CN114693946A - 图像异常检测方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请公开了一种图像异常检测方法、装置、计算机设备及存储介质，该图像异常检测方法包括：获取待检测图像；通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。本申请可以减少异常图像存储占用空间，提高正常图像利用率，同时既能提高异常图像的检测效率，又可以满足不同场景需求，具有较广泛的适用性。

Description

图像异常检测方法、装置、计算机设备及存储介质

技术领域

本申请涉及通信技术领域，具体涉及一种图像异常检测方法、装置、计算机设备及存储介质。

背景技术

随着安防技术的发展以及市场需求的不断扩大，包括安检机在内的安检设备已成为当代社会安全防范中不可或缺的一部分。目前在交通车站、机场、物流场所、大型园区及商场等均已部署了大量安检机。这些安检机产生了大量的安检图像。但现有安检机无法检测所采集的图像是否存在异常，即使产生批量异常图像时也无法及时报警。此外，大量的异常图像会占用较大的存储空间。在利用已存储的数据，如数据查找时无用异常图像会导致查找速度变慢。如果将这些数据用于模型训练或分析时，需要人为将这些异常图像挑选出，加大了工作量。

现有方案中涉及异常图像检测的专利一般包含两种。一种是保留默认图像存储在数据库中，然后比对新图像与原始图像差异来判断是否为异常图像。另一种是使用深度学习方法来判断输入的图像是否为异常图像。

对于保留默认图像为正常图像，然后检测或比较新采集的图像与默认原始图像的差异，以此判断新的图像是否为异常图像。这类方法广泛应用与视频监控中，如监控非法闯入、火灾等，大量的异常图像会占用较大的存储空间。而通过深度学习的方法来检测异常图像。这存在以下问题：(1)需要大量的正常和异常图像作为训练样本，而训练样本较难收集及标注；(2)非模块化开发，当出现新的异常图像类型时，需要对模型重新进行训练；(3)需要使用含有图形处理器(Graphics Processing Unit，GPU)的服务器等硬件平台来进行训练或部署，对硬件要求较高。

发明内容

本申请实施例提供一种图像异常检测方法、装置、计算机设备及存储介质，可以减少异常图像存储占用空间，提高正常图像利用率，同时既能提高异常图像的检测效率，又可以满足不同场景需求，具有较广泛的适用性。

一方面，本申请提供一种图像异常检测方法，所述图像异常检测方法包括：

获取待检测图像；

通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像包括如下至少一种：

检测所述待检测图像是否为可用图像；

检测所述待检测图像是否为尺寸异常图像；

检测所述待检测图像是否为低对比度图像；

检测所述待检测图像是否是否为小有效区域图像，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品；

所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：

当所述待检测图像为不可用图像，尺寸异常图像，低对比度图像或者小有效区域图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为可用图像，包括：

通过所述待检测图像对应的文件后缀名判断是否为图像文件；

通过读取所述待检测图像对应的文件大小判断所述待检测图像是否为空文件；

使用预置的图像损坏检测模块进行图像读取，判断所述待检测图像是否为损坏文件；

若所述待检测图像为图像文件，非空文件或者非损坏文件，确定所述待检测图像可用。

在本申请一些实施方式中，所述检测所述待检测图像是否为尺寸异常图像，包括：

获取所述待检测图像的宽尺寸和高尺寸；

若所述宽尺寸小于预设宽度阈值或者所述高尺寸小于预设高度阈值，确定所述待检测图像为尺寸异常图像；

根据所述宽尺寸和高尺寸计算所述待检测图像的宽高比和高宽比；

若所述宽高宽高比大于第一预设阈值或所述高宽比大于所述第二预设阈值，确定所述待检测图像为尺寸异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为低对比度图像，包括：

将所述待检测图像转换为灰度图像，得到第一灰度图像；

获取所述第一灰度图像的图像数据类型的最大值fmax和最小值fmin；

将所述灰度图像所有像素值按照从小到大排序，计算所述灰度图像的图像分布的百分位数，确定最大百分位数dmax和最小百分位数dmin；

若(dmax-dmin)/(fmax-fmin)小于第一预设比例，确定所述待检测图像为低对比度图像。

在本申请一些实施方式中，所述检测所述待检测图像是否是否为小有效区域图像，包括：

将所述待检测图像转为灰度图像，得到第二灰度图像；

统计所述第二灰度图像中出现频率最高的像素值；

根据所述出现频率最高的像素值，确定无效像素值的像素范围；

计算所述第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例；

若所述无效比例大于第二预设比例，则确定所述待检测图像为小有效区域图像。

在本申请一些实施方式中，所述通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，包括如下至少一种：

检测所述待检测图像是否为结构异常图像；

检测所述待检测图像是否为条纹异常图像；

检测所述待检测图像是否为颜色异常图像；

检测所述待检测图像是否为矩形框异常图像；

所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：

当所述待检测图像为结构异常图像，条纹异常图像，颜色异常图像或者矩形框异常图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为结构异常图像，包括：

获取异常图像模板；

将所述异常图像模板从所述待检测图像左上角开始逐像素点从左至右，从上至下移动，每到达一个像素点，以该像素点为左上角顶点从所述待检测图像中截取出与所述异常图像模板一样大小的切割图像；

将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性；

当所述特征相似性大于设定相似性阈值时，判定所述待检测图像为结构异常图像；

当所述特征相似性小于所述设定相似性阈值，若所述异常图像模板仍未完成整个待检测图像的遍历时，则继续移动到下一像素点进行图像切割与相似性阈值判断，直到完成整个待检测图像的遍历，当整个待检测图像中每次得到的特征相似性都小于设定相似性阈值时，则判定所述待检测图像非结构异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为条纹异常图像，包括：

将所述待检测图像转为灰度图像，得到第三灰度图像；

提取所述第三灰度图像中物体轮廓，得到轮廓图像；

根据预先设置的距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔检测出轮廓图像中的直线；

当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则确定所述待检测图像为条纹异常图像。

在本申请一些实施方式中，所述方法还包括：

检测所述轮廓图像是否存在菜单栏；

若存在，在所述轮廓图像底部竖直方向预设区域检测是否存在长直线；

若存在，检测所述直线角度是否在第二预设角度区间；

若是，确定所述待检测图像为菜单栏异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为颜色异常图像，包括：

