WO2021051580A1 - 基于分组批量的图片检测方法、装置及存储介质 - Google Patents

基于分组批量的图片检测方法、装置及存储介质 Download PDF

Info

Publication number
WO2021051580A1
WO2021051580A1 PCT/CN2019/117891 CN2019117891W WO2021051580A1 WO 2021051580 A1 WO2021051580 A1 WO 2021051580A1 CN 2019117891 W CN2019117891 W CN 2019117891W WO 2021051580 A1 WO2021051580 A1 WO 2021051580A1
Authority
WO
WIPO (PCT)
Prior art keywords
processed
pictures
picture
information
group
Prior art date
Application number
PCT/CN2019/117891
Other languages
English (en)
French (fr)
Inventor
郭玲玲
Original Assignee
平安科技（深圳）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2021051580A1 publication Critical patent/WO2021051580A1/zh

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
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Definitions

  • This application relates to the field of image processing technology, and in particular to a method, device, system and computer-readable storage medium for image detection based on grouping and batching.
  • Image recognition refers to the use of computers to process, analyze, and understand images to recognize various targets and objects in different modes. It is an important field of artificial intelligence. In order to compile computer programs that simulate human image recognition activities, people have proposed different image recognition models. For example, face recognition is a kind of biometric recognition technology that performs identity recognition based on the facial feature information of a person. A series of related technologies that use a camera or camera to collect images or video streams containing human faces, and automatically detect and track human faces in the images, and then perform facial recognition on the detected faces, usually also called face recognition and facial recognition .
  • the current face recognition system mainly includes a face detection module.
  • the face detection module uses batch processing to accelerate, that is, read a batch of pictures from the memory and put them into the video memory at a time.
  • the GPU performs the face detection. Because of the face detection
  • the device needs a fixed size input picture, so in the process of processing, each picture will be scaled to the same size and aligned in the center, and the insufficient part will be filled with 0.
  • calculations are not needed, so that the face detector network performs too many invalid calculations and reduces the efficiency of face detection.
  • This application provides an image detection method, electronic device, system, and computer-readable storage medium based on grouping and batching, the main purpose of which is to reduce invalid calculations in the image detection process, and to improve image detection efficiency and detection quality.
  • the present application provides a method of image detection based on grouping and batching, which is applied to an electronic device, and the method includes:
  • the pictures to be processed are grouped and multiple groups of pictures to be processed are obtained;
  • the pre-processed pictures of each group are respectively input into the preset detection module, and the pictures are detected through the detection module.
  • the present application also provides an electronic device, which includes a memory and a processor.
  • the memory includes a group-based batch-based image detection program.
  • the group-based batch-based image detection program is executed by the processor, the following steps are implemented :
  • the pictures to be processed are grouped and multiple groups of pictures to be processed are obtained;
  • the pre-processed pictures of each group are respectively input into the preset detection module, and the pictures are detected through the detection module.
  • this application also provides a picture detection system based on grouping and batching, including:
  • the grouping processing unit is used to group the pictures to be processed according to the aspect ratio information of the pictures to be processed and obtain multiple groups of pictures to be processed;
  • the preprocessing unit is configured to obtain corresponding preprocessing information according to each group of pictures to be processed, and perform preprocessing on each group of pictures to be processed respectively based on the corresponding preprocessing information;
  • the detection unit is used to input the preprocessed pictures of each group into the preset detection module, and detect the pictures through the detection module.
  • the present application also provides a computer-readable storage medium.
  • the computer-readable storage medium includes a group-based batch-based image detection program. When the group-based batch-based image detection is executed by the processor, the above-mentioned Any step in the grouped batch image detection method.
  • the image detection method, electronic device, system, and computer readable storage medium based on grouping and batches proposed in this application divide the images into multiple groups according to the aspect ratio, and adjust each group to a preset size of the image, and make up for deficiencies. Zero, and then process each group of pictures separately, which can reduce the part of complementing or zero-filling, so that the image detector network performs less invalid calculations, reduces the computer's carrying pressure, speeds up the computer's calculation speed, and increases Great work efficiency.
  • FIG. 1 is a schematic diagram of an application environment of a preferred embodiment of a picture detection method based on grouping and batching according to the present application;
  • FIG. 2 is a schematic diagram of modules of a preferred embodiment of a picture detection system based on grouping and batching according to this application;
  • FIG. 3 is a flowchart of a preferred embodiment of the image detection method based on grouping and batching according to the present application.
  • This application provides an image detection method based on grouping and batching, which is applied to an electronic device 1.
  • FIG. 1 is a schematic diagram of an application environment of a preferred embodiment of a picture detection method based on grouping and batching according to this application.
  • the electronic device 1 may be a terminal device with arithmetic function, such as a server, a smart phone, a tablet computer, a portable computer, a desktop computer, and the like.
  • the electronic device 1 includes a processor 12, a memory 11, a network interface 14 and a communication bus 15.
  • the memory 11 includes at least one type of readable storage medium.
  • the at least one type of readable storage medium may be a non-volatile storage medium such as flash memory, hard disk, multimedia card, card-type memory 11, and the like.
  • the readable storage medium may be an internal storage unit of the electronic device 1, such as a hard disk of the electronic device 1.
  • the readable storage medium may also be the external memory 11 of the electronic device 1, such as a plug-in hard disk or a smart memory card (Smart Media Card, SMC) equipped on the electronic device 1. , Secure Digital (SD) card, Flash Card, etc.
  • SD Secure Digital
  • the readable storage medium of the memory 11 is generally used to store the group-based batch-based image detection program 10 and the like installed in the electronic device 1.
  • the memory 11 can also be used to temporarily store data that has been output or will be output.
  • the processor 12 may be a central processing unit (CPU), a microprocessor, or other data processing chip, which is used to run the program code or process data stored in the memory 11, for example, perform batch processing based on grouping.
