CN110443802B - 图像检测方法和装置、设备及存储介质 - Google Patents

Abstract

本申请涉及一种图像检测方法及装置、设备和存储介质，其中方法包括：获取待检测图像，将待检测图像输入至预先训练好的目标检测网络模型中，由目标检测网络模型对待检测图像进行标记，得到相应的标记图像及坐标数据；标记图像为对待检测图像标记病变区域后的图像；坐标数据包括病变区域的边缘坐标；在待检测图像的数量为一张时，根据坐标数据计算得到病变区域的面积；在待检测图像的数量为多张时，基于各标记图像构建三维模型，并基于构建得到的三维模型，采用三维测量方法测算得到各病变区域的面积；多张待检测图像通过在三维人像阵列中拍摄得到。通过计算出待检测图像中病变区域的面积，有效提高了病变区域的面积获取的精确度。

Description

图像检测方法和装置、设备及存储介质

技术领域

本公开涉及医疗检测技术领域，尤其涉及一种图像检测方法和装置、设备及存储介质。

背景技术

皮肤病是发生在皮肤和皮肤附属器官疾病的总成，病理图像是人体组织的切片在显微镜下的成像。皮肤科病理图像变化多样，在相关技术中通常是由医疗人员根据自己的经验对病理图像进行识别，并目测病理图像中的病变区域的面积，从而根据目测出的病变区域的面积制定相应的治疗方案。但是，通过目测出病理图像中的病变区域面积时，由于每个医疗人员的经验不同，往往会导致同一病理图像中的病变区域面积结果不同，这就使得对病理图像的检测识别结果精确度较低。

发明内容

有鉴于此，本公开提出了一种图像检测方法，可以有效计算出待检测图像中病变区域的面积，从而提高病变区域的面积获取的精确度。

根据本公开的一方面，提供了一种图像检测方法，包括：

获取待检测图像，将所述待检测图像输入至预先训练好的目标检测网络模型中，由所述目标检测网络模型对所述待检测图像进行标记，得到相应的标记图像及坐标数据；

其中，所述标记图像为对所述待检测图像标记病变区域后的图像；所述坐标数据包括所述病变区域的边缘坐标；

在所述待检测图像的数量为一张时，根据所述坐标数据计算得到所述病变区域的面积；

在所述待检测图像的数量为多张时，基于各所述标记图像构建三维模型，并基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积；

其中，多张所述待检测图像通过三维人像阵列采集装置拍摄得到。

在一种可能的实现方式中，通过所述三维人像阵列采集装置拍摄得到多张所述待检测图像时，所述三维人像阵列采集装置包括支撑架、以及设置在所述支撑架上的采集模块和控制模块；所述采集模块和所述控制模块电连接；

所述采集模块适用于接受所述控制模块的控制命令，并根据所述控制命令对待检测体进行图像采集；

所述控制模块适用于对所述采集模块的工作进行控制，并从所述采集模块获取图像信息；且

所述采集模块包括单反相机、投影仪和照明设备；所述控制模块包括控制板及树莓派；

所述控制板连接所述单反相机及所述照明设备，对所述单反相机及所述照明设备进行拍照控制；所述树莓派连接所述单反相机及所述投影仪，适用于从所述单反相机获取图像信息及控制所述投影仪进行图像投影；

其中，所述控制模块从所述采集模块获取的图像信息包括所述待检测图像。

在一种可能的实现方式中，所述目标检测网络模型包括Mask-rcnn网络模型。

在一种可能的实现方式中，基于所述标记图像构建三维模型，包括：

根据所述标记图像生成待构建的所述三维模型的三维重建点；其中，所述三维重建点的个数为多个；

对各所述标记图像进行背景分割，得到相应的前景区域和背景区域；其中，所述前景区域为所述标记图像中与检测体相对应的部分，所述前景区域为所述标记图像中与所述待检测图像拍摄背景相对应的部分；

