CN115761575A - 图像检测方法、装置以及计算机可读存储介质 - Google Patents

Abstract

本申请提出了一种图像检测方法、装置以及计算机可读存储介质，获取视频流中的当前图像，以及获取参考图像；将当前图像输入去雨模型，得到去雨模型处理后的处理图像；分别获取当前图像与所述参考图像的第一帧差图，以及处理图像与参考图像的第二帧差图；获取第一帧差图和第二帧差图的差异信息，判断差异信息是否满足预设条件。通过上述方式，通过当前图像以及去雨处理后的当前图像的差异信息即可准确判断是否为雨天，能排除图像背景中其他因素的干扰，提升精准度，防止误判，提升鲁棒性。

Description

图像检测方法、装置以及计算机可读存储介质

技术领域

本申请主要涉及视频图像处理技术领域，尤其是涉及一种图像检测方法、装置以及计算机可读存储介质。

背景技术

在视频图像处理技术领域，对于雨天的识别判断，通常通过视频帧中车辆经过路面所引起的水雾来判断是否进行下雨或依据视频中的路面情况来判断天气类别，容易受到无关物体的干扰，对于雨量较小的情况无法检测，准确率差，具有延时性，且鲁棒性低。

发明内容

为解决上述技术问题，本申请提供了一种图像检测方法、装置以及计算机可读存储介质。

为解决上述技术问题，本申请提出了一种图像检测方法，所述图像检测方法包括：

获取视频流中的当前图像，以及获取参考图像；

将所述当前图像输入去雨模型，得到所述去雨模型处理后的处理图像；

分别获取所述当前图像与所述参考图像的第一帧差图，以及所述处理图像与所述参考图像的第二帧差图；

获取所述第一帧差图和所述第二帧差图的差异信息，判断所述差异信息是否满足预设条件；

若是，则确定所述当前图像的场景为下雨场景。

其中，所述参考图像为所述当前图像在所述视频流中的前一帧图像。

其中，所述获取所述第一帧差图和所述第二帧差图的差异信息，包括：

计算所述第一帧差图与所述第二帧差图的第三帧差图；

获取所述第三帧差图的若干像素分块，并计算每一像素分块的像素值；

获取所述第三帧差图中，所述像素值大于等于预设像素值阈值的像素分块的数量；

利用所述数量生成所述差异信息。

其中，所述获取所述第三帧差图的若干像素分块，并计算每一像素分块的像素值；

对所述第一帧差图进行分块处理，得到若干第一像素分块，以及对所述第二帧差图进行分块处理，得到若干第二像素分块；

将相同位置的第一像素分块与第二像素分块作差，得到所述第三帧差图上的像素分块；

其中，所述第一像素分块与所述第二像素分块的差值作为所述第三帧差图上相同位置的像素分块的像素值。

其中，所述获取所述第三帧差图的若干像素分块，包括：

基于所述视频流对所述当前图像上的运动物体进行目标检测，获得运动物体的位置信息；

对所述第三帧差图进行像素块划分后，基于所述位置信息排除包含运动物体的像素分块，得到所述第三帧差图的若干像素分块。

其中，所述判断所述差异信息是否满足预设条件，包括：

基于所述差异信息，获取所述像素值大于等于预设像素值阈值的像素分块的数量；

在所述数量大于等于预设数量时，确定所述当前图像的场景为下雨场景。

其中，所述确定所述当前图像的场景为下雨场景之后，所述图像检测方法还包括：

继续获取所述视频流中的其他图像，并获取所述其他图像中确定为下雨场景的下雨图像；

在所述存在连续多帧图像的场景均为下雨场景时，确定所述视频流的场景为下雨场景。

其中，所述获取视频流中的当前图像之后，所述图像检测方法还包括：

获取所述当前图像的当前场景信息；

在基于所述当前场景信息确定所述当前图像为室内场景时，继续获取所述视频流中所述当前图像的下一帧图像；

在基于所述当前场景信息确定所述当前图像为室外场景时，获取参考图像。

为解决上述技术问题，本申请还提出了一种图像检测装置，所述图像检测装置包括处理器、与所述处理器连接的存储器，其中，

所述存储器存储有程序指令；

所述处理器用于执行所述存储器存储的程序指令以实现上述的图像检测方法。

为解决上述技术问题，本申请还提出了一种计算机可读存储介质，所述存储介质存储有程序指令，所述程序指令被执行时实现上述的图像检测方法。

与现有技术相比，本申请的有益效果是：图像检测装置获取视频流中的当前图像，以及获取参考图像；将当前图像输入去雨模型，得到去雨模型处理后的处理图像；分别获取当前图像与所述参考图像的第一帧差图，以及处理图像与参考图像的第二帧差图；获取第一帧差图和第二帧差图的差异信息，判断差异信息是否满足预设条件。通过上述方式，使用图像去雨模型进行去雨处理，对于大部分的通用场景都能很好的只去除画面中的雨水的部分，而不对其他图像信息造成修改；进一步通过对比第一帧差图和第二帧差图的差异信息判断是否为雨天，无需拍摄到很清晰的雨滴，也不检测图像信息本身信息，通过差异信息即可准确判断是否为雨天，能排除图像背景中其他因素的干扰，提升雨天检测识别的精准度，排除误判概率，提升鲁棒性。

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。

其中：

图1是本申请提供的图像检测方法第一实施例的流程示意图；

图2是本申请提供的图像检测方法总流程示意图；

图3是图1所示图像检测方法中步骤S14的具体子步骤的示意图；

图4是本申请提供的图像检测方法第二实施例的流程示意图；

图5是本申请提供的图像检测方法第三实施例的流程示意图；

图6是本申请提供的图像检测装置一实施例的框架示意图；

图7是本申请提供的计算机存储介质一实施例的结构示意图。

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，所描述的实施例仅是本申请的一部分实施例，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例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为解决上述背景技术中的技术问题，具体请参阅图1和图2，图1是本申请提供的图像检测方法的第一实施例的流程示意图，图2是本申请提供的图像检测方法总流程的示意图。

如图1所示，本实施例的图像检测方法具体包括以下步骤：

步骤S11：获取视频流中的当前图像，以及获取参考图像。

具体地，视频流可通过视频监控设备实时获取，并通过网络实时传输，或从存储设备中调用视频流数据。当前图像为视频流中任一时刻的图像，参考图像可以为任意图像。例如，参考图像可以为当前图像的前一帧图像、与当前图像为同一图像、或在当前图像所在的视频流中或其他视频流中任意时刻的图像。

步骤S12：将当前图像输入去雨模型，得到去雨模型处理后的处理图像。

具体地，图像检测装置可以事先对雨天场景进行建模，得到训练好的去雨模型，如去雨深度神经网络等。其建模过程与常规神经网络训练过程一致，在此不再赘述。

其中，图像检测装置使用去雨模型对当前图像f_n(x,y)进行去雨处理得到去雨模型处理后的处理图像q_n(x,y)。

其中，去雨模型具体如下：

其中，O表示带雨的输入图像，B表示干净的背景层，

表示一层拥有相同方向的雨线，对不同方向雨线求和，则得到贴近真实场景的效果，α表示传输率，在大气散射中的成像模型中表示该点的光强被衰减之后，进入成像设备的比例，A表示环境光。

步骤S13：分别获取当前图像与参考图像的第一帧差图，以及处理图像与参考图像的第二帧差图。

具体地，第一帧差图和第二帧差图均为通过两个图像之间相同坐标位置的像素点的像素值作差，得到像素差值组成的图像。

可选地，在本申请一实施例中，参考图像可以为当前图像在所述视频流中的前一帧图像。

具体地，图像检测装置对当前图像f_n＝(x,y)与当前图像的前一帧图像f_n-1＝(x,y)计算帧差，得到第一帧差图D_n＝(x,y)，其具体公式如下所示：

D_n(x,y)＝|f_n(x,y)-f_n-1(x,y)

图像检测装置对去雨模型处理后的处理图像q_n＝(x,y)与当前图像的前一帧图像f_n-1＝(x,y)计算帧差，得到第二帧差图E_n＝(x,y)，其具体公式如下所示：

E_n(x,y)＝|q_n(x,y)-f_n-1(x,y)|

可选地，在本申请的另一实施例中，参考图像还可以为空白图像，空白图像即所有像素点的像素值为0的参考图像。

具体地，此时，当上述步骤S13中的参考图像为空白图像时，即当前图像的前一帧图像f_n-1(x,y)＝0，此时第一帧差图D_n(x,y)＝|f_n(x,y)-0|，第二帧差图E_n(x,y)＝|q_n(x,y)-0|。

在本实施例中，图像检测装置通过设置空白对照，对当前图像进行自我对照，无须获取其它帧图像，减少对照，降低运算复杂程度，提高运算效率。此外，简化对比流程的同时，由于其对自身图像进行去雨比较，变化数据明显，更易判断。

步骤S14：获取第一帧差图和第二帧差图的差异信息，判断差异信息是否满足预设条件。

其中，差异信息包括但不限于第一帧差图与第二帧差图在位置数据、颜色数据、状态数据、透光数据等上的差异情况。

其中，预设条件可以为第一帧差图和第二帧差图的差异信息是否大于等于预设阈值。

具体地，图像检测装置获取差异信息的方式包括但不限于以下方式：对第一帧差图D_n(x,y)进行分块操作得到子块集合PD_ij，以及对第二帧差图E_n(x,y)进行分块操作得到子块集合PE_ij。图像检测装置进一步对子块集合PD_ij和子块集合PE_ij相同位置的子块计算差值，根据每一子块的差值组合得到差异信息，进一步通过判断差异信息是否满足预设条件，满足预设条件时，确定当前图像的场景为下雨场景。

在另一个实施例中，图像检测装置还可以先对第一帧差图和第二帧差图整体差异对比得到差异图像信息，即第三帧差图，对第三帧差图进行分块处理，进一步通过判断差异信息是否满足预设条件，满足预设条件时，确定当前图像的场景为下雨场景。

本申请还提出一实施例用于进一步获取第一帧差图和第二帧差图的差异信息，具体请结合图2继续参见图3，图3是图1所示图像检测方法中步骤S14的具体子步骤的示意图。

图像检测装置获取第一帧差图和第二帧差图的差异信息的步骤，包括：

步骤S141：计算第一帧差图与第二帧差图的第三帧差图。

具体地，在一种实施例中，第三帧差图的获取方式可以通过图像检测装置对第一帧差图和第二帧差图进行分块处理后，图像检测装置分别对第一帧差图与第二帧差图之间相同位置的像素分块进行作差得到每一像素分块的像素差值，最后由所有像素分块的像素差值组成第三帧差图。

在另一种实施例中，图像检测装置还可以对第一帧差图和第二帧差图整体进行比对，即直接将第一帧差图的像素值与第二帧差图的像素值作差得到第三帧差图。

步骤S142：获取第三帧差图的若干像素分块，并计算每一像素分块的像素值。

具体地，图像检测装置对第三帧差图的像素分块的分块数量、大小和形状可以根据预设模板或根据视频流中获取的图像的分辨率确定。例如，预设模板可以为将第三帧差图分为4*4、8*8、16*16等个像素分块；根据图像的分辨率可以为根据图像的水平分辨率与垂直分辨率的比例，确定像素分块行数与像素分块列数的比例。

进一步地，请继续参见图2，为实现上述图像检测方法，本申请还提出另一实施例，图像检测装置首先对第一帧差图和第二帧差图进行分块，进一步获取第三帧差图的若干像素分块，并计算每一像素分块的像素值，其具体步骤包括：

图像检测装置对第一帧差图进行分块处理，得到若干第一像素分块，以及对第二帧差图进行分块处理，得到若干第二像素分块。最后，将相同位置的第一像素分块与第二像素分块作差，得到第三帧差图上的像素分块。

具体地，图像检测装置对第一帧差图D_n(x,y)进行分块操作得到子块集合PD_ij，以及对第二帧差图E_n(x,y)进行分块操作得到子块集合PE_ij。图像检测装置进一步对子块集合PD_ij和子块集合PE_ij相同位置的子块计算差值，根据每一子块的差值组合得到差异信息。

其中，第一像素分块与第二像素分块的差值作为第三帧差图上相同位置的像素分块的像素值。

通过分块处理的方式，图像检测装置获取每个分块的像素值进行对比，精确到每一个像素块内是否存在上述的差异信息，提高图像检测的精确度，对于视频流的图像中雨量较少的情况，依然可以准确检测，以像素分块作为检测单元，不受场景变化的限制和影响，进一步提升图像检测的灵活度和灵敏度。

基于上述实施例步骤S142的图像检测方法的基础，为了进一步提升图像检测方法的鲁棒性与准确率并防止环境干扰，本申请还提出了另一种图像检测方法，用于对运动物体进行排除。具体请结合图2继续参见图4，图4是本申请提出的第二实施例流程示意图，具体步骤如下：

步骤S1421：基于视频流对当前图像上的运动物体进行目标检测，获得运动物体的位置信息。

具体地，图像检测装置可以通过目标检测算法或人工智能捕捉当前图像上运动物体，从而获得运动物体的位置信息。其中，具体捕捉运动物体的方式任意，此处不做限定。

步骤S1422：对第三帧差图进行像素块划分后，基于位置信息排除包含运动物体的像素分块，得到第三帧差图的若干像素分块。

在本实施例中，图像检测装置将第三帧差图进行像素块划分，得到若干像素分块之后，利用步骤S1421得到的运动物体的位置信息，分析得到若干像素分块中包含运动物体的像素分块，从而将包含运动物体的像素分块进行排除。

在对运动物体进行排除的步骤后，进一步执行步骤S143，可以实现只统计没有运动物体的像素分块作判定依据，排除运动物体的影响，提升图像检测的鲁棒性与准确率。

由于下雨场景本身为动态过程，其判断会受到运动物体的影响，所以本实施例通过排除包含运动物体的像素分块，能够有效排除画面中运动物体的干扰，提升了雨天场景检测的精度，排除场景的影响，适应不同环境的变化。

步骤S143：获取第三帧差图中，像素值大于等于预设像素值阈值的像素分块的数量。

具体地，图像检测装置将第三帧差图中每个像素分块中所有像素点的平均像素值或所有像素点的像素值众数或像素值中位数，作为所在像素分块的像素值。

进一步地，图像检测装置将第三帧差图中的每个像素分块的像素值与预设像素值阈值进行比较，以统计像素值大于等于预设像素值阈值的像素分块的数量。

步骤S144：利用数量生成差异信息。

在本申请实施例中，图像检测装置将步骤S143比较所得的数量作为差异信息，用以确定当前图像的具体场景，具体过程请继续参阅步骤S15。

在其他实施例中，差异信息处理包括像素值大于等于预设像素值阈值的像素分块的数量，还可以包括每一像素分块的像素值与预设像素值阈值的差值，以在确定当前图像为下雨场景的基础上，进一步辅助判断下雨场景的雨势。

步骤S15：确定当前图像的场景为下雨场景。

具体地，图像检测装置基于差异信息，获取像素值大于等于预设像素值阈值的像素分块的数量，在数量大于等于预设数量时，确定当前图像的场景为下雨场景。

区别于现有技术，本申请使用图像去雨模型对当前图像进行去雨处理，对于大部分的通用场景都能很好的只去除画面中的雨水的部分，而不对其他图像信息造成修改。进一步，图像检测装置通过对比第一帧差图和第二帧差图的差异信息判断当前图像的场景是否为雨天，无需拍摄到很清晰的雨滴，也不检测图像信息本身信息，通过差异信息即可准确判断是否为雨天，能排除图像背景中其他因素的干扰，提升雨天检测识别的精准度，排除误判概率，提升鲁棒性。

进一步地，请参见图2，图像检测装置在获取每一帧图像的场景之后，还可以综合多帧图像的场景，对视频流的场景进行判定。

具体地，图像检测装置可以继续获取所述视频流中的其他图像，并获取所述其他图像中确定为下雨场景的下雨图像。其他图像的场景判定可以参考上述步骤S11至步骤S15的过程，在此不再赘述。

在存在连续多帧图像的场景均为下雨场景时，图像检测装置确定视频流的场景为下雨场景。

例如，在连续n帧内统计判定为下雨的帧数统计量，如果大于预设阈值，则判定当前视频流中的场景，即为持续下雨的场景。

本实施例中，图像检测装置通过对连续多帧图像进行下雨场景的识别判断，可以进一步地可以通过截取目标时间判断该时间段内的下雨情况。

为了实现上述图像检测方法，本申请还设置前置算法模块，首先对当前场景进行场景分类，图像检测装置在获取视频流中的当前图像之后，对场景信息的判断，通过判断场景信息是否为室外信息，确定是否需要进一步判断当前图像的场景。请参见图2和图5，图5为本申请提供的第三实施例的流程示意图，具体步骤如下：

步骤S20：获取当前图像的当前场景信息。

具体地，图像检测装置获取视频流中当前帧画面，其中，视频流可通过视频监控实时获取，并通过网络实时传输，或从储存设备中调用历史数据。场景信息通过场景分类网络获取，具体方式如下：

图像检测装置将当前图像输入场景分类网络，此场景分类网络是一个多标签分类网络，对于某个场景其最后的结果可能是多个标签，其多标签分类网络的输出层使用的是sigmoid激活函数，损失函数使用的是二元交叉熵损失函数，其公式如下所示：

其中，z是主干网络的输出层结果。

是经过sigmoid激活函数以后的结果。y是网络训练的真值标签值，

则为二元交叉熵损失函数。

步骤S21：在基于当前场景信息确定当前图像为室内场景时，继续获取视频流中当前图像的下一帧图像。

具体地，当场景信息为室内场景时，由于其场景限制，无须对其进行下雨场景判断，因此图像检测装置自动排除判断为室内场景的图像，继续获取视频流中当前图像的下一帧图像，若下一帧图像仍为室内场景，继续获取视频流中当前图像的下一帧图像，直到场景信息不再为室内信息。

步骤S22：在基于当前场景信息确定当前图像为室外场景时，获取参考图像。

具体地，当图像检测装置判断当前场景为室外场景时，进一步执行上述步骤S12及其后续步骤，从而对当前场景为室外场景的当前图像进行下雨检测。具体过程请参阅图1所示图像检测方法的步骤S12至步骤S15，在此不再赘述。

本实施例中首先对当前场景进行场景分类，由于场景限制，即室内场景无须判断下雨场景，若是室内场景则直接判定为非雨天场景，避免了无用的计算，节省了计算资源，简化算法流程，提升运算效率。

为实现上述实施例中的图像检测方法，本申请还提供一种图像检测装置，请参阅图6，图6是本申请提供的图像检测装置的一实施例的框架示意图。

本申请实施例的图像检测装置500包括处理器51、存储器52、输入输出设备53以及总线54。

该处理器51、存储器52、输入输出设备53分别与总线54相连，该存储器52中存储有程序数据，处理器51用于执行程序数据以实现上述实施例所述的图像检测方法。

在本申请实施例中，处理器51还可以称为CPU(Central Processing Unit，中央处理单元)。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP，Digital Signal Process)、专用集成电路(ASIC，Application Specific Integrated Circuit)、现场可编程门阵列(FPGA，FieldProgrammable Gate Array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。

本申请还提供一种计算机存储介质，请继续参阅图7，图7是本申请提供的计算机存储介质一实施例的结构示意图，该计算机存储介质600中存储有计算机程序61，该计算机程序61在被处理器执行时，用以实现上述实施例的图像检测方法。

本申请的实施例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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，方式利用本申请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，均同理包括在本申请的专利保护范围内。

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：

获取视频流中的当前图像，以及获取参考图像；

将所述当前图像输入去雨模型，得到所述去雨模型处理后的处理图像；

分别获取所述当前图像与所述参考图像的第一帧差图，以及所述处理图像与所述参考图像的第二帧差图；

获取所述第一帧差图和所述第二帧差图的差异信息，判断所述差异信息是否满足预设条件；

若是，则确定所述当前图像的场景为下雨场景。

2.根据权利要求1所述的图像检测方法，其特征在于，

所述参考图像为所述当前图像在所述视频流中的前一帧图像。

3.根据权利要求1所述的图像检测方法，其特征在于，

所述获取所述第一帧差图和所述第二帧差图的差异信息，包括：

计算所述第一帧差图与所述第二帧差图的第三帧差图；

获取所述第三帧差图的若干像素分块，并计算每一像素分块的像素值；

获取所述第三帧差图中，所述像素值大于等于预设像素值阈值的像素分块的数量；

利用所述数量生成所述差异信息。

4.根据权利要求3所述的图像检测方法，其特征在于，

所述获取所述第三帧差图的若干像素分块，并计算每一像素分块的像素值包括：

对所述第一帧差图进行分块处理，得到若干第一像素分块，以及对所述第二帧差图进行分块处理，得到若干第二像素分块；

将相同位置的第一像素分块与第二像素分块作差，得到所述第三帧差图上的像素分块；

其中，所述第一像素分块与所述第二像素分块的差值作为所述第三帧差图上相同位置的像素分块的像素值。

5.根据权利要求3或4所述的图像检测方法，其特征在于，

所述获取所述第三帧差图的若干像素分块，包括：

基于所述视频流对所述当前图像上的运动物体进行目标检测，获得运动物体的位置信息；

对所述第三帧差图进行像素块划分后，基于所述位置信息排除包含运动物体的像素分块，得到所述第三帧差图的若干像素分块。

6.根据权利要求3所述的图像检测方法，其特征在于，

所述判断所述差异信息是否满足预设条件，包括：

基于所述差异信息，获取所述像素值大于等于预设像素值阈值的像素分块的数量；

在所述数量大于等于预设数量时，确定所述当前图像的场景为下雨场景。

7.根据权利要求6所述的图像检测方法，其特征在于，

所述确定所述当前图像的场景为下雨场景之后，所述图像检测方法还包括：

继续获取所述视频流中的其他图像，并获取所述其他图像中确定为下雨场景的下雨图像；

在存在连续多帧图像的场景均为所述下雨场景时，确定所述视频流的场景为所述下雨场景。

8.根据权利要求1所述的图像检测方法，其特征在于，

所述获取视频流中的当前图像之后，所述图像检测方法还包括：

获取所述当前图像的当前场景信息；

在基于所述当前场景信息确定所述当前图像为室内场景时，继续获取所述视频流中所述当前图像的下一帧图像；

在基于所述当前场景信息确定所述当前图像为室外场景时，获取参考图像。

9.一种图像检测装置，其特征在于，所述图像检测装置包括处理器、与所述处理器连接的存储器，其中，

所述存储器存储有程序指令；

所述处理器用于执行所述存储器存储的程序指令以实现如权利要求1-8中任一项所述的图像检测方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被执行时实现如权利要求1-8中任一项所述的图像检测方法。

Images