CN113792661B - 图像检测方法、装置、电子设备以及存储介质 - Google Patents
图像检测方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113792661B CN113792661B CN202111080902.7A CN202111080902A CN113792661B CN 113792661 B CN113792661 B CN 113792661B CN 202111080902 A CN202111080902 A CN 202111080902A CN 113792661 B CN113792661 B CN 113792661B
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- detected
- condition
- target preset
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 543
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000007499 fusion processing Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Abstract
本公开涉及计算机视觉技术领域,具体涉及一种图像检测方法、装置、电子设备以及存储介质。一种图像检测方法,包括:获取待检测图像;对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定。本公开实施方式中,基于多个检测标准融合对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强,提高模型部署效率。
Description
技术领域
本公开涉及计算机视觉技术领域,具体涉及一种图像检测方法、装置、电子设备以及存储介质。
背景技术
图像质量检测是人脸识别领域的重要研究方向之一,图像质量检测规范化了人脸图像的入库标准,为后续的人脸识别业务提供较为准确的参考图像。但是,相关技术中的质量检测模型,对于具有不同入库标准的差异化场景部署效率和鲁棒性较差。
发明内容
为提高检测模型部署效率和鲁棒性,本公开实施方式提供了一种图像检测方法、装置、电子设备以及存储介质。
第一方面,本公开实施方式提供了一种图像检测方法,包括:
获取待检测图像;
对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定。
在一些实施方式中,确定所述目标预设条件的过程包括:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件。
在一些实施方式中,所述根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件,包括:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到所述目标预设条件包括的检测类型;
对于所述目标预设条件包括的每一个检测类型,基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,所述基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件,包括:
获取所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件;
根据所述各个检测条件取交集,得到所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,确定待检测图像满足目标预设条件的过程,包括:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型均满足对应的检测条件,确定所述待检测图像满足所述目标预设条件;和/或,
响应于根据所述图像特征确定至少一个所述检测类型不满足对应的检测条件,确定所述待检测图像不满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,获取所述待检测图像的过程包括:
接收通过显示界面上传的所述待检测图像;
所述方法还包括:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,包括:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件不满足检测条件的检测类型;
根据所述不满足检测条件的检测类型确定所述提示信息。
在一些实施方式中,所述对所述待检测图像进行入库处理包括:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
第二方面,本公开实施方式提供了一种图像检测装置,包括:
获取模块,被配置为获取待检测图像;
检测模块,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定。
在一些实施方式中,本公开所述的图像检测装置,还包括条件确定模块,所述条件确定模块被配置为:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件。
在一些实施方式中,所述条件确定模块具体被配置为:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到所述目标预设条件包括的检测类型;
对于所述目标预设条件包括的每一个检测类型,基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,所述条件确定模块具体被配置为:
获取所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件;
