CN114049341A - 智能图像处理方法及服务器 - Google Patents

Abstract

本公开涉及一种智能图像处理方法及服务器，该方法在实施过程中会注释越来越多基于非异常人脸的显著性评价确定出的初始显著性评价，而且在应对不同场景时，事先采集的初始显著性评价最大可能地可以反映这些人脸的正常显著性，从而根据确定出的辅助显著性评价，可以使得分析目标人脸是否为异常人脸的分析结果更为准确可信。

Description

智能图像处理方法及服务器

技术领域

本申请涉及图像处理技术领域，特别涉及智能图像处理方法及服务器。

背景技术

现目前，科学技术的不断进步使得图像处理的功能越来越完善。即便如此，在实际实施时，发明人仍然发现相关的图像处理技术还存在一些问题，比如难以保障异常人脸的分析结果的准确度和可信度。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种智能图像处理方法及服务器。

本申请提供了一种智能图像处理方法，应用于智能图像处理服务器，所述方法至少包括：

确定目标人脸的第一分布标签和所述目标人脸对应的显著性评价；判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价；

若是，通过事先采集的第一分布标签相匹配的初始显著性评价和所述显著性评价确定用于确定目标人脸是否为异常目标人脸的辅助显著性评价，通过所述辅助显著性评价确定所述目标人脸是否为异常目标人脸，并在目标人脸不为异常目标人脸时，将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像。

优选的，所述确定目标人脸的第一分布标签包括：

获取所述目标人脸在目标区域时所确定的所述目标人脸的第一视觉内容和第二视觉内容；

结合设定的映射列表将所述第一视觉内容中所述目标人脸的第二分布标签进行映射，得到所述第一分布标签，所述映射列表用于将所述第一视觉内容中的分布标签与所述第二视觉内容中的分布标签进行相互映射。

优选的，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；所述确定所述目标人脸对应的显著性评价，包括：通过所述分布情况中各约束区域上的显著性评价确定所述目标人脸对应的显著性评价。

优选的，所述判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价包括：

通过所述第一分布标签确定用于遍历第一分布标签相匹配的初始显著性评价的遍历条件；

判断事先采集的场景图像中是否存在处于所述遍历条件内的目标约束区域对应的初始显著性评价，若是，则确定事先采集的场景图像中存在第一分布标签相匹配的初始显著性评价，否则，确定事先采集的场景图像中不存在第一分布标签相匹配的初始显著性评价。

优选的，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；

将所述显著性评价作为第一分布标签相匹配的初始显著性评价注释至所述场景图像包括：将目标区域中的核心约束区域和所述显著性评价对应注释至所述场景图像；

所述将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像包括：若所述场景图像中不存在所述核心约束区域，将所述核心约束区域和所述辅助显著性评价对应注释至所述场景图像；若所述场景图像中存在所述核心约束区域，当所述核心约束区域对应的初始显著性评价与所述辅助显著性评价不同时，将所述核心约束区域对应的初始显著性评价调整为所述辅助显著性评价。

本申请还提供了一种智能图像处理服务器，包括存储器、处理器和网络模块；其中，所述存储器、所述处理器和所述网络模块之间直接或间接地电性连接；所述处理器通过从所述存储器中读取计算机程序并运行以实现上述方法。

本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述方法。

本申请的实施例提供的技术方案可以包括以下有益效果。

本申请实施例中，可以确定目标人脸的第一分布标签和所述目标人脸对应的显著性评价，显著性评价可以反映目标人脸的显著性，可以判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价，若存在，可以通过事先采集的第一分布标签相匹配的初始显著性评价和所述显著性评价确定辅助显著性评价，通过所述辅助显著性评价确定所述目标人脸是否为异常目标人脸，并在目标人脸不为异常目标人脸时，辅助显著性评价可以反映非异常目标人脸的正常显著性，将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像，该方式中，通过不断实施，会注释越来越多基于非异常人脸的显著性评价确定出的初始显著性评价，而且在应对不同场景时，事先采集的初始显著性评价最大可能地可以反映这些人脸的正常显著性，从而根据确定出的辅助显著性评价，可以使得分析目标人脸是否为异常人脸的分析结果更为准确可信。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。

图1是本申请实施例提供的一种智能图像处理方法的流程图。

图2是本申请实施例提供的一种智能图像处理服务器的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

请结合参阅图1，本申请实施例提供了一种智能图像处理方法的流程示意图，应用于智能图像处理服务器，进一步地，该方法具体可以包括如下步骤S1和步骤S2所记录的内容。

步骤S1、确定目标人脸的第一分布标签和所述目标人脸对应的显著性评价；判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价。

步骤S2、若是，通过事先采集的第一分布标签相匹配的初始显著性评价和所述显著性评价确定用于确定目标人脸是否为异常目标人脸的辅助显著性评价，通过所述辅助显著性评价确定所述目标人脸是否为异常目标人脸，并在目标人脸不为异常目标人脸时，将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像。

在另外的一些实施例中，所述确定目标人脸的第一分布标签包括：获取所述目标人脸在目标区域时所确定的所述目标人脸的第一视觉内容和第二视觉内容；结合设定的映射列表将所述第一视觉内容中所述目标人脸的第二分布标签进行映射，得到所述第一分布标签，所述映射列表用于将所述第一视觉内容中的分布标签与所述第二视觉内容中的分布标签进行相互映射。

在另外的一些实施例中，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；所述确定所述目标人脸对应的显著性评价，包括：通过所述分布情况中各约束区域上的显著性评价确定所述目标人脸对应的显著性评价。

