CN113077410A - 图像检测方法、装置方法、芯片及计算机可读存储介质 - Google Patents
图像检测方法、装置方法、芯片及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113077410A CN113077410A CN202010004170.2A CN202010004170A CN113077410A CN 113077410 A CN113077410 A CN 113077410A CN 202010004170 A CN202010004170 A CN 202010004170A CN 113077410 A CN113077410 A CN 113077410A
- Authority
- CN
- China
- Prior art keywords
- image
- key
- detected
- sub
- subregion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims description 39
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013075 data extraction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像检测方法、装置方法、芯片及计算机可读存储介质。一种图像检测方法，包括：获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；提取第一关键子区域的特征数据；获取数据库中至少一个图像，并获取数据库图像的至少一个第二关键子区域；提取第二关键子区域的特征数据；获取第一关键子区域和第二关键子区域的特征距离；根据特征距离确定待检测图像和数据库图像的相似度。本发明实施例的图像检测方法，通过将待检测图像和数据库的图像分别划分为至少一个关键子区域，减少了因形变导致的检测错误，提高检索图像内容整体上的相似，提高检测的准确率。
Description
技术领域
本发明涉及人脸识别领域，特别涉及一种图像检测方法、装置方法、芯片及计算机可读存储介质。
背景技术
随着现代电子计算机技术及网络技术的迅速发展，庞大、图像作为一种内涵丰富、表现直观的多媒体信息，备受人们的青睐。越来越多的商业活动、事务交易和信息表现包含图像数据。
多样的图像信息不断出现，各行各业对图像的使用越来越广发，进而推动了图像信息资源管理的进一步发展。因此，如何在海量图像信息中找出需要的信息，是对图像信息查询技术提出的重大挑战。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种图像检测方法、装置方法、芯片及计算机可读存储介质，提高了检索图像内容整体上的相似，且减少因形变导致的检测错误，提高检测的准确率。
第一方面，本发明实施例提出一种图像检测方法，包括：获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；提取所述第一关键子区域的特征数据；获取数据库中至少一个图像，并获取所述图像的至少一个第二关键子区域；提取所述第二关键子区域的特征数据；根据所述第一关键子区域的特征数据和所述第二关键子区域的特征数据获取所述第一关键子区域和所述第二关键子区域的特征距离；根据所述特征距离确定所述待检测图像和所述数据库图像的相似度。
在一些实施例中，确定待检测图像中的至少一个第一关键子区域的方式为以下方式中的一种或多种：通过选择性搜索获取所述待检测图像中的至少一个第一关键子区域；或，通过目标检测算法获取所述待检测图像中的至少一个第一关键子区域；或，通过人工选取获取所述待检测图像中的至少一个第一关键子区域。
在一些实施例中，所述目标检测算法为SSD算法。
在一些实施例中，获取所述第二关键子区域的方式与获取所述第一关键子区域的方式相同。
在一些实施例中，图像检测方法，还包括以下一种或组合：在所述待检测图像中确定并过滤质量不符合预设要求的区域；在所述至少一个第一关键子区域中确定并过滤质量不符合预设要求的子区域；在所述至少一个第二关键子区域中确定并过滤质量不符合预设要求的子区域。
在一些实施例中，根据特征距离确定待检测图像和数据库图像的相似度，包括：根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；获取相匹配的关键子区域的特征距离平均值；根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度。
在一些实施例中，根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度，包括：对相互匹配的关键子区域的数目和特征距离平均值进行加权平均；对加权平均值进行排序确定相似度。