根据所述各个检测条件取交集,得到所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,所述检测模块具体被配置为:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型均满足对应的检测条件,确定所述待检测图像满足所述目标预设条件;和/或,
响应于根据所述图像特征确定至少一个所述检测类型不满足对应的检测条件,确定所述待检测图像不满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,所述获取模块具体被配置为:
接收通过显示界面上传的所述待检测图像。
在一些实施方式中,所述检测模块还被配置为:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述检测模块具体被配置为:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件不满足检测条件的检测类型;
根据所述不满足检测条件的检测类型确定所述提示信息。
在一些实施方式中,所述检测模块具体被配置为:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
第三方面,本公开实施方式提供了一种电子设备,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行第一方面任一实施方式所述的方法。
第四方面,本公开实施方式提供了一种存储介质,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行第一方面任一实施方式所述的方法。
本公开实施方式的图像检测方法,包括获取检测图像,对待检测图像进行图像检测,响应于待检测图像满足目标预设条件,对待检测图像进行入库处理,其中,目标预设条件基于至少两个预设图像检测标准确定。本公开实施方式中,基于多个检测标准融合对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本公开的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本公开一些实施方式中图像检测方法的流程图。
图2是根据本公开一些实施方式中图像检测方法的流程图。
图3是根据本公开一些实施方式中图像检测方法的流程图。
图4是根据本公开一些实施方式中图像检测方法的流程图。
图5是根据本公开一些实施方式中图像检测方法的流程图。
图6是根据本公开一些实施方式中图像检测系统的结构示意图。
图7是根据本公开一些实施方式中客户端显示界面的示意图。
图8是根据本公开一些实施方式中图像检测方法的流程图。
图9是根据本公开一些实施方式中客户端显示界面的示意图。
图10是根据本公开一些实施方式中图像检测方法的流程图。
图11是根据本公开一些实施方式中图像检测方法的流程图。
图12是根据本公开一些实施方式中图像检测装置的结构框图。
图13是适于实现本公开图像检测方法的电子设备的结构框图。
具体实施方式
下面将结合附图对本公开的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本公开一部分实施方式,而不是全部的实施方式。基于本公开中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本公开保护的范围。此外,下面所描述的本公开不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图像质量检测是计算机视觉(Computer Vision,CV)以及人脸识别领域的重要研究方向之一。以人脸识别为例,用户入库图像的标准与后续识别业务的精度强相关,因此,对入库图像的人脸质量检测规范化了入库标准,提高人脸识别业务的精度。
但是,检测对象往往会受到各种因素影响存在较大的差异,以人脸识别场景为例,不同国家或地域范围人种的面部特征及五官特点具有较大差异,若采用同一个检测标准来训练质量检测模型,将会导致模型难以满足不同地域范围的实际场景需求。而若是利用不同的地域范围样本来分别训练质量检测模型,当需要将质量检测模型移植到不同地域范围使用时,需要重新训练模型,无疑增大了模型训练的工作量,降低模型部署效率。
正是基于上述存在的缺陷,本公开实施方式提供了一种图像检测方法、装置、电子设备以及存储介质,旨在适用于不同地域范围需求的图像质量检测,在满足各地域范围需求的同时无需重新训练检测模型,提高质量检测模型的效率及鲁棒性。
第一方面,本公开实施方式提供了一种图像检测方法,该方法可应用于电子设备。本公开实施方式中,对于电子设备的类型不作限制,其可以是例如计算机、服务器、移动终端、穿戴设备等任何适于实施的设备类型。
如图1所示,在一些实施方式中,本公开示例的图像检测方法,包括:
S110、获取待检测图像。
S120、对待检测图像进行图像检测,响应于待检测图像满足目标预设条件,对待检测图像进行入库处理。
具体而言,在本公开实施方式中,待检测图像表示需要进行质量检测以确定是否符合入库标准的图像。
在一些实施方式中,待检测图像可以是由用户通过客户端上传的人脸图像。在另一些实施方式中,待检测图像也可以是由图像采集设备主动采集的图像。本公开对此不作限制。
目标预设条件表示对待检测图像进行质量检测的判断条件。当待检测图像满足目标预设条件,表示待检测图像满足入库标准,从而对待检测图像进行入库处理。当待检测图像不满足目标预设条件,表示待检测图像不满足入库标准。
在本公开实施方式中,需要基于至少两个预设图像检测标准确定用于对待检测图像进行质量检测的目标预设条件。
预设图像检测标准表示预先设置的对图像进行质量检测的检测条件。可以理解,预设图像检测标准可以是基于先验知识或者通过网络等渠道获取的不同领域中对图像进行质量检测的检测标准。在一些实施方式中,预设图像检测标准可以是不同地域范围的照片入库标准。
