CN114463242A - 图像检测方法、设备、存储介质及装置 - Google Patents
图像检测方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN114463242A CN114463242A CN202011143455.0A CN202011143455A CN114463242A CN 114463242 A CN114463242 A CN 114463242A CN 202011143455 A CN202011143455 A CN 202011143455A CN 114463242 A CN114463242 A CN 114463242A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- frame
- key frame
- detected
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像检测方法、设备、存储介质及装置,相较于现有的对视频进行逐帧检测,以获得人脸或人形的位置信息的方式,本发明中,通过对待检测视频的各关键帧进行人脸人形检测,只要在当前关键帧存在人脸人形时,才对待检测视频中从当前关键帧到下一关键帧之间的视频帧进行逐帧检测,克服了现有技术中逐帧检测会消耗过多的计算资源,从而降低图像检测效率的缺陷,从而能够优化图像检测过程,降低计算资源的消耗。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像检测方法、设备、存储介质及装置。
背景技术
人脸人形检测,是指从视频帧中检测出人脸或者人形的位置,是人脸识别、视频监控等领域的关键技术。
现有技术中,人脸人形检测是通过对视频进行逐帧检测,并根据逐帧检测结果确定人脸或人形的位置信息。但是,由于逐帧检测会消耗过多的计算资源,从而降低图像检测效率。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种图像检测方法、设备、存储介质及装置,旨在解决现有技术中如何优化图像检测过程的技术问题。
为实现上述目的,本发明提供一种图像检测方法,所述图像检测方法包括以下步骤:
在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
可选地,所述对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域;
基于预设检测模型确定所述目标检测区域的位置信息以及类别分值;
根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
可选地,所述根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像;
根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域;
对所述初始检测区域进行前景识别,获得前景识别结果;
根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
可选地,所述对所述初始检测区域进行前景识别,获得前景识别结果的步骤,具体包括:
获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
根据所述判断结果生成所述初始检测区域的前景识别结果。
可选地,所述根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果的步骤,具体包括:
根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
对所述差分图像进行二值化处理,获得二值化图像;
根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
可选地,所述根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果;
判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果;
根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
可选地,所述根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果的步骤,具体包括:
对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
可选地,所述依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧的步骤之前,所述图像检测方法还包括:
获取所述待检测视频的当前视频帧,并获取所述当前视频帧的前一帧视频帧;
统计所述当前视频帧的当前帧颜色分布数据以及所述前一帧视频帧的前一帧颜色分布数据;
根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧。
可选地,所述根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧的步骤,具体包括:
根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述当前视频帧与所述前一帧视频帧的图像相似度;
判断所述图像相似度是否大于预设阈值,获得判断结果,并根据所述判断结果确定所述待检测视频的各关键帧。
可选地,所述在接收到图像检测指令时,根据所述图像检测指令确定待检测视频的步骤,具体包括:
在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识;
在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系;
获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频。
可选地,所述获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频的步骤,具体包括:
获取所述目标终端设备的当前设备信息,并根据所述当前设备信息判断所述目标终端设备是否处于预设检测状态;
在所述目标终端设备处于预设检测状态时,获取所述目标终端设备所检测的当前视频,并将所述当前视频作为待检测视频。