在一些实施例中，该方法在获取所述第一关键子区域和所述第二关键子区域的特征距离之后，还包括：确定所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域；对所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域提取超过第二预设值数量的特征点，根据所述超过第二预设值数量的特征点重新计算所述第一关键子区域和第二关键子区域的特征距离。
第二方面，本发明实施例还提供一种图像检测装置，包括：第一关键子区域获取模块，用于获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；第一特征数据提取模块，用于提取所述第一关键子区域的特征数据；第二关键子区域获取模块，用于获取数据库中至少一个图像，并所述图像的至少一个第二关键子区域；第二特征数据提取模块，用于提取所述第二关键子区域的特征数据；特征距离获取模块，用于根据所述第一特征数据提取模块提取的第一关键子区域特征数据和所述第二特征数据提取模块提取的第二关键子区域的特征数据获取所述第一关键子区域和所述第二关键子区域的特征距离；相似度确定模块，用于根据所述特征距离确定所述待检测图像和所述数据库图像的相似度。
在一些实施例中，第一关键子区域获取模块包括以下之一或组合：选择性搜索获取单元，用于通过选择性搜索获取所述待检测图像中的至少一个第一关键子区域；目标检测算法获取单元，用于通过目标检测算法获取所述待检测图像中的至少一个第一关键子区域；人工选取获取单元，用于通过人工选取获所述取待检测图像中的至少一个第一关键子区域。
在一些实施例中，图像检测装置还包括过滤模块，在所述待检测图像中确定并过滤质量不符合预设要求的区域；或者，在所述至少一个第一关键子区域中确定并过滤质量不符合预设要求的子区域；或者，在所述至少一个第二关键子区域中确定并过滤质量不符合预设要求的子区域。
在一些实施例中，相似度确定模块，包括：关键子区域匹配数目单元，用于根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；特征距离平均值获取单元，用于获取相匹配的关键子区域的特征距离平均值；相似度确定单元，用于根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度。
在一些实施例中，相似度确定单元，包括：计算子单元，用于对相互匹配的关键子区域的数目和特征距离平均值进行加权平均；排序子单元，用于对加权平均值进行排序确定相似度。
第三方面，本发明实施例还提供一种图像检测装置，包括：至少一个处理器；与所述至少一个处理器耦合的存储器，所述存储器存储有可执行指令，其中，所述可执行指令在被所述至少一个处理器执行时使得实现如上第一方面的任一项所述的方法。
第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。
第五方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面的任一项所述的方法。
第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。
可见，本发明实施例的图像检测方法，通过通过对待检测图像和数据库的图像关键子区域进行比较，根据关键子区域的相似度确定该待检测图像和数据库图像的相似度。由于是采用子区域和子区域的小图的进行比对，而不是整体的大图进行比对，因此减少了因整体图案所在的物体可能的形变导致的检测错误，并且通过对关键子区域的相互匹配，进一步提高检索图像内容整体上的相似，提高检测的准确率，此外，还因为仅需对图像中的部分进行比对，从而减少了计算量，提高了运行速度，节约运算时间，进一步节能，并提高用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，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为本发明图像检测方法一实施例的流程图；
图2为本发明图像检测方法另一实施例的流程图；
图3为本发明图像检测装置一实施例的示意图；
图4为本发明图像检测装置另一实施例的示意图。
具体实施方案
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
本方案发明人发现，在现有技术中，对视频进行人脸识别去隐私同时，不能保留人脸的姿态特征，如面部表情的喜怒哀乐，抬头或低头等。导致失去许多商业应用价值。本发明实施例提供如下方案：
图1为本发明图像检测方法一实施例的流程图，如图1所示，第一方面，本发明第一方面图像检测方法包括：
步骤101，获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；
由于对单幅图像的分析建立在图像子区域的基础上，因此开始需要对图像进行分割。在对图像进行分割时，可以寻找相对独立的区域，例如，形状、颜色、纹理等。例如，在以形状描述方法寻找相对独立区域时可以包括：基于边缘或基于区域的形状描述方法，前者利用图像的边缘信息，后者利用区域内的灰度分布信息。基于边缘的区域划分适用于图像边缘较为清晰的部分，而基于区域的区域划分能较为准确的分割出颜色分布较为均匀的区域。
