的一种实现流程示意图，该第一卷积神经网络以及第二卷积神经网络的训练步骤可以包括以下步骤：

步骤231，获取训练集图像，上述训练集图像中包含第一场景以及第一场景在上述训练集图像中的位置信息，上述第一场景中包含第二场景以及第二场景在上述训练集图像中的位置信息。

其中，上述训练集图像可以是预先存储的样本图像，也可以是用户输入的样本图像等。需要说明的是，上述训练集图像的形式可以是多样化的。示例性的，上述训练集图像可以包括多组子训练集图像，其中，一组子训练集图像可以包含第一场景以及第一场景在上述训练集图像中的位置信息，其他多组子训练集图像可以包括各个第一场景所包含的第二场景以及第二场景在上述训练集图像中的位置信息等。

步骤232，利用第一卷积神经网络模型对上述训练集图像进行检测，根据检测结果调整上述第一卷积神经网络模型的参数，直到调整后的上述第一卷积神经网络模型检测出上述训练集图像中包含的第一场景以及上述第一场景在上述训练集图像中的位置信息的准确率不低于第一预设值，并将该调整后的第一卷积神经网络模型作为训练后的第一卷积神经网络模型。

其中，上述第一卷积神经网络模型的参数可以包括第一卷积神经网络模型中每个卷积层的权重、偏差、回归函数的系数，还可以包括学习速率、迭代次数、每层神经元的个数等。

步骤233，利用第二卷积神经网络模型对上述第一场景进行检测，根据检测结果调整上述第二卷积神经网络模型的参数，直到调整后的上述第二卷积神经网络模型检测出上述第一场景中包含的第二场景以及第二场景在上述训练集图像中的位置信息的准确率不低于第二预设值，并将该调整后的第二卷积神经网络模型作为训练后的第二卷积神经网络模型。

其中，上述第二卷积神经网络模型的参数也可以包括第一卷积神经网络模型中每个卷积层的权重、偏差、回归函数的系数、学习速率、迭代次数、每层神经元的个数等。

需要说明的是，本申请实施例可以通过各个卷积神经网络模型的代价函数来评估训练中的各个卷积神经网络模型的准确率是否达到上述要求。上述代价函数是指卷积神经网络模型中用于计算整个训练集图像所有损失之和的函数。通过代价函数可以评估卷积神经网络模型的检测结果与真实结果的差距。示例性的，代价函数可以是关于卷积神经网络模型的均方误差的函数，或者是关于卷积神经网络模型的交叉熵的函数。当调整后的第一卷积神经网络模型的代价函数的值小于第一代价预设值时，可以认为调整后的上述第一卷积神经网络模型检测出上述训练集图像中包含的第一场景以及第一场景在上述训练集图像中的位置信息的准确率不低于第一预设值，并将该调整后的第一卷积神经网络模型作为训练后的第一卷积神经网络模型；当调整后的第二卷积神经网络模型的代价函数的值小于第二代价预设值时，可以认为调整后的上述第二卷积神经网络模型检测出上述第一场景中包含的第二场景以及第二场景在上述训练集图像中的位置信息的准确率不低于第二预设值，并将该调整后的第二卷积神经网络模型作为训练后的第二卷积神经网络模型。

可选的，上述申请实施例提供的场景检测的方法中，若上述第一检测结果判断上述图像中包含多个第一场景时，上述第二卷积神经网络模型可以包括多个第二卷积神经网络子模型，其中每一个第二卷积神经网络子模型对应至少一个第一场景；

相应的，上述根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果可以包括：

根据各个第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络子模型对对应的第一场景进行检测，获得每一个第一场景对应的第二检测子结果；