此外,为实现上述目的,本发明还提出一种图像检测设备,所述图像检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像检测程序,所述图像检测程序配置为实现如上文所述的图像检测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有图像检测程序,所述图像检测程序被处理器执行时实现如上文所述的图像检测方法的步骤。
此外,为实现上述目的,本发明还提出一种图像检测装置,所述图像检测装置包括:确定模块、遍历模块、判断模块和检测模块;
所述确定模块,用于在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
所述遍历模块,用于依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
所述判断模块,用于对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
所述检测模块,用于在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
可选地,所述判断模块,还用于根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域;
所述判断模块,还用于基于预设检测模型确定所述目标检测区域的位置信息以及类别分值;
所述判断模块,还用于根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
可选地,所述判断模块,还用于根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像;
所述判断模块,还用于根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域;
所述判断模块,还用于对所述初始检测区域进行前景识别,获得前景识别结果;
所述判断模块,还用于根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
可选地,所述判断模块,还用于获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
所述判断模块,还用于对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
所述判断模块,还用于根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
所述判断模块,还用于根据所述判断结果生成所述初始检测区域的前景识别结果。
可选地,所述判断模块,还用于根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
所述判断模块,还用于对所述差分图像进行二值化处理,获得二值化图像;
所述判断模块,还用于根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
可选地,所述判断模块,还用于根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果;
所述判断模块,还用于判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果;
所述判断模块,还用于根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
可选地,所述判断模块,还用于对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
所述判断模块,还用于根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
所述判断模块,还用于将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
所述判断模块,还用于根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
本发明中,在接收到图像检测指令时,根据所述图像检测指令确定待检测视频,依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧,对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形,在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测;相较于现有的对视频进行逐帧检测,以获得人脸或人形的位置信息的方式,本发明中,通过对待检测视频的各关键帧进行人脸人形检测,只要在当前关键帧存在人脸人形时,才对待检测视频中从当前关键帧到下一关键帧之间的视频帧进行逐帧检测,克服了现有技术中逐帧检测会消耗过多的计算资源,从而降低图像检测效率的缺陷,从而能够优化图像检测过程,降低计算资源的消耗。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的图像检测设备的结构示意图;
图2为本发明图像检测方法第一实施例的流程示意图;
图3为本发明图像检测方法第二实施例的流程示意图;
图4为本发明图像检测方法第三实施例的流程示意图;
图5为本发明图像检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的图像检测设备结构示意图。
如图1所示,该图像检测设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对图像检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像检测程序。
在图1所示的图像检测设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述图像检测设备通过处理器1001调用存储器1005中存储的图像检测程序,并执行本发明实施例提供的图像检测方法。
基于上述硬件结构,提出本发明图像检测方法的实施例。
参照图2,图2为本发明图像检测方法第一实施例的流程示意图,提出本发明图像检测方法第一实施例。
在第一实施例中,所述图像检测方法包括以下步骤:
步骤S10:在接收到图像检测指令时,根据所述图像检测指令确定待检测视频。
应当理解的是,本实施例的执行主体是所述图像检测设备,其中,所述图像检测设备可为个人电脑或服务器等电子设备,还可为其他可实现相同或相似功能的设备,本实施例对此不加以限制,在本实施例中,以图像检测设备为例说明。
需要说明的是,图像检测指令可以是用户通过用户终端设备发出的控制指令,其中,用户终端设备可以是预先与图像检测设备建立通信连接的授权设备;图像检测指令也可以是用户通过图像检测设备的交互界面输入的控制指令,本实施例对此不加以限制。