以人脸识别场景为例,在一个示例中,不同国家或地域范围对于护照照片入库均有多维度的要求,而且每个国家或地域范围的要求往往更符合本国家或地域范围人种的面部和五官特征。因此,在一些实施方式中,每个国家或地域范围的护照照片的检测标准即可以作为本公开实施方式所述的预设图像检测标准。
在另一个示例中,社保局等单位对于公民的照片入库也具有多维度的要求,因此社保照片的入库标准即可以作为本公开实施方式所述的预设图像检测标准。
在又一个示例中,金融等高风险业务对于用户照片的入库也具有多维度的要求,因此高风险业务中对于用户照片的检测标准即可以作为本公开实施方式所述的预设图像检测标准。
可以理解,本公开实施方式所述的预设图像检测标准并不局限于上述示例,其还可以包括其他任何适于实施的图像检测标准,本公开对此不作限制。
本公开实施方式中,目标预设条件基于至少两个预设图像检测标准确定。在一些实施方式中,至少两个预设图像检测标准可以基于不同地域范围内的检测标准得到,例如基于A国家护照照片检测标准和B国家护照照片检测标准得到。在另一些实施方式中,至少两个预设图像检测标准可以基于同一地域范围内不同领域的检测标准得到,例如基于A国家社保照片的检测标准和A国家金融业务照片的检测标准得到。在又一些实施方式中,至少两个预设图像检测标准可以基于不同地域范围且不同领域的检测标准得到,例如基于A国家护照照片的检测标准和B国家金融业务照片的检测标准得到。本公开对此不作限制。
可以理解,本公开实施方式中,对于预设图像检测标准的具体类型和数量不作限制,并不局限于上述示例所述。
在本公开实施方式中,基于至少两个预设图像检测标准确定目标预设条件,从而可以融合不同检测标准之间的共性以及差异,对待检测图像进行综合处理,使得质量检测模型适用于各种具有差异性的场景。
例如一个示例中,可基于A国家、B国家以及C国家的预设图像检测标准确定目标预设条件,从而质量检测模型可基于不同国家检测标准的共性及差异,学习不同地域范围人种的特征,使得质量检测模型适用于不同地域范围的场景。
本公开实施方式中,基于至少两个预设图像检测标准确定目标预设条件的具体过程在下文中进行具体说明,在此暂不详述。
通过上述可知,本公开实施方式中,通过多个预设图像检测标准确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,基于多个检测标准融合对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。
如图2所示,在一些实施方式中,本公开示例的图像检测方法,基于至少两个预设图像检测标准确定目标预设条件的过程包括:
S210、获取至少两个预设图像检测标准。
S220、根据至少两个预设图像检测标准包括的检测类型和检测条件,确定目标预设条件。
具体而言,基于前述可知,预设图像检测标准表示对检测目标进行多维度检测的条件,因此每个预设图像检测标准包括多个检测类型。
检测类型表示对待检测图像进行检测的多个检测维度。例如一些实施方式中,以人脸识别场景为例,检测维度可以包括以下几个方面:图像中是否有人脸、人脸范围占比、人脸遮挡情况、人脸转动角度、人脸五官等,通过综合这些维度,可以构建出相对应的多个检测类型,例如:人脸轮廓、人脸占比、人脸遮挡、人脸角度、五官轮廓等。
另外,每个检测类型具有相对应的检测条件,检测条件表示检测类型是否检测通过的判断条件。在一个示例中,检测类型以“人脸占比”为例,其对应的检测条件可以是“人脸占比不低于35%”,当待检测图像中人脸占比低于35%,表示人脸占比检测不通过,反之则表示人脸占比检测通过。在另一个示例中,检测类型以“人脸角度”为例,其对应的检测条件可以是“人脸偏转角不超过15°”,当待检测图像中人脸偏转角超过15°,表示人脸角度检测不通过,反之则表示人脸角度检测通过。本领域技术人员对此可以理解,本公开不再赘述。
每个预设图像检测标准包括多个检测类型,每个检测类型对应有检测条件。在本公开实施方式中,根据多个预设图像检测标准包括的检测类型和检测条件,确定对待检测图像进行质量检测的目标预设条件。下面结合图3进行说明。
如图3所示,在一些实施方式中,本公开示例的图像检测方法,确定目标预设条件的过程包括:
S221、获取每个预设图像检测标准包括的检测类型和检测条件。
S222、对至少两个预设图像检测标准的检测类型进行融合处理,得到目标预设条件包括的检测类型。
S223、对于目标预设条件包括的每一个检测类型,基于该检测类型在至少两个预设图像检测标准中对应的各个检测条件,确定该检测类型在目标预设条件中对应的检测条件。
具体而言,每个预设图像检测标准包括多个检测类型,每个检测类型对应有检测条件,首先可根据多个预设图像检测标准包括的检测类型确定目标预设条件包括的检测类型。
在一些实施方式中,可基于多个预设图像检测标准的检测类型进行并集处理,将并集集合中包括的检测类型作为目标预设条件包括的检测类型。
在一个示例中,共包括3个预设图像检测标准,预设图像检测标准具体可如下表一所示:
表一
从而可对3个预设图像检测标准所包括的检测类型并集处理,得到目标预设条件所包括的检测类型为:{检测类型A,检测类型B,检测类型C,检测类型D,检测类型E,检测类型F}。
在确定目标预设条件包括的检测类型之后,可基于各个预设图像检测标准中对应的检测条件确定目标预设条件中的检测条件。
如图4所示,在一些实施方式中,本公开示例的图像检测方法,确定目标预设条件中的检测条件的过程包括:
S410、获取检测类型在至少两个预设图像检测标准中对应的各个检测条件。
S420、根据各个检测条件取交集,得到检测类型在目标预设条件中对应的检测条件。
举例来说,如上表一种所示,检测标准1和检测标准2中均包括检测类型A,但是两个检测标准中,检测类型A所对应的检测条件可能是不相同的,因此可基于检测类型A在检测类型1和检测类型2中的检测条件,来确定检测类型A在目标预设条件中的检测条件。