在本实施例中，具体的，可以通过以下方式中的一种或多种获取第一关键子区域，当通过多种获取第一关键子区域，可以多种方式获取的关键子区域的并集作为最终的第一关键子区域。具体方式包括：通过选择性搜索（selective-search）获取待检测图像中的至少一个第一关键子区域；或，通过目标检测算法，如SSD(Single Shot MultiBox Detector)算法获取待检测图像中的至少一个第一关键子区域；或，通过人工选取获取待检测图像中的至少一个第一关键子区域。
多种关键子区域的选择方式可以以多种维度选择关键子区域，增加图像检索的完整度，并且增加人工选取的方式的入口，可以满足可能的不同的需求，进一步增加了灵活度。
步骤102，提取第一关键子区域的特征数据；具体的，例如可以通过一个基于自适应编码网络训练后的特征提取网络。
步骤103，获取数据库中至少一个图像，并获取数据库图像的至少一个第二关键子区域；其中，获取所述第二关键子区域的方式与获取所述第一关键子区域的方式相同。例如，当第一关键子区域是通过选择性搜索方式获得的，第二关键子区域也通过选择性搜索方式获得；当第一关键子区域是通过目标检测算法获得的，第二关键子区域也通过目标检测算法获得；当第一关键子区域是通过选择性搜索和人工选取方式并集获得的，第二关键子区域也通过选择性搜索和人工选取方式并集方式获得。
步骤104，提取第二关键子区域的特征数据；其中，提取第二关键子区域的特征数据也可以采用与提取第一关键子区域的特征数据相同的方法。
步骤105，根据所述第一关键子区域的特征数据和所述第二关键子区域的特征数据获取第一关键子区域和第二关键子区域的特征距离；可以知道，在步骤102中，可能提取了多个第一关键子区域的特征数据，同样的，步骤104中，也可能提取多个第二关键子区域的特征数据。在步骤105中，可以针对多个第一关键子区域和多个第二关键子区域两两计算其中各个关键子区域的特征的距离。具体而言，这里距离可以是L2距离（ 欧氏距离），也可以是cos距离（余弦距离）等，本发明实施例不对此进行限定。
步骤106，根据特征距离确定待检测图像和数据库图像的相似度。具体而言，可以包括：根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；获取相匹配的关键子区域的特征距离平均值；根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度。
进一步的，根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度，可以进一步的包括：对相互匹配的关键子区域的数目和特征距离平均值进行加权平均获得加权平均值；对加权平均值进行排序确定相似度。
例如，一个待检测图像有5个关键子区域，和数据库中的图a有5个关键子区域, 图b有6个关键子区域, 图c有7个关键子区域,则分别计算待检测图像的5个关键子区域和数据库中图a的5个关键子区域的距离、待检测图像的5个关键子区域和数据库中图b的6个关键子区域的距离、待检测图像的5个关键子区域和数据库中图c的7个关键子区域的距离。
以图a为例，获取待检测图像有5个关键子区域的特征数据和数据库中的图a有5个关键子区域的特征数据，分别计算待检测图像有5个关键子区域和数据库中的图a有5个关键子区域的距离，得到25个特征距离值。可以认为特征距离大于预设数值的两个关键子区域匹配度不高。因此根据特征距离值对，按照预设的比例，或者预设个数，或者按照预设特征距离值对图a中的5个第二关键子区域进行过滤，为方便说明，以预设特征距离值为标准进行过滤为例进行进一步说明。
针对图b和图c，可以同样方式处理，分别根据数据库中图a、图b和图c的第二关键子区域特征数据与待检测图像的第一关键子区域特征数据得到相应的特征距离值。确定特征距离值大于预设值的关键子区域为不相匹配的关键子区域。
进一步的，分别得到数据库中图a、图b和图c与待检测图像之间匹配的关键子区域的个数。再分别获取数据库中图a、图b和图c与待检测图像之间平均距离，将匹配的关键子区域的个数和平均距离两个指标进行加权平均，以加权平均值确定图a、图b和图c与待检测图像的相似度。
由上述可知，待检测图像和数据库图像的相似度和两个图像中匹配的关键子区域的个数以及特征距离相关。相匹配的关键子区域的个数越多，两个图像相似度越高，特征距离越小，两个图像相似度也越高。举例而言，当待检测图像的关键子区域中，一个关键子区域包含人的图像，一个关键子区域包含自行车的图像，如果图a也有包含人和自行车的关键子区域，而图b只有有包含人的关键子区域却没有和包含自行车的关键子区域，则图a和待检测图像的相似度更高。
本发明实施例通过对待检测图像和数据库图像的关键子区域进行比较，根据关键子区域的相似度确定该待检测图像和数据库图像的相似度。由于是采用子区域和子区域的小图的进行比对，而不是整体的大图进行比对，因此减少了因整体图案所在的物体可能的形变导致的检测错误，并且通过对关键子区域的相互匹配，进一步提高检索图像内容整体上的相似，提高检测的准确率，此外，还因为仅需对图像中的部分进行比对，从而减少了计算量，提高了运行速度，节约运算时间，进一步节能，并提高用户体验。