进一步地,为了实时对目标终端设备拍摄的视频进行图像检测,提高用户体验,所述在接收到图像检测指令时,根据所述图像检测指令确定待检测视频,包括:
在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识,在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系,获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频。
步骤S20:依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧。
应当理解的是,依次对待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧可以是按照帧解码顺序对待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧。
步骤S30:对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形。
可以理解的是,对当前关键帧进行人脸人形检测,获得检测结果可以是根据预设人脸人形检测模型对当前关键帧进行人脸人形检测,获得检测结果,其中,预设人脸人形检测模型可以是用户预先设置的检测模型,本实施例对此不加以限制。
进一步地,为了能够快速判断当前关键帧是否存在人脸人形,所述对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形,包括:
根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域,基于预设检测模型确定所述目标检测区域的位置信息以及类别分值,根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
步骤S40:在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
应当理解的是,在当前关键帧存在人脸人形时,说明当前关键帧中存在人脸人形,因此,需要切换至逐帧检测模型,对当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
在第一实施例中,在接收到图像检测指令时,根据所述图像检测指令确定待检测视频,依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧,对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形,在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测;相较于现有的对视频进行逐帧检测,以获得人脸或人形的位置信息的方式,本实施例中,通过对待检测视频的各关键帧进行人脸人形检测,只要在当前关键帧存在人脸人形时,才对待检测视频中从当前关键帧到下一关键帧之间的视频帧进行逐帧检测,克服了现有技术中逐帧检测会消耗过多的计算资源,从而降低图像检测效率的缺陷,从而能够优化图像检测过程,降低计算资源的消耗。
参照图3,图3为本发明图像检测方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明图像检测方法的第二实施例。
在第二实施例中,所述步骤S10,包括:
步骤S101:在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识。
需要说明的是,图像检测指令可以是用户通过用户终端设备发出的控制指令,其中,用户终端设备可以是预先与图像检测设备建立通信连接的授权设备;图像检测指令也可以是用户通过图像检测设备的交互界面输入的控制指令,本实施例对此不加以限制。
应当理解的是,对图像检测指令进行信息提取,获得检测标识可以是对图像检测指令进行信息分类,获得信息类别,并根据信息类别对图像检测指令进行信息提取,获得检测标识。
步骤S102:在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系。
需要说明的是,目标终端设备可以是具备视频拍摄功能以及通信功能的终端设备,例如,智能门禁设备、手机等,本实施例对此不加以限制;检测标识与目标终端设备的对应关系可以根据用户的实际需求预先设置,例如,检测标识为1时,在预设映射关系表中查得目标终端设备为智能门禁设备。
步骤S103:获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频。
需要说明的是,当前设备信息可以是目标终端设备在当前时刻的运行状态信息,例如,电量信息、开启信息等,本实施例对此不加以限制。
进一步地,为了提高待检测视频的可靠性,所述步骤S103,包括:
获取所述目标终端设备的当前设备信息,并根据所述当前设备信息判断所述目标终端设备是否处于预设检测状态;
在所述目标终端设备处于预设检测状态时,获取所述目标终端设备所检测的当前视频,并将所述当前视频作为待检测视频。
需要说明的是,预设检测状态可以是用户预先设置的目标终端设备正常工作状态。
应当理解的是,根据当前设备信息判断目标终端设备是否处于预设检测状态可以是根据当前设备信息判断目标终端设备是否处于正常工作状态。
可以理解的是,获取目标终端设备所检测的当前视频可以是获取目标终端设备实时检测的视频;也可以是获取目标终端设备预先上传的历史视频,本实施例对此不加以限制。
应当理解的是,在目标终端设备处于正常工作状态时,可以直接将目标终端设备所检测的当前视频作为待检测视频。
在第二实施例中,通过在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识,在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系,获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频,从而能够实时对目标终端设备拍摄的视频进行图像检测,提高用户体验。
在第二实施例中,所述步骤S20之前,还包括:
步骤S110:获取所述待检测视频的当前视频帧,并获取所述当前视频帧的前一帧视频帧。
需要说明的是,当前视频帧可以是当前时刻视频播放的视频帧,本实施例对此不加以限制。
步骤S120:统计所述当前视频帧的当前帧颜色分布数据以及所述前一帧视频帧的前一帧颜色分布数据。
需要说明的是,颜色分布数据可以是同一种颜色的不同颜色值的出现次数或者不同颜色值的出现频率,用以表示视频帧的颜色特征,例如,Red、Green以及Blue对应的颜色分布数据。