合并上述第二检测子结果，获得第二检测结果。

其中，上述每个训练后的第二卷积神经网络子模型可以分别用于检测一个或多个对应的第一场景，上述第二卷积神经网络子模型和第一场景的对应关系可以是用户预先设定的，可以依据上述第一场景中第二场景的特征数量、色彩复杂程度、形状复杂程度等情况选取不同的第二卷积神经网络子模型；也可以是通过训练第二卷积神经网络子模型得到的，例如，可以是在训练各个第二卷积神经网络子模型时，依据各个第二卷积神经网络子模型检测得到对于每一个检测出上述第一场景中包含的第二场景以及第二场景在上述训练集图像中的位置信息的准确率的高低，得到上述第二卷积神经网络子模型和各个第一场景的对应关系。

例如，上述第一卷积神经网络模型可以为有152层卷积层的ResNet模型，通过训练后的ResNet模型检测获取到的图像，得到可以指示上述图像中第一场景的信息以及各个第一场景在上述图像中的位置信息的第一检测结果。假设通过训练后的ResNet模型检测到获取到的图像中有两种第一场景，分别是天空和草地，而第一场景为天空时对应的第二卷积神经网络子模型为AlexNet模型，则采用训练后的AlexNet模型检测上述图像的天空场景中的白云、蓝天等第二场景的信息和上述第二场景在上述图像中的位置信息，得到第一组第二检测子结果；第一场景为草地时对应的第二卷积神经网络子模型为VGG模型，则采用训练后的VGG模型检测上述图像的天空场景中的花朵、绿叶等第二场景的信息和上述第二场景在上述图像中的位置信息，得到第二组第二检测子结果。将第一组第二检测子结果和第二组第二检测子结果合并，可以得到第二检测结果。

本申请实施例通过训练后的第一卷积神经网络模型和第二卷积神经网络模型形成级联的卷积神经网络结构对场景进行检测，既可以减小检测场景时的计算量，又可以保证有较高的场景检测精度，具有较强的易用性和实用性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

参见图3，是本申请实施例提供的场景检测的装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。该场景检测的装置可以用于各种具备图像处理功能的终端，例如笔记本电脑、口袋计算机(Pocket Personal Computer，PPC)、个人数字助理(Personal Digital Assistant，PDA)等中，可以为内置于这些终端内的软件单元、硬件单元或者软硬件结合单元等。本申请实施例中的场景检测的装置300包括：

获取模块301，用于获取待检测的图像；

第一检测模块302，用于利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

第二检测模块303，用于若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

输出模块304，用于根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。

可选的，上述输出模块304具体用于：

若上述第二检测结果判断上述第一场景中不包含第二场景，则输出上述第一场景的信息以及上述第一场景在上述图像中的位置信息；

若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则输出上述第一场景的信息、上述第一场景在上述图像中的位置信息、上述第二场景的信息以及上述第二场景在上述图像中的位置信息。

可选的，上述输出模块304具体用于：

若上述第二检测结果判断上述第一场景中不包含第二场景，则为上述第一场景设置选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息，将上述第一场景在上述图像中进行框选并显示；

若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则为上述第一场景和上述第二场景设置具有不同标识的选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息、上述第二场景在上述图像中的位置信息，将上述第一场景和上述第二场景在上述图像中分别采用对应的选定框进行框选并显示。

可选的，上述场景检测的装置300还包括：

第二输出模块，用于若上述第一检测结果判断上述图像中不包含上述第一场景，则输出场景检测失败的信息。

可选地，上述场景检测的装置300还包括：

第一训练模块，用于获取训练集图像，上述训练集图像中包含第一场景以及第一场景在上述训练集图像中的位置信息，上述第一场景中包含第二场景以及第二场景在上述训练集图像中的位置信息；

第二训练模块，用于利用第一卷积神经网络模型对上述训练集图像进行检测，根据检测结果调整上述第一卷积神经网络模型的参数，直到调整后的上述第一卷积神经网络模型检测出上述训练集图像中包含的第一场景以及上述第一场景在上述训练集图像中的位置信息的准确率不低于第一预设值，并将该调整后的第一卷积神经网络模型作为训练后的第一卷积神经网络模型；