将得到的所述三维重建点与对应的所述标记图像进行比对，删除落在所述背景区域的三维重建点；

将未删除的三维重建点构成三维重建点集，并基于构成的所述三维重建点集构建相应的所述三维模型。

在一种可能的实现方式中，基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积，包括：

获取所述三维模型中各病变区域；其中，各病变区域在三维模型中通过三角形形式表征；

采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积；

对各病变区域的面积进行求和得到病变区域的总面积。

根据本公开的一方面，还提供了一种图像检测装置，包括图像获取检测模块、第一面积获取模块和第二面积获取模块；

所述图像获取检测模块，被配置为获取待检测图像，将所述待检测图像输入至预先训练好的目标检测网络模型中，由所述目标检测网络模型对所述待检测图像进行标记，得到相应的标记图像及坐标数据；

其中，所述标记图像为对所述待检测图像标记病变区域后的图像；所述坐标数据包括所述病变区域的边缘坐标；

所述第一面积获取模块，被配置为在所述待检测图像的数量为一张时，根据所述坐标数据计算得到所述病变区域的面积；

所述第二面积获取模块，被配置为在所述待检测图像的数量为多张时，基于各所述标记图像构建三维模型，并基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积；

其中，多张所述待检测图像通过三维人像阵列采集装置拍摄得到。

在一种可能的实现方式中，所述三维人像阵列采集装置包括支撑架、以及设置在所述支撑架上的采集模块和控制模块；所述采集模块和所述控制模块电连接；

所述采集模块适用于接受所述控制模块的控制命令，并根据所述控制命令对待检测体进行图像采集；

所述控制模块适用于对所述采集模块的工作进行控制，并从所述采集模块获取图像信息；且

所述采集模块包括单反相机、投影仪和照明设备；所述控制模块包括控制板及树莓派；

所述控制板连接所述单反相机及所述照明设备，对所述单反相机及所述照明设备进行拍照控制；所述树莓派连接所述单反相机及所述投影仪，适用于从所述单反相机获取图像信息及控制所述投影仪进行图像投影；

其中，所述控制模块从所述采集模块获取的图像信息包括所述待检测图像。

在一种可能的实现方式中，所述第二面积获取模块包括第一获取子模块、面积测算子模块和总面积获取子模块；

所述第一获取子模块，被配置为获取所述三维模型中各病变区域；其中，各病变区域在三维模型中通过三角形形式表征；

所述面积测算子模块，被配置为采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积；

所述总面积获取子模块，被配置为对各病变区域的面积进行求和得到病变区域的总面积。

根据本公开的另一方面，还提供了一种图像检测设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。

根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前面任一所述的方法。

本公开实施例的图像检测方法，通过采用目标检测网络模型对待检测图像进行识别标记，将待检测图像中的病变区域标记出来后，进而再根据待检测图像的数量，采用不同的面积获取方式得到病变区域的面积。相较于相关技术中依靠医疗人员目测病变区域的面积的方式，有效提高了病变区域的面积的精确度。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出本公开实施例的图像检测方法的流程图；

图2示出本公开实施例的图像检测方法中通过三维人像阵列采集装置拍摄得到多张待检测图像时，所采用的三维人像阵列采集装置的结构图；

图3示出本公开实施例的图像检测方法中所采用的三维人像阵列采集装置的组装机构示意图；

图4示出本公开实施例的图像检测方法中所采用的三维人像阵列采集装置的另一实施例的组装机构示意图；

图5示出本公开实施例的图像检测装置的框图；

图6示出本公开实施例的图像检测设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的图像检测方法的流程图。如图1所示，该图像检测方法包括：步骤S100，获取待检测图像，将待检测图像输入至预先训练好的目标检测网络模型中，由目标检测网络模型对待检测图像进行标记，得到相应的标记图像及坐标数据。此处，需要说明的是，所得到的标记图像为对待检测图像标记病变区域后的图像。也就是说，所得到的标记图像的数量与待检测图像的数量相同。并且，坐标数据包括病变区域的边缘坐标。即，待检测图像中存在病变区域时，则对应的标记图像中会相应标记出病变区域的轮廓，并同时附带该轮廓的坐标。待检测图像中不存在病变区域时，则对应的标记图像中则不会存在病变区域轮廓的标记信息。

在待检测图像的数量为一张时，则通过步骤S200，根据坐标数据直接计算得到病变区域的面积即可。此处，需要指出的是，在待检测图像的数量为一张时，并且待检测图像中存在病变区域时，此时可直接根据所得到的病变区域所对应的坐标数据，以及病变区域的轮廓，采用相应的面积计算公式计算得到即可。

如：在病变区域的轮廓为矩形时，此时只需要根据该病变区域所对应的坐标数据中的四个顶点位置处的坐标，采用矩形面积计算公式得到相应的病变区域的面积即可。

需要指出的是，由于病变区域的轮廓通常为不规则形状，此时为了进一步提高面积的精确度，可以采用将不规则的病变区域的轮廓划分为多个规则形状的子轮廓，并根据整个病变区域的轮廓的坐标数据推导出各个自轮廓的边缘坐标数据，从而在采用相应的面积计算公式得到各个子区域的面积后，直接采用求和运算即可得到整个病变区域的面积。

在待检测图像的数量为多张时，此时可通过步骤S300，基于各标记图像及坐标数据构建三维模型，进而再基于构建得到的三维模型采用三维测量方法测算得到各病变区域的面积。

由此，本公开实施例的图像检测方法，通过采用目标检测网络模型对待检测图像进行识别标记，将待检测图像中的病变区域标记出来后，进而再根据待检测图像的数量，采用不同的面积获取方式得到病变区域的面积。相较于相关技术中依靠医疗人员目测病变区域的面积的方式，有效提高了病变区域的面积的精确度。

同时，在待检测图像的数量为多张时，通过构建三维模型，将病变区域融合在三维模型中，进而再基于构建得到的三维模型采用三维测量方法测算各病变区域的面积，不仅有效提高了病变区域的面积的精确度，同时不需要依靠医疗人员一张一张的进行目测，这也就进一步提高了病变区域的面积的获取效率。

其中，应当指出的是，在本公开的图像检测方法中，多张待检测图像可以为同一检测体的多角度图像。即，通过拍摄被检测体(如：病人)的全身多角度照片作为待检测图像。

在一种可能的实现方式中，同一被检测体的多角度下的待检测图像可以通过采用三维人像阵列采集装置拍摄得到。具体的，通过三维人像阵列采集装置拍摄得到多张待检测图像时，可以通过以下方式来实现。

其中，参阅图2，在一种可能的实现方式中，三维人像阵列采集装置包括支撑架130、以及设置在支撑架130上的采集模块110和控制模块120。采集模块110和控制模块120电连接。其中，采集模块110适用于接受所述控制模块120的控制命令，并根据所述控制命令对待检测体进行图像采集。控制模块120适用于对所述采集模块110的工作进行控制，并从所述采集模块110获取图像信息。

进一步的，参阅图2和图3，采集模块110包括单反相机111、投影仪112和照设备。控制模块120包括控制板121及树莓派122。控制板121连接所述单反相机111及所述照明设备113，对所述单反相机111及所述照明设备113进行拍照控制。树莓派122连接所述单反相机111及所述投影仪112，适用于从所述单反相机111获取图像信息及控制所述投影仪112进行图像投影。其中，控制模块120从采集模块110获取的图像信息包括待检测图像。

另外，需要指出的是，为了保证能够获取待检测体的全方位多角度的图像，在一种可能的实现方式中，参阅图4，三维人像采集装置中，支撑架130以及设置在支撑架130上的采集模块110和控制模块120所组装成的采集机构100的个数可以为多个，并且多个采集机构100依次排列围设成一个封闭的圆圈形式。由此，待检测体只需直接位于多个采集机构100围设成的圆圈中心位置处即可实现不同方位不同角度的图像采集。

此处，还应当指出的是，在多个采集机构100围设成的圆圈中心位置处还可设置一站台，以便于进行待检测体的图像采集时能够更加准确的保证待检测体的位置的准确性。

上述任一种方式获取多张待检测图像后，即可将获取到的待检测图像输入至目标检测网络模型中进行病变区域的识别标记。其中，在一种可能的实现方式中，目标检测网络模型可以为Mask-rcnn网络模型。

需要指出的是，在采用Mask-rcnn网络模型对待检测图像进行识别标记时，需要对Mask-rcnn网络模型进行预先训练，确定最优的网络参数。本领域技术人员可以理解的是，在对Mask-rcnn网络模型训练时，所采用的数据集均为进行预先标记后的照片数据集。即，将标记后的大量照片数据分为训练集和验证集输入至Mask-rcnn网络模型中进行训练。其中，训练集的数量可以为几百张以上，如果图片数量不够，可以使用图片旋转、剪切等方式来增加训练集中的图片数量。