  • the network interface 14 may optionally include a standard wired interface and a wireless interface (such as a WI-FI interface), and is generally used to establish a communication connection between the electronic device 1 and other electronic devices.
  • the communication bus 15 is used to realize the connection and communication between these components.
  • FIG. 1 only shows the electronic device 1 with the components 11-15, but it should be understood that it is not required to implement all the illustrated components, and more or fewer components may be implemented instead.
  • the electronic device 1 may also include a user interface.
  • the user interface may include an input unit such as a keyboard (Keyboard), a voice input device such as a microphone (microphone) and other devices with voice recognition functions, and a voice output device such as audio, earphones, etc.
  • the user interface may also include a standard wired interface and a wireless interface.
  • the electronic device 1 may also include a display, and the display may also be referred to as a display screen or a display unit.
  • the display may be an LED display, a liquid crystal display, a touch-sensitive liquid crystal display, and an organic light-emitting diode (Organic Light-Emitting Diode, OLED) touch device, etc.
  • the display is used for displaying information processed in the electronic device 1 and for displaying a visualized user interface.
  • the electronic device 1 further includes a touch sensor.
  • the area provided by the touch sensor for the user to perform a touch operation is called a touch area.
  • the touch sensor described here may be a resistive touch sensor, a capacitive touch sensor, or the like.
  • the touch sensor includes not only a contact-type touch sensor, but also a proximity-type touch sensor and the like.
  • the touch sensor may be a single sensor, or may be, for example, a plurality of sensors arranged in an array.
  • the area of the display of the electronic device 1 may be the same as or different from the area of the touch sensor.
  • the display and the touch sensor are stacked to form a touch display screen. The device detects the touch operation triggered by the user based on the touch screen.
  • the electronic device 1 may also include a radio frequency (RF) circuit, a sensor, an audio circuit, etc., which will not be repeated here.
  • RF radio frequency
  • the memory 11 as a computer storage medium may include an operating system and a group-based batch-based picture detection program 10; the processor 12 executes the group-based batch-based pictures stored in the memory 11. The following steps are implemented at 10 o'clock in the detection program:
  • the pictures to be processed are grouped and multiple groups of pictures to be processed are obtained;
  • the pre-processed pictures of each group are respectively input into the preset detection module, and the pictures are detected through the detection module.
  • the steps of obtaining corresponding preprocessing information according to each group of pictures to be processed, and performing preprocessing on each group of pictures to be processed respectively based on the corresponding preprocessing information include:
  • the template picture information includes width information and height information
  • All the pictures to be processed in the same group are enlarged or reduced in equal proportions, until the width of the pictures to be processed is not greater than the width information of the template picture, and the height is not greater than the height information of the template picture;
  • the method further includes:
  • the image feature of the image to be processed is the image clarity or contrast
  • the corresponding template picture information is set.
  • the step of setting the template picture information corresponding to each group of pictures to be processed includes: reading the height and width information of all pictures to be processed in the same group;
  • the step of setting template picture information corresponding to each group of pictures to be processed includes:
  • the step of using the template picture as a frame to perform feature configuration processing on the to-be-processed picture that has been enlarged or reduced in equal proportions includes:
  • the detection module includes one or more of a face detection module, a lip recognition module, a gesture recognition module, an emotion analysis module, or a pedestrian recognition model.
  • the present application also provides a group-based batch-based picture detection system.
  • FIG. 2 for a schematic diagram of modules of a preferred embodiment of the group-based batch-based picture detection system in this application.
  • the image detection system based on grouping and batching in the embodiment of the present application includes: a processing unit 11, a preprocessing unit 12, and a detection unit 13.
  • the functions or operation steps implemented by modules 11-13 are all similar to the above, and will not be described in detail here. Illustratively, for example:
  • the grouping processing unit 11 is configured to group the pictures to be processed according to the aspect ratio information of the pictures to be processed and obtain multiple groups of pictures to be processed;
  • the preprocessing unit 12 is configured to obtain corresponding preprocessing information according to each group of pictures to be processed, and perform preprocessing on each group of pictures to be processed respectively based on the corresponding preprocessing information;
  • the detection unit 13 is configured to input each group of preprocessed pictures into a preset detection module, and detect the pictures through the detection module.
  • the preprocessing unit 12 further includes:
  • the template picture setting module 121 is configured to set template picture information corresponding to each group of pictures to be processed, and the template picture information includes width information and height information;
  • the picture processing module 122 is used to enlarge or reduce all the pictures to be processed in the same group in equal proportions until the width of the picture to be processed is not greater than the width information of the template picture, and the height is not greater than the height information of the template picture;
  • the feature configuration module 123 is configured to use the template picture as a frame to perform feature configuration processing on the to-be-processed picture that is enlarged or reduced in equal proportions.
  • the template picture setting module 121 further includes:
  • Information reading module used to read the height and width information of all pictures to be processed in the same group
  • the maximum value acquisition module is used to compare the width information of each picture to be processed to obtain the maximum width value; at the same time, compare the height information of each picture to be processed to obtain the maximum height value;
  • the template picture determination module is used to set the template picture according to the maximum width value and the maximum height value, so that the height of the template picture is the maximum height value and the width is the maximum width value.
  • the group-based batch-based picture detection system further includes a secondary grouping processing unit; wherein, the secondary grouping processing unit is used to obtain the picture feature of the picture to be processed, and the picture feature is the picture definition or Contrast, regroup multiple groups of pictures to be processed according to picture characteristics.