将所述待检测图像进行色彩空间变换，以转换为HSV图像。

获取所述HSV图像在HSV颜色空间中异常色块的值域上下限；

按照所述异常色块的值域上下限获取图像掩膜，所述图像掩膜中包括白色区域和黑色区域，所述白色区域对应所述待检测图像的异常区域，原所述黑色区域对应所述待检测图像中除异常区域外的其他区域；

根据所述图像掩膜，确定所述待检测图像是否颜色异常图像。

在本申请一些实施方式中，所述根据所述图像掩膜，确定所述待检测图像是否颜色异常图像，包括：

对所述图像掩膜采用图像闭操作处理，得到闭操作处理后图像；

确定所述闭操作处理后图像异常色块的方向，并根据异常色块的方向，设置检测方式，所述检测方式为横向或纵向检测；

从所述闭操作处理后图像中取预定行，按照所述检测方式进行检测，确定最大像素值的连续的位置信息；

选取最大像素值的连续的位置信息，作为异常区域的宽，选取所述闭操作处理后图像的高度作为异常区域的高，确定异常区域；

计算所述异常区域的面积以及所述异常区域中像素值为异常点的个数；

判断所述异常点的个数与异常区域的面积的比值是否大于设定比值阈值若是，则所述待检测图像为颜色异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为矩形框异常图像，包括：

将所述待检测图像转为灰度图像，得到第四灰度图像；

对第四灰度图像进行降噪处理，得到降噪图像；

对所述降噪图像进行角点检测，得到包括矩形框的四个角点的角点显示图像；

对所述角点显示图像进行形态学处理，得到形态学处理后图像；

对所述形态学处理后图像中的矩形框进行蒙版提取，得到矩形框蒙版图像；

对所述矩形框蒙版图像进行降噪及腐蚀操作以去除噪声，得到去噪后矩形框蒙版图像；

对所述去噪后矩形框蒙版图像进行边缘提取，得到二值化边缘轮廓图像；

对所述二值化边缘轮廓图像进行直线线条检测，若检测出的线条个数大于预设数值，且检测出的同一方向的线条之间最大距离大于设定阈值距离，确定所述待检测图像为矩形框异常图像。

另一方面，本申请提供一种图像异常检测装置，所述图像异常检测装置包括：

获取模块，用于获取待检测图像；

图像通用检测模块，用于通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

图像专用检测模块，用于通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

确定模块，用于当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述图像通用检测模块包括：

可用图像检测单元，用于检测所述待检测图像是否为可用图像；

尺寸异常图像检测单元，用于检测所述待检测图像是否为尺寸异常图像；

低对比度图像检测单元，用于检测所述待检测图像是否为低对比度图像；

小有效区域图像检测单元，用于检测所述待检测图像是否是否为小有效区域图像，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品；

所述确定模块具体用于当所述待检测图像为不可用图像，尺寸异常图像，低对比度图像或者小有效区域图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述可用图像检测单元具体用于：

通过所述待检测图像对应的文件后缀名判断是否为图像文件；

通过读取所述待检测图像对应的文件大小判断所述待检测图像是否为空文件；

使用预置的图像损坏检测模块进行图像读取，判断所述待检测图像是否为损坏文件；

若所述待检测图像为图像文件，非空文件或者非损坏文件，确定所述待检测图像可用。

在本申请一些实施方式中，所述尺寸异常图像检测单元具体用于：

获取所述待检测图像的宽尺寸和高尺寸；

若所述宽尺寸小于预设宽度阈值或者所述高尺寸小于预设高度阈值，确定所述待检测图像为尺寸异常图像；

根据所述宽尺寸和高尺寸计算所述待检测图像的宽高比和高宽比；

若所述宽高宽高比大于第一预设阈值或所述高宽比大于所述第二预设阈值，确定所述待检测图像为尺寸异常图像。

在本申请一些实施方式中，所述低对比度图像检测单元具体用于：

将所述待检测图像转换为灰度图像，得到第一灰度图像；

获取所述第一灰度图像的图像数据类型的最大值fmax和最小值fmin；

将所述灰度图像所有像素值按照从小到大排序，计算所述灰度图像的图像分布的百分位数，确定最大百分位数dmax和最小百分位数dmin；

若(dmax-dmin)/(fmax-fmin)小于第一预设比例，确定所述待检测图像为低对比度图像。

在本申请一些实施方式中，所述小有效区域图像检测单元具体用于：

将所述待检测图像转为灰度图像，得到第二灰度图像；

统计所述第二灰度图像中出现频率最高的像素值；

根据所述出现频率最高的像素值，确定无效像素值的像素范围；

计算所述第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例；

若所述无效比例大于第二预设比例，则确定所述待检测图像为小有效区域图像。

在本申请一些实施方式中，所述图像专用检测模块包括：

结构异常检测单元，用于检测所述待检测图像是否为结构异常图像；

条纹异常检测单元，用于检测所述待检测图像是否为条纹异常图像；

颜色异常检测单元，用于检测所述待检测图像是否为颜色异常图像；

矩形框异常检测单元，用于检测所述待检测图像是否为矩形框异常图像；

所述确定模块具体用于当所述待检测图像为结构异常图像，条纹异常图像，颜色异常图像或者矩形框异常图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述结构异常检测单元具体用于：

获取异常图像模板；

将所述异常图像模板从所述待检测图像左上角开始逐像素点从左至右，从上至下移动，每到达一个像素点，以该像素点为左上角顶点从所述待检测图像中截取出与所述异常图像模板一样大小的切割图像；

将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性；

当所述特征相似性大于设定相似性阈值时，判定所述待检测图像为结构异常图像；

当所述特征相似性小于所述设定相似性阈值，若所述异常图像模板仍未完成整个待检测图像的遍历时，则继续移动到下一像素点进行图像切割与相似性阈值判断，直到完成整个待检测图像的遍历，当整个待检测图像中每次得到的特征相似性都小于设定相似性阈值时，则判定所述待检测图像非结构异常图像。