可选的，本发明实施例一种图像检测方法，还包括过滤质量不符合预设要求的区域，例如像素点小于一定数值的区域，或者分辨率地域预设值的区域，或者不符合其他预设要求的区域，对此本申请不进行限定。具体可以包括以下一种或组合：在待检测图像中确定并过滤质量不符合预设要求的区域；在至少一个第一关键子区域中确定并过滤质量不符合预设要求的子区域；在至少一个第二关键子区域中确定并过滤质量不符合预设要求的子区域。
具体而言，该过滤可以在确定待检测图像或数据库中图像的关键子区域之前，在将待检测图像或数据库中图像分区域之后直接筛除其中质量不符合预设要求的区域，也可以是在确定待检测图像或数据库中图像的关键子区域之后，针对关键子区域筛除其中质量不符合预设要求的区域。或者两种方式结合。具体的，可以通过一个预先训练好的分类网络过滤获取待检测图像中不符合预设要求的区域。通过此种方式可以过滤掉其中质量较差的区域。
可选的，本实施例的图像检测方法，在获取所述第一关键子区域和所述第二关键子区域的特征距离之后，还可以包括：确定所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域；对所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域提取超过第二预设值数量的特征点，根据所述超过第二预设值数量的特征点重新计算所述第一关键子区域和第二关键子区域的特征距离。例如，在待检测图像中有包含人的一个第一关键子区域，以及包含自行车的一个第一关键子区域，在数据库图像中也有包含人的一个第二关键子区域，以及包含自行车的一个第二关键子区域，则将待检测图像中包含人的第一关键子区域和数据库图像中包含人的第二关键子区域进行二次比对，以及，将待检测图像中包含自行车的第一关键子区域和数据库图像中包含自行车的第二关键子区域进行二次比对，二次比对可以采用更精确的比对方法。例如通过提取更多的像素点进行比对，或者用其他更精确的算法进行比对。即对匹配度较高的关键子区域再两两匹配的二次比对，进一步提高了图像检测的精度。
图2为本发明图像检测方法另一实施例的流程图，如图2所示，本实施例提供一种图像检测方法，包括：
步骤201，获取待检测图像，确定待检测图像中的至少一个第一关键子区域；
步骤202，过滤待检测图像中不符合预设要求的区域；
步骤203，提取第一关键子区域的特征数据；
步骤204，用和步骤201中相同的方式获取数据库图像的至少一个第二关键子区域；
步骤205，提取第二关键子区域的特征数据；
步骤206，获取第一关键子区域和第二关键子区域的特征距离；
步骤207，根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；
步骤208，获取相匹配的关键子区域的特征距离平均值；
步骤209，对相互匹配的关键子区域的数目和特征距离平均值进行加权平均；
步骤210，对加权平均值进行排序确定相似度；
本发明实施例通过对待检测图像和数据库的图像关键子区域进行比较，根据关键子区域的相似度确定该待检测图像和数据库图像的相似度。由于是采用子区域和子区域的小图的进行比对，而不是整体的大图进行比对，因此减少了因整体图案所在的物体可能的形变导致的检测错误，并且通过对关键子区域的相互匹配，进一步提高检索图像内容整体上的相似，提高检测的准确率，此外，还因为仅需对图像中的部分进行比对，从而减少了计算量，提高了运行速度，节约运算时间，进一步节能，并提高用户体验。
图3为本发明图像检测装置一实施例的示意图，如图3所示，第二方面，本发明第二方面图像检测装置包括：
第一关键子区域获取模块301，用于获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；
第一特征数据提取模块302，用于提取第一关键子区域的特征数据；
第二关键子区域获取模块303，用于获取数据库图像的至少一个第二关键子区域；
第二特征数据提取模块304，用于提取第二关键子区域的特征数据；
特征距离获取模块305，用于根据所述第一特征数据提取模块提取的第一关键子区域特征数据和所述第二特征数据提取模块提取的第二关键子区域的特征数据获取第一关键子区域和第二关键子区域的特征距离；
相似度确定模块306，用于根据特征距离确定待检测图像和数据库图像的相似度。
可选的，第一关键子区域获取模块包括以下之一或组合：选择性搜索获取单元，用于通过选择性搜索获取待检测图像中的至少一个第一关键子区域；目标检测算法获取单元，用于通过目标检测算法获取待检测图像中的至少一个第一关键子区域；人工选取获取单元，用于通过人工选取获取待检测图像中的至少一个第一关键子区域。
可选的，图像检测装置还包括过滤模块，用于在待检测图像中确定并过滤质量不符合预设要求的区域；或者，在至少一个第一关键子区域中确定并过滤质量不符合预设要求的子区域；或者，在至少一个第二关键子区域中确定并过滤质量不符合预设要求的子区域。
可选的，相似度确定模块，包括：关键子区域匹配数目单元，用于根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；特征距离平均值获取单元，用于获取相匹配的关键子区域的特征距离平均值；相似度确定单元，用于根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度。