  • the pictures are divided into multiple groups according to the aspect ratio, and each group is adjusted to a picture of a preset size, and the deficiencies are filled in with zeros, and then each group of pictures is performed separately Processing can reduce the part of complementing or zero-filling, so that the network of the face detector performs less invalid calculations, reduces the carrying pressure of the computer, speeds up the calculation of the computer, and increases the work efficiency.
  • this application also provides a picture detection method based on grouping batches.
  • FIG. 3 it is a flowchart of a preferred embodiment of a method for image detection based on grouping and batching according to this application.
  • the method can be executed by a device, and the device can be implemented by software and/or hardware.
  • the method for detecting pictures based on grouped batches includes: step S110-step S130.
  • Step S110 According to the aspect ratio information of the pictures to be processed, the pictures to be processed are grouped and multiple groups of pictures to be processed are obtained.
  • the picture to be processed can be divided into multiple groups of picture sets, and each group of pictures is combined with different corresponding long section ratio ranges.
  • the aspect ratio is less than 1:3, the aspect ratio range is 1:3 to 2:3, and the aspect ratio range is 2:3 to 3:2.
  • the aspect ratio ranges from 3:2 to 3:1, and the aspect ratio is greater than 1:3.
  • the pictures to be processed are grouped according to the above five groups of aspect ratio ranges.
  • the grouping number of pictures can be set according to the specific number of pictures to be processed and the detection requirements.
  • Step S120 Obtain corresponding preprocessing information according to each group of pictures to be processed, and perform preprocessing on each group of pictures to be processed respectively based on the corresponding preprocessing information.
  • the steps of obtaining corresponding preprocessing information according to each group of pictures to be processed, and preprocessing each group of pictures to be processed based on the corresponding preprocessing information respectively include:
  • the template picture information includes width information and height information.
  • All the pictures to be processed in the same group are enlarged or reduced in equal proportions until the width of the picture to be processed is not greater than the width information of the template picture, and the height is not greater than the height information of the template picture.
  • the method further includes:
  • the picture feature of the picture to be processed is picture sharpness or contrast, but not limited to picture sharpness or contrast, etc.; multiple groups of pictures to be processed are regrouped according to the picture characteristics.
  • all the pictures to be processed in the same group are grouped again based on the sharpness of the pictures to be processed, and multiple sets of secondary pictures to be processed are obtained; or, based on the contrast of the pictures to be processed, all pictures to be processed in the same group are Group again and get multiple sets of secondary pictures to be processed.
  • the step of setting the template picture information corresponding to each group of pictures to be processed respectively includes:
  • the height or width of the template picture is not limited to the maximum height value or the maximum width value.
  • the step of setting template picture information corresponding to each group of pictures to be processed includes:
  • each picture in the same group is enlarged to the size of (maxw, maxh) in equal proportion, that is, for the size before enlargement Process the picture of (w1, h1) so that the enlarged size of the picture is (w1', h1'), where,
  • the template picture is used as the frame, and the steps of performing feature configuration processing on the picture to be processed after being enlarged or reduced in the same proportion include:
  • the ratio a of the maximum width value and the maximum height value can be obtained first, and the ratio b of the width and height of each picture in the same group;
  • the magnification ratio of the picture to be processed corresponding to the ratio b is set as: the maximum height value of the template picture information ⁇ the height of the picture to be processed; when a ⁇ b, the magnification ratio of the picture to be processed corresponding to the ratio b is set as: template picture information
  • each picture to be processed is centered and filled with 0 through the corresponding word vector (a, b, c, d, e) identification, where a and b in the word vector refer to the position of the picture, and c, e, and d respectively indicate the picture
  • the color of the RGD and the cde of the picture that needs to be zero-filled are all 0 by default.
  • Step S130 Input each group of preprocessed pictures into a preset detection module, and detect the pictures through the detection module.
  • the detection module includes one or more of a variety of detection modules such as a face detection module, a lip recognition module, a gesture recognition module, an emotion analysis module, or a pedestrian recognition model.
  • detection modules such as a face detection module, a lip recognition module, a gesture recognition module, an emotion analysis module, or a pedestrian recognition model.
  • Set type A and type B to have 10 pictures to be processed, and there are 20 pictures in total.
  • the received pictures are arranged in the order of ABAB..., and the detection module is a pedestrian recognition model.
  • the pedestrian recognition model can be processed in batches at a time
  • the number of images is 10.
  • the pedestrian recognition model can process pictures in FIFO (first in first out) order, and can get 5 pictures of type A and 5 pictures of type B.
  • FIFO first in first out
  • the recognition process assuming that the size of picture A is used as the standard for processing, the picture of type A does not need to be scaled, and the picture of type B needs to be reduced to match the size of type A (assuming a center alignment strategy is used).
  • the pictures are divided into multiple groups according to the aspect ratio, and each group is adjusted to a picture of a preset size, and the deficiencies are filled with zeros, and then each group of pictures is processed separately. It can reduce the part of complementing or zero-filling, so that the network of the face detector performs less invalid calculations, reduces the carrying pressure of the computer, speeds up the calculation of the computer, and increases the work efficiency.
  • an embodiment of the present application also proposes a computer-readable storage medium.
  • the computer-readable storage medium includes a group-based batch-based image detection program, and the group-based batch-based image detection program implements the following operations when executed by a processor:
  • the pictures to be processed are grouped and multiple groups of pictures to be processed are obtained;
  • the pre-processed pictures of each group are respectively input into the preset detection module, and the pictures are detected through the detection module.
  • the specific implementation manner of the computer-readable storage medium of the present application is substantially the same as the specific implementation manner of the image detection method and electronic device based on grouping and batching, and will not be repeated here.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