在一些实施方式中,以人脸识别场景为例,预设图像检测标准为A国家护照照片检测标准(检测标准1)和B国家护照照片检测标准(检测标准2),其具体检测类型和检测条件可如下表二所示:
表二
如上表二所示,根据检测标准1和检测标准2对检测类型并集处理之后,可以得到目标预设条件所包括的检测类型为:{图像尺寸,人脸占比,人脸角度,人脸遮挡}。
其中,检测标准1和检测标准2的检测类型中均包括“图像尺寸”和“人脸占比”。对于图像尺寸,其在检测标准1中对应的检测条件为“图像尺寸不超过3.5cm*3.5cm”,而其在检测标准2中对应的检测条件为“图像尺寸不小于2cm*2cm,且不超过5cm*5cm”。从而,可综合各个检测标准中的检测条件,例如对各个检测条件取交集,确定图像尺寸在目标预设条件中对应的检测条件为“图像尺寸不小于2cm*2cm,且不超过3.5cm*3.5cm”,使其可以同时满足不同检测标准。
对于人脸占比,其在检测标准1中对应的检测条件为“人脸占比不低于50%”,而其在检测标准2中对应的检测条件为“人脸占比不低于65%”。从而,可综合各个检测标准中的检测条件,例如对各个检测条件取交集,确定人脸占比在目标预设条件中对应的检测条件为“人脸占比不低于65%”,使其可以同时满足不同检测标准。
另外,对于“人脸角度”和“人脸遮挡”的检测类型,由于仅存在于其中一个检测标准中,在目标预设条件中的检测条件与原先的检测条件相同即可。例如表二示例中,目标预设条件中人脸角度对应的检测条件即可为“人脸角度偏转不超过15°”,人脸遮挡对应的检测条件即可为“人脸遮挡不超过15%”。
可以理解,上述示例中仅以其中几个检测类型和检测条件为例进行说明,在其他实施方式中,检测类型及其对应的检测条件还可以是其他任何适于实施的方式,并不局限于上述示例。例如在一些实施方式中,以人脸图像的质量检测场景为例,检测类型可以包括以下至少之一:
1)图像尺寸。表示图像的大小,例如2.5cm*3.5cm。
2)人脸占比。表示图像中人脸范围占整个图像的比值大小,例如35%、50%、80%等。
3)人脸位置。表示图像中人脸范围在整个图像的位置,例如居中、偏左、偏右等。
4)人脸角度。表示图像中人脸的偏转情况,包括俯仰角、偏转角以及航向角的偏转角度。
5)人脸亮度。表示图像中人脸的亮度值。
6)人脸锐度。表示图像中人脸的清晰度。
7)嘴部开合程度。表示图像中人脸嘴部的开合大小。
8)人脸五官轮廓。表示图像中人脸五官的遮挡情况,是否可以捕捉到五官关键点,以及五官关键点数量等。
值得说明的是,上述检测类型和对应的检测条件仅作为本公开示例性的实施方式,在其他实施方式中,检测类型还可以包括其他的类型,并且检测类型所对应的具体检测条件本领域技术人员可以根据具体场景需求设置,本公开对此不再赘述。
通过上述可知,本公开实施方式中,根据多个预设图像检测标准的检测类型和检测条件确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。
在确定各个检测类型以及对应的检测条件之后,也即得到对待检测图像进行质量检测的目标预设条件,利用目标预设条件对待检测图像进行质量检测。下面结合图5进行具体说明。
如图5所示,在一些实施方式中,本公开示例的图像检测方法中,确定待检测图像是否满足目标预设条件的过程包括:
S510、对待检测图像进行特征提取,得到目标预设条件包括的每个检测类型对应的图像特征。
S520、响应于根据图像特征确定每个检测类型均满足对应的检测条件,确定待检测图像满足目标预设条件。
S530、响应于根据图像特征确定至少一个检测类型不满足对应的检测条件,确定待检测图像不满足目标预设条件。
具体而言,基于前述实施方式可得到目标预设条件包括的检测类型以及每个检测类型对应的检测条件,在对待处理图像进行图像检测时,可根据各个检测类型对待检测图像进行特征提取,从而得到每个检测类型对应的图像特征。
在一个示例中,检测类型以图像尺寸为例,通过对待检测图像进行处理,得到待检测图像的尺寸大小,该尺寸大小即为与图像尺寸对应的图像特征。
在一个示例中,检测类型以人脸角度为例,基于人脸识别技术对待检测图像中的人脸范围进行特征提取,确定人脸偏转角度,该偏转角度即为与人脸角度对应的图像特征。
在一个示例中,检测类型以人脸占比为例,基于人脸识别技术对待检测图像中的人脸范围进行特征提取,确定人脸占比大小,该人脸占比大小即为与人脸占比对应的图像特征。
换言之,图像特征指对检测类型对应的相关参数,本领域技术人员对此可以理解并充分实施,本公开不再赘述枚举。
对于每个检测类型,在得到对应的图像特征之后,即可根据该图像特征确定是否满足检测类型对应的检测条件。
在一个示例中,检测类型以图像尺寸为例,检测条件为“图像尺寸不超过2.5cm*3.5cm”。通过对待检测图像进行特征提取,若得到待检测图像的图像特征为“图像尺寸大小为3.5cm*3.5cm”,从而确定待检测图像的图像尺寸检测未通过。若得到待检测图像的图像特征为“图像尺寸大小为2cm*2cm”,从而确定待检测图像的图像尺寸检测通过。
在一个示例中,检测类型以人脸占比为例,检测条件为“人脸占比不低于50%”。通过对待检测图像进行特征提取,若得到待检测图像的图像特征为“人脸占比为38%”,从而确定待检测图像的人脸占比检测未通过。若得到待检测图像的图像特征为“人脸占比为65%”,从而确定待检测图像的人脸占比检测通过。
通过上述示例的过程,可依次对目标预设条件包括的各个检测类型进行判断。若目标预设条件包括的每个检测类型,其图像特征均满足检测条件,则确定待检测图像满足目标预设条件,可以入库。反之,若某个检测类型,其图像特征不满足检测条件,表示待检测图像不满足目标预设条件,无法入库。
在一些实施方式中,在确定待检测图像不满足目标预设条件的情况下,还可生成对应的提示信息,以告知用户对待检测图像进行调整。本公开下文实施方式中进行具体说明,在此暂不详述。
通过上述可知,本公开实施方式中,根据多个预设图像检测标准的检测类型和检测条件确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。