可选的，相似度确定单元，包括：计算子单元，用于对相互匹配的关键子区域的数目和特征距离平均值进行加权平均；排序子单元，用于对加权平均值进行排序确定相似度。
可选的，特征距离获取模块，还可以用于在获取所述第一关键子区域和所述第二关键子区域的特征距离之后，确定所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域；对所述特征距离平均值低于第一预设值的第一关键子区域和第二关键子区域提取超过第二预设值数量的特征点，根据所述超过第二预设值数量的特征点重新计算所述第一关键子区域和第二关键子区域的特征距离。
图4为本发明图像检测装置另一实施例的示意图，如图4所示，本实施例提供一种图像检测装置，包括：
第一关键子区域获取模块301，用于获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；
具体的第一关键子区域获取模块，包括：
选择性搜索获取单元3011，用于通过选择性搜索获取待检测图像中的至少一个第一关键子区域；
SSD目标检测算法获取单元3012，用于通过SSD算法获取待检测图像中的至少一个第一关键子区域；
人工选取获取单元3013，用于通过人工选取获取待检测图像中的至少一个第一关键子区域。
过滤模块307，用于过滤待检测图像中不符合预设要求的区域；
第一特征数据提取模块302，用于提取第一关键子区域的特征数据；
第二关键子区域获取模块303，用于获取数据库中至少一个图像，并获取数据库图像的至少一个第二关键子区域；
第二特征数据提取模块304，用于提取第二关键子区域的特征数据；
特征距离获取模块305，用于根据所述第一特征数据提取模块提取的第一关键子区域特征数据和所述第二特征数据提取模块提取的第二关键子区域的特征数据获取第一关键子区域和第二关键子区域的特征距离；
相似度确定模块306，用于根据特征距离确定待检测图像和数据库图像的相似度。
相似度确定模块，包括：
关键子区域匹配数目单元3061，用于根据特征距离确定待检测图像和数据库图像中相互匹配的关键子区域的数目；
特征距离平均值获取单元3062，用于获取相匹配的关键子区域的特征距离平均值；
相似度确定单元3063，用于根据相互匹配的关键子区域的数目和特征距离平均值确定待检测图像和数据库图像的相似度。
其中，相似度确定单元，包括：
计算子单元30631，用于对相互匹配的关键子区域的数目和特征距离平均值进行加权平均；
排序子单元30632，用于对加权平均值进行排序确定相似度。
上述的涉及到的人脸捕获装置具体技术细节和人脸捕获装置方法中类似，在人脸捕获装置的实施方式中所能达到的技术效果在人脸捕获装置方法的实施方式中也同样可以实现，为了减少重复，这里不再赘述。相应地，在人脸捕获方法实施方式中提到的相关技术细节也可应用在人脸捕获装置的实施方式中。
本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。
在第三方面，本发明还提供一种图像检测装置，包括：
至少一个处理器；与至少一个处理器耦合的存储器，存储器存储有可执行指令，其中，可执行指令在被至少一个处理器执行时使得实现本发明第一方面的方法。
本实施例提供一种图像检测装置，包括：至少一个处理器；与至少一个处理器耦合的存储器。处理器和存储器可以单独设置，也可以集成在一起。
例如，存储器可以包括随机存储器、闪存、只读存储器、可编程只读存储器、非易失性存储器或寄存器等。处理器可以是中央处理器（Central Processing Unit，CPU）等。或者是图像处理器(Graphic Processing Unit,GPU)存储器可以存储可执行指令。处理器可以执行在存储器中存储的可执行指令，从而实现本文描述的各个过程。
可以理解，本实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是ROM (Read-OnlyMemory，只读存储器)、PROM (ProgrammableROM，可编程只读存储器)、EPROM (ErasablePROM，可擦除可编程只读存储器)、EEPROM (ElectricallyEPROM，电可擦除可编程只读存储器)或闪存。易失性存储器可以是RAM (RandomAccessMemory，随机存取存储器)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如SRAM (StaticRAM，静态随机存取存储器)、DRAM (DynamicRAM，动态随机存取存储器)、SDRAM (SynchronousDRAM，同步动态随机存取存储器)、DDRSDRAM (DoubleDataRate SDRAM，双倍数据速率同步动态随机存取存储器)、ESDRAM (Enhanced SDRAM，增强型同步动态随机存取存储器)、SLDRAM(SynchlinkDRAM，同步连接动态随机存取存储器)和DRRAM (DirectRambusRAM，直接内存总线随机存取存储器)。本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器存储了如下的元素，升级包、可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。