一种基于分组批量的图片检测方法、装置、系统及存储介质，其中的方法包括：根据待处理图片的长宽比例信息，对所述待处理图片进行分组并得出多组待处理图片（S110）；根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理（S120）；将各组预处理后的图片分别输入预设的检测模块，通过所述检测模块对所述图片进行检测（S130）。根据长宽比将图片分为多组，分别将各组调整为预设大小的图片，不足的地方补零，然后分别对各组图片进行处理，能够降低补足或则说补零的部分，从而使生物检测器的网络进行了较少的无效计算，减小计算机的运载压力，加快计算机运算速度，增大工作效率。

Description

基于分组批量的图片检测方法、装置及存储介质
本申请要求申请号为201910875540.7，申请日为2019年9月17日，发明创造名称为“基于分组批量的图片检测方法、装置及存储介质”的专利申请的优先权。
技术领域
本申请涉及图像处理技术领域，尤其涉及一种基于分组批量的图片检测方法、装置、系统及计算机可读存储介质。
背景技术
图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。例如，人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
随着科技的发展，人脸识别系统的应用场景越来越多，人脸识别技术也随之发展。目前的人脸识别系统主要包括人脸检测模块，人脸检测模块使用批量处理的方式进行加速，即一次从内存中读入一批图片放入显存，由GPU进行人脸检测，由于人脸检测器需要固定大小的输入图片，所以在处理过程中每张图片会等比例缩放到同样大小，并居中对齐，不足的部分补0。发明人意识到，如果各张图片的长宽比差距太大，比如一张是1:2，另一张是2:1，就会造成补足的区域过多，由于补足的部分没有人脸，原本是不需要计算的，从而使人脸检测器的网络进行过多的无效计算，降低人脸检测的效率。
发明内容
本申请提供一种基于分组批量的图片检测方法、电子装置、系统及计算 机可读存储介质，其主要目的在于减少图像检测过程中的无效计算，提高图像的检测效率和检测质量。
为实现上述目的，本申请提供一种基于分组批量的图片检测方法，应用于电子装置，所述方法包括：
根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
为实现上述目的，本申请还提供一种电子装置，该电子装置包括：存储器、处理器，存储器中包括基于分组批量的图片检测程序，基于分组批量的图片检测程序被处理器执行时实现如下步骤：
根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
此外，为实现上述目的，本申请还提供一种基于分组批量的图片检测系统，包括：
分组处理单元，用于根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
预处理单元，用于根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
检测单元，用于将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，计算机可读存储介质中包括基于分组批量的图片检测程序，基于分组批量的图片检测被处理器执行时，实现如上的基于分组批量的图片检测方法中的任意步 骤。
本申请提出的基于分组批量的图片检测方法、电子装置、系统及计算机可读存储介质，根据长宽比将图片分为多组，分别将各组调整为预设大小的图片，不足的地方补零，然后分别对各组图片进行处理，能够降低补足或则说补零的部分，从而使图像检测器的网络进行了较少的无效计算，减小计算机的运载压力，加快计算机运算速度，增大工作效率。
附图说明
图1为根据本申请基于分组批量的图片检测方法较佳实施例的应用环境示意图；
图2为本申请基于分组批量的图片检测系统较佳实施例的模块示意图；
图3为本申请基于分组批量的图片检测方法较佳实施例的流程图。
本申请目的的实现、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申请，并不用于限定本申请。
本申请提供一种基于分组批量的图片检测方法，应用于一种电子装置1。参照图1所示，为本申请基于分组批量的图片检测方法较佳实施例的应用环境示意图。
在本实施例中，电子装置1可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有运算功能的终端设备。
该电子装置1包括：处理器12、存储器11、网络接口14及通信总线15。
存储器11包括至少一种类型的可读存储介质。所述至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器11等的非易失性存储介质。在一些实施例中，所述可读存储介质可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘。在另一些实施例中，所述可读存储介质也可以是所述电子装置1的外部存储器11，例如所述电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital， SD)卡，闪存卡(Flash Card)等。
在本实施例中，所述存储器11的可读存储介质通常用于存储安装于所述电子装置1的基于分组批量的图片检测程序10等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行基于分组批量的图片检测程序10等。
网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子装置1与其他电子设备之间建立通信连接。
通信总线15用于实现这些组件之间的连接通信。
图1仅示出了具有组件11-15的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该电子装置1还可以包括用户接口，用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等，可选地用户接口还可以包括标准的有线接口、无线接口。
可选地，该电子装置1还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。显示器用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