图6示出了本公开一些实施方式中图像检测系统的示意图。如图6所示,系统包括服务器100和客户端200,本公开上述质量检测模型可以部署于服务器100中,服务器100可通过无线或者有线通信的方式与各个客户端200建立通信连接。
在一些实施方式中,本公开示例中的待检测图像可以是由客户端200上传的图像。
具体来说,客户端200可以是计算机或者移动终端等设备,客户端200具有显示屏,从而显示屏上可输出显示界面。显示界面如图7所示,客户端200的用户可通过显示界面上的“上传图像”按钮添加待检测图像,在用户添加完成之后,客户端200可将用户添加的待检测图像发送至服务器100。
在一些实施方式中,服务器100在获取到待检测图像之后,可利用人脸检测模型对待检测图像进行图像检测,提取待检测图像中的有效人脸区域,作为后续特征提取的基础图像。
在一些实施方式中,本公开实施方式的图像检测方法还包括:
响应于待检测图像不满足目标预设条件,生成对应的提示信息,并通过显示界面输出所述提示信息。
具体而言,结合前述可知,当待检测图像的某项检测类型检测未通过,可生成对应的提示信息,并通过显示界面输出该提示信息。从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整,从而上传符合预设条件的待检测图像。下面结合图7进行具体说明。
如图8所示,在一些实施方式中,本公开示例的图像检测方法中,生成提示信息的过程包括:
S810、响应于待检测图像不满足目标预设条件,获取目标预设条件中不满足检测条件的检测类型。
S820、根据不满足检测条件的检测类型确定提示信息。
具体来说,结合前述图5实施方式,在待检测图像不满足目标预设条件的情况下,表示至少一个检测类型检测未通过,从而可以获取所有检测未通过的检测类型,然后根据检测未通过的检测类型确定提示信息。
在一个示例中,假设待检测图像的图像尺寸过大导致图像尺寸检测未通过,并且人脸占比较小导致人脸占比检测未通过。从而可以根据该两项检测未通过的检测类型,确定提示信息为“图像尺寸过大,请上传不超过2.5cm*3.5cm的图像;图像人脸占比过小,请上传人脸占比不低于65%的图像”,例如图9中所示。
通过上述可知,本公开实施方式中,在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
如图10所示,在一些实施方式中,本公开示例的图像检测方法,对待检测图像进行入库处理的过程包括:
S1010、根据待检测图像以及与待检测图像对应的用户信息确定用户数据。
S1020、将用户数据保存在数据库中。
具体来说,在确定待检测图像满足目标预设条件的情况下,表示待检测图像符合入库要求,此时可获取与待检测图像对应的用户信息。用户信息表示上传待检测图像的用户标识,例如用户ID(Identity document,身份标识号)等。
在得到用户信息之后,可将用户信息与待检测图像打包作为该用户的用户数据,并将用户数据保存在数据库中,作为下游识别任务的参考图像数据。
如图11所示,在一些实施方式中,本公开示例的图像检测方法包括:
S1110、获取至少两个不同地域范围的护照照片的检测标准,根据检测标准包括的检测类型和检测条件,确定目标预设条件。
在一些实施方式中,检测系统可以通过网络端口来获取不同地域范围的护照申请平台对于护照照片的检测标准。
例如,可以根据多个国家的护照照片的检测条件要求,基于检测条件的共性和差异确定对待检测图像进行质量检测的目标预设条件。本领域技术人员参照前述可以理解并充分实施,在此不再赘述。
S1120、接收客户端发送的待检测图像,并对待检测图像进行特征提取,得到目标预设条件包括的每个检测类型对应的图像特征。
具体而言,如图6所示,用户可通过客户端200上传待检测图像,从而服务器100端可以接收到客户端发送的待检测图像。服务器基于前述图5实施方式对待检测图像进行特征提取,得到目标预设条件中每个检测类型对应的图像特征。
S1130、响应于根据图像特征确定每个检测类型均满足对应的检测条件,确定待检测图像满足所述目标预设条件。
具体而言,可基于前述图5实施方式分别确定每个检测类型是否检测通过,若每个检测类型均检测通过,确定待检测图像满足目标预设条件,执行步骤S1140。
S1140、对所述待检测图像进行入库处理。
具体而言,可参照前述图10实施方式所示,对待检测图像进行入库处理,对此不再赘述。
S1150、响应于根据图像特征确定至少一个检测类型不满足对应的检测条件,确定待检测图像不满足目标预设条件。
具体而言,可基于前述图5实施方式分别确定每个检测类型是否检测通过,若存在某个检测类型检测未通过,确定待检测图像不满足目标预设条件,执行步骤S1160。
S1160、生成并输出提示信息。
具体而言,可基于前述图8实施方式生成提示信息,并将提示信息在客户端200的显示界面上输出,以提示用户修改待检测图像后重新上传。
通过上述可知,本公开实施方式中,根据多个预设图像检测标准的检测类型和检测条件确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
第二方面,本公开实施方式提供了一种图像检测装置,该装置可应用于电子设备。本公开实施方式中,对于电子设备的类型不作限制,其可以是例如计算机、服务器、移动终端、穿戴设备等任何适于实施的设备类型。
如图12所示,在一些实施方式中,本公开示例的图像检测装置,包括:
获取模块10,被配置为获取待检测图像;
检测模块20,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定。
通过上述可知,本公开实施方式中,通过多个预设图像检测标准确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,基于多个检测标准融合对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。