在本发明实施例中，处理器通过调用存储器存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器用于执行第二方面所提供的方法步骤。
第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。
此外，在第五方面，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明第二方面的方法的步骤。
例如，机器可读存储介质可以包括但不限于各种已知和未知类型的非易失性存储器。
第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。
本领域技术人员可以明白的是，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、或者软件和电子硬件的结合来实现。这些功能是以硬件还是软件方式来实现，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以针对每个特定的应用，使用不同的方式来实现所描述的功能，但是这种实现并不应认为超出本申请的范围。
在本申请实施例中，所公开的系统、装置和方法可以通过其它方式来实现。例如，单元的划分仅仅为一种逻辑功能划分，在实际实现时还可以有另外的划分方式。例如，多个单元或组件可以进行组合或者可以集成到另一个系统中。另外，各个单元之间的耦合可以是直接耦合或间接耦合。另外，在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是单独的物理存在等等。
应理解，在本申请的各种实施例中，各过程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，而不应对本申请的实施例的实施过程构成任何限定。
所述功能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，可以存储在机器可读存储介质中。因此，本申请的技术方案可以以软件产品的形式来体现，该软件产品可以存储在机器可读存储介质中，其可以包括若干指令用以使得电子设备执行本申请实施例所描述的技术方案的全部或部分过程。上述存储介质可以包括ROM、RAM、可移动盘、硬盘、磁盘或者光盘等各种可以存储程序代码的介质。
以上内容仅为本申请的具体实施方式，本申请的保护范围并不局限于此。本领域技术人员在本申请所公开的技术范围内可以进行变化或替换，这些变化或替换都应当在本申请的保护范围之内。
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，确定所述待检测图像中的至少一个第一关键子区域；
提取所述第一关键子区域的特征数据；
获取数据库中至少一个图像，并获取所述图像的至少一个第二关键子区域；
提取所述第二关键子区域的特征数据；
根据所述第一关键子区域的特征数据和所述第二关键子区域的特征数据获取所述第一关键子区域和所述第二关键子区域的特征距离；
根据所述特征距离确定所述待检测图像和所述数据库图像的相似度。
2.根据权利要求1所述的方法，其特征在于，所述确定待检测图像中的至少一个第一关键子区域的方式为以下方式中的一种或多种：
通过选择性搜索获取所述待检测图像中的至少一个第一关键子区域；或
通过目标检测算法获取所述待检测图像中的至少一个第一关键子区域；或
通过人工选取获取所述待检测图像中的至少一个第一关键子区域。
3.根据权利要求2所述的方法，其特征在于，所述目标检测算法为SSD算法。
4.根据权利要求2所述的方法，其特征在于，
获取所述第二关键子区域的方式与获取所述第一关键子区域的方式相同。
5.根据权利要求1所述的方法，其特征在于，还包括以下一种或组合：
在所述待检测图像中确定并过滤质量不符合预设要求的区域；
在所述至少一个第一关键子区域中确定并过滤质量不符合预设要求的子区域；
在所述至少一个第二关键子区域中确定并过滤质量不符合预设要求的子区域。
6.根据权利要求1所述的方法，其特征在于，根据所述特征距离确定所述待检测图像和所述数据库图像的相似度，包括：
根据所述特征距离确定所述待检测图像和数据库图像中相互匹配的关键子区域的数目；
获取所述相匹配的关键子区域的特征距离平均值；
根据所述相互匹配的关键子区域的数目和所述特征距离平均值确定所述待检测图像和所述数据库图像的相似度。
7.一种图像检测装置，其特征在于，包括：
第一关键子区域获取模块，用于获取待检测图像，确定所述待检测图像中的至少一个第一关键子区域；
第一特征数据提取模块，用于提取所述第一关键子区域的特征数据；
第二关键子区域获取模块，用于获取数据库中至少一个图像，并获取所述图像的至少一个第二关键子区域；