可选地，该电子装置1还包括触摸传感器。所述触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，这里所述的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，所述触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触摸传感器等。此外，所述触摸传感器可以为单个传感器，也可以为例如阵列布置的多个传感器。
此外，该电子装置1的显示器的面积可以与所述触摸传感器的面积相同，也可以不同。可选地，将显示器与所述触摸传感器层叠设置，以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
可选地，该电子装置1还可以包括射频(Radio Frequency，RF)电路，传感器、音频电路等等，在此不再赘述。
在图1所示的装置实施例中，作为一种计算机存储介质的存储器11中可以包括操作系统、以及基于分组批量的图片检测程序10；处理器12执行存储器11中存储的基于分组批量的图片检测程序10时实现如下步骤：
根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
在一个实施例中，根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理的步骤包括：
设置与每组待处理图片分别对应的模板图片信息，模板图片信息包括宽度信息和高度信息；
对同一组中的所有待处理图片进行等比例放大或缩小，直至待处理图片的宽度不大于模板图片的宽度信息，高度不大于模板图片的高度信息；
然后以模板图片为框架，对等比例放大或缩小后的待处理图片进行特征配置处理。
在一个实施例中，在对待处理图片进行分组并得出多组待处理图片之后，及在根据各组待处理图片获取对应的预处理信息之前，还包括：
获取待处理图片的图片特征，图片特征为图片清晰度或对比度；
根据图片特征对多组待处理图片进行再分组。
然后，根据再分组后的各组待处理图片，设置对应的模板图片信息。
在一个实施例中，设置与每组待处理图片分别对应的模板图片信息的步骤包括：读取同一组中所有待处理图片的高度和宽度信息；
对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值；
根据最大宽度值和最大高度值设置模板图片，使模板图片的高度为最大高度值，宽度为最大宽度值。
在一个实施例中，设置与每组待处理图片分别对应的模板图片信息的步骤包括：
读取同一组中所有待处理图片的高度和宽度信息；
根据同一组中所有待处理图片的高度和宽度信息获取平均宽度值和平均高度值；
根据平均宽度值和平均高度值设置模板图片，使模板图片的高度为平均高度值，宽度为平均宽度值。
在一个实施例中，以模板图片为框架，对等比例放大或缩小后的待处理图片进行特征配置处理的步骤包括：
将等比例放大或缩小后的待处理图片置于框架内；
将框架内无图片覆盖的部分的RGB信息设置为0。
在一个实施例中，检测模块包括人脸检测模块、嘴唇识别模块、姿势识别模块、情绪分析模块或者行人识别模型中的一个或多个。
本申请还提供一种基于分组批量的图片检测系统，参照图2本申请基于分组批量的图片检测系统较佳实施例的模块示意图。
如图2所示，本申请实施例基于分组批量的图片检测系统包括：理单元11、预处理单元12、检测单元13。模块11-13所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
分组处理单元11，用于根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
预处理单元12，用于根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
检测单元13，用于将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
其中，预处理单元12进一步包括：
模板图片设置模块121，用于设置与每组待处理图片分别对应的模板图片信息，模板图片信息包括宽度信息和高度信息；
图片处理模块122，用于对同一组中的所有待处理图片进行等比例放大或缩小，直至待处理图片的宽度不大于模板图片的宽度信息，高度不大于模板图片的高度信息；
特征配置模块123，用于以模板图片为框架，对等比例放大或缩小后的待处理图片进行特征配置处理。
具体地，模板图片设置模块121进一步包括：
信息读取模块，用于读取同一组中所有待处理图片的高度和宽度信息；
最大值获取模块，用于对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值；
模板图片确定模块，用于根据最大宽度值和最大高度值设置模板图片，使模板图片的高度为最大高度值，宽度为最大宽度值。
在本申请的一个具体实施方式中，基于分组批量的图片检测系统还包括二级分组处理单元；其中，二级分组处理单元，用于获取待处理图片的图片特征，图片特征为图片清晰度或对比度，根据图片特征对多组待处理图片进行再分组。
根据本申请上述基于分组批量的图片检测装置、系统，根据长宽比将图片分为多组，分别将各组调整为预设大小的图片，不足的地方补零，然后分别对各组图片进行处理，能够降低补足或则说补零的部分，从而使人脸检测器的网络进行了较少的无效计算，减小计算机的运载压力，加快计算机运算速度，增大工作效率。
此外，本申请还提供一种基于分组批量的图片检测方法。参照图3所示，为本申请基于分组批量的图片检测方法较佳实施例的流程图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，基于分组批量的图片检测方法包括：步骤S110-步骤S130。
步骤S110：根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片。
其中，根据图片的长宽比例信息，可以将待处理图片分为多组图片集合，各组图片结合分别对应的不同的长款比例范围。
例如，根据图片的长宽比例设定五个档次，分别为长宽比小于1:3，长宽比范围为1:3～2:3，长宽比范围为2:3～3:2，长宽比范围为3:2～3:1，长宽比大于1:3，然后，根据上述五组长宽比范围对待处理图片进行分组。图片的分组个数可以根据具体待处理图片的数量以及检测要求进行自行设定。
步骤S120：根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理。
其中，根据各组待处理图片获取对应的预处理信息，基于对应的预处理 信息对各组待处理图片分别进行预处理的步骤包括：
1、设置与每组待处理图片分别对应的模板图片信息，模板图片信息包括宽度信息和高度信息。
2、对同一组中的所有待处理图片进行等比例放大或缩小，直至待处理图片的宽度不大于模板图片的宽度信息，高度不大于模板图片的高度信息。
3、以模板图片为框架，对等比例放大或缩小后的待处理图片进行特征配置处理。
进一步地，对待处理图片进行分组并得出多组待处理图片之后，及在根据各组待处理图片获取对应的预处理信息之前，还包括：
获取待处理图片的图片特征，图片特征为图片清晰度或对比度，但并不限于图片清晰度或对比度等；根据图片特征对多组待处理图片进行再分组。
具体地，基于待处理图片的清晰度对同一组中的所有待处理图片再次进行分组并得出多组二级待处理图片；或者，基于待处理图片的对比度对同一组中的所有待处理图片再次进行分组并得出多组二级待处理图片。
上述步骤1设置与每组待处理图片分别对应的模板图片信息的步骤包括：
(1)、读取同一组中所有待处理图片的高度和宽度信息。
(2)、对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值。
(3)、根据最大宽度值和最大高度值设置模板图片，使模板图片的高度为最大高度值，宽度为最大宽度值。
可知，模板图片的高度或宽度并不限于最大高度值或最大宽度值。
在另一个实施例中，设置与每组待处理图片分别对应的模板图片信息的步骤包括：
读取同一组中所有待处理图片的高度和宽度信息；
根据同一组中所有待处理图片的高度和宽度信息获取平均宽度值和平均高度值；
根据平均宽度值和平均高度值设置模板图片，使模板图片的高度为平均高度值，宽度为平均宽度值。
例如，将同一组中所有待处理图片的最大宽度值表示为maxw，最大高度值表示为maxh，则将同一组中每张图片等比例放大到(maxw，maxh)的大小， 即对于放大前尺寸为(w1，h1)的图片进行处理，使得该图片放大后的尺寸为(w1'，h1')，其中，
如果，h1/w1*maxw<＝maxh，则规定w1'＝maxw，且h1'＝h1/w1*maxw；否则的话，规定w1'＝w1/h1*maxh，且h1'＝maxh。
上述步骤3以模板图片为框架，对等比例放大或缩小后的待处理图片进行特征配置处理的步骤包括：
(1)将等比例放大或缩小后的待处理图片置于框架内；
(2)将框架内无图片覆盖的部分的RGB信息设置为0。
其中，在对待处理图片进行等比例放大或缩小时，可首先获取最大宽度值和最大高度值的比例a，以及同一组中的各图片的宽度和高度的比例b；当a＞b时，将比例b对应的待处理图片的放大比例设置为：模板图片信息的最大高度值÷待处理图片的高度；当a＜b时，将比例b对应的待处理图片的放大比例设置为：模板图片信息的最大宽度值÷待处理图片的宽度。
另外，各待处理图片通过对应的字向量(a，b，c，d，e)标识进行居中补0，其中，字向量中的a和b指图片的位置，c、e、d分别表示图片的RGD的颜色，图片需要补零的部分cde均默认为0。
步骤S130：将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
其中，检测模块包括人脸检测模块、嘴唇识别模块、姿势识别模块、情绪分析模块或者行人识别模型等多种检测模块中的一个或多个，预处理后的图片输入上述各检测模块后，能够减小图片补0的部分，即增加的无效计算的次数比较小，同时保持了批量加速的加速效果，使图像检测的效率进一步得到提升。
下面以图片的宽度w＝1，高度h＝3(以下简称类型A)和宽度w＝3，高度h＝1(以下简称类型B)两种尺寸的图片为例进行说明。
设定类型A和类型B的待处理图片分别有10张，二者共20张，收到的图片顺序为ABAB…的间隔排列，且检测模块为行人识别模型，该行人识别模型一次可批量处理的图像数为10张。
第一种情况：在不使用分组的情况下，行人识别模型可以以FIFO(先进先出)的顺序处理图片，可以取到5张类型A和5张类型B的图片。在识别 过程中，假设以图片A的尺寸为标准进行处理，则类型A的图片无需缩放，而类型B的图像需要进行缩小以匹配类型A的尺寸(假设使用居中对齐策略)。
对于类型B的图片，缩放之后图片的有效区域从原来的w＝3，h＝1变为了w＝1，h＝1/3，包含行人检测信息的有效面积只占C＝1/9，但是行人检测模型还是会对包含补零区域的整张图片进行处理，所以处理器(GPU)大约有8/9＝89％的处理是进行的无效处理，所以类型B图片处理的效率PB＝C＝11.1％。
由于类型A图片不需要缩放，所有区域都包含有行人检测的有效信息，所以PA＝100％。
进而计算包含5张类型A图片和5张类型B图片的一次批量处理的效率，P＝(PA+PB)/2＝55.6％。同时，类型B的图片由于缩小到1/9，图片细节变少了，行人检测的精度也会下降。
第二种情况，采用本申请的使用分组批量的图片检测方法，对图片进行分组，则类型A和类型B的图片会分到两个组中，都不需要进行缩放，所以图片处理效率PA＝PB＝100％，两个分组被分配到不同的批次中执行，每个批次的处理效率P＝100％。
并且，由于图片均没有细节损失，行人检测的精度也不会受到影响。
根据本申请上述基于分组批量的图片检测方法，根据长宽比将图片分为多组，分别将各组调整为预设大小的图片，不足的地方补零，然后分别对各组图片进行处理，能够降低补足或则说补零的部分，从而使人脸检测器的网络进行了较少的无效计算，减小计算机的运载压力，加快计算机运算速度，增大工作效率。
此外，本申请实施例还提出一种计算机可读存储介质，计算机可读存储介质中包括基于分组批量的图片检测程序，基于分组批量的图片检测程序被处理器执行时实现如下操作：
根据待处理图片的长宽比例信息，对待处理图片进行分组并得出多组待处理图片；
根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
将各组预处理后的图片分别输入预设的检测模块，通过检测模块对图片进行检测。
本申请之计算机可读存储介质的具体实施方式与上述基于分组批量的图片检测方法、电子装置的具体实施方式大致相同，在此不再赘述。
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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。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如上所述的一个存储介质(如ROM/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，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是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 (20)

  1. 一种基于分组批量的图片检测方法，应用于电子装置，其特征在于，所述方法包括：
    根据待处理图片的长宽比例信息，对所述待处理图片进行分组并得出多组待处理图片；
    根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
    将各组预处理后的图片分别输入预设的检测模块，通过所述检测模块对所述图片进行检测。
  2. 根据权利要求1所述的基于分组批量的图片检测方法，其特征在于，所述根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理的步骤包括：
    设置与每组待处理图片分别对应的模板图片信息，所述模板图片信息包括宽度信息和高度信息；
    对同一组中的所有待处理图片进行等比例放大或缩小，直至所述待处理图片的宽度不大于所述模板图片的宽度信息，高度不大于所述模板图片的高度信息；
    以所述模板图片为框架，对所述等比例放大或缩小后的待处理图片进行特征配置处理。
  3. 根据权利要求1所述的基于分组批量的图片检测方法，其特征在于，在对所述待处理图片进行分组并得出多组待处理图片之后，及在所述根据各组待处理图片获取对应的预处理信息之前，还包括：
    获取待处理图片的图片特征，所述图片特征为图片清晰度或对比度；
    根据所述图片特征对所述多组待处理图片进行再分组。
  4. 根据权利要求3所述的基于分组批量的图片检测方法，其特征在于，
    基于所述待处理图片的清晰度对同一组中的所有待处理图片再次进行分组并得出多组二级待处理图片；或者，
    基于所述待处理图片的对比度对同一组中的所有待处理图片再次进行分组并得出多组二级待处理图片。
  5. 根据权利要求2所述的基于分组批量的图片检测方法，其特征在于，所述设置与每组待处理图片分别对应的模板图片信息的步骤包括：
    读取同一组中所有待处理图片的高度和宽度信息；
    对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值；
    根据所述最大宽度值和所述最大高度值设置模板图片，使所述模板图片的高度为所述最大高度值，宽度为所述最大宽度值。
  6. 根据权利要求2所述的基于分组批量的图片检测方法，其特征在于，所述设置与每组待处理图片分别对应的模板图片信息的步骤包括：
    读取同一组中所有待处理图片的高度和宽度信息；
    根据同一组中所有待处理图片的高度和宽度信息获取平均宽度值和平均高度值；
    根据所述平均宽度值和所述平均高度值设置模板图片，使所述模板图片的高度为所述平均高度值，宽度为所述平均宽度值。
  7. 根据权利要求2所述的基于分组批量的图片检测方法，其特征在于，所述以所述模板图片为框架，对所述等比例放大或缩小后的待处理图片进行特征配置处理的步骤包括：
    将所述等比例放大或缩小后的待处理图片置于所述框架内；
    将所述框架内无图片覆盖的部分的RGB信息设置为0。
  8. 根据权利要求2所述的基于分组批量的图片检测方法，其特征在于，所述对同一组中的所有待处理图片进行等比例放大或缩小的过程包括；
    获取所述模板图片信息的宽度信息和高度信息的比例a，以及所述同一组中的各待处理图片的宽度和高度的比例b；
    当a＞b时，将所述比例b对应的待处理图片的放大比重设置为：所述模板图片信息的高度信息÷所述待处理图片的高度；
    当a＜b时，将所述比例b对应的待处理图片的放大比重设置为：所述模板图片信息的宽度信息÷所述待处理图片的宽度。
  9. 根据权利要求1所述的基于分组批量的图片检测方法，其特征在于，
    所述检测模块包括人脸检测模块、嘴唇识别模块、姿势识别模块、情绪分析模块或者行人识别模型中的一个或多个。
  10. 一种电子装置，其特征在于，该电子装置包括：存储器、处理器，所述存储器中包括基于分组批量的图片检测程序，所述基于分组批量的图片检测程序被所述处理器执行时实现如下步骤：
    根据待处理图片的长宽比例信息，对所述待处理图片进行分组并得出多组待处理图片；
    根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
    将各组预处理后的图片分别输入预设的检测模块，通过所述检测模块对所述图片进行检测。
  11. 根据权利要求10所述的电子装置，其特征在于，所述根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理的步骤包括：
    设置与每组待处理图片分别对应的模板图片信息，所述模板图片信息包括宽度信息和高度信息；
    对同一组中的所有待处理图片进行等比例放大或缩小，直至所述待处理图片的宽度不大于所述模板图片的宽度信息，高度不大于所述模板图片的高度信息；
    以所述模板图片为框架，对所述等比例放大或缩小后的待处理图片进行特征配置处理。
  12. 根据权利要求11所述的电子装置，其特征在于，
    所述设置与每组待处理图片分别对应的模板图片信息的步骤包括：
    读取同一组中所有待处理图片的高度和宽度信息；
    对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值；
    根据所述最大宽度值和所述最大高度值设置模板图片，使所述模板图片的高度为所述最大高度值，宽度为所述最大宽度值。
  13. 根据权利要求11所述的电子装置，其特征在于，
    所述设置与每组待处理图片分别对应的模板图片信息的步骤包括：
    读取同一组中所有待处理图片的高度和宽度信息；
    根据同一组中所有待处理图片的高度和宽度信息获取平均宽度值和平均 高度值；
    根据所述平均宽度值和所述平均高度值设置模板图片，使所述模板图片的高度为所述平均高度值，宽度为所述平均宽度值。
  14. 根据权利要求11所述的电子装置，其特征在于，
    所述以所述模板图片为框架，对所述等比例放大或缩小后的待处理图片进行特征配置处理的步骤包括：
    将所述等比例放大或缩小后的待处理图片置于所述框架内；
    将所述框架内无图片覆盖的部分的RGB信息设置为0。
  15. 根据权利要求11所述的电子装置，其特征在于，
    所述对同一组中的所有待处理图片进行等比例放大或缩小的过程包括；
    获取所述模板图片信息的宽度信息和高度信息的比例a，以及所述同一组中的各待处理图片的宽度和高度的比例b；
    当a＞b时，将所述比例b对应的待处理图片的放大比重设置为：所述模板图片信息的高度信息÷所述待处理图片的高度；
    当a＜b时，将所述比例b对应的待处理图片的放大比重设置为：所述模板图片信息的宽度信息÷所述待处理图片的宽度。
  16. 一种基于分组批量的图片检测系统，其特征在于，包括：
    分组处理单元，用于根据待处理图片的长宽比例信息，对所述待处理图片进行分组并得出多组待处理图片；
    预处理单元，用于根据各组待处理图片获取对应的预处理信息，基于对应的预处理信息对各组待处理图片分别进行预处理；
    检测单元，用于将各组预处理后的图片分别输入预设的检测模块，通过所述检测模块对所述图片进行检测。
  17. 根据权利要求16所述的基于分组批量的图片检测系统，其特征在于，所述预处理单元包括：
    模板图片设置模块，用于设置与每组待处理图片分别对应的模板图片信息，所述模板图片信息包括宽度信息和高度信息；
    图片处理模块，用于对同一组中的所有待处理图片进行等比例放大或缩小，直至所述待处理图片的宽度不大于所述模板图片的宽度信息，高度不大于所述模板图片的高度信息；
    特征配置模块，用于以所述模板图片为框架，对所述等比例放大或缩小后的待处理图片进行特征配置处理。
  18. 根据权利要求16所述的基于分组批量的图片检测系统，其特征在于，还包括二级分组处理单元；其中，
    所述二级分组处理单元，用于获取待处理图片的图片特征，所述图片特征为图片清晰度或对比度，根据所述图片特征对所述多组待处理图片进行再分组。
  19. 根据权利要求17所述的基于分组批量的图片检测系统，其特征在于，所述模板图片设置模块包括：
    信息读取模块，用于读取同一组中所有待处理图片的高度和宽度信息；
    最大值获取模块，用于对比各待处理图片的宽度信息，获取最大宽度值；同时，对比各待处理图片的高度信息，获取最大高度值；
    模板图片确定模块，用于根据所述最大宽度值和所述最大高度值设置模板图片，使所述模板图片的高度为所述最大高度值，宽度为所述最大宽度值。
  20. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于分组批量的图片检测程序，所述基于分组批量的图片检测程序被处理器执行时，实现如权利要求1至9中任一项所述的基于分组批量的图片检测方法的步骤。
PCT/CN2019/117891 2019-09-17 2019-11-13 基于分组批量的图片检测方法、装置及存储介质 WO2021051580A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910875540.7A CN110717891A (zh) 2019-09-17 2019-09-17 基于分组批量的图片检测方法、装置及存储介质
CN201910875540.7 2019-09-17