在一些实施方式中,本公开所述的图像检测装置,还包括条件确定模块,所述条件确定模块被配置为:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件。
在一些实施方式中,所述条件确定模块具体被配置为:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到所述目标预设条件包括的检测类型;
对于所述目标预设条件包括的每一个检测类型,基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,所述条件确定模块具体被配置为:
获取所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件;
根据所述各个检测条件取交集,得到所述检测类型在所述目标预设条件中对应的检测条件。
在一些实施方式中,所述检测模块20具体被配置为:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型均满足对应的检测条件,确定所述待检测图像满足所述目标预设条件;和/或,
响应于根据所述图像特征确定至少一个所述检测类型不满足对应的检测条件,确定所述待检测图像不满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,所述获取模块10具体被配置为:
接收通过显示界面上传的所述待检测图像。
在一些实施方式中,所述检测模块20还被配置为:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述检测模块20具体被配置为:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件不满足检测条件的检测类型;
根据所述不满足检测条件的检测类型确定所述提示信息。
在一些实施方式中,所述检测模块20具体被配置为:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
通过上述可知,本公开实施方式中,根据多个预设图像检测标准的检测类型和检测条件确定目标预设条件,利用目标预设条件对待检测图像进行质量检测,使得质量检测模型适用于各种差异化场景,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时无需重新进行模型训练,提高模型部署效率。在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
第三方面,本公开实施方式提供了一种电子设备,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行上述任一实施方式所述的方法。
第四方面,本公开实施方式提供了一种存储介质,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行上述任一实施方式所述的方法。
具体而言,图13示出了适于用来实现本公开方法的电子设备600的结构示意图,通过图13所示电子设备,可实现上述处理器及存储介质相应功能。
如图13所示,电子设备600包括处理器601,其可以根据存储在存储器602中的程序或者从存储部分608加载到存储器602中的程序而执行各种适当的动作和处理。在存储器602中,还存储有电子设备600操作所需的各种程序和数据。处理器601和存储器602通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施方式,上文方法过程可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行上述方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
显然,上述实施方式仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本公开创造的保护范围之中。
Claims (11)
1.一种图像检测方法,其特征在于,包括:
获取待检测图像;
对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定;
确定所述目标预设条件的过程包括:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件;
所述根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件,包括:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到所述目标预设条件包括的检测类型;
对于所述目标预设条件包括的每一个检测类型,基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件。
2.根据权利要求1所述的方法,其特征在于,所述基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件,包括:
获取所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件;
根据所述各个检测条件取交集,得到所述检测类型在所述目标预设条件中对应的检测条件。
3.根据权利要求1所述的方法,其特征在于,确定待检测图像满足目标预设条件的过程,包括:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型均满足对应的检测条件,确定所述待检测图像满足所述目标预设条件;和/或,
响应于根据所述图像特征确定至少一个所述检测类型不满足对应的检测条件,确定所述待检测图像不满足所述目标预设条件。
4.根据权利要求1所述的方法,其特征在于,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