在本申请一些实施方式中，所述条纹异常检测单元具体用于：

将所述待检测图像转为灰度图像，得到第三灰度图像；

提取所述第三灰度图像中物体轮廓，得到轮廓图像；

根据预先设置的距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔检测出轮廓图像中的直线；

当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则确定所述待检测图像为条纹异常图像。

在本申请一些实施方式中，所述条纹异常检测单元具体还用于：

检测所述轮廓图像是否存在菜单栏；

若存在，在所述轮廓图像底部竖直方向预设区域检测是否存在长直线；

若存在，检测所述直线角度是否在第二预设角度区间；

若是，确定所述待检测图像为菜单栏异常图像。

在本申请一些实施方式中，所述颜色异常检测单元具体用于：

将所述待检测图像进行色彩空间变换，以转换为HSV图像。

获取所述HSV图像在HSV颜色空间中异常色块的值域上下限；

按照所述异常色块的值域上下限获取图像掩膜，所述图像掩膜中包括白色区域和黑色区域，所述白色区域对应所述待检测图像的异常区域，原所述黑色区域对应所述待检测图像中除异常区域外的其他区域；

根据所述图像掩膜，确定所述待检测图像是否颜色异常图像。

在本申请一些实施方式中，所述颜色异常检测单元具体还用于：

对所述图像掩膜采用图像闭操作处理，得到闭操作处理后图像；

确定所述闭操作处理后图像异常色块的方向，并根据异常色块的方向，设置检测方式，所述检测方式为横向或纵向检测；

从所述闭操作处理后图像中取预定行，按照所述检测方式进行检测，确定最大像素值的连续的位置信息；

选取最大像素值的连续的位置信息，作为异常区域的宽，选取所述闭操作处理后图像的高度作为异常区域的高，确定异常区域；

计算所述异常区域的面积以及所述异常区域中像素值为异常点的个数；

判断所述异常点的个数与异常区域的面积的比值是否大于设定比值阈值若是，则所述待检测图像为颜色异常图像。

在本申请一些实施方式中，所述矩形框异常检测单元具体用于：

将所述待检测图像转为灰度图像，得到第四灰度图像；

对第四灰度图像进行降噪处理，得到降噪图像；

对所述降噪图像进行角点检测，得到包括矩形框的四个角点的角点显示图像；

对所述角点显示图像进行形态学处理，得到形态学处理后图像；

对所述形态学处理后图像中的矩形框进行蒙版提取，得到矩形框蒙版图像；

对所述矩形框蒙版图像进行降噪及腐蚀操作以去除噪声，得到去噪后矩形框蒙版图像；

对所述去噪后矩形框蒙版图像进行边缘提取，得到二值化边缘轮廓图像；

对所述二值化边缘轮廓图像进行直线线条检测，若检测出的线条个数大于预设数值，且检测出的同一方向的线条之间最大距离大于设定阈值距离，确定所述待检测图像为矩形框异常图像。

另一方面，本申请还提供一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的图像异常检测方法。

第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行第一方面任一项所述的图像异常检测方法中的步骤。

本申请通过获取待检测图像；通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。本申请在现有技术检测大量的异常图像会占用较大的存储空间的基础上，检测存储设备里的异常图像数据，减少异常图像存储占用空间，提高正常图像利用率，同时由于采用采用通用图像检测方式和专用图像检测方式的结合，通过通用图像检测方式检测常规情况下的异常图像，通过专用图像检测方式检测特殊应用场景下的异常图像，既能提高异常图像的检测效率，又可以满足不同场景需求，具有较广泛的适用性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的图像异常检测系统的场景示意图；

图2是本申请实施例中提供的图像异常检测方法的一个实施例流程示意图；

图3是本申请实施例中提供的异常图像检测的一个具体检测框架示意图；

图4是本申请实施例中步骤202的一个实施例流程示意图；

图5是本申请实施例中步骤301的一个实施例流程示意图；

图6是本申请实施例中步骤302的一个实施例流程示意图；

图7是本申请实施例中步骤303的一个实施例流程示意图；

图8是本申请实施例中提供的小有效区域图像的一个实施例示意图；

图9是本申请实施例中步骤304的一个实施例流程示意图；

图10是本申请实施例中步骤203的一个实施例流程示意图；

图11是本申请实施例中提供的结构异常图像的一个实施例示意图；

图12是本申请实施例中提供的条纹异常图像的一个实施例示意图；

图13是本申请实施例中提供的菜单栏异常图像的一个实施例示意图；

图14是本申请实施例中提供的图像异常检测装置的一个实施例结构示意图；

图15是本申请实施例中提供的计算机设备的一个实施例结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。

需要说明的是，本申请实施例方法由于是在计算机设备中执行，各计算机设备的处理对象均以数据或信息的形式存在，例如时间，实质为时间信息，可以理解的是，后续实施例中若提及尺寸、数量、位置等，均为对应的数据存在，以便计算机设备进行处理，具体此处不作赘述。

本申请实施例提供一种图像异常检测方法、装置、计算机设备及存储介质，以下分别进行详细说明。

请参阅图1，图1为本申请实施例所提供的图像异常检测系统的场景示意图，该图像异常检测系统可以包括计算机设备100，计算机设备100中集成有图像异常检测装置，如图1中的计算机设备。

本申请实施例中计算机设备100主要用于获取待检测图像；通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

本申请实施例中，该计算机设备100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本申请实施例中所描述的计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。

可以理解的是，本申请实施例中计算机设备100还可以是终端，终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端具体可以是台式终端或移动终端，终端具体还可以是手机、平板电脑、笔记本电脑等中的一种。

本申请实施例中，计算机设备100可以是与一台或多台X光机(又称安检机)通信连接的计算机设备，一台或多台X光机拍摄的安检图像可以作为待检测图像输入到计算机设备100中进行异常图像检测。

本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该图像异常检测系统还可以包括一个或多个其他服务，具体此处不作限定。

另外，如图1所示，该图像异常检测系统还可以包括存储器200，用于存储数据，如图像数据，如X光机拍摄的物品的图像数据等。

需要说明的是，图1所示的图像异常检测系统的场景示意图仅仅是一个示例，本申请实施例描述的图像异常检测系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着图像异常检测系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

首先，本申请实施例中提供一种图像异常检测方法，该图像异常检测方法的执行主体为图像异常检测装置，该图像异常检测装置应用于计算机设备，该图像异常检测方法包括：获取待检测图像；通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