Publications (1)

Publication Number Publication Date
WO2021051580A1 true WO2021051580A1 (zh) 2021-03-25

Family

ID=69209888

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/117891 WO2021051580A1 (zh) 2019-09-17 2019-11-13 基于分组批量的图片检测方法、装置及存储介质

Country Status (2)

Country Link
CN (1) CN110717891A (zh)
WO (1) WO2021051580A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139589B (zh) * 2021-04-12 2023-02-28 网易（杭州）网络有限公司 图片相似度检测方法、装置、处理器及电子装置
CN113362218B (zh) * 2021-05-21 2022-09-27 北京百度网讯科技有限公司 数据处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120114172A1 (en) * 2010-07-02 2012-05-10 Yangzhou Du Techniques for face detection and tracking
CN105335714A (zh) * 2015-10-28 2016-02-17 小米科技有限责任公司 照片处理方法、装置和设备
CN105472239A (zh) * 2015-11-17 2016-04-06 小米科技有限责任公司 照片处理方法及装置
CN106919889A (zh) * 2015-12-25 2017-07-04 株式会社日立制作所 对视频图像中的人头进行检测的方法和装置
CN109325518A (zh) * 2018-08-20 2019-02-12 Oppo广东移动通信有限公司 图像的分类方法、装置、电子设备和计算机可读存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839224A (zh) * 2012-11-26 2014-06-04 镇江京江软件园有限公司 一种对批量图片进行缩放处理的方法
US20170277955A1 (en) * 2016-03-23 2017-09-28 Le Holdings (Beijing) Co., Ltd. Video identification method and system
CN109145926B (zh) * 2017-06-13 2023-04-18 腾讯科技（深圳）有限公司 相似图片识别方法及计算机设备
CN107977633B (zh) * 2017-12-06 2019-04-09 平安科技（深圳）有限公司 人脸图像的年龄识别方法、装置及存储介质
US20190236371A1 (en) * 2018-01-30 2019-08-01 Deluxe Entertainment Services Group Inc. Cognitive indexing of images in digital video content

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120114172A1 (en) * 2010-07-02 2012-05-10 Yangzhou Du Techniques for face detection and tracking
CN105335714A (zh) * 2015-10-28 2016-02-17 小米科技有限责任公司 照片处理方法、装置和设备
CN105472239A (zh) * 2015-11-17 2016-04-06 小米科技有限责任公司 照片处理方法及装置
CN106919889A (zh) * 2015-12-25 2017-07-04 株式会社日立制作所 对视频图像中的人头进行检测的方法和装置
CN109325518A (zh) * 2018-08-20 2019-02-12 Oppo广东移动通信有限公司 图像的分类方法、装置、电子设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN110717891A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
US11663813B2 (en) Object detection using image classification models
KR102173123B1 (ko) 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
CN110100251B (zh) 用于处理文档的设备、方法和计算机可读存储介质
CN112102164B (zh) 一种图像处理方法、装置、终端及存储介质
WO2020082731A1 (zh) 电子装置、证件识别方法及存储介质
CN106560840B (zh) 一种图像信息识别处理方法及装置
CN109033935B (zh) 抬头纹检测方法及装置
WO2018068304A1 (zh) 一种图像匹配的方法及装置
US20150332507A1 (en) Positioning of projected augmented reality content
CN108961267B (zh) 图片处理方法、图片处理装置及终端设备
US10769795B2 (en) Image processing method and device
WO2017067287A1 (zh) 一种指纹识别的方法、装置及终端
US20140321770A1 (en) System, method, and computer program product for generating an image thumbnail
WO2019033567A1 (zh) 眼球动作捕捉方法、装置及存储介质
WO2018184255A1 (zh) 图像校正的方法和装置
WO2021051580A1 (zh) 基于分组批量的图片检测方法、装置及存储介质
CN108021905A (zh) 图片处理方法、装置、终端设备及存储介质
EP3461138B1 (en) Processing method and terminal
CN106548117A (zh) 一种人脸图像处理方法和装置
CN112488054B (zh) 一种人脸识别方法、装置、终端设备及存储介质
CN111062279B (zh) 照片处理方法及照片处理装置
KR20200127928A (ko) 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
CN108288024A (zh) 人脸识别方法及装置
CN108270973B (zh) 一种拍照处理方法、移动终端及计算机可读存储介质
CN108549702B (zh) 一种移动终端的图片库的清理方法及移动终端

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19945702

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19945702

Country of ref document: EP

Kind code of ref document: A1