5.根据权利要求1至4任一项所述的方法,其特征在于,
所述预设图像检测标准包括不同地域范围的照片入库标准。
6.根据权利要求1至4任一项所述的方法,其特征在于,获取所述待检测图像的过程包括:
接收通过显示界面上传的所述待检测图像;
所述方法还包括:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
7.根据权利要求6所述的方法,其特征在于,所述响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,包括:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件不满足检测条件的检测类型;
根据所述不满足检测条件的检测类型确定所述提示信息。
8.根据权利要求1至4任一项所述的方法,其特征在于,所述对所述待检测图像进行入库处理包括:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
9.一种图像检测装置,其特征在于,包括:
获取模块,被配置为获取待检测图像;
检测模块,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足目标预设条件,对所述待检测图像进行入库处理;其中,所述目标预设条件基于至少两个预设图像检测标准确定;
条件确定模块,被配置为获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定所述目标预设条件;
所述条件确定模块被配置为:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到所述目标预设条件包括的检测类型;
对于所述目标预设条件包括的每一个检测类型,基于所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件,确定所述检测类型在所述目标预设条件中对应的检测条件。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行根据权利要求1至8任一项所述的方法。
11.一种存储介质,其特征在于,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行根据权利要求1至8任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080902.7A CN113792661B (zh) | 2021-09-15 | 图像检测方法、装置、电子设备以及存储介质 | |
PCT/CN2022/093358 WO2023040314A1 (zh) | 2021-09-15 | 2022-05-17 | 用于图像检测的方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080902.7A CN113792661B (zh) | 2021-09-15 | 图像检测方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792661A CN113792661A (zh) | 2021-12-14 |
CN113792661B true CN113792661B (zh) | 2024-06-11 |
Family
ID=
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101370154A (zh) * | 2008-10-15 | 2009-02-18 | 北京中星微电子有限公司 | 一种图像质量的评测方法及装置 |
CN109671051A (zh) * | 2018-11-15 | 2019-04-23 | 北京市商汤科技开发有限公司 | 图像质量检测模型训练方法及装置、电子设备和存储介质 |
CN110349152A (zh) * | 2019-07-16 | 2019-10-18 | 广州图普网络科技有限公司 | 人脸图像质量检测方法及装置 |
CN110752028A (zh) * | 2019-10-21 | 2020-02-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备以及存储介质 |
CN111738735A (zh) * | 2020-07-23 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法、装置和相关设备 |
CN111783663A (zh) * | 2020-06-30 | 2020-10-16 | 公安部第三研究所 | 一种用于人证核验设备性能检测的算法测评系统及检测方法 |
CN111784774A (zh) * | 2020-07-06 | 2020-10-16 | 北京京东乾石科技有限公司 | 目标检测方法、装置、计算机可读介质及电子设备 |
CN111797915A (zh) * | 2020-06-24 | 2020-10-20 | 奇点汽车研发中心有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN112200804A (zh) * | 2020-11-09 | 2021-01-08 | 北京地平线信息技术有限公司 | 图像检测方法、装置、计算机可读存储介质及电子设备 |
CN113238972A (zh) * | 2021-07-12 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、设备及存储介质 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101370154A (zh) * | 2008-10-15 | 2009-02-18 | 北京中星微电子有限公司 | 一种图像质量的评测方法及装置 |