步骤S130:根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧。
可以理解的是,根据当前帧颜色分布数据以及前一帧颜色分布数据确定待检测视频的各关键帧可以是将当前帧颜色分布数据与前一帧颜色分布数据进行匹配,将匹配成功的当前视频帧作为待检测视频的关键帧。
进一步地,考虑到实际应用中,若将当前帧颜色分布数据与前一帧颜色分布数据进行匹配,势必会导致匹配过程所涉及的对象过多,运算量过大。为克服这一缺陷,所述步骤S130,包括:
根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述当前视频帧与所述前一帧视频帧的图像相似度;
判断所述图像相似度是否大于预设阈值,获得判断结果,并根据所述判断结果确定所述待检测视频的各关键帧。
需要说明的是,预设阈值可以是用户预先设置的数值,本实施例对此不加以限制。
可以理解的是,根据当前帧颜色分布数据以及前一帧颜色分布数据确定当前视频帧与所述前一帧视频帧的图像相似度可以是将当前帧颜色分布数据与前一帧颜色分布数据进行逐一比较,获得比较结果,根据比较结果确定当前视频帧与前一帧视频帧的图像相似度。
应当理解的是,根据判断结果确定所述待检测视频的各关键帧可以是在判断结果为判断成功时,将当前视频帧作为候选视频帧,并根据当前帧颜色分布数据以及前一帧颜色分布数据确定颜色差值,并判断颜色差值是否大于预设颜色值,在颜色差值大于预设颜色值时,将候选视频帧作为待检测视频的关键帧。
在第二实施例中,通过获取所述待检测视频的当前视频帧,并获取所述当前视频帧的前一帧视频帧,统计所述当前视频帧的当前帧颜色分布数据以及所述前一帧视频帧的前一帧颜色分布数据,根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧,从而能够快速、准确地确定待检测视频的各关键帧。
在第二实施例中,所述步骤S30,包括:
步骤S301:根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域。
应当理解的是,根据待处理图像确定目标检测区域可以是基于预设检测策略对待处理图像进行切割,获得目标检测区域,其中,预设检测策略可以是用户预先设置的检测区域,本实施例对此不加以限制。
进一步地,为了能够准确筛选出处于前景区域的目标检测区域,所述根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域,包括:
根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像,根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域,对所述初始检测区域进行前景识别,获得前景识别结果,根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
步骤S302:基于预设检测模型确定所述目标检测区域的位置信息以及类别分值。
需要说明的是,预设检测模型可以是用户预先设置的卷积神经网络,本实施例对此不加以限制。
步骤S303:根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
进一步地,为了准确判断当前关键帧是否存在人脸人形,所述根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形,包括:
根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果,判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果,根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
在第二实施例中,通过根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域,基于预设检测模型确定所述目标检测区域的位置信息以及类别分值,根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形,从而能够快速判断当前关键帧是否存在人脸人形。
参照图4,图4为本发明图像检测方法第三实施例的流程示意图,基于上述图3所示的第二实施例,提出本发明图像检测方法的第三实施例。
在第三实施例中,所述步骤S301,包括:
步骤S3011:根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像。
需要说明的是,归一化处理可以是将待处理图像调整至预设尺寸,其中,预设尺寸可以是用户预先设置的图像大小,也可以是对待处理图像的像素点进行灰度化处理,还可以是既将待处理图像调整至预设尺寸,又对待处理图像的像素点进行灰度化处理,本实施例对比不加以限制。
应当理解的是,视频的每个视频帧都对应一个图像,因此,可以直接根据当前关键帧确定待处理图像。
步骤S3012:根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域。
需要说明的是,预设检测窗口可以是用户预先设置的检测区域,其中,检测区域可以是多个不同大小、不同位置的矩形区域,本实施例对此不加以限制。
应当理解的是,根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域可以是通过多个不同大小不同位置的检测窗口对待检测图像进行切割,获得初始检测区域。
步骤S3013:对所述初始检测区域进行前景识别,获得前景识别结果。
需要说明的是,图片前景可以是除图片背景以外的其余图像,本实施例对此不加以限制。
应当理解的是,对初始检测区域进行前景识别,获得前景识别结果可以是通过预设前景识别模型对初始检测区域进行前景识别,获得前景识别结果。
进一步地,为了降低前景识别过程中的运算量,同时保证生成的前景识别结果具有较高的准确性以及可靠性,所述步骤S3013,包括:
获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
根据所述判断结果生成所述初始检测区域的前景识别结果。
需要说明的是,图像像素值可以是图像像素点的平均亮度信息,本实施例对此不加以限制。
应当理解的是,根据初始检测区域对前一帧图像进行截取,获得前一帧检测区域可以是在前一帧图像中查找初始检测区域对应的图像区域,并将初始检测区域对应的图像区域作为前一帧检测区域。