如图2所示，为本申请实施例中图像异常检测方法的一个实施例流程示意图，该图像异常检测方法包括如下步骤201～204，具体如下：

201、获取待检测图像。

本申请实施例中，待检测图像可以是X光机拍摄的安检图像，获取待检测图像可以是接收X光机拍摄的安检图像。

202、通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

通用图像检测方式为可应用在各种X光机安检场景的检测方式，例如，机场安检，地铁安检，楼层安检，小区安检等各种场景的检测方式。通用图像检测方式检测的是图像预设的常见异常情况，例如，可用图像检测，尺寸异常图像检测，低对比度图像检测，小有效区域图像检测，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品等，所述预设通用图像检测方式包括至少一种通用图像检测方式，例如包括可用图像检测，尺寸异常图像检测，低对比度图像检测，小有效区域图像检测中至少一种。

203、通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

专用图像检测方式为在预设场景下专用的检测方式，对于某些预设场景下，容易出现特定类型的异常图像，可以采用专用图像检测方式，例如结构异常图像检测、条纹异常图像检测、颜色异常图像检测、矩形框异常图像检测等。

其中，所述预设专用图像检测方式包括至少一种专用图像检测方式，例如包括结构异常图像检测、条纹异常图像检测、颜色异常图像检测、矩形框异常图像检测中至少一种。

204、当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

本申请实施例中，只要当预设通用检测方式或预设专用检测方式中其中一种确定待检测图像为异常图像，即可以确定待检测图像为异常图像。本申请实施例中，异常图像检测的一个具体检测框架示意图如图3所示，可以同时进行通用图像检测和专用图像检测，确定异常图像。

本申请实施例在现有技术检测大量的异常图像会占用较大的存储空间的基础上，检测存储设备里的异常图像数据，减少异常图像存储占用空间，提高正常图像利用率，同时由于采用采用通用图像检测方式和专用图像检测方式的结合，通过通用图像检测方式检测常规情况下的异常图像，通过专用图像检测方式检测特殊应用场景下的异常图像，既能提高异常图像的检测效率，又可以满足不同场景需求，具有较广泛的适用性。

在本申请一些实施方式中，如图4所示，所述通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像包括如下步骤401～404中至少一种：

401、检测所述待检测图像是否为可用图像。

402、检测所述待检测图像是否为尺寸异常图像。

403、检测所述待检测图像是否为低对比度图像。

404、检测所述待检测图像是否是否为小有效区域图像，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品。

此时，所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：当所述待检测图像为不可用图像，尺寸异常图像，低对比度图像或者小有效区域图像时，确定所述待检测图像为异常图像。

其中，可用图像表面图像是可用的(感觉不太通顺，建议该句删掉)，检测获取的待检测图像是否为可用图像，主要包括判断待检测图像是否为图像、是否为空文件、是否为损坏图像、是否为三通道图像等。具体的，如图5所示，所述检测所述待检测图像是否为可用图像，包括如下步骤501～504：

501、通过所述待检测图像对应的文件后缀名判断是否为图像文件。

具体的，图像格式是计算机存储图像的格式，常见的图像的格式有bmp，jpg，png，tif，gif，pcx，tga，exif,fpx，svg，psd,cdr，pcd，dxf，ufo，eps，ai,raw，wmf，webp，avif等，对应的文件后缀名即在前面加一个“.”，通过判断待检测图像对应的文件后缀名是否为图像格式文件的后缀名，来判断待检测图像是否为图像文件。

502、通过读取所述待检测图像对应的文件大小判断所述待检测图像是否为空文件。

具体的，通过读取待检测图像对应的文件大小判断是否为0kb图像，进而判断所述待检测图像是否为空文件。

503、使用预置的图像损坏检测模块进行图像读取，判断所述待检测图像是否为损坏文件。

具体的，预置的图像损坏检测模块可以是opencv等检测软件，通过使用opencv等软件进行图像读取，判断待检测图像是否为损坏文件。

504、若所述待检测图像为图像文件，非空文件或者非损坏文件，确定所述待检测图像可用。

本申请实施例中，所述方法还包括：读取所述待检测图像的通道数，并判断所述图像通道数是否为3通道，若不是(例如待检测图像为4通道或单通道图像)可以将待检测图像转为3通道图像，通道数统一主要是为了避免后期利用安检图像进行分类时，输入深度学习等网络或模型处理图像时报错。

本申请实施例中通过上述步骤，将非图像、空图像、损坏图像去除，并统一图像通道数，减少图像在后续处理中出现的错误。

在本申请另一些实施方式中，如图6所示，所述检测所述待检测图像是否为尺寸异常图像，包括如下步骤601～604：

601、获取所述待检测图像的宽尺寸和高尺寸。

对于待检测图像本身，在获取待检测图像之后，其宽尺寸和高尺寸就是固定的，例如188*222mm

602、若所述宽尺寸小于预设宽度阈值或者所述高尺寸小于预设高度阈值，确定所述待检测图像为尺寸异常图像。

其中，预设宽度阈值和预设高度阈值可以基于实际应用场景进行设置，例如一般不同X光机的通道尺寸都不相同，对于X光机拍摄的安检图像来说，在切割错误或切割到物体的某一小部分时，会出现小尺寸图像，小尺寸图像往往也不包含有效物体。通过单独设置宽尺寸和高尺寸的最小尺寸进行过滤，如设置预设宽度阈值和预设高度阈值均为50mm，小于该尺寸的待检测图像即为小尺寸图像，也即尺寸异常图像。

603、根据所述宽尺寸和高尺寸计算所述待检测图像的宽高比和高宽比。

604、若所述宽高宽高比大于第一预设阈值或所述高宽比大于所述第二预设阈值，确定所述待检测图像为尺寸异常图像。

在实际场景中，由于包裹为左右移动，多个包裹叠加的图像宽度一般大于高度，故一般设定图像宽高比阈值大于高宽比阈值，例如，设置第一预设阈值为4，第二预设阈值为3，此时，所述宽高宽高比大于该第一预设阈值4或者或所述高宽比大于第二预设阈值3的图像为尺寸异常图像，可以理解的是，在实际应用中，第一预设阈值和第二预设阈值可以根据实际情况进行调整，具体此处不作限定。

本申请实施例中，低对比度图像指图像像素差异较小，接近纯色的图像。低对比度图像里一般不包含有效物体，可以通过计算低亮度像素在整个图像中所占的比例来判断图像是否为低对比度图像，具体的，如图7所示，所述检测所述待检测图像是否为低对比度图像，包括如下步骤701～704：

701、将所述待检测图像转换为灰度图像，得到第一灰度图像。

其中，待检测图像一般是RGB图像，本实施例中，将RGB图像的待检测图像转为灰度图像，得到第一灰度图像。

702、获取所述第一灰度图像的图像数据类型的最大值fmax和最小值fmin。

具体的，对于24位3通道RGB图像俩说，最小值fmin为0和最大值fmax为255。

703、将所述灰度图像所有像素值按照从小到大排序，计算所述灰度图像的图像分布的百分位数，确定最大百分位数dmax和最小百分位数dmin。

具体的，例如计算第1百分位数和第99百分位数分别记为dmin和dmax。一般对比度越大，dmin越小；对比度越小，dmin越大，而dmax基本为定值。

704、若(dmax-dmin)/(fmax-fmin)小于第一预设比例，确定所述待检测图像为低对比度图像。

在本申请一个典型应用场景中，该第一预设比例可以设置为0.3，判断的为低对比度图像的准确度较高，此时如果所计算(dmax-dmin)/(fmax-fmin)的比例小于0.3，则判定为低对比度图像，反之则为正常对比度图像。

本申请实施例中，小有效区域图像指图像中大部分为空白或背景图像，有效物品所占比例较小或无有效物品，如图8所示，该图像中大部分为空白区域，可以通过计算背景像素占待检测图像总像素比例来判断该待检测图像是否为小有效区域图像，具体的，如图9所示，所述检测所述待检测图像是否是否为小有效区域图像，包括步骤901～905：

901、将所述待检测图像转为灰度图像，得到第二灰度图像。

902、统计所述第二灰度图像中出现频率最高的像素值。

对于第二灰度图像中，每个像素点都会对应一个像素值，因此可以直接第二灰度图像中出现频率最高的像素值。

903、根据所述出现频率最高的像素值，确定无效像素值的像素范围。

在安检机拍摄的图像中，出现频率最高的像素值一般为白色或近白色背景值。为了提高取值的准确性，无效像素值的像素范围的取值可以是在白色像素值附近的取值范围，具体的，无效像素值的像素范围可以是先在白色像素值附近取一个目标无效像素值pixel，再以目标无效像素值pixel确定一个范围，如取[pixel-3，pixel+3]，当pixel接近255时，取[pixle-5,255]等。

904、计算所述第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例。

例如，假设第二灰度图像中包括1000个像素点，其中所述无效像素值的像素范围内的像素点数量(简称像素数)为800个，则第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例为800/1000＝0.8。

905、若所述无效比例大于第二预设比例，则确定所述待检测图像为小有效区域图像。

其中，第二预设比例可以根据具体应用场景设置，在实际安检机图像中，一个典型的取值是该第二预设比例可以设置为0.75，确定待检测图像为小有效区域图像的准确率较高，不会导致太大的误差或者漏检小有效区域图像，此时，当该无效比例大于0.75时，确定所述待检测图像为小有效区域图像，例如上面举例的0.8＞0.75的场景，即可以确定待检测图像为小有效区域图像。

上面实施例中描述了通用图像检测方式，下面具体举例描述专用图像检测方式。具体的，如图10所示，所述通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，包括如下至少一种：

1001、检测所述待检测图像是否为结构异常图像。

1002、检测所述待检测图像是否为条纹异常图像。

1003、检测所述待检测图像是否为颜色异常图像。

1004、检测所述待检测图像是否为矩形框异常图像。

此时，所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：1005、当所述待检测图像为结构异常图像，条纹异常图像，颜色异常图像或者矩形框异常图像时，确定所述待检测图像为异常图像。

本申请实施例中，结构异常图像是指图像中含有固定的或具有一定规律的异常结构的图像。如图11所示示例图像，该图像左侧有一个异常结构，结构异常图像具有一定的规律性，可以采用模板匹配方法进行异常图像检测。

具体的，所述检测所述待检测图像是否为结构异常图像，包括：获取异常图像模板；将所述异常图像模板从所述待检测图像左上角开始逐像素点从左至右，从上至下移动，每到达一个像素点，以该像素点为左上角顶点从所述待检测图像中截取出与所述异常图像模板一样大小的切割图像；将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性；当所述特征相似性大于设定相似性阈值时，判定所述待检测图像为结构异常图像；当所述特征相似性小于所述设定相似性阈值，若所述异常图像模板仍未完成整个待检测图像的遍历时，则继续移动到下一像素点进行图像切割与相似性阈值判断，直到完成整个待检测图像的遍历，当整个待检测图像中每次得到的特征相似性都小于设定相似性阈值时，则判定所述待检测图像非结构异常图像。

本申请实施例中，将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性的方法称为模版匹配方法，具体的，模板匹配方法可以包括平方差匹配法、相关匹配法、相关系数匹配法、归一化平方差匹配法、归一化相关匹配法、归一化相关系数匹配法，本申请实施例中可选择其中的一种用于特征相似性计算，具体此处不作限定。

本实施例中，X光机成像有时存在拖动现象，导致待检测图像中可能存在直线形条纹，该种图像即条纹异常图像，如图12所示，图像中出现大量条纹，出现该种情况可能是由于在X光机射线扫描最后一件物品和准备进入X光机铅帘门的下个物品的间距小，导致物品出现堆积拉包现象；或者物品重量太轻，铅帘门重量大于准备进入物品的重量，物体被铅帘门挡住无法进行射线扫描，也会出现拉包现象。该种类型图像中不含有有效物品。本申请实施例中可以通过霍夫变换提取直线方式检测及去除该类型异常图像。

具体的，所述检测所述待检测图像是否为条纹异常图像，可以包括：

(1)将所述待检测图像转为灰度图像，得到第三灰度图像。

(2)提取所述第三灰度图像中物体轮廓，得到轮廓图像。

其中，可以使用canny算子或者sobel算子等提取第三灰度图像中中物体轮廓。

(3)根据预先设置的距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔检测出轮廓图像中的直线。

本实施例中，可以通过设置距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔等参数，使用opencv等软件检测出轮廓图像中的直线。

(4)当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则确定所述待检测图像为条纹异常图像。

当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则判断为条纹异常图像。如12中所示直线，在一个具体应用场景中，可设置图像数量阈值为10，第一预设角度区间为-5°到5°，可以大大提高检测效率，同时不会导致太大的误差或者漏检条纹异常图像。

进一步的，由于在使用录屏方式截取安检机图像时，还会产生图像中出现菜单栏或者遮挡界面等现象。这些菜单栏或遮挡界面边缘也为直线。因此对直线检测阈值及方法做适当调整也可以用于这些异常图像的检测。在本申请一些实施方式中，所述方法还包括：检测所述轮廓图像是否存在菜单栏；若存在，在所述轮廓图像底部竖直方向预设区域检测是否存在长直线；若存在，检测所述直线角度是否在第二预设角度区间；若是，确定所述待检测图像为菜单栏异常图像。

如图13所示的菜单栏时，根据菜单栏位于图像底部且竖直方向上占比小等特点，在底部竖直方向20％区域检测是否存在长直线，且判断直线角度是否在-5°到5°之间，满足设定阈值的图像即为菜单栏异常图像，否则为正常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为颜色异常图像，包括：将所述待检测图像进行色彩空间变换，以转换为HSV图像。获取所述HSV图像在HSV颜色空间中异常色块的值域上下限；按照所述异常色块的值域上下限获取图像掩膜，所述图像掩膜中包括白色区域和黑色区域，所述白色区域对应所述待检测图像的异常区域，原所述黑色区域对应所述待检测图像中除异常区域外的其他区域；根据所述图像掩膜，确定所述待检测图像是否颜色异常图像。

在本申请一些实施方式中，所述根据所述图像掩膜，确定所述待检测图像是否颜色异常图像，包括：对所述图像掩膜采用图像闭操作处理，得到闭操作处理后图像；确定所述闭操作处理后图像异常色块的方向，并根据异常色块的方向，设置检测方式，所述检测方式为横向或纵向检测；从所述闭操作处理后图像中取预定行，按照所述检测方式进行检测，确定最大像素值的连续的位置信息；选取最大像素值的连续的位置信息，作为异常区域的宽，选取所述闭操作处理后图像的高度作为异常区域的高，确定异常区域；计算所述异常区域的面积以及所述异常区域中像素值为异常点的个数；判断所述异常点的个数与异常区域的面积的比值是否大于设定比值阈值。若是，则所述待检测图像为颜色异常图像。

在本申请一些实施方式中，所述检测所述待检测图像是否为矩形框异常图像，包括：将所述待检测图像转为灰度图像，得到第四灰度图像；对第四灰度图像进行降噪处理，得到降噪图像；对所述降噪图像进行角点检测，得到包括矩形框的四个角点的角点显示图像；对所述角点显示图像进行形态学处理，得到形态学处理后图像；对所述形态学处理后图像中的矩形框进行蒙版提取，得到矩形框蒙版图像；对所述矩形框蒙版图像进行降噪及腐蚀操作以去除噪声，得到去噪后矩形框蒙版图像；对所述去噪后矩形框蒙版图像进行边缘提取，得到二值化边缘轮廓图像；对所述二值化边缘轮廓图像进行直线线条检测，若检测出的线条个数大于预设数值，且检测出的同一方向的线条之间最大距离大于设定阈值距离，确定所述待检测图像为矩形框异常图像。

为了更好实施本申请实施例中图像异常检测方法，在图像异常检测方法基础之上，本申请实施例中还提供一种图像异常检测装置，如图14所示，所述图像异常检测装置1400包括获取模块1401、图像通用检测模块1402、图像专用检测模块1403和确定模块1404，具体如下：

获取模块1401，用于获取待检测图像；

图像通用检测模块1402，用于通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

图像专用检测模块1403，用于通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

确定模块1404，用于当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述图像通用检测模块1402包括：

可用图像检测单元，用于检测所述待检测图像是否为可用图像；

尺寸异常图像检测单元，用于检测所述待检测图像是否为尺寸异常图像；

低对比度图像检测单元，用于检测所述待检测图像是否为低对比度图像；

小有效区域图像检测单元，用于检测所述待检测图像是否是否为小有效区域图像，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品；

所述确定模块1404具体用于当所述待检测图像为不可用图像，尺寸异常图像，低对比度图像或者小有效区域图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述可用图像检测单元具体用于：

通过所述待检测图像对应的文件后缀名判断是否为图像文件；

通过读取所述待检测图像对应的文件大小判断所述待检测图像是否为空文件；

使用预置的图像损坏检测模块进行图像读取，判断所述待检测图像是否为损坏文件；

若所述待检测图像为图像文件，非空文件或者非损坏文件，确定所述待检测图像可用。

在本申请一些实施方式中，所述尺寸异常图像检测单元具体用于：

获取所述待检测图像的宽尺寸和高尺寸；

若所述宽尺寸小于预设宽度阈值或者所述高尺寸小于预设高度阈值，确定所述待检测图像是否为尺寸异常图像；

根据所述宽尺寸和高尺寸计算所述待检测图像的宽高比和高宽比；

若所述宽高宽高比大于第一预设阈值或所述高宽比中大于所述第二预设阈值，确定所述待检测图像是否为尺寸异常图像。

在本申请一些实施方式中，所述低对比度图像检测单元具体用于：

将所述待检测图像转换为灰度图像，得到第一灰度图像；

获取所述第一灰度图像的图像数据类型的最大值fmax和最小值fmin；

将所述灰度图像所有像素值按照从小到大排序，计算所述灰度图像的图像分布的百分位数，确定最大百分位数dmax和最小百分位数dmin；

若(dmax-dmin)/(fmax-fmin)小于第一预设比例，确定所述待检测图像为低对比度图像。

在本申请一些实施方式中，所述小有效区域图像检测单元具体用于：

将所述待检测图像转为灰度图像，得到第二灰度图像；

统计所述第二灰度图像中出现频率最高的像素值；

根据所述出现频率最高的像素值，确定无效像素值的像素范围；

计算所述第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例；

若所述无效比例大于第二预设比例，则确定所述待检测图像为小有效区域图像。

在本申请一些实施方式中，所述图像专用检测模块1403包括：

结构异常检测单元，用于检测所述待检测图像是否为结构异常图像；

条纹异常检测单元，用于检测所述待检测图像是否为条纹异常图像；

颜色异常检测单元，用于检测所述待检测图像是否为颜色异常图像；

矩形框异常检测单元，用于检测所述待检测图像是否为矩形框异常图像；

所述确定模块1404具体用于当所述待检测图像为结构异常图像，条纹异常图像，颜色异常图像或者矩形框异常图像时，确定所述待检测图像为异常图像。

在本申请一些实施方式中，所述结构异常检测单元具体用于：

获取异常图像模板；

将所述异常图像模板从所述待检测图像左上角开始逐像素点从左至右，从上至下移动，每到达一个像素点，以该像素点为左上角顶点从所述待检测图像中截取出与所述异常图像模板一样大小的切割图像；

将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性；

当所述特征相似性大于设定相似性阈值时，判定所述待检测图像为结构异常图像；

当所述特征相似性小于所述设定相似性阈值，若所述异常图像模板仍未完成整个待检测图像的遍历时，则继续移动到下一像素点进行图像切割与相似性阈值判断，直到完成整个待检测图像的遍历，当整个待检测图像中每次得到的特征相似性都小于设定相似性阈值时，则判定所述待检测图像非结构异常图像。

在本申请一些实施方式中，所述条纹异常检测单元具体用于：

将所述待检测图像转为灰度图像，得到第三灰度图像；

提取所述第三灰度图像中物体轮廓，得到轮廓图像；

根据预先设置的距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔检测出轮廓图像中的直线；

当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则确定所述待检测图像为条纹异常图像。

在本申请一些实施方式中，所述条纹异常检测单元具体还用于：

检测所述轮廓图像是否存在菜单栏；

若存在，在所述轮廓图像底部竖直方向预设区域检测是否存在长直线；

若存在，检测所述直线角度是否在第二预设角度区间；

若是，确定所述待检测图像为菜单栏异常图像。

在本申请一些实施方式中，所述颜色异常检测单元具体用于：

将所述待检测图像进行色彩空间变换，以转换为HSV图像。

获取所述HSV图像在HSV颜色空间中异常色块的值域上下限；

按照所述异常色块的值域上下限获取图像掩膜，所述图像掩膜中包括白色区域和黑色区域，所述白色区域对应所述待检测图像的异常区域，原所述黑色区域对应所述待检测图像中除异常区域外的其他区域；

根据所述图像掩膜，确定所述待检测图像是否颜色异常图像。

在本申请一些实施方式中，所述颜色异常检测单元具体还用于：

对所述图像掩膜采用图像闭操作处理，得到闭操作处理后图像；

确定所述闭操作处理后图像异常色块的方向，并根据异常色块的方向，设置检测方式，所述检测方式为横向或纵向检测；

从所述闭操作处理后图像中取预定行，按照所述检测方式进行检测，确定最大像素值的连续的位置信息；

选取最大像素值的连续的位置信息，作为异常区域的宽，选取所述闭操作处理后图像的高度作为异常区域的高，确定异常区域；

计算所述异常区域的面积以及所述异常区域中像素值为异常点的个数；

判断所述异常点的个数与异常区域的面积的比值是否大于设定比值阈值若是，则所述待检测图像为颜色异常图像。

在本申请一些实施方式中，所述矩形框异常检测单元具体用于：

将所述待检测图像转为灰度图像，得到第四灰度图像；

对第四灰度图像进行降噪处理，得到降噪图像；

对所述降噪图像进行角点检测，得到包括矩形框的四个角点的角点显示图像；

对所述角点显示图像进行形态学处理，得到形态学处理后图像；

对所述形态学处理后图像中的矩形框进行蒙版提取，得到矩形框蒙版图像；

对所述矩形框蒙版图像进行降噪及腐蚀操作以去除噪声，得到去噪后矩形框蒙版图像；

对所述去噪后矩形框蒙版图像进行边缘提取，得到二值化边缘轮廓图像；

对所述二值化边缘轮廓图像进行直线线条检测，若检测出的线条个数大于预设数值，且检测出的同一方向的线条之间最大距离大于设定阈值距离，确定所述待检测图像为矩形框异常图像。

本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种图像异常检测装置，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述图像异常检测方法实施例中任一实施例中所述的图像异常检测方法中的步骤。

本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种图像异常检测装置。如图15所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，具体来讲：

该计算机设备可以包括一个或者一个以上处理核心的处理器1501、一个或一个以上计算机可读存储介质的存储器1502、电源1503和输入单元1504等部件。本领域技术人员可以理解，图15中示出的计算机设备结构并不构成对计算机设备的限定，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。其中：

处理器1501是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器1502内的软件程序和/或模块，以及调用存储在存储器1502内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器1501可包括一个或多个处理核心；优选的，处理器1501可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1501中。

存储器1502可用于存储软件程序以及模块，处理器1501通过运行存储在存储器1502的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器1502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1502还可以包括存储器控制器，以提供处理器1501对存储器1502的访问。

计算机设备还包括给各个部件供电的电源1503，优选的，电源1503可以通过电源管理系统与处理器1501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该计算机设备还可包括输入单元1504，该输入单元1504可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器1501会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器1502中，并由处理器1501来运行存储在存储器1502中的应用程序，从而实现各种功能，如下：

获取待检测图像；

通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本申请实施例所提供的任一种图像异常检测方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：

获取待检测图像；

通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。

具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种图像异常检测方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (16)

1.一种图像异常检测方法，其特征在于，所述图像异常检测方法包括：

获取待检测图像；

通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，所述预设通用图像检测方式包括至少一种通用图像检测方式；

通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，所述预设专用图像检测方式包括至少一种专用图像检测方式；

当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

2.根据权利要求1所述的图像异常检测方法，其特征在于，所述通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像包括如下至少一种：

检测所述待检测图像是否为可用图像；

检测所述待检测图像是否为尺寸异常图像；

检测所述待检测图像是否为低对比度图像；

检测所述待检测图像是否是否为小有效区域图像，所述小有效区域图像为有效物品所占当前图像比例低于预设阈值或无有效物品；

所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：

当所述待检测图像为不可用图像，尺寸异常图像，低对比度图像或者小有效区域图像时，确定所述待检测图像为异常图像。

3.根据权利要求2所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为可用图像，包括：

通过所述待检测图像对应的文件后缀名判断是否为图像文件；

通过读取所述待检测图像对应的文件大小判断所述待检测图像是否为空文件；

使用预置的图像损坏检测模块进行图像读取，判断所述待检测图像是否为损坏文件；

若所述待检测图像为图像文件，非空文件或者非损坏文件，确定所述待检测图像可用。

4.根据权利要求2所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为尺寸异常图像，包括：

获取所述待检测图像的宽尺寸和高尺寸；

若所述宽尺寸小于预设宽度阈值或者所述高尺寸小于预设高度阈值，确定所述待检测图像为尺寸异常图像；

根据所述宽尺寸和高尺寸计算所述待检测图像的宽高比和高宽比；

若所述宽高宽高比大于第一预设阈值或所述高宽比大于所述第二预设阈值，确定所述待检测图像为尺寸异常图像。

5.根据权利要求2所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为低对比度图像，包括：

将所述待检测图像转换为灰度图像，得到第一灰度图像；

获取所述第一灰度图像的图像数据类型的最大值fmax和最小值fmin；

将所述灰度图像所有像素值按照从小到大排序，计算所述灰度图像的图像分布的百分位数，确定最大百分位数dmax和最小百分位数dmin；

若(dmax-dmin)/(fmax-fmin)小于第一预设比例，确定所述待检测图像为低对比度图像。

6.根据权利要求2所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否是否为小有效区域图像，包括：

将所述待检测图像转为灰度图像，得到第二灰度图像；

统计所述第二灰度图像中出现频率最高的像素值；

根据所述出现频率最高的像素值，确定无效像素值的像素范围；

计算所述第二灰度图像中所述无效像素值的像素范围内的像素数占总像素数的无效比例；

若所述无效比例大于第二预设比例，则确定所述待检测图像为小有效区域图像。

7.根据权利要求1所述的图像异常检测方法，其特征在于，所述通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像，包括如下至少一种：

检测所述待检测图像是否为结构异常图像；

检测所述待检测图像是否为条纹异常图像；

检测所述待检测图像是否为颜色异常图像；

检测所述待检测图像是否为矩形框异常图像；

所述当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像，包括：

当所述待检测图像为结构异常图像，条纹异常图像，颜色异常图像或者矩形框异常图像时，确定所述待检测图像为异常图像。

8.根据权利要求7所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为结构异常图像，包括：

获取异常图像模板；

将所述异常图像模板从所述待检测图像左上角开始逐像素点从左至右，从上至下移动，每到达一个像素点，以该像素点为左上角顶点从所述待检测图像中截取出与所述异常图像模板一样大小的切割图像；

将所述切割图像与所述异常图像模板进行像素比较运算，以计算所述异常图像模板与所述切割图像间的特征相似性；

当所述特征相似性大于设定相似性阈值时，判定所述待检测图像为结构异常图像；

当所述特征相似性小于所述设定相似性阈值，若所述异常图像模板仍未完成整个待检测图像的遍历时，则继续移动到下一像素点进行图像切割与相似性阈值判断，直到完成整个待检测图像的遍历，当整个待检测图像中每次得到的特征相似性都小于设定相似性阈值时，则判定所述待检测图像非结构异常图像。

9.根据权利要求7所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为条纹异常图像，包括：

将所述待检测图像转为灰度图像，得到第三灰度图像；

提取所述第三灰度图像中物体轮廓，得到轮廓图像；

根据预先设置的距离精度、角度精度、累加直线阈值、最小线段长度、最大线段间隔检测出轮廓图像中的直线；

当检测出的直线数量大于预设的图像数量阈值，且检出的直线平均角度在第一预设角度区间时，则确定所述待检测图像为条纹异常图像。

10.根据权利要求9所述的图像异常检测方法，其特征在于，所述方法还包括：

检测所述轮廓图像是否存在菜单栏；

若存在，在所述轮廓图像底部竖直方向预设区域检测是否存在长直线；

若存在，检测所述直线角度是否在第二预设角度区间；

若是，确定所述待检测图像为菜单栏异常图像。

11.根据权利要求7所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为颜色异常图像，包括：

将所述待检测图像进行色彩空间变换，以转换为HSV图像。

获取所述HSV图像在HSV颜色空间中异常色块的值域上下限；

按照所述异常色块的值域上下限获取图像掩膜，所述图像掩膜中包括白色区域和黑色区域，所述白色区域对应所述待检测图像的异常区域，原所述黑色区域对应所述待检测图像中除异常区域外的其他区域；

根据所述图像掩膜，确定所述待检测图像是否颜色异常图像。

12.根据权利要求11所述的图像异常检测方法，其特征在于，所述根据所述图像掩膜，确定所述待检测图像是否颜色异常图像，包括：

对所述图像掩膜采用图像闭操作处理，得到闭操作处理后图像；

确定所述闭操作处理后图像异常色块的方向，并根据异常色块的方向，设置检测方式，所述检测方式为横向或纵向检测；

从所述闭操作处理后图像中取预定行，按照所述检测方式进行检测，确定最大像素值的连续的位置信息；

选取最大像素值的连续的位置信息，作为异常区域的宽，选取所述闭操作处理后图像的高度作为异常区域的高，确定异常区域；

计算所述异常区域的面积以及所述异常区域中像素值为异常点的个数；

判断所述异常点的个数与异常区域的面积的比值是否大于设定比值阈值若是，则所述待检测图像为颜色异常图像。

13.根据权利要求7所述的图像异常检测方法，其特征在于，所述检测所述待检测图像是否为矩形框异常图像，包括：

将所述待检测图像转为灰度图像，得到第四灰度图像；

对第四灰度图像进行降噪处理，得到降噪图像；

对所述降噪图像进行角点检测，得到包括矩形框的四个角点的角点显示图像；

对所述角点显示图像进行形态学处理，得到形态学处理后图像；

对所述形态学处理后图像中的矩形框进行蒙版提取，得到矩形框蒙版图像；

对所述矩形框蒙版图像进行降噪及腐蚀操作以去除噪声，得到去噪后矩形框蒙版图像；

对所述去噪后矩形框蒙版图像进行边缘提取，得到二值化边缘轮廓图像；

对所述二值化边缘轮廓图像进行直线线条检测，若检测出的线条个数大于预设数值，且检测出的同一方向的线条之间最大距离大于设定阈值距离，确定所述待检测图像为矩形框异常图像。

14.一种图像异常检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测图像；

图像通用检测模块，用于通过预设通用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

图像专用检测模块，用于通过预设专用图像检测方式检测所述待检测图像，以确定所述待检测图像是否为异常图像；

确定模块，用于当所述预设通用检测方式中至少一种通用图像检测方式确定所述待检测图像为异常图像，或者所述预设专用检测方式中至少一种专用图像检测方式确定所述待检测图像为异常图像，确定所述待检测图像为异常图像。

15.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至7中任一项所述的图像异常检测方法。

16.一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，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的图像异常检测方法中的步骤。

Images