第二特征数据提取模块，用于提取所述第二关键子区域的特征数据；
特征距离获取模块，用于根据所述第一特征数据提取模块提取的第一关键子区域特征数据和所述第二特征数据提取模块提取的第二关键子区域的特征数据获取所述第一关键子区域和所述第二关键子区域的特征距离；
相似度确定模块，用于根据所述特征距离确定所述待检测图像和所述数据库图像的相似度。
8.一种图像检测装置，包括：
至少一个处理器；
与所述至少一个处理器耦合的存储器，所述存储器存储有可执行指令，其中，所述可执行指令在被所述至少一个处理器执行时使得实现根据权利要求1至6中任一项所述的方法。
9.一种芯片，其特征在于，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行：如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010004170.2A CN113077410A (zh) | 2020-01-03 | 2020-01-03 | 图像检测方法、装置方法、芯片及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010004170.2A CN113077410A (zh) | 2020-01-03 | 2020-01-03 | 图像检测方法、装置方法、芯片及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113077410A true CN113077410A (zh) | 2021-07-06 |
Family
ID=76608429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010004170.2A Pending CN113077410A (zh) | 2020-01-03 | 2020-01-03 | 图像检测方法、装置方法、芯片及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113077410A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024036515A1 (zh) * | 2022-08-17 | 2024-02-22 | 京东方科技集团股份有限公司 | 距离测量方法与距离测量装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012079186A (ja) * | 2010-10-05 | 2012-04-19 | Yahoo Japan Corp | 画像検索装置、画像検索方法及びプログラム |
| CN102521838A (zh) * | 2011-12-19 | 2012-06-27 | 国家计算机网络与信息安全管理中心 | 一种图像检索/匹配方法及系统 |
| CN104123713A (zh) * | 2013-04-26 | 2014-10-29 | 富士通株式会社 | 多图像联合分割方法和装置 |
| CN105069144A (zh) * | 2015-08-20 | 2015-11-18 | 华南理工大学 | 一种搜索相似图片的方法 |
| CN108491498A (zh) * | 2018-03-20 | 2018-09-04 | 山东神博数字技术有限公司 | 一种基于多特征检测的卡口图像目标搜索方法 |
| CN108920580A (zh) * | 2018-06-25 | 2018-11-30 | 腾讯科技（深圳）有限公司 | 图像匹配方法、装置、存储介质及终端 |
| CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
| CN110297929A (zh) * | 2019-06-14 | 2019-10-01 | 北京达佳互联信息技术有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
-
2020
- 2020-01-03 CN CN202010004170.2A patent/CN113077410A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012079186A (ja) * | 2010-10-05 | 2012-04-19 | Yahoo Japan Corp | 画像検索装置、画像検索方法及びプログラム |
| CN102521838A (zh) * | 2011-12-19 | 2012-06-27 | 国家计算机网络与信息安全管理中心 | 一种图像检索/匹配方法及系统 |
| CN104123713A (zh) * | 2013-04-26 | 2014-10-29 | 富士通株式会社 | 多图像联合分割方法和装置 |
| CN105069144A (zh) * | 2015-08-20 | 2015-11-18 | 华南理工大学 | 一种搜索相似图片的方法 |