可以理解的是,对初始检测区域以及前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值可以是将初始检测区域以及前一帧检测区域输入预设像素分析模型,获得分析结果,根据分析结果确定初始检测区域像素值以及前一帧检测区域像素值,其中,预设像素分析模型可以是用户预先设置的分析模型。
进一步地,为了提高前景区域判断的可靠性,所述根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果,包括:
根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
对所述差分图像进行二值化处理,获得二值化图像;
根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
应当理解的是,根据初始检测区域像素值以及前一帧检测区域像素值通过预设差分公式计算差分值,并根据差分值生成差分图像,
其中,预设差分公式如下所示:
Dk(x,y)=|fk(x,y)-fk-1(x,y)|
式中,Dk(x,y)为差分值,fk(x,y)为初始检测区域像素值,fk-1(x,y)为前一帧检测区域像素值。
可以理解的是,对差分图像进行二值化处理,获得二值化图像可以是通过预设二值化公式对差分图像进行二值化处理,获得二值化值,并根据二值化值生成二值化图像。
式中,Rk(x,y)为二值化值,T预设阈值。
应当理解的是,根据二值化图像判断初始检测区域是否为前景区域,获得判断结果可以是将二值化值为1的像素点作为前景点,判断初始检测区域中是否包含前景点,根据前景点判断结果判断初始检测区域是否为前景区域。
步骤S3014:根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
应当理解的是,将前景识别结果为前景区域的初始检测区域作为目标检测区域。
在第三实施例中,通过根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像,根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域,对所述初始检测区域进行前景识别,获得前景识别结果,根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域,从而能够准确筛选出处于前景区域的目标检测区域。
在第三实施例中,所述步骤S303,包括:
步骤S3031:根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果。
可以理解的是,根据所述位置信息判断目标检测区域是否位于待检测图像的图像边界,获得位置判断结果可以是直接将位置信息预设输入位置比较模型,获得比较结果,根据比较结果判断目标检测区域是否位于待检测图像的图像边界,获得位置判断结果。
进一步地,为了降低位置判断过程中的运算量,同时保证生成的位置判断结果具有较高的准确性以及可靠性,所述步骤S3031,包括:
对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
需要说明的是,灰度图可以是用灰度表示的图像,本实施例对此不加以限制。
可以理解的是,对待检测图像进行灰度化处理,获得待检测图像的灰度图可以是通过预设灰度化模型对待检测图像进行灰度化处理,获得所述待检测图像的灰度图,其中,预设灰度化模型可以是用户预先设置的图像灰度化处理模型。
应当理解的是,根据灰度图确定待检测图像的图像边界位置信息可以是对灰度图进行扫描,获得扫描结果,根据扫描结果确定待检测图像的图像边界点。
可以理解的是,根据匹配结果判断目标检测区域是否位于待检测图像的图像边界可以是在匹配成功时,说明目标检测区域是位于当前帧图像的图像边界。
步骤S3032:判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果。
需要说明的是,预设人脸人形分值可以是用户预先设置的用来标识图像中存储人脸人形时的分值。
步骤S3033:根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
应当理解的是,在位置判断结果为目标检测区域不位于所述待检测图像的图像边界,且类别分值大于预设人脸人形分值时,判定当前关键帧存在人脸人形。
在第三实施例中,根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果,判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果,根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形,从而能够准确判断当前关键帧是否存在人脸人形。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有图像检测程序,所述图像检测程序被处理器执行时实现如上文所述的图像检测方法的步骤。
此外,参照图5,本发明实施例还提出一种图像检测装置,所述图像检测装置包括:确定模块10、遍历模块20、判断模块30和检测模块40;
所述确定模块10,用于在接收到图像检测指令时,根据所述图像检测指令确定待检测视频。
需要说明的是,图像检测指令可以是用户通过用户终端设备发出的控制指令,其中,用户终端设备可以是预先与图像检测设备建立通信连接的授权设备;图像检测指令也可以是用户通过图像检测设备的交互界面输入的控制指令,本实施例对此不加以限制。
进一步地,为了实时对目标终端设备拍摄的视频进行图像检测,提高用户体验,所述在接收到图像检测指令时,根据所述图像检测指令确定待检测视频,包括:
在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识,在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系,获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频。
所述遍历模块20,用于依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧。
应当理解的是,依次对待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧可以是按照帧解码顺序对待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧。
所述判断模块30,用于对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形。
可以理解的是,对当前关键帧进行人脸人形检测,获得检测结果可以是根据预设人脸人形检测模型对当前关键帧进行人脸人形检测,获得检测结果,其中,预设人脸人形检测模型可以是用户预先设置的检测模型,本实施例对此不加以限制。
进一步地,为了能够快速判断当前关键帧是否存在人脸人形,所述对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形,包括:
根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域,基于预设检测模型确定所述目标检测区域的位置信息以及类别分值,根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
所述检测模块40,用于在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
应当理解的是,在当前关键帧存在人脸人形时,说明当前关键帧中存在人脸人形,因此,需要切换至逐帧检测模型,对当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
在本实施例中,在接收到图像检测指令时,根据所述图像检测指令确定待检测视频,依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧,对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形,在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测;相较于现有的对视频进行逐帧检测,以获得人脸或人形的位置信息的方式,本实施例中,通过对待检测视频的各关键帧进行人脸人形检测,只要在当前关键帧存在人脸人形时,才对待检测视频中从当前关键帧到下一关键帧之间的视频帧进行逐帧检测,克服了现有技术中逐帧检测会消耗过多的计算资源,从而降低图像检测效率的缺陷,从而能够优化图像检测过程,降低计算资源的消耗。
本发明所述图像检测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
本发明公开了A1、一种图像检测方法,所述图像检测方法包括以下步骤:
在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
A2、如A1所述的图像检测方法,所述对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域;
基于预设检测模型确定所述目标检测区域的位置信息以及类别分值;
根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
A3、如A2所述的图像检测方法,所述根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像;
根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域;
对所述初始检测区域进行前景识别,获得前景识别结果;
根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
A4、如A3所述的图像检测方法,所述对所述初始检测区域进行前景识别,获得前景识别结果的步骤,具体包括:
获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
根据所述判断结果生成所述初始检测区域的前景识别结果。
A5、如A4所述的图像检测方法,所述根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果的步骤,具体包括:
根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
对所述差分图像进行二值化处理,获得二值化图像;
根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
A6、如A3所述的图像检测方法,所述根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果;
判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果;
根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
A7、如A6所述的图像检测方法,所述根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果的步骤,具体包括:
对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
A8、如A1-A7中任一项所述的图像检测方法,所述依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧的步骤之前,所述图像检测方法还包括:
获取所述待检测视频的当前视频帧,并获取所述当前视频帧的前一帧视频帧;
统计所述当前视频帧的当前帧颜色分布数据以及所述前一帧视频帧的前一帧颜色分布数据;
根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧。
A9、如A8所述的图像检测方法,所述根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述待检测视频的各关键帧的步骤,具体包括:
根据所述当前帧颜色分布数据以及所述前一帧颜色分布数据确定所述当前视频帧与所述前一帧视频帧的图像相似度;
判断所述图像相似度是否大于预设阈值,获得判断结果,并根据所述判断结果确定所述待检测视频的各关键帧。
A10、如A1-A7中任一项所述的图像检测方法,所述在接收到图像检测指令时,根据所述图像检测指令确定待检测视频的步骤,具体包括:
在接收到图像检测指令时,对所述图像检测指令进行信息提取,获得检测标识;
在预设映射关系表中查找所述检测标识对应的目标终端设备,所述预设映射关系表中包含检测标识与目标终端设备之间的对应关系;
获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频。
A11、如A10所述的图像检测方法,所述获取所述目标终端设备的当前设备信息,并根据所述当前设备信息确定待检测视频的步骤,具体包括:
获取所述目标终端设备的当前设备信息,并根据所述当前设备信息判断所述目标终端设备是否处于预设检测状态;
在所述目标终端设备处于预设检测状态时,获取所述目标终端设备所检测的当前视频,并将所述当前视频作为待检测视频。
本发明公开了B12、一种图像检测设备,所述图像检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像检测程序,所述图像检测程序被所述处理器执行时实现如上文所述的图像检测方法的步骤。
本发明公开了C13、一种存储介质,所述存储介质上存储有图像检测程序,所述图像检测程序被处理器执行时实现如上文所述的图像检测方法的步骤。
本发明公开了D14、一种图像检测装置,所述图像检测装置包括:确定模块、遍历模块、判断模块和检测模块;
所述确定模块,用于在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
所述遍历模块,用于依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
所述判断模块,用于对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
所述检测模块,用于在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
D15、如D14所述的图像检测装置,所述判断模块,还用于根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域;
所述判断模块,还用于基于预设检测模型确定所述目标检测区域的位置信息以及类别分值;
所述判断模块,还用于根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
D16、如D15所述的图像检测装置,所述判断模块,还用于根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像;
所述判断模块,还用于根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域;
所述判断模块,还用于对所述初始检测区域进行前景识别,获得前景识别结果;
所述判断模块,还用于根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
D17、如D16所述的图像检测装置,所述判断模块,还用于获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
所述判断模块,还用于对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
所述判断模块,还用于根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
所述判断模块,还用于根据所述判断结果生成所述初始检测区域的前景识别结果。
D18、如D17所述的图像检测装置,所述判断模块,还用于根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
所述判断模块,还用于对所述差分图像进行二值化处理,获得二值化图像;
所述判断模块,还用于根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
D19、如D16所述的图像检测装置,所述判断模块,还用于根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果;
所述判断模块,还用于判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果;
所述判断模块,还用于根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
D20、如D19所述的图像检测装置,所述判断模块,还用于对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
所述判断模块,还用于根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
所述判断模块,还用于将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
所述判断模块,还用于根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
Claims (10)
1.一种图像检测方法,其特征在于,所述图像检测方法包括以下步骤:
在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
2.如权利要求1所述的图像检测方法,其特征在于,所述对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域;
基于预设检测模型确定所述目标检测区域的位置信息以及类别分值;
根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形。
3.如权利要求2所述的图像检测方法,其特征在于,所述根据所述当前关键帧确定待处理图像,并根据所述待处理图像确定目标检测区域的步骤,具体包括:
根据所述当前关键帧确定待处理图像,并对所述待处理图像进行归一化处理,获得待检测图像;
根据预设检测窗口对所述待检测图像进行切割,获得初始检测区域;
对所述初始检测区域进行前景识别,获得前景识别结果;
根据所述前景识别结果对所述初始检测区域进行筛选,获得目标检测区域。
4.如权利要求3所述的图像检测方法,其特征在于,所述对所述初始检测区域进行前景识别,获得前景识别结果的步骤,具体包括:
获取所述当前关键帧的前一帧图像,并根据所述初始检测区域对所述前一帧图像进行截取,获得前一帧检测区域;
对所述初始检测区域以及所述前一帧检测区域进行像素分析,获得初始检测区域像素值以及前一帧检测区域像素值;
根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果;
根据所述判断结果生成所述初始检测区域的前景识别结果。
5.如权利要求4所述的图像检测方法,其特征在于,所述根据所述初始检测区域像素值以及所述前一帧检测区域像素值判断所述初始检测区域是否为前景区域,获得判断结果的步骤,具体包括:
根据所述初始检测区域像素值以及所述前一帧检测区域像素值生成差分图像;
对所述差分图像进行二值化处理,获得二值化图像;
根据所述二值化图像判断所述初始检测区域是否为前景区域,获得判断结果。
6.如权利要求3所述的图像检测方法,其特征在于,所述根据所述位置信息以及所述类别分值判断所述当前关键帧是否存在人脸人形的步骤,具体包括:
根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果;
判断所述类别分值是否大于预设人脸人形分值,获得分值判断结果;
根据所述位置判断结果以及所述分值判断结果判断所述当前关键帧是否存在人脸人形。
7.如权利要求6所述的图像检测方法,其特征在于,所述根据所述位置信息判断所述目标检测区域是否位于所述待检测图像的图像边界,获得位置判断结果的步骤,具体包括:
对所述待检测图像进行灰度化处理,获得所述待检测图像的灰度图;
根据所述灰度图确定所述待检测图像的图像边界点,并根据所述图像边界点确定所述待检测图像的图像边界位置信息;
将所述位置信息与所述图像边界位置信息进行匹配,获得匹配结果;
根据所述匹配结果判断所述目标检测区域是否位于所述待检测图像的图像边界。
8.一种图像检测设备,其特征在于,所述图像检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像检测程序,所述图像检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的图像检测方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有图像检测程序,所述图像检测程序被处理器执行时实现如权利要求1至7中任一项所述的图像检测方法的步骤。
10.一种图像检测装置,其特征在于,所述图像检测装置包括:确定模块、遍历模块、判断模块和检测模块;
所述确定模块,用于在接收到图像检测指令时,根据所述图像检测指令确定待检测视频;
所述遍历模块,用于依次对所述待检测视频的各关键帧进行遍历,并将遍历到的关键帧作为当前关键帧;
所述判断模块,用于对所述当前关键帧进行人脸人形检测,获得检测结果,并根据检测结果判断所述当前关键帧是否存在人脸人形;
所述检测模块,用于在所述当前关键帧存在人脸人形时,对所述待检测视频中从所述当前关键帧到下一关键帧之间的视频帧进行逐帧检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143455.0A CN114463242A (zh) | 2020-10-22 | 2020-10-22 | 图像检测方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143455.0A CN114463242A (zh) | 2020-10-22 | 2020-10-22 | 图像检测方法、设备、存储介质及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463242A true CN114463242A (zh) | 2022-05-10 |
Family
ID=81404648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143455.0A Pending CN114463242A (zh) | 2020-10-22 | 2020-10-22 | 图像检测方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463242A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437505A (zh) * | 2023-12-18 | 2024-01-23 | 杭州任性智能科技有限公司 | 一种基于视频的训练数据集生成方法和系统 |
-
2020
- 2020-10-22 CN CN202011143455.0A patent/CN114463242A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437505A (zh) * | 2023-12-18 | 2024-01-23 | 杭州任性智能科技有限公司 | 一种基于视频的训练数据集生成方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009543B (zh) | 一种车牌识别方法及装置 | |
US9940655B2 (en) | Image processing | |
CN106547744B (zh) | 一种图像检索方法及系统 | |
US8358837B2 (en) | Apparatus and methods for detecting adult videos | |
US20050286802A1 (en) | Method for detecting and selecting good quality image frames from video | |
US8842889B1 (en) | System and method for automatic face recognition | |
CN111507958A (zh) | 目标检测方法、检测模型的训练方法及电子设备 | |
CN103198311B (zh) | 基于拍摄的图像来识别字符的方法及装置 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN105046254A (zh) | 字符识别方法及装置 | |
CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
CN112149570B (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN113505707A (zh) | 吸烟行为检测方法、电子设备及可读存储介质 | |
CN111767915A (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
US9286217B2 (en) | Systems and methods for memory utilization for object detection | |
CN114267029A (zh) | 一种车道线检测方法、装置、设备及存储介质 | |
CN114463242A (zh) | 图像检测方法、设备、存储介质及装置 | |
CN112532884A (zh) | 识别方法、装置及电子设备 | |
CN114255493A (zh) | 图像检测方法、人脸检测方法及装置、设备及存储介质 | |
JP2006323779A (ja) | 画像処理方法、画像処理装置 | |
CN114693554B (zh) | 一种大数据图像处理方法及系统 | |
CN114758384A (zh) | 人脸检测方法、装置、设备及存储介质 |
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 |