进一步的，本领域技术人员可以理解的是，在将标记后的大量照片数据输入至Mask-rcnn网络模型中进行训练时，首先需要将Mask-rcnn网络模型中的网络参数进行初始参数的设置，然后再将训练集中的照片数据输入至Mask-rcnn网络模型中进行训练。其中，一次训练需要经过若干次迭代，训练中通过调整训练模型参数，可以使用交叉验证方法、多次训练、增加训练集数据等方法提升训练效果，以使训练后的Mask-rcnn网络模型中的网络参数达到最优。当Mask-rcnn网络模型的精度满足要求后训练结束，Mask-rcnn网络模型可以开始使用。

在将通过上述任一种方式拍摄得到的待检测图像输入至训练好的Mask-rcnn网络模型中，Mask-rcnn网络模型识别出各待检测图像中的病变区域，并将识别出的病变区域做好标记后输出，同时输出标记出的各病变区域所对应的坐标数据。

其中，在待检测图像的数量为一张时，此时可直接采用前面任一所述的方式进行病变区域的面积的计算。此处不再进行赘述。

在待检测图像的数量为多张时，则需要通过步骤S300，基于各标记图像及坐标数据构建三维模型，并基于构建得到的三维模型采用三维测量方法测算得到的各病变区域的面积。

此处，需要指出的是，在该步骤中，基于标记图像及坐标数据构建三维模型时，可以通过以下方式来实现。

即，首先根据标记图像生成待构建的三维模型的三维重建点。其中，需要指出的是，三维重建点的个数为多个。也就是说，本领域技术人员可以理解的是，根据标记图像生成的三维重建点的个数为多个，多张标记图像所生成的多个三维重建点形成三维点云。

然后，再对各标记图像进行背景分割，得到相应的前景区域和背景区域。这是由于在进行各待检测图像的拍摄时，需要设置相应的背景板。所拍摄得到的各待检测图像中均包括背景板信息，进而再通过Mask-rcnn网络模型识别标记后的各标记图像中同样也包含有背景板信息。为了使得最终构建的三维模型结果更清晰，更准确，需要将各标记图像中的背景部分分割开来。其中，对各标记图像进行背景分割后得到的前景区域为标记图像中与检测体相对应的部分，前景区域则为标记图像中与待检测图像拍摄背景相对应的部分。同时，还需要指出的是，对各标记图像进行背景分割可以采用本领域常规技术手段，此处不再进行赘述。

在对各标记图像进行背景分割后，即可将得到的三维重建点与对应的标记图像进行比对，删除落在背景区域的三维重建点。从而将不必要的三维重建点剔除，保留只有检测体所属的三维重建点。即，对三维点云中的冗余的三维重建点进行过滤，既保证了构建三维模型所需要的所有三维重建点，同时还有效减小了计算量，节省了能耗。

最后，再将未删除的三维重建点构成三维重建点集(即，过滤后的三维点云)，并基于构成的三维重建点集构建相应的三维模型。此处，需要指出的是，本领域技术人员可以理解，基于构成的三维重建点构建三维模型的具体过程基本包括稀疏重建、点云编辑、稠密重建、网格构建、纹理映射和模型编辑等多个步骤，且可以采用现有的三维重建软件实现，因此此处不再进行具体限定。

在构建好三维模型后，即可基于构建得到的是三维模型，采用三维测量方法测算得到各病变区域的面积。其中，采用三维测量方法测算得到各病变区域的面积时，可以包括以下步骤：

首先，获取三维模型中各病变区域。其中，各病变区域在三维模型中通过三角形形式表征。这是由于在基于标记图像构建相应的三维模型后，三维模型由三角形组成表示。对应的，在三维模型中标记出来的各病变区域(即，病变区域作为三维模型中的一部分)也由三角形组成表示。因此，在测算各病变区域的面积时，需要先获取三维模型中各病变区域。其中，需要指出的是，在获取各病变区域的同时，还需要获取各病变区域所对应的坐标数据。

进而，再采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积，从而再根据测算得到的各病变区域的面积，对各病变区域的面积进行求和得到病变区域的总面积。

通过采用上述方式进行病变区域的面积的测算，计算方式简单，易于实现。

由此，本公开实施例的图像检测方法，通过采用目标检测网络模型对待检测图像进行病变区域的识别标记，进而再基于识别标记出的标记图像进行病变区域的面积的计算获取，有效提高了病变区域面积测量的精确度。

相应的，基于前面任一所述的图像检测方法，本公开还提供了一种图像检测装置。由于本公开提供的图像检测装置的工作原理与本公开的图像检测方法的原理相同或相似，因此重复之处不再赘述。

参阅图5，在本公开的图像检测装置300中，包括图像获取检测模块、第一面积获取模块310和第二面积获取模块320。其中，图像获取检测模块，被配置为获取待检测图像，将所述待检测图像输入至预先训练好的目标检测网络模型中，由所述目标检测网络模型对所述待检测图像进行标记，得到相应的标记图像及坐标数据。此处，需要指出的是，所述标记图像为对所述待检测图像标记病变区域后的图像；所述坐标数据包括所述病变区域的边缘坐标。

所述第一面积获取模块310，被配置为在所述待检测图像的数量为一张时，根据所述坐标数据计算得到所述病变区域的面积。所述第二面积获取模块320，被配置为在所述待检测图像的数量为多张时，基于各所述标记图像构建三维模型，并基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积；其中，多张所述待检测图像通过三维人像阵列采集装置拍摄得到。

在一种可能的实现方式中，三维人像阵列采集装置包括支撑架、以及设置在所述支撑架上的采集模块和控制模块；所述采集模块和所述控制模块电连接；采集模块适用于接受所述控制模块的控制命令，并根据所述控制命令对待检测体进行图像采集；控制模块适用于对所述采集模块的工作进行控制，并从所述采集模块获取图像信息；且所述采集模块包括单反相机、投影仪和照明设备；所述控制模块包括控制板及树莓派。

所述控制板连接所述单反相机及所述照明设备，对所述单反相机及所述照明设备进行拍照控制；所述树莓派连接所述单反相机及所述投影仪，适用于从所述单反相机获取图像信息及控制所述投影仪进行图像投影；其中，所述控制模块从所述采集模块获取的图像信息包括所述待检测图像。

在一种可能的实现方式中，所述第二面积获取模块320包括第一获取子模块、面积测算子模块和总面积获取子模块(图中未示出)。其中，第一获取子模块，被配置为获取所述三维模型中各病变区域；其中，各病变区域在三维模型中通过三角形形式表征；面积测算子模块，被配置为采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积；总面积获取子模块，被配置为对各病变区域的面积进行求和得到病变区域的总面积。

更进一步地，根据本公开的另一方面，还提供了一种图像检测设备400。参阅图6，本公开实施例的图像检测设备400包括处理器410以及用于存储处理器410可执行指令的存储器420。其中，处理器410被配置为执行可执行指令时实现前面任一所述的图像检测方法。

此处，应当指出的是，处理器410的个数可以为一个或多个。同时，在本公开实施例的图像检测设备400中，还可以包括输入装置430和输出装置440。其中，处理器410、存储器420、输入装置430和输出装置440之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。

存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的图像检测方法所对应的程序或模块。处理器410通过运行存储在存储器420中的软件程序或模块，从而执行图像检测设备400的各种功能应用及数据处理。

输入装置430可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置440可以包括显示屏等显示设备。

根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器410执行时实现前面任一所述的图像检测方法。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种图像检测方法，其特征在于，包括：

获取待检测图像，将所述待检测图像输入至预先训练好的目标检测网络模型中，由所述目标检测网络模型对所述待检测图像进行标记，得到相应的标记图像及坐标数据；

其中，所述标记图像为对所述待检测图像标记病变区域后的图像；所述坐标数据包括所述病变区域的边缘坐标；

在所述待检测图像的数量为一张时，根据所述坐标数据计算得到所述病变区域的面积；

在所述待检测图像的数量为多张时，基于各所述标记图像构建三维模型，并基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积；

其中，多张所述待检测图像通过三维人像阵列采集装置拍摄得到。

2.根据权利要求1所述的方法，其特征在于，通过所述三维人像阵列采集装置拍摄得到多张所述待检测图像时，所述三维人像阵列采集装置包括支撑架、以及设置在所述支撑架上的采集模块和控制模块；所述采集模块和所述控制模块电连接；

所述采集模块适用于接受所述控制模块的控制命令，并根据所述控制命令对待检测体进行图像采集；

所述控制模块适用于对所述采集模块的工作进行控制，并从所述采集模块获取图像信息；且

所述采集模块包括单反相机、投影仪和照明设备；所述控制模块包括控制板及树莓派；

所述控制板连接所述单反相机及所述照明设备，对所述单反相机及所述照明设备进行拍照控制；所述树莓派连接所述单反相机及所述投影仪，适用于从所述单反相机获取图像信息及控制所述投影仪进行图像投影；

其中，所述控制模块从所述采集模块获取的图像信息包括所述待检测图像。

3.根据权利要求1所述的方法，其特征在于，所述目标检测网络模型包括Mask-rcnn网络模型。

4.根据权利要求1至3任一项所述的方法，其特征在于，基于所述标记图像构建三维模型，包括：

根据所述标记图像生成待构建的所述三维模型的三维重建点；其中，所述三维重建点的个数为多个；

对各所述标记图像进行背景分割，得到相应的前景区域和背景区域；其中，所述前景区域为所述标记图像中与检测体相对应的部分，所述前景区域为所述标记图像中与所述待检测图像拍摄背景相对应的部分；

将得到的所述三维重建点与对应的所述标记图像进行比对，删除落在所述背景区域的三维重建点；

将未删除的三维重建点构成三维重建点集，并基于构成的所述三维重建点集构建相应的所述三维模型。

5.根据权利要求1至3任一项所述的方法，其特征在于，基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积，包括：

获取所述三维模型中各病变区域；其中，各病变区域在三维模型中通过三角形形式表征；

采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积；

对各病变区域的面积进行求和得到病变区域的总面积。

6.一种图像检测装置，其特征在于，包括图像获取检测模块、第一面积获取模块和第二面积获取模块；

所述图像获取检测模块，被配置为获取待检测图像，将所述待检测图像输入至预先训练好的目标检测网络模型中，由所述目标检测网络模型对所述待检测图像进行标记，得到相应的标记图像及坐标数据；

其中，所述标记图像为对所述待检测图像标记病变区域后的图像；所述坐标数据包括所述病变区域的边缘坐标；

所述第一面积获取模块，被配置为在所述待检测图像的数量为一张时，根据所述坐标数据计算得到所述病变区域的面积；

所述第二面积获取模块，被配置为在所述待检测图像的数量为多张时，基于各所述标记图像构建三维模型，并基于构建得到的所述三维模型，采用三维测量方法测算得到各所述病变区域的面积；

其中，多张所述待检测图像通过三维人像阵列采集装置拍摄得到。

7.根据权利要求6所述的装置，其特征在于，所述三维人像阵列采集装置包括支撑架、以及设置在所述支撑架上的采集模块和控制模块；所述采集模块和所述控制模块电连接；

所述采集模块适用于接受所述控制模块的控制命令，并根据所述控制命令对待检测体进行图像采集；

所述控制模块适用于对所述采集模块的工作进行控制，并从所述采集模块获取图像信息；且

所述采集模块包括单反相机、投影仪和照明设备；所述控制模块包括控制板及树莓派；

所述控制板连接所述单反相机及所述照明设备，对所述单反相机及所述照明设备进行拍照控制；所述树莓派连接所述单反相机及所述投影仪，适用于从所述单反相机获取图像信息及控制所述投影仪进行图像投影；

其中，所述控制模块从所述采集模块获取的图像信息包括所述待检测图像。

8.根据权利要求6或7所述的装置，其特征在于，所述第二面积获取模块包括第一获取子模块、面积测算子模块和总面积获取子模块；

所述第一获取子模块，被配置为获取所述三维模型中各病变区域；其中，各病变区域在三维模型中通过三角形形式表征；

所述面积测算子模块，被配置为采用三角形面积计算方式，并基于各病变区域所对应的坐标数据测算得到各病变区域的面积；

所述总面积获取子模块，被配置为对各病变区域的面积进行求和得到病变区域的总面积。

9.一种图像检测设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至5中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。

Images