CN109671051A (zh) * | 2018-11-15 | 2019-04-23 | 北京市商汤科技开发有限公司 | 图像质量检测模型训练方法及装置、电子设备和存储介质 |
CN110349152A (zh) * | 2019-07-16 | 2019-10-18 | 广州图普网络科技有限公司 | 人脸图像质量检测方法及装置 |
CN110752028A (zh) * | 2019-10-21 | 2020-02-04 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、设备以及存储介质 |
CN111797915A (zh) * | 2020-06-24 | 2020-10-20 | 奇点汽车研发中心有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN111783663A (zh) * | 2020-06-30 | 2020-10-16 | 公安部第三研究所 | 一种用于人证核验设备性能检测的算法测评系统及检测方法 |
CN111784774A (zh) * | 2020-07-06 | 2020-10-16 | 北京京东乾石科技有限公司 | 目标检测方法、装置、计算机可读介质及电子设备 |
CN111738735A (zh) * | 2020-07-23 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法、装置和相关设备 |
CN112200804A (zh) * | 2020-11-09 | 2021-01-08 | 北京地平线信息技术有限公司 | 图像检测方法、装置、计算机可读存储介质及电子设备 |
CN113238972A (zh) * | 2021-07-12 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Machine vision quality assessment for robust face detection;Soundararajan, R;Clarivate Analytics Web of Science;第72卷;第92-104页 * |
基于视觉注意机制的图像质量评价;崔力等;东南大学学报(自然科学版);第42卷(第05期);第854-858页 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
TW201911130A (zh) | 一種翻拍影像識別方法及裝置 | |
CN113792662B (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
CN109919244B (zh) | 用于生成场景识别模型的方法和装置 | |
CN110490214B (zh) | 图像的识别方法及系统、存储介质及处理器 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN111985281B (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
EP3783524A1 (en) | Authentication method and apparatus, and electronic device, computer program, and storage medium | |
CN102956029B (zh) | 图像处理装置以及图像处理方法 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
EP3091507A1 (en) | Object recognition apparatus and control method therefor | |
CN111898520A (zh) | 证件真伪识别方法、装置、计算机可读介质及电子设备 | |
CN105678301B (zh) | 一种自动识别并分割文本图像的方法、系统及装置 | |
CN111259792A (zh) | 基于dwt-lbp-dct特征的人脸活体检测方法 | |
CN110572369A (zh) | 图片验证方法、装置、计算机设备及存储介质 | |
CN113792661B (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
CN113011254A (zh) | 一种视频数据处理方法、计算机设备及可读存储介质 | |
CN109919249B (zh) | 用于生成特征图的方法和装置 | |
Bertini et al. | Smartphone verification and user profiles linking across social networks by camera fingerprinting | |
Hadiprakoso | Face anti-spoofing method with blinking eye and hsv texture analysis | |
CN113792661A (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
CN113705666B (zh) | 分割网络训练方法、使用方法、装置、设备及存储介质 | |
CN106469267B (zh) | 一种验证码样本收集方法及系统 | |
CN115269494A (zh) | 数据归档方法及装置 | |
CN108133210B (zh) | 一种图像格式识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |