CN116935441A - 图像检测方法以及装置 - Google Patents
图像检测方法以及装置 Download PDFInfo
- Publication number
- CN116935441A CN116935441A CN202310891205.2A CN202310891205A CN116935441A CN 116935441 A CN116935441 A CN 116935441A CN 202310891205 A CN202310891205 A CN 202310891205A CN 116935441 A CN116935441 A CN 116935441A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- detected
- target object
- point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 453
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 165
- 238000000034 method Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 13
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 210000000707 wrist Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Human Computer Interaction (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例提供图像检测方法以及装置,其中所述图像检测方法包括:获取图像检测模板和目标对象的待检测图像;解析图像检测模板,确定图像检测模板中的参考骨骼点信息;对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
Description
技术领域
本说明书实施例涉及计算机技术领域,特别涉及一种图像检测方法。本说明书一个或者多个实施例同时涉及一种图像检测装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序。
背景技术
随着计算机技术的发展,当前很多电商服装店、医疗辅助软件以及健身软件等为了能更加精准地推送相应的内容,需要获取用户的体态信息为用户提供定制化推荐服务。为了准确获得用户体态信息,通常可以在信息采集之前通过入画检测模块提高用户体态信息采集的成功率。
目前,通常通过判断用户骨骼点是否落在提示人体模版的指定区域来进行入画检测。然而,因为不同用户的体型体长存在差异,导致检测成功率和检测效率极低,因此,亟需一种高效的图像检测方案。
发明内容
有鉴于此,本说明书实施例提供了一种图像检测方法。本说明书一个或者多个实施例同时涉及一种图像检测装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种图像检测方法,包括:
获取图像检测模板和目标对象的待检测图像;
解析图像检测模板,确定图像检测模板中的参考骨骼点信息;
对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;
根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;
在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
根据本说明书实施例的第二方面,提供了一种图像检测装置,包括:
获取模块,被配置为获取图像检测模板和目标对象的待检测图像;
解析模块,被配置为解析图像检测模板,确定图像检测模板中的参考骨骼点信息;
检测模块,被配置为对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;
确定模块,被配置为根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;
发送模块,被配置为在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现上述图像检测方法的步骤。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现上述图像检测方法的步骤。
根据本说明书实施例的第五方面,提供了一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述图像检测方法的步骤。
本说明书一个实施例提供的图像检测方法,获取图像检测模板和目标对象的待检测图像;解析图像检测模板,确定图像检测模板中的参考骨骼点信息;对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
附图说明
图1是本说明书一个实施例提供的一种图像检测系统的架构图;
图2是本说明书一个实施例提供的一种图像检测方法的流程图;
图3是本说明书一个实施例提供的一种图像检测方法中图像检测模板的示意图;
图4是本说明书一个实施例提供的一种图像检测方法的处理过程流程图;
图5是本说明书一个实施例提供的另一种图像检测方法的处理过程流程图;
图6是本说明书一个实施例提供的一种图像检测界面的界面示意图;
图7是本说明书一个实施例提供的一种图像检测装置的结构示意图;
图8是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外,需要说明的是,本说明书一个或多个实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
随着计算机技术的发展,当前很多电商服装店、医疗辅助软件以及健身软件等为了能更加精准地推送相应的内容,需要获取用户的身体维度信息以及体态信息,因此相关应用程序(APP,Application)或小程序增加了体态检测的功能。为了能得到比较准的检测结果,一般会在功能最开始增加一个入画检测的模块,该模块的作用主要是引导用户站到指定的区域,做出指定的姿势,拍摄用户照片传入体态检测模块。
目前的入画检测模块各自都存在一些缺陷,如不支持自拍模式,需要其他人帮忙拍摄;没有明确的提示,用户不清楚为什么达不到入画要求;入画判断要求过严或者过松,用户总是达不到要求失去耐心或者用户姿势并未完全达标,影响后续检测结果。
为了解决上述问题,本说明书实施例提出了一种图像检测方法,获取图像检测模板和目标对象的待检测图像;解析图像检测模板,确定图像检测模板中的参考骨骼点信息;对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
在本说明书中,提供了一种图像检测方法,本说明书同时涉及一种图像检测装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,在下面的实施例中逐一进行详细说明。
参见图1,图1示出了本说明书一个实施例提供的一种图像检测系统的架构图,图像检测系统可以包括客户端100和服务端200;
客户端100,用于向服务端200发送图像检测请求;
服务端200,用于响应于图像检测请求,获取图像检测模板和目标对象的待检测图像;解析图像检测模板,确定图像检测模板中的参考骨骼点信息;对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;在检测结果不符合预设检测条件的情况下,向客户端100发送检测提示信息;
客户端100,还用于接收服务端200发送的检测提示信息。
应用本说明书实施例的方案,通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
需要说明的是,客户端100与服务端200之间通过网络建立连接。网络为客户端100与服务端200之间提供了通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。客户端100所传输的数据可能需要经过编码、转码、压缩等处理之后才发布至服务端200。
客户端100可以为浏览器、应用程序、或网页应用如H5(HyperTextMarkupLanguage5,超文本标记语言第5版)应用、或轻应用(也被称为小程序,一种轻量级应用程序)或云应用等,客户端100可以基于服务端200提供的相应服务的软件开发工具包(SDK,SoftwareDevelopmentKit),如基于实时通信(RTC,RealTimeCommunication)SDK开发获得等。客户端100可以部署在电子设备中,需要依赖设备运行或者设备中的某些APP而运行等。电子设备例如可以具有显示屏并支持信息浏览等,如可以是个人移动终端如手机、平板电脑、个人计算机等。在电子设备中通常还可以配置各种其它类应用,例如人机对话类应用、模型训练类应用、文本处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
服务端200可以包括提供各种服务的服务器,例如为多个客户端提供通信服务的服务器,又如为客户端上使用的模型提供支持的用于后台训练的服务器,又如对客户端发送的数据进行处理的服务器等。需要说明的是,服务端200可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(CDN,ContentDeliveryNetwork)以及大数据和人工智能平台等基础云计算服务的云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
值得说明的是,本说明书实施例中提供的图像检测方法一般由服务端执行,但是,在本说明书的其它实施例中,客户端也可以与服务端具有相似的功能,从而执行本说明书实施例所提供的图像检测方法。在其它实施例中,本说明书实施例所提供的图像检测方法还可以是由客户端与服务端共同执行。
参见图2,图2示出了本说明书一个实施例提供的一种图像检测方法的流程图,具体包括以下步骤:
步骤202:获取图像检测模板和目标对象的待检测图像。
本说明书一个或多个实施例中,图像检测时,可以获取图像检测模板和目标对象的待检测图像,基于图像检测模板对目标对象的待检测图像进行检测,从而获得图像检测结果。
具体地,图像检测模板用于引导目标对象生成待检测图像。图像检测模板的数量可以是一个,也可以是多个。图像检测模板中包括参考对象模板框,参考对象模板框中参考对象的姿势可以有多种,如站立、举起手站立等等。目标对象是指进行图像检测的对象。待检测图像的数量与图像检测目标的数量相同,可以是一个,也可以是多个,待检测图像的数量具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
实际应用中,获取图像检测模板的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中,可以从检测模板库中随机选择图像检测模板。本说明书另一种可能的方式中,可以向目标对象展示检测模板库,接收目标对象发送的模板选择指令,从检测模板库中获取模板选择指令对应的图像检测模板。
进一步地,获取目标对象的待检测图像的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中,可以通过拍摄工具对目标对象进行拍摄,获得目标对象的待检测图像。本说明书另一种可能的实现方式中,可以接收目标对象上传的待检测图像。本说明书再一种可能的实现方式中,可以从待检测图像库中获取目标对象的待检测图像。
示例性地,参见图3,图3示出了本说明书一个实施例提供的一种图像检测方法中图像检测模板的示意图,获取目标对象的待检测图像可以是目标对象的正面图像和侧面图像。
步骤204:解析图像检测模板,确定图像检测模板中的参考骨骼点信息。
本说明书一个或多个实施例中,获取图像检测模板和目标对象的待检测图像之后,进一步地,可以解析图像检测模板,确定图像检测模板中的参考骨骼点信息。
具体地,参考骨骼点是指图像检测模板中的参考对象的骨骼点,参考骨骼点包括但不限于手肘骨骼点、手腕骨骼点、肩膀骨骼点。参考骨骼点信息包括但不限于参考骨骼点数量信息、参考骨骼点位置信息。
实际应用中,解析图像检测模板,确定图像检测模板中的参考骨骼点信息的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可能的实现方式中,图像检测模板可以携带参考骨骼点信息,可以直接解析图像检测模板携带的信息,确定图像检测模板中的参考骨骼点信息。
本说明书另一种可能的实现方式中,图像检测模板并未携带参考参考骨骼点信息,此时,可以对图像检测模板中的参考对象进行对象骨骼点检测,确定图像检测模板中的参考骨骼点信息。
步骤206:对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息。
本说明书一个或多个实施例中,获取图像检测模板和目标对象的待检测图像,解析图像检测模板,确定图像检测模板中的参考骨骼点信息之后,进一步地,可以对待检测图像进行对象骨骼点检测,确定待检测图像中的骨骼点信息。
具体地,叶子骨骼点信息包括但不限于叶子骨骼点数量信息、叶子骨骼点位置信息。叶子骨骼点为多个骨骼点中与其他骨骼点仅有一个连接关系的骨骼点,叶子骨骼点可以是左脚踝骨骼点、右脚踝骨骼点、左手腕骨骼点、右手腕骨骼点和头部骨骼点。
实际应用中,对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可能的实现方式中,可以预先训练得到叶子骨骼点识别模型,将待检测图像输入叶子骨骼点识别模型中,获得待检测图像中的叶子骨骼点信息,其中,叶子骨骼点识别模型基于多个样本检测图像训练得到,样本检测图像携带样本叶子骨骼点信息。
本说明书另一种可能的实现方式中,可以利用传统的骨骼点识别模型对待检测图像进行骨骼点识别,获得待检测图像中的全量骨骼点,进一步从全量骨骼点中筛选出叶子骨骼点,也即,上述对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息,可以包括以下步骤:
对待检测图像进行对象骨骼点检测,确定待检测图像中的多个骨骼点;
从多个骨骼点中筛选出叶子骨骼点,并获取叶子骨骼点的叶子骨骼点信息,其中,叶子骨骼点为多个骨骼点中与其他骨骼点仅有一个连接关系的骨骼点。
需要说明的是,可以将待检测图像输入骨骼点识别模型,获得待检测图像中的多个骨骼点和各骨骼点的骨骼点信息,其中,骨骼点识别模型基于多个样本图像训练得到,样本图像携带样本骨骼点信息。
实际应用中,可以直接根据参考骨骼点信息和待检测图像中全量骨骼点的骨骼点信息,确定待检测图像的检测结果。虽然全量骨骼点对图像检测很全面,但也增加了用于判断检测结果的阈值的选取。阈值过严会导致入画条件不易达到,流畅度降低,阈值过松会导致条件判断不充分。
因此,本说明书实施例中,引入数据结构“树”的相关知识,例如:手腕骨骼点是叶子节点,而手肘骨骼点是手腕骨骼点的父节点,肩膀骨骼点是手肘骨骼点的父节点,因为手腕骨骼点的位置是手肘骨骼点和肩膀骨骼点共同作用产生的,因此手腕骨骼点的骨骼点信息隐性包含了手肘骨骼点和肩膀骨骼点的骨骼点信息,所以可以去除手肘骨骼点和肩膀骨骼点,手臂点只保留骨骼点作为叶子骨骼点。也即,确定待检测图像中的多个骨骼点之后,可以获取各骨骼点各其他骨骼点之间连接关系的数量,将与其他骨骼点仅有一个连接关系的骨骼点作为叶子骨骼点,并获取叶子骨骼点的叶子骨骼点信息。
应用本说明书实施例的方案,对待检测图像进行对象骨骼点检测,确定待检测图像中的多个骨骼点;根据骨骼点之间的连接关系从多个骨骼点中筛选出叶子骨骼点,并获取叶子骨骼点的叶子骨骼点信息,在保证骨骼点信息约束的同时减少了数据处理量以及阈值选取难度,提高了图像检测的流畅度以及效率。
步骤208:根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果。
本说明书一个或多个实施例中,获取图像检测模板和目标对象的待检测图像,解析图像检测模板,确定图像检测模板中的参考骨骼点信息,对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息之后,进一步地,可以根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果。
具体地,待检测图像的检测结果可以是合格或不合格,也可以是具体的检测得分,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可选的实施例中,上述根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果,可以包括以下步骤:
根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标;
根据对象姿势指标,确定待检测图像的检测结果。
具体地,对象姿势指标用于描述待检测图像中目标对象的姿势和图像检测模板中参考对象的姿势之间的相似程度。
实际应用中,根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可能的实现方式中,可以根据参考骨骼点信息和叶子骨骼点信息,计算参考骨骼点和叶子骨骼点之间的余弦相似度,获得目标对象的对象姿势指标。
本说明书另一种可能的实现方式中,可以根据参考骨骼点信息和叶子骨骼点信息,计算参考骨骼点和叶子骨骼点之间的关键点相似度(OKS,ObjectKeypointSimilarity),获得目标对象的对象姿势指标。
需要说明的是,确定目标对象的对象姿势指标时,可以从骨骼点的维度上计算对象姿势指标,还可以将各骨骼点顺时针相连,获得多个骨骼向量,从骨骼向量的维度上计算对象姿势指标。
进一步地,根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标之后,可以获取姿势指标阈值,对比对象姿势指标和姿势指标阈值,若对象姿势指标小于等于姿势指标阈值,说明待检测图像与图像检测模板差异较大,则确定待检测图像的检测结果为不合格;若对象姿势指标大于姿势指标阈值,说明待检测图像与图像检测模板差异较小,则确定待检测图像的检测结果为合格。
应用本说明书实施例的方案,根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标;根据对象姿势指标,确定待检测图像的检测结果,通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率。
本说明书一种可选的实施例中,除了根据对象姿势指标确定待检测图像的检测结果之外,还可以结合对象位置指标,确定待检测图像的检测结果,也即,上述根据对象姿势指标,确定待检测图像的检测结果之前,还可以包括以下步骤:
获取图像检测模板中的参考位置信息和待检测图像中的对象位置信息;
根据参考位置信息和对象位置信息,确定目标对象的对象位置指标;
根据对象姿势指标,确定待检测图像的检测结果,可以包括以下步骤:
根据对象姿势指标和对象位置指标,确定待检测图像的检测结果。
具体地,图像检测模板中的参考位置信息是指图像检测模板中参考对象模板框的位置信息。待检测图像中的对象位置信息是指待检测图像中目标对象检测框的位置信息。对象位置指标用于描述目标对象检测框的位置和参考对象模板框的位置之间的相似程度。
实际应用中,获取图像检测模板中的参考位置信息和待检测图像中的对象位置信息的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可能的实现方式中,图像检测模板可以携带参考位置信息,待检测图像可以携带对象位置信息,因此,可以直接解析图像检测模板和待检测图像各自携带的信息,获得图像检测模板中的参考位置信息和待检测图像中的对象位置信息。
本说明书另一种可能的实现方式中,图像检测模板并未携带参考位置信息,待检测图像也未携带对象位置信息,此时,可以对图像检测模板中的参考对象模板框进行位置识别,获得图像检测模板中的参考位置信息,对待检测图像中的目标对象检测框进行位置识别,获得待检测图像中的对象位置信息。
进一步地,根据参考位置信息和对象位置信息,确定目标对象的对象位置指标的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
本说明书一种可能的实现方式中,可以根据参考位置信息和对象位置信息,确定参考对象模板框和目标对象检测框的交并比(IOU,IntersectionOver Union)。
本说明书另一种可能的实现方式中,由于基于参考对象模板框和目标对象检测框的交并比的方式,虽然可以较好地控制目标对象的位置,但对目标对象姿势的控制过低,检测结果可能会产生误差,因此,可以对参考位置信息进行解耦,获得参考点横坐标和参考点纵坐标,对对象位置信息进行解耦,获得检测点横坐标和检测点纵坐标,根据参考点横坐标、参考点纵坐标、检测点横坐标和检测点纵坐标确定目标对象的对象位置指标。
需要说明的是,根据参考位置信息和对象位置信息,确定目标对象的对象位置指标之后,可以根据对象姿势指标和对象位置指标,确定待检测图像的检测结果。具体地,可以将对象姿势指标和对象位置指标相加,获得对象检测指标;还可以分别为对象姿势指标和对象位置指标设置权重,根据权重对对象姿势指标和对象位置指标进行加权,获得对象检测指标。
进一步地,获得对象检测指标之后,可以获取检测指标阈值,对比对象检测指标和检测指标阈值,若对象检测指标小于等于检测指标阈值,说明待检测图像与图像检测模板差异较大,则确定待检测图像的检测结果为不合格;若对象检测指标大于检测指标阈值,说明待检测图像与图像检测模板差异较小,则确定待检测图像的检测结果为合格。
应用本说明书实施例的方案,获取图像检测模板中的参考位置信息和待检测图像中的对象位置信息;根据参考位置信息和对象位置信息,确定目标对象的对象位置指标;根据对象姿势指标和对象位置指标,确定待检测图像的检测结果。通过对象姿势指标和对象位置指标共同确定待检测图像的检测结果,提高了检测结果的准确性和全面性。
本说明书一种可选的实施例中,参考位置信息包括参考点横坐标、参考点纵坐标,对象位置信息包括检测点横坐标、检测点纵坐标;上述根据参考位置信息和对象位置信息,确定目标对象的对象位置指标,可以包括以下步骤:
根据参考点横坐标和检测点横坐标,确定目标对象的第一位置指标,和/或,根据参考点纵坐标和检测点纵坐标,确定目标对象的第二位置指标。
具体地,参考点是指参考对象模板框中的点,检测点是指目标对象检测框中的点。优选地,参考点可以是参考对象模板框的中心点,检测点可以是目标对象检测框的中心点。对象位置指标可以是第一位置指标,也可以是第二位置指标,还可以是根据第一位置指标和第二位置指标共同得到。第一位置指标用于描述目标对象与待检测图像中心位置的偏差程度。第二位置指标用于描述目标对象距离拍摄屏幕的远近程度,也用于描述目标对象与图像检测模板中参考对象的大小偏差程度。
需要说明的是,根据参考点横坐标和检测点横坐标,确定目标对象的第一位置指标的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中,可以根据参考点横坐标和检测点横坐标,计算横坐标距离,根据横坐标距离和预设距离阈值,确定目标对象的第一位置指标。本说明书另一种可能的实现方式中,可以根据参考点横坐标和检测点横坐标,计算横坐标交并比;根据横坐标交并比和预设交并比阈值,确定目标对象的第一位置指标。
实际应用中,根据参考点纵坐标和检测点纵坐标,确定目标对象的第二位置指标的方式有多种,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中,可以根据参考点纵坐标和检测点纵坐标,计算纵坐标距离,根据纵坐标距离和预设距离阈值,确定目标对象的第二位置指标。本说明书另一种可能的实现方式中,可以根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比;根据纵坐标交并比和预设交并比阈值,确定目标对象的第二位置指标。
值得说明的是,若对象位置指标可以根据第一位置指标和第二位置指标共同确定,则可以直接将第一位置指标和第二位置指标相加,获得对象位置指标;还可以分别为第一位置指标和第二位置指标设置权重,根据权重对第一位置指标和第二位置指标进行加权,获得对象位置指标。
应用本说明书实施例的方案,根据参考点横坐标和检测点横坐标,确定目标对象的第一位置指标,和/或,根据参考点纵坐标和检测点纵坐标,确定目标对象的第二位置指标,保证了对象位置指标的准确性。
本说明书一种可选的实施例中,上述根据参考点横坐标和检测点横坐标,确定目标对象的第一位置指标,可以包括以下步骤:
根据参考点横坐标和检测点横坐标,计算横坐标距离;
根据横坐标距离和预设距离阈值,确定目标对象的第一位置指标。
需要说明的是,由于待检测图像的宽通常小于长,目标对象在待检测图像中的左右位置与待检测图像中心位置的偏差程度通常不会很大,因此,可以通过简单判断参考点横坐标和检测点横坐标的横坐标距离,用预设距离阈值限制目标对象需要位于待检测图像中间,其中,预设距离阈值具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
实际应用中,可以对参考点横坐标与检测的横坐标作差,将差值的绝对值作为横坐标距离,横坐标距离越大,说明目标对象与待检测图像中心位置的偏差程度越大。
应用本说明书实施例的方案,根据参考点横坐标和检测点横坐标,计算横坐标距离;根据横坐标距离和预设距离阈值,确定目标对象的第一位置指标。通过目标对象在待检测图像内的左右距离确定目标对象的第一位置指标,提高了第一位置指标的准确性。
本说明书一种可选的实施例中,上述根据参考点纵坐标和检测点纵坐标,确定目标对象的第二位置指标,可以包括以下步骤:
根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比;
根据纵坐标交并比和预设交并比阈值,确定目标对象的第二位置指标。
需要说明的是,由于生成待检测图像时,目标对象距离拍摄屏幕的远近程度极大地影响了待检测图像的检测结果,因此,可以根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比,通过预设交并比阈值限制目标对象距离拍摄屏幕的远近,从而确定待检测图像中目标对象过大还是过小,其中,预设交并比阈值具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
实际应用中,可以根据参考点纵坐标确定图像检测模板中参考对象的参考高度坐标范围,根据检测点纵坐标确定待检测图像中目标对象的目标高度坐标范围,进一步取参考高度坐标范围和目标高度坐标范围的交集作为分子,取参考高度坐标范围和目标高度坐标范围的并集作为分母,得到纵坐标交并比。纵坐标交并比越大,说明参考对象和目标对象的大小偏差越小。
应用本说明书实施例的方案,根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比;根据纵坐标交并比和预设交并比阈值,确定目标对象的第二位置指标。通过目标对象在待检测图像内的上下高度确定目标对象的第二位置指标,提高了第二位置指标的准确性。
步骤210:在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
本说明书一个或多个实施例中,获取图像检测模板和目标对象的待检测图像,解析图像检测模板,确定图像检测模板中的参考骨骼点信息,对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息,根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果之后,进一步地,可以判断检测结果是否符合预设检测条件,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
具体地,预设检测条件可以是检测合格,也可以是对象检测指标大于检测指标阈值,预设检测条件具体根据实际情况进行选择,本说明书实施例对此不作任何限定。检测提示信息用于指导目标对象调整姿势、位置从而生成更新后的待检测图像。检测提示信息包括但不限于调整左右朝向、远近距离、左右位置、对象姿势,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
需要说明的是,判断检测结果是否符合预设检测条件,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息;在检测结果符合预设检测条件的情况下,说明目标对象符合入画条件,则直接将待检测图像作为目标图像,或者调用拍摄工具对目标对象进行拍摄,获得目标对象的目标图像。
实际应用中,向目标对象发送检测提示信息的方式有多种,包括但不限于语音播放、文字显示、动画引导等等,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
应用本说明书实施例的方案,通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
本说明书一种可选的实施例中,上述在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息之后,还可以包括以下步骤:
获取目标对象基于检测提示信息生成的更新后的待检测图像,并返回执行解析图像检测模板,确定图像检测模板中的参考骨骼点信息的步骤,直至检测结果符合预设检测条件,调用拍摄工具对目标对象进行拍摄,获得目标对象的目标图像。
具体地,目标图像是指可以真实反映目标对象体态数据的图像,获得目标对象的目标图像之后,即可根据目标图像对目标对象进行体态评估,向目标对象提供更方便精准的体态纠正策略。
应用本说明书实施例的方案,获取目标对象基于检测提示信息生成的更新后的待检测图像,并返回执行解析图像检测模板,确定图像检测模板中的参考骨骼点信息的步骤,直至检测结果符合预设检测条件,调用拍摄工具对目标对象进行拍摄,获得目标对象的目标图像,实现了自动判断目标对象是否满足入画条件,并在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,在检测结果符合预设检测条件的情况下,自动获得目标图像,实现了无需目标对象点击屏幕确认,支持自拍模式,降低了图像检测复杂度,使得图像检测更加简单、灵活。
本说明书实施例提供的图像检测方法,可以应用于健身场景、电商场景、医疗场景等不同的场景,下述结合附图4,以本说明书提供的图像检测方法在健身场景的应用为例,对所述图像检测方法进行进一步说明。其中,图4示出了本说明书一个实施例提供的一种图像检测方法的处理过程流程图,具体包括以下步骤:
步骤402:获取图像检测模板和目标对象的待检测图像。
步骤404:解析图像检测模板,确定图像检测模板中的参考骨骼点信息。
步骤406:对待检测图像进行对象骨骼点检测,确定待检测图像中的多个骨骼点;从多个骨骼点中筛选出叶子骨骼点,并获取叶子骨骼点的叶子骨骼点信息,其中,叶子骨骼点为多个骨骼点中与其他骨骼点仅有一个连接关系的骨骼点。
步骤408:根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标。
步骤410:获取图像检测模板中的参考位置信息和待检测图像中的对象位置信息,其中,参考位置信息包括参考点横坐标和参考点纵坐标,对象位置信息包括检测点横坐标和检测点纵坐标。
步骤412:根据参考点横坐标和检测点横坐标,计算横坐标距离;根据横坐标距离和预设距离阈值,确定目标对象的第一位置指标。
步骤414:根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比;根据纵坐标交并比和预设交并比阈值,确定目标对象的第二位置指标。
步骤416:根据第一位置指标和第二位置指标,确定目标对象的对象位置指标。
步骤418:根据对象姿势指标和对象位置指标,确定待检测图像的检测结果。
步骤420:在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
步骤422:获取目标对象基于检测提示信息生成的更新后的待检测图像,并返回执行解析图像检测模板,确定图像检测模板中的参考骨骼点信息的步骤,直至检测结果符合预设检测条件,调用拍摄工具对目标对象进行拍摄,获得目标对象的目标图像。
需要说明的是,步骤402至步骤422的实现方式与上述步骤202至步骤210的实现方式相同,本说明书实施例便不再进行赘述。
应用本说明书实施例的方案,将图像检测条件进行解耦,采取分别判断对象姿势相似性、对象在屏幕内的上下高度、在屏幕内的左右距离来共同决定最终的图像检测(入画判断)条件,在保证对象姿势约束的情况下,提高图像检测的准确率,实现了入画条件和使用的流畅度之间的平衡,增加用户使用的流畅感,并且,本说明书实施例提出的图像检测方案支持自拍和他拍,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
参见图5,图5示出了本说明书一个实施例提供的另一种图像检测方法的处理过程流程图,具体包括:
用户正面图像检测:获取用户正面图像中的叶子骨骼点信息和目标对象检测框信息,并获取正面检测模板中的参考骨骼点信息和参考对象模板框信息;根据用户正面图像中的叶子骨骼点信息和目标对象检测框信息、正面检测模板中的参考骨骼点信息和参考对象模板框信息,进行姿势相似度判断、横坐标条件判断和高度条件判断的三重判断,其中,横坐标条件判断用于检测用户在屏幕中的左右方向,高度条件判断用于检测用户距离屏幕的远近距离。在预设时间段内三重判断均连续成功的情况下,存储用户正面图像,进入用户侧面图像检测;
用户侧面图像检测:获取用户侧面图像中的叶子骨骼点信息和目标对象检测框信息,并获取侧面检测模板中的参考骨骼点信息和参考对象模板框信息;根据用户侧面图像中的叶子骨骼点信息和目标对象检测框信息、侧面检测模板中的参考骨骼点信息和参考对象模板框信息,进行姿势相似度判断、横坐标条件判断和高度条件判断的三重判断,其中,横坐标条件判断用于检测用户在屏幕中的左右方向,高度条件判断用于检测用户距离屏幕的远近距离。在预设时间段内三重判断均连续成功的情况下,存储用户侧面图像,将用户正面图像和用户侧面图像传入用户体态检测模块。
参见图6,图6示出了本说明书一个实施例提供的一种图像检测界面的界面示意图。图像检测界面分为待检测图像输入界面和检测提示信息展示界面。待检测图像输入界面中包括待检测图像输入框、图像检测模板展示框、“确定”控件以及“取消”控件。检测提示信息展示界面中包括检测提示信息展示框。
用户通过客户端显示的待检测图像输入框输入待检测图像,点选“确定”控件,服务端接收客户端发送的待检测图像,解析图像检测模板,确定图像检测模板中的参考骨骼点信息;
对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;在检测结果不符合预设检测条件的情况下,向客户端发送检测提示信息。客户端在检测提示信息展示框中显示检测提示信息。
实际应用中,用户对控件进行操作的方式包括点击、双击、触控、鼠标悬停、滑动、长按、语音控制或摇一摇等任一方式,具体根据实际情况进行选择,本说明书实施例对此不作任何限定。
与上述方法实施例相对应,本说明书还提供了图像检测装置实施例,图7示出了本说明书一个实施例提供的一种图像检测装置的结构示意图。如图7所示,该装置包括:
获取模块702,被配置为获取图像检测模板和目标对象的待检测图像;
解析模块704,被配置为解析图像检测模板,确定图像检测模板中的参考骨骼点信息;
检测模块706,被配置为对待检测图像进行对象骨骼点检测,确定待检测图像中的叶子骨骼点信息;
确定模块708,被配置为根据参考骨骼点信息和叶子骨骼点信息,确定待检测图像的检测结果;
发送模块710,被配置为在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息。
可选地,检测模块706,进一步被配置为对待检测图像进行对象骨骼点检测,确定待检测图像中的多个骨骼点;从多个骨骼点中筛选出叶子骨骼点,并获取叶子骨骼点的叶子骨骼点信息,其中,叶子骨骼点为多个骨骼点中与其他骨骼点仅有一个连接关系的骨骼点。
可选地,确定模块708,进一步被配置为根据参考骨骼点信息和叶子骨骼点信息,确定目标对象的对象姿势指标;根据对象姿势指标,确定待检测图像的检测结果。
可选地,该装置还包括:获取模块,被配置为获取图像检测模板中的参考位置信息和待检测图像中的对象位置信息;根据参考位置信息和对象位置信息,确定目标对象的对象位置指标;确定模块708,进一步被配置为根据对象姿势指标和对象位置指标,确定待检测图像的检测结果。
可选地,参考位置信息包括参考点横坐标、参考点纵坐标,对象位置信息包括检测点横坐标、检测点纵坐标;获取模块,进一步被配置为根据参考点横坐标和检测点横坐标,确定目标对象的第一位置指标,和/或,根据参考点纵坐标和检测点纵坐标,确定目标对象的第二位置指标。
可选地,获取模块,进一步被配置为根据参考点横坐标和检测点横坐标,计算横坐标距离;根据横坐标距离和预设距离阈值,确定目标对象的第一位置指标。
可选地,获取模块,进一步被配置为根据参考点纵坐标和检测点纵坐标,计算纵坐标交并比;根据纵坐标交并比和预设交并比阈值,确定目标对象的第二位置指标。
可选地,该装置还包括:拍摄模块,被配置为获取目标对象基于检测提示信息生成的更新后的待检测图像,并返回执行解析图像检测模板,确定图像检测模板中的参考骨骼点信息的步骤,直至检测结果符合预设检测条件,调用拍摄工具对目标对象进行拍摄,获得目标对象的目标图像。
应用本说明书实施例的方案,通过叶子骨骼点信息确定待检测图像的检测结果,在保证骨骼点信息约束的同时减少了数据处理量,提高了图像检测的流畅度以及效率,并且,在检测结果不符合预设检测条件的情况下,向目标对象发送检测提示信息,使得图像检测更加简单、灵活。
上述为本实施例的一种图像检测装置的示意性方案。需要说明的是,该图像检测装置的技术方案与上述的图像检测方法的技术方案属于同一构思,图像检测装置的技术方案未详细描述的细节内容,均可以参见上述图像检测方法的技术方案的描述。
图8示出了本说明书一个实施例提供的一种计算设备的结构框图。该计算设备800的部件包括但不限于存储器810和处理器820。处理器820与存储器810通过总线830相连接,数据库850用于保存数据。
计算设备800还包括接入设备840,接入设备840使得计算设备800能够经由一个或多个网络860通信。这些网络的示例包括公用交换电话网(PSTN,PublicSwitchedTelephoneNetwork)、局域网(LAN,LocalAreaNetwork)、广域网(WAN,WideAreaNetwork)、个域网(PAN,PersonalAreaNetwork)或诸如因特网的通信网络的组合。接入设备840可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC,NetworkInterfaceCard))中的一个或多个,诸如IEEE802.11无线局域网(WLAN,WirelessLocalAreaNetworks)无线接口、全球微波互联接入(Wi-MAX,WorldInteroperabilityforMicrowave Access)接口、以太网接口、通用串行总线(USB,UniversalSerialBus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC,NearFieldCommunication)接口,等等。
在本说明书的一个实施例中,计算设备800的上述部件以及图8中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图8所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备800可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或个人计算机(PC,PersonalComputer)的静止计算设备。计算设备800还可以是移动式或静止式的服务器。
其中,处理器820用于执行如下计算机可执行指令,该计算机可执行指令被处理器执行时实现上述图像检测方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的图像检测方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述图像检测方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述图像检测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的图像检测方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述图像检测方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述图像检测方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是,该计算机程序的技术方案与上述的图像检测方法的技术方案属于同一构思,计算机程序的技术方案未详细描述的细节内容,均可以参见上述图像检测方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
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,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (11)
1.一种图像检测方法,其特征在于,包括:
获取图像检测模板和目标对象的待检测图像;
解析所述图像检测模板,确定所述图像检测模板中的参考骨骼点信息;
对所述待检测图像进行对象骨骼点检测,确定所述待检测图像中的叶子骨骼点信息;
根据所述参考骨骼点信息和所述叶子骨骼点信息,确定所述待检测图像的检测结果;
在所述检测结果不符合预设检测条件的情况下,向所述目标对象发送检测提示信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述待检测图像进行对象骨骼点检测,确定所述待检测图像中的叶子骨骼点信息,包括:
对所述待检测图像进行对象骨骼点检测,确定所述待检测图像中的多个骨骼点;
从所述多个骨骼点中筛选出叶子骨骼点,并获取所述叶子骨骼点的叶子骨骼点信息,其中,所述叶子骨骼点为所述多个骨骼点中与其他骨骼点仅有一个连接关系的骨骼点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述参考骨骼点信息和所述叶子骨骼点信息,确定所述待检测图像的检测结果,包括:
根据所述参考骨骼点信息和所述叶子骨骼点信息,确定所述目标对象的对象姿势指标;
根据所述对象姿势指标,确定所述待检测图像的检测结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述对象姿势指标,确定所述待检测图像的检测结果之前,还包括:
获取所述图像检测模板中的参考位置信息和所述待检测图像中的对象位置信息;
根据所述参考位置信息和所述对象位置信息,确定所述目标对象的对象位置指标;
所述根据所述对象姿势指标,确定所述待检测图像的检测结果,包括:
根据所述对象姿势指标和所述对象位置指标,确定所述待检测图像的检测结果。
5.根据权利要求4所述的方法,其特征在于,所述参考位置信息包括参考点横坐标、参考点纵坐标,所述对象位置信息包括检测点横坐标、检测点纵坐标;
所述根据所述参考位置信息和所述对象位置信息,确定所述目标对象的对象位置指标,包括:
根据所述参考点横坐标和所述检测点横坐标,确定所述目标对象的第一位置指标,和/或,根据所述参考点纵坐标和所述检测点纵坐标,确定所述目标对象的第二位置指标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述参考点横坐标和所述检测点横坐标,确定所述目标对象的第一位置指标,包括:
根据所述参考点横坐标和所述检测点横坐标,计算横坐标距离;
根据所述横坐标距离和预设距离阈值,确定所述目标对象的第一位置指标。
7.根据权利要求5所述的方法,其特征在于,所述根据所述参考点纵坐标和所述检测点纵坐标,确定所述目标对象的第二位置指标,包括:
根据所述参考点纵坐标和所述检测点纵坐标,计算纵坐标交并比;
根据所述纵坐标交并比和预设交并比阈值,确定所述目标对象的第二位置指标。
8.根据权利要求1所述的方法,其特征在于,所述在所述检测结果不符合预设检测条件的情况下,向所述目标对象发送检测提示信息之后,还包括:
获取所述目标对象基于所述检测提示信息生成的更新后的待检测图像,并返回执行所述解析所述图像检测模板,确定所述图像检测模板中的参考骨骼点信息的步骤,直至所述检测结果符合预设检测条件,调用拍摄工具对所述目标对象进行拍摄,获得所述目标对象的目标图像。
9.一种图像检测装置,其特征在于,包括:
获取模块,被配置为获取图像检测模板和目标对象的待检测图像;
解析模块,被配置为解析所述图像检测模板,确定所述图像检测模板中的参考骨骼点信息;
检测模块,被配置为对所述待检测图像进行对象骨骼点检测,确定所述待检测图像中的叶子骨骼点信息;
确定模块,被配置为根据所述参考骨骼点信息和所述叶子骨骼点信息,确定所述待检测图像的检测结果;
发送模块,被配置为在所述检测结果不符合预设检测条件的情况下,向所述目标对象发送检测提示信息。
10.一种计算设备,其特征在于,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至8任意一项所述方法的步骤。
11.一种计算机可读存储介质,其特征在于,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至8任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891205.2A CN116935441A (zh) | 2023-07-19 | 2023-07-19 | 图像检测方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891205.2A CN116935441A (zh) | 2023-07-19 | 2023-07-19 | 图像检测方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116935441A true CN116935441A (zh) | 2023-10-24 |
Family
ID=88387382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310891205.2A Pending CN116935441A (zh) | 2023-07-19 | 2023-07-19 | 图像检测方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116935441A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474785A (zh) * | 2023-12-27 | 2024-01-30 | 江苏奥斯汀光电科技股份有限公司 | 一种多个人物姿态图像合成一个图像的方法 |
-
2023
- 2023-07-19 CN CN202310891205.2A patent/CN116935441A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474785A (zh) * | 2023-12-27 | 2024-01-30 | 江苏奥斯汀光电科技股份有限公司 | 一种多个人物姿态图像合成一个图像的方法 |
CN117474785B (zh) * | 2023-12-27 | 2024-05-10 | 江苏奥斯汀光电科技股份有限公司 | 一种多个人物姿态图像合成一个图像的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
US20180204562A1 (en) | Method and device for image recognition | |
CN111813910B (zh) | 客服问题的更新方法、系统、终端设备及计算机存储介质 | |
CN109614934A (zh) | 在线教学质量评估参数生成方法及装置 | |
CN110741377A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
CN116935441A (zh) | 图像检测方法以及装置 | |
CN116595154B (zh) | 任务处理方法以及自动问答方法 | |
CN111401318A (zh) | 动作识别方法及装置 | |
CN112150457A (zh) | 视频检测方法、装置及计算机可读存储介质 | |
CN112232276B (zh) | 一种基于语音识别和图像识别的情绪检测方法和装置 | |
CN111984180A (zh) | 终端读屏方法、装置、设备及计算机可读存储介质 | |
CN117633228A (zh) | 模型训练方法和装置 | |
CN117493505A (zh) | 智能问答方法、装置、设备和存储介质 | |
CN111767923B (zh) | 一种图像数据检测方法、装置以及计算机可读存储介质 | |
CN117939238A (zh) | 角色识别方法、系统及计算设备、计算机可读存储介质 | |
CN113157956A (zh) | 图片搜索方法、系统、移动终端及存储介质 | |
KR20200065755A (ko) | 몰입도 운용 방법 및 이를 지원하는 전자 장치 | |
CN110688470B (zh) | 用于发送信息的方法和装置 | |
WO2023151232A1 (zh) | 信息处理方法及装置 | |
CN112632241A (zh) | 智能会话的方法、装置、设备和计算机可读介质 | |
CN113837986A (zh) | 用于识别舌象的方法、装置、电子设备和介质 | |
CN112307186A (zh) | 基于情绪识别的问答服务方法、系统、终端设备及介质 | |
CN111259885B (zh) | 腕表识别方法及设备 | |
CN116071527B (zh) | 一种对象处理方法、装置、存储介质及电子设备 | |
CN111626191B (zh) | 模型生成方法、装置、计算机可读存储介质及电子设备 |
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 |