在另外的一些实施例中，所述判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价包括：通过所述第一分布标签确定用于遍历第一分布标签相匹配的初始显著性评价的遍历条件；判断事先采集的场景图像中是否存在处于所述遍历条件内的目标约束区域对应的初始显著性评价，若是，则确定事先采集的场景图像中存在第一分布标签相匹配的初始显著性评价，否则，确定事先采集的场景图像中不存在第一分布标签相匹配的初始显著性评价。

在另外的一些实施例中，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；将所述显著性评价作为第一分布标签相匹配的初始显著性评价注释至所述场景图像包括：将目标区域中的核心约束区域和所述显著性评价对应注释至所述场景图像；所述将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像包括：若所述场景图像中不存在所述核心约束区域，将所述核心约束区域和所述辅助显著性评价对应注释至所述场景图像；若所述场景图像中存在所述核心约束区域，当所述核心约束区域对应的初始显著性评价与所述辅助显著性评价不同时，将所述核心约束区域对应的初始显著性评价调整为所述辅助显著性评价。

综上所述，可以确定目标人脸的第一分布标签和所述目标人脸对应的显著性评价，显著性评价可以反映目标人脸的显著性，可以判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价，若存在，可以通过事先采集的第一分布标签相匹配的初始显著性评价和所述显著性评价确定辅助显著性评价，通过所述辅助显著性评价确定所述目标人脸是否为异常目标人脸，并在目标人脸不为异常目标人脸时，辅助显著性评价可以反映非异常目标人脸的正常显著性，将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像，该方式中，通过不断实施，会注释越来越多基于非异常人脸的显著性评价确定出的初始显著性评价，而且在应对不同场景时，事先采集的初始显著性评价最大可能地可以反映这些人脸的正常显著性，从而根据确定出的辅助显著性评价，可以使得分析目标人脸是否为异常人脸的分析结果更为准确可信。

在上述基础上，请结合参阅图2，本申请还提供了一种智能图像处理服务器20的硬件结构示意图，具体包括存储器21、处理器22、网络模块23和智能图像处理装置。存储器21、处理器22和网络模块23之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器21中存储有智能图像处理装置，所述智能图像处理装置包括至少一个可以软件或固件（firmware）的形式储存于所述存储器21中的软件功能模块，所述处理器22通过运行存储在存储器21内的软件程序以及模块。

其中，所述存储器21可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器21用于存储程序，所述处理器22在接收到执行指令后，执行所述程序。

所述处理器22可能是一种集成电路芯片，具有数据的处理能力。上述的处理器22可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。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。

网络模块23用于通过网络建立一种智能图像处理服务器20与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。因此，对于电子信息技术领域的普通技术人员来说，更为直接和清楚地描述一个技术方案的方式是描述该方案中的各个操作。在知道所要执行的操作的情况下，本领域技术人员可以基于对所述非技术性因素的考虑直接设计出期望的产品。

本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网（LAN）或广域网（WAN）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本申请的各个方面。

这里参照根据本申请实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本申请的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本申请的各实施例，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。本申请的范围由所附权利要求来限定。

Claims (7)

1.一种智能图像处理方法，其特征在于，应用于智能图像处理服务器，所述方法至少包括：

确定目标人脸的第一分布标签和所述目标人脸对应的显著性评价；判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价；

若是，通过事先采集的第一分布标签相匹配的初始显著性评价和所述显著性评价确定用于确定目标人脸是否为异常目标人脸的辅助显著性评价，通过所述辅助显著性评价确定所述目标人脸是否为异常目标人脸，并在目标人脸不为异常目标人脸时，将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像。

2.如权利要求1所述的智能图像处理方法，其特征在于，所述确定目标人脸的第一分布标签包括：

获取所述目标人脸在目标区域时所确定的所述目标人脸的第一视觉内容和第二视觉内容；

结合设定的映射列表将所述第一视觉内容中所述目标人脸的第二分布标签进行映射，得到所述第一分布标签，所述映射列表用于将所述第一视觉内容中的分布标签与所述第二视觉内容中的分布标签进行相互映射。

3.如权利要求1所述的智能图像处理方法，其特征在于，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；所述确定所述目标人脸对应的显著性评价，包括：通过所述分布情况中各约束区域上的显著性评价确定所述目标人脸对应的显著性评价。

4.如权利要求1所述的智能图像处理方法，其特征在于，所述判断事先采集的场景图像中是否存在第一分布标签相匹配的初始显著性评价包括：

通过所述第一分布标签确定用于遍历第一分布标签相匹配的初始显著性评价的遍历条件；

判断事先采集的场景图像中是否存在处于所述遍历条件内的目标约束区域对应的初始显著性评价，若是，则确定事先采集的场景图像中存在第一分布标签相匹配的初始显著性评价，否则，确定事先采集的场景图像中不存在第一分布标签相匹配的初始显著性评价。

5.如权利要求1所述的智能图像处理方法，其特征在于，所述第一分布标签为所述目标人脸在第二视觉内容中所对应的分布情况的语义内容；

将所述显著性评价作为第一分布标签相匹配的初始显著性评价注释至所述场景图像包括：将目标区域中的核心约束区域和所述显著性评价对应注释至所述场景图像；

所述将辅助显著性评价作为第一分布标签相匹配的初始显著性评价标记至所述场景图像包括：若所述场景图像中不存在所述核心约束区域，将所述核心约束区域和所述辅助显著性评价对应注释至所述场景图像；若所述场景图像中存在所述核心约束区域，当所述核心约束区域对应的初始显著性评价与所述辅助显著性评价不同时，将所述核心约束区域对应的初始显著性评价调整为所述辅助显著性评价。

6.一种智能图像处理服务器，其特征在于，包括存储器、处理器和网络模块；其中，所述存储器、所述处理器和所述网络模块之间直接或间接地电性连接；所述处理器通过从所述存储器中读取计算机程序并运行以实现权利要求1-5任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-5任一项所述的方法。

Images