第三训练模块，用于利用第二卷积神经网络模型对上述第一场景进行检测，根据检测结果调整上述第二卷积神经网络模型的参数，直到调整后的上述第二卷积神经网络模型检测出上述第一场景中包含的第二场景以及第二场景在上述训练集图像中的位置信息的准确率不低于第二预设值，并将该调整后的第二卷积神经网络模型作为训练后的第二卷积神经网络模型。

可选的，上述场景检测的装置300中，上述训练后的第一卷积神经网络模型的卷积层数量大于上述训练后的第二卷积神经网络模型的卷积层数量。

可选的，上述场景检测的装置300中，若上述第一检测结果判断上述图像中包含多个第一场景时，上述第二卷积神经网络模型包括多个第二卷积神经网络子模型，其中每一个第二卷积神经网络子模型对应至少一个第一场景；相应的，上述第二检测模块302具体用于：根据各个第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络子模型对对应的第一场景进行检测，获得每一个第一场景对应的第二检测子结果；合并上述第二检测子结果，获得第二检测结果。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例四提供了一种移动终端，请参阅图4，本申请实施例中的移动终端包括：存储器401，一个或多个处理器402(图4中仅示出一个)及存储在存储器401上并可在处理器上运行的计算机程序。其中：存储器401用于存储软件程序以及模块，处理器402通过运行存储在存储器401的软件程序以及单元，从而执行各种功能应用以及数据处理。具体地，处理器402通过运行存储在存储器401的上述计算机程序时实现以下步骤：

获取待检测的图像；

利用训练后的第一卷积神经网络模型对上述图像进行检测，获得第一检测结果，上述第一检测结果用于判断上述图像中是否包含第一场景以及上述第一场景在上述图像中的位置信息；

若上述第一检测结果判断上述图像中包含至少一个第一场景，则：

根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果，上述第二检测结果用于判断上述第一场景中是否包含第二场景以及上述第二场景在上述图像中的位置信息；

根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息。

假设上述为第一种可能的实施方式，则在上述第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，上述根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息包括：

若上述第二检测结果判断上述第一场景中不包含第二场景，则输出上述第一场景的信息以及上述第一场景在上述图像中的位置信息；

若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则输出上述第一场景的信息、上述第一场景在上述图像中的位置信息、上述第二场景的信息以及上述第二场景在上述图像中的位置信息。

在上述第一种可能的实施方式作为基础而提供的第三种可能的实施方式中，上述根据上述第一检测结果和上述第二检测结果，输出上述图像的场景检测结果信息还包括：

若上述第二检测结果判断上述第一场景中不包含第二场景，则为上述第一场景设置选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息，将上述第一场景在上述图像中进行框选并显示；

若上述第二检测结果判断上述第一场景中包含至少一个第二场景，则为上述第一场景和上述第二场景设置具有不同标识的选定框，并根据设置的上述选定框以及上述第一场景在上述图像中的位置信息、上述第二场景在上述图像中的位置信息，将上述第一场景和上述第二场景在上述图像中分别采用对应的选定框进行框选并显示。

在第一种可能的实施方式作为基础而提供的第四种可能的实施方式中，处理器402通过运行存储在存储器401的上述计算机程序时还实现以下步骤：

若上述第一检测结果判断上述图像中不包含上述第一场景，则输出场景检测失败的信息。

在第一种可能的实施方式作为基础，或者上述第二种可能的实施方式作为基础，或者上述第三种可能的实施方式作为基础，或者上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中，处理器402通过运行存储在存储器401的上述计算机程序时还实现以下步骤：

获取训练集图像，上述训练集图像中包含第一场景以及第一场景在上述训练集图像中的位置信息，上述第一场景中包含第二场景以及第二场景在上述训练集图像中的位置信息；

利用第一卷积神经网络模型对上述训练集图像进行检测，根据检测结果调整上述第一卷积神经网络模型的参数，直到调整后的上述第一卷积神经网络模型检测出上述训练集图像中包含的第一场景以及上述第一场景在上述训练集图像中的位置信息的准确率不低于第一预设值，并将该调整后的第一卷积神经网络模型作为训练后的第一卷积神经网络模型；

利用第二卷积神经网络模型对上述第一场景进行检测，根据检测结果调整上述第二卷积神经网络模型的参数，直到调整后的上述第二卷积神经网络模型检测出上述第一场景中包含的第二场景以及第二场景在上述训练集图像中的位置信息的准确率不低于第二预设值，并将该调整后的第二卷积神经网络模型作为训练后的第二卷积神经网络模型。

在第一种可能的实施方式作为基础，或者上述第二种可能的实施方式作为基础，或者上述第三种可能的实施方式作为基础，或者上述第四种可能的实施方式作为基础而提供的第六种可能的实施方式中，上述训练后的第一卷积神经网络模型的卷积层数量大于上述训练后的第二卷积神经网络模型的卷积层数量。

在第一种可能的实施方式作为基础，或者上述第二种可能的实施方式作为基础，或者上述第三种可能的实施方式作为基础，或者上述第四种可能的实施方式作为基础而提供的第七种可能的实施方式中，若上述第一检测结果判断上述图像中包含多个第一场景时，上述第二卷积神经网络模型包括多个第二卷积神经网络子模型，其中每一个第二卷积神经网络子模型对应至少一个第一场景；

相应的，上述根据上述第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络模型对上述第一场景进行检测，获得第二检测结果包括：

根据各个第一场景在上述图像中的位置信息，利用训练后的第二卷积神经网络子模型对对应的第一场景进行检测，获得每一个第一场景对应的第二检测子结果；

合并上述第二检测子结果，获得第二检测结果。

进一步，如图4所示，上述移动终端还可包括：一个或多个输入设备403(图4中仅示出一个)和一个或多个输出设备404(图4中仅示出一个)。存储器401、处理器402、输入设备403和输出设备404通过总线405连接。

应当理解，在本申请实施例中，所称处理器402可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备403可以包括键盘、触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风、摄像头等，输出设备404可以包括显示器、扬声器等。

存储器401可以包括只读存储器和随机存取存储器，并向处理器402提供指令和数据。存储器401的一部分或全部还可以包括非易失性随机存取存储器。例如，存储器401还可以存储设备类型的信息。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

上述集成的单元、模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括是电载波信号和电信信号。

以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种场景检测的方法，其特征在于，包括：

获取待检测的图像；

利用训练后的第一卷积神经网络模型对所述图像进行检测，获得第一检测结果，所述第一检测结果用于判断所述图像中是否包含第一场景、所述图像中所包含的第一场景的类型信息以及所述第一场景在所述图像中的位置信息；

若所述第一检测结果判断所述图像中包含至少一个第一场景，则：

根据所述第一场景在所述图像中的位置信息，利用训练后的第二卷积神经网络模型对所述第一场景进行检测，获得第二检测结果，所述第二检测结果用于判断所述第一场景中是否包含第二场景、所述第一场景中所包含的第二场景的类型信息以及所述第二场景在所述图像中的位置信息；其中，将第一场景下相互关联度大于第二关联预设值的一类场景作为第二场景；

其中，所述训练后的第一卷积神经网络模型的卷积层数量大于所述训练后的第二卷积神经网络模型的卷积层数量；

根据所述第一检测结果和所述第二检测结果，输出所述图像的场景检测结果信息。

2.如权利要求1所述的方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果，输出所述图像的场景检测结果信息包括：

若所述第二检测结果判断所述第一场景中不包含第二场景，则输出所述第一场景的信息以及所述第一场景在所述图像中的位置信息；

若所述第二检测结果判断所述第一场景中包含至少一个第二场景，则输出所述第一场景的信息、所述第一场景在所述图像中的位置信息、所述第二场景的信息以及所述第二场景在所述图像中的位置信息。

3.如权利要求1所述的方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果，输出所述图像的场景检测结果信息包括：

若所述第二检测结果判断所述第一场景中不包含第二场景，则为所述第一场景设置选定框，并根据设置的所述选定框以及所述第一场景在所述图像中的位置信息，将所述第一场景在所述图像中进行框选并显示；

若所述第二检测结果判断所述第一场景中包含至少一个第二场景，则为所述第一场景和所述第二场景设置具有不同标识的选定框，并根据设置的所述选定框以及所述第一场景在所述图像中的位置信息、所述第二场景在所述图像中的位置信息，将所述第一场景和所述第二场景在所述图像中分别采用对应的选定框进行框选并显示。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

若所述第一检测结果判断所述图像中不包含所述第一场景，则输出场景检测失败的信息。

5.如权利要求1至4任一项所述的方法，其特征在于，所述第一卷积神经网络以及所述第二卷积神经网络的训练步骤包括：

获取训练集图像，所述训练集图像中包含第一场景以及第一场景在所述训练集图像中的位置信息，所述第一场景中包含第二场景以及第二场景在所述训练集图像中的位置信息；

利用第一卷积神经网络模型对所述训练集图像进行检测，根据检测结果调整所述第一卷积神经网络模型的参数，直到调整后的所述第一卷积神经网络模型检测出所述训练集图像中包含的第一场景以及所述第一场景在所述训练集图像中的位置信息的准确率不低于第一预设值，并将该调整后的第一卷积神经网络模型作为训练后的第一卷积神经网络模型；

利用第二卷积神经网络模型对所述第一场景进行检测，根据检测结果调整所述第二卷积神经网络模型的参数，直到调整后的所述第二卷积神经网络模型检测出所述第一场景中包含的第二场景以及第二场景在所述训练集图像中的位置信息的准确率不低于第二预设值，并将该调整后的第二卷积神经网络模型作为训练后的第二卷积神经网络模型。

6.如权利要求1至4任一项所述的方法，其特征在于，若所述第一检测结果判断所述图像中包含多个第一场景时，所述第二卷积神经网络模型包括多个第二卷积神经网络子模型，其中每一个第二卷积神经网络子模型对应至少一个第一场景；

相应的，所述根据所述第一场景在所述图像中的位置信息，利用训练后的第二卷积神经网络模型对所述第一场景进行检测，获得第二检测结果包括：

根据各个第一场景在所述图像中的位置信息，利用训练后的第二卷积神经网络子模型对对应的第一场景进行检测，获得每一个第一场景对应的第二检测子结果；

合并所述第二检测子结果，获得第二检测结果。

7.一种场景检测的装置，其特征在于，所述装置包括：

获取模块，用于获取待检测的图像；

第一检测模块，用于利用训练后的第一卷积神经网络模型对所述图像进行检测，获得第一检测结果，所述第一检测结果用于判断所述图像中是否包含第一场景、所述图像中所包含的第一场景的类型信息以及所述第一场景在所述图像中的位置信息；

第二检测模块，用于若所述第一检测结果判断所述图像中包含至少一个第一场景，则：

根据所述第一场景在所述图像中的位置信息，利用训练后的第二卷积神经网络模型对所述第一场景进行检测，获得第二检测结果，所述第二检测结果用于判断所述第一场景中是否包含第二场景、所述第一场景中所包含的第二场景的类型信息以及所述第二场景在所述图像中的位置信息；其中，将第一场景下相互关联度大于第二关联预设值的一类场景作为第二场景；

其中，所述训练后的第一卷积神经网络模型的卷积层数量大于所述训练后的第二卷积神经网络模型的卷积层数量；

输出模块，用于根据所述第一检测结果和所述第二检测结果，输出所述图像的场景检测结果信息。

8.一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。

Images