| CN108491498A (zh) * | 2018-03-20 | 2018-09-04 | 山东神博数字技术有限公司 | 一种基于多特征检测的卡口图像目标搜索方法 |
| CN108920580A (zh) * | 2018-06-25 | 2018-11-30 | 腾讯科技（深圳）有限公司 | 图像匹配方法、装置、存储介质及终端 |
| CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
| CN110297929A (zh) * | 2019-06-14 | 2019-10-01 | 北京达佳互联信息技术有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024036515A1 (zh) * | 2022-08-17 | 2024-02-22 | 京东方科技集团股份有限公司 | 距离测量方法与距离测量装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Babu et al. | Efficient detection of copy-move forgery using polar complex exponential transform and gradient direction pattern | |
| EP2294531B1 (en) | Scale robust feature-based identifiers for image identification | |
| JP4545641B2 (ja) | 類似画像検索方法，類似画像検索システム，類似画像検索プログラム及び記録媒体 | |
| JP2014029732A (ja) | 画像の検索および読み出しに関する基準を用いて画像内容の描写を生成する方法 | |
| US8027978B2 (en) | Image search method, apparatus, and program | |
| CN111783805A (zh) | 图像检索方法及装置、电子设备、可读存储介质 | |
| Park et al. | Fast and robust copy-move forgery detection based on scale-space representation | |
| Warif et al. | CMF-iteMS: An automatic threshold selection for detection of copy-move forgery | |
| CN100397400C (zh) | 图形检索的方法 | |
| CN110738222B (zh) | 图像匹配方法、装置、计算机设备和存储介质 | |
| CN108694411B (zh) | 一种识别相似图像的方法 | |
| CN114443880A (zh) | 一种装配式建筑的大样图审图方法及审图系统 | |
| Nawaz et al. | Image authenticity detection using DWT and circular block-based LTrP features | |
| CN113077410A (zh) | 图像检测方法、装置方法、芯片及计算机可读存储介质 | |
| Vinay et al. | A double filtered GIST descriptor for face recognition | |
| CN109213515B (zh) | 多平台下埋点归一方法及装置和电子设备 | |
| CN111461905A (zh) | 车险骗赔规避方法、装置、计算机设备及存储介质 | |
| CN109101973B (zh) | 文字识别方法、电子设备、存储介质 | |
| CN116311391A (zh) | 一种高低精度混合的多维度特征融合指纹检索方法 | |
| CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| JP2002183732A (ja) | パターン認識方法及びパターン認識を行わせるプログラムを記憶したコンピュータ読み取り可能な記憶媒体 | |
| KR101800975B1 (ko) | 필기체가 인식되어 생성된 전자문서의 공유 방법 및 그 장치 | |
| Rahma et al. | The using of Gaussian pyramid decomposition, compact watershed segmentation masking and DBSCAN in copy-move forgery detection with SIFT | |
| CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
| CN113536017A (zh) | 一种图像检索方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |