CN113792662B - 图像检测方法、装置、电子设备以及存储介质 - Google Patents
图像检测方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113792662B CN113792662B CN202111080907.XA CN202111080907A CN113792662B CN 113792662 B CN113792662 B CN 113792662B CN 202111080907 A CN202111080907 A CN 202111080907A CN 113792662 B CN113792662 B CN 113792662B
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- detected
- preset condition
- type
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 544
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 208000004350 Strabismus Diseases 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及计算机视觉技术领域,具体涉及一种图像检测方法、装置、电子设备以及存储介质。一种图像检测方法,包括:基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理。本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。质量检测模型可以适用于多种场景需求,鲁棒性更强,提高模型部署效率。
Description
技术领域
本公开涉及计算机视觉技术领域,具体涉及一种图像检测方法、装置、电子设备以及存储介质。
背景技术
图像质量检测是人脸识别领域的重要研究方向之一,图像质量检测规范化了人脸图像的入库标准,为后续的人脸识别业务提供较为准确的参考图像。但是,相关技术中的质量检测模型,对于具有不同入库标准的差异化场景部署效率和鲁棒性较差。
发明内容
为提高检测模型部署效率和鲁棒性,本公开实施方式提供了一种图像检测方法、装置、电子设备以及存储介质。
第一方面,本公开实施方式提供了一种图像检测方法,包括:
基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;
对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理。
在一些实施方式中,预先建立检测等级与预设条件的对应关系的过程包括:
获取对所述待检测图像进行检测的多个检测类型以及每个检测类型对应的检测条件;
由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
在一些实施方式中,所述获取对所述待检测图像的多个检测类型以及每个检测类型对应的检测条件,包括:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件。
在一些实施方式中,所述根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件,包括:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到对所述待检测图像进行检测的检测类型;
对于对所述待检测图像进行检测的任意一个检测类型,根据所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件取交集,得到所述检测类型对应的检测条件。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,所述对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,包括:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型检测通过,确定所述待检测图像满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
在一些实施方式中,获取所述待检测图像的过程包括:
接收通过显示界面上传的所述待检测图像;
所述方法还包括:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,包括:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件中检测未通过的检测类型;
根据所述检测未通过的检测类型确定所述提示信息。
在一些实施方式中,所述对所述待检测图像进行入库处理包括:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
第二方面,本公开实施方式提供了一种图像检测装置,包括:
确定模块,被配置为基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;
检测模块,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理。
在一些实施方式中,本公开装置还包括关系建立模块,所述关系建立模块被配置为:
获取对所述待检测图像进行检测的多个检测类型以及每个检测类型对应的检测条件;
由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
在一些实施方式中,所述关系建立模块被配置为:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件。
在一些实施方式中,所述关系建立模块被配置为:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到对所述待检测图像进行检测的检测类型;
对于对所述待检测图像进行检测的任意一个检测类型,根据所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件取交集,得到所述检测类型对应的检测条件。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,所述检测模块具体被配置为:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型检测通过,确定所述待检测图像满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
在一些实施方式中,本公开实施方式的装置,还包括:
获取模块,被配置为接收通过显示界面上传的所述待检测图像。
在一些实施方式中,所述检测模块还被配置为:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述检测模块具体被配置为:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件中检测未通过的检测类型;
根据所述检测未通过的检测类型确定所述提示信息。
在一些实施方式中,所述检测模块具体被配置为:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
第三方面,本公开实施方式提供了一种电子设备,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行第一方面任一实施方式所述的方法。
第四方面,本公开实施方式提供了一种存储介质,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行第一方面任一实施方式所述的方法。
本公开实施方式的图像检测方法,包括基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件,对待检测图像进行图像检测,响应于待检测图像满足目标预设条件,对待检测图像进行入库处理。本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的预设条件即可,无需重新进行模型训练,提高模型部署效率。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施方式,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。
图1是根据本公开一些实施方式中图像检测方法的流程图。
图2是根据本公开一些实施方式中图像检测方法的流程图。
图3是根据本公开一些实施方式中图像检测方法的流程图。
图4是根据本公开一些实施方式中图像检测方法的流程图。
图5是根据本公开一些实施方式中图像检测方法的流程图。
图6是根据本公开一些实施方式中图像检测***的结构示意图。
图7是根据本公开一些实施方式中客户端显示界面的示意图。
图8是根据本公开一些实施方式中图像检测方法的流程图。
图9是根据本公开一些实施方式中客户端显示界面的示意图。
图10是根据本公开一些实施方式中图像检测方法的流程图。
图11是根据本公开一些实施方式中图像检测方法的流程图。
图12是根据本公开一些实施方式中图像检测装置的结构框图。
图13是根据本公开一些实施方式中图像检测装置的结构框图。
图14是适于实现本公开图像检测方法的电子设备的结构框图。
具体实施方式
下面将结合附图对本公开的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本公开一部分实施方式,而不是全部的实施方式。基于本公开中的实施方式,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方式,都属于本公开保护的范围。此外,下面所描述的本公开不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图像质量检测是计算机视觉(Computer Vision,CV)以及人脸识别领域的重要研究方向之一。以人脸识别为例,用户入库图像的标准与后续识别业务的精度强相关,因此,对入库图像的人脸质量检测规范化了入库标准,提高人脸识别业务的精度。
在实际人脸识别场景中,不同场景具有不同的检测精度需求。以常规安防场景为例,一般基于视频流形式数据作为检测识别数据,具有识别精度相对较低、高速处理的要求。因此,对于入库图像的质量检测要求也相对较低,入库图像只要符合尺寸要求、保证人脸在图像上即可。
以写字楼、居民楼等门禁场景为例,为避免陌生人出入,其对人脸识别***的精度要求相对增高,从而对入库图像的质量检测要求也相对增高。例如,入库图像在满足上述基础的尺寸和人脸要求外,还需要进一步限制人脸角度、人脸锐度、人脸占比、人脸遮挡、人脸完整度等因素。
以高级别的会员场景为例,其需要严格把控人员出入,因此对人脸识别***的精度要求更高,从而对入库图像的质量检测要求也更高。例如,入库图像在满足前述所有要求外,还需要进一步限制人脸嘴部开合、五官轮廓等综合因素,另外还会在各个检测类型上增强检测标准。
相关技术中,针对上述不同检测等级的场景需求,若采用同一个检测标准来训练质量检测模型,将会导致模型难以满足不同的实际场景需求。而若是针对不同的场景需求来分别训练不同检测等级的质量检测模型,当需要将质量检测模型移植到不同检测等级的场景时,需要重新训练模型,无疑增大了模型训练的工作量,降低模型部署效率。
正是基于上述存在的缺陷,本公开实施方式提供了一种图像检测方法、装置、电子设备以及存储介质,旨在适用于不同场景需求的图像质量检测,在满足各场景需求的同时无需重新训练检测模型,提高质量检测模型的效率及鲁棒性。
第一方面,本公开实施方式提供了一种图像检测方法,该方法可应用于电子设备。本公开实施方式中,对于电子设备的类型不作限制,其可以是例如计算机、服务器、移动终端、穿戴设备等任何适于实施的设备类型。
如图1所示,在一些实施方式中,本公开示例的图像检测方法,包括:
S110、基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件。
具体而言,本公开实施方式中,需要预先建立检测等级与预设条件的对应关系。
检测等级是指根据不同的场景需求,对图像质量检测划分的检测等级。在一个示例中,可针对前述的常规安防场景、门禁场景以及会员场景分别设置不同的检测等级。
预设条件是基于不同的检测等级设置的对图像质量检测的检测逻辑,也即每个检测等级对应有一个预设条件,该预设条件表示满足该检测等级对于图像质量检测要求的条件。
在一些实施方式中,预先建立的检测等级与预设条件的对应关系可如下表一所示:
表一
检测等级 | 预设条件 |
等级I | 条件1 |
等级II | 条件2 |
等级III | 条件3 |
… | … |
当前检测等级表示当前实施场景下所对应的检测等级。在一些实施方式中,当前检测等级可以由后台工作人员预先进行设置,例如,在图像质量检测模型部署时,工作人员可以基于当前场景需求设置当前检测等级。
基于上述例如表一所示的对应关系,在得到当前检测等级之后,即可以根据对应关系得到与当前检测等级对应的预设条件,也即目标预设条件。例如一个示例中,当前检测等级为“等级I”,从而根据表一的对应关系确定目标预设条件为“条件1”。
对于建立检测等级与预设条件的对应关系的具体过程,本公开下文实施方式中进行说明,在此暂不详述。
S120、对待检测图像进行图像检测,响应于待检测图像满足目标预设条件,对待检测图像进行入库处理。
具体而言,在确定目标预设条件之后,即可根据目标预设条件对待检测图像进行图像检测,以判断待检测图像是否满足目标预设条件。
待检测图像表示需要进行质量检测的图像。在一些实施方式中,待检测图像可以由用户主动上传得到,也可以通过图像采集设备被动采集得到,还可以通过网络获取得到,本公开对此不作限制。
可以理解,目标预设条件表示当前检测等级下图像是否符合入库要求的判断条件。因此,可以基于图像检测技术对待检测图像进行图像检测,从而确定待检测图像是否满足目标预设条件。若否,则表示待测图像不符合当前检测等级下的入库要求。若是,则表示待检测图像符合当前检测等级下的入库要求,从而可对待检测图像进行入库处理。
待检测图像在进行入库处理之后,即可保存在数据库中,作为后续业务中的参考图像。以人脸识别为例,当用户A的待检测图像入库之后,即可以作为用户A的参考图像,从而在后续的人脸识别场景中,基于采集的人脸图像与该参考图像进行对比,以对用户A进行人脸识别。本领域技术人员对此可以理解,本公开不再赘述。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的预设条件即可,无需重新进行模型训练,提高模型部署效率。
如图2所示,在一些实施方式中,本公开示例的图像检测方法中,建立检测等级与预设条件的对应关系的过程包括:
S210、获取对待检测图像进行检测的多个检测类型以及每个检测类型对应的检测条件。
S220、由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
具体来说,检测类型表示对待检测图像进行检测的多个检测维度。例如一些实施方式中,以人脸识别场景为例,检测维度可以包括以下几个方面:图像中是否有人脸、人脸范围占比、人脸遮挡情况、人脸转动角度、人脸五官等,通过综合这些维度,可以构建出相对应的多个检测类型。
其中,每个检测类型具有相对应的检测条件,检测条件表示检测类型是否检测通过的判断条件。在一个示例中,检测类型以“人脸占比”为例,其对应的检测条件可以是“人脸占比不低于35%”,当待检测图像中人脸占比低于35%,表示人脸占比检测不通过,反之则表示人脸占比检测通过。在另一个示例中,检测类型以“人脸角度”为例,其对应的检测条件可以是“人脸偏转角不超过15°”,当待检测图像中人脸偏转角超过15°,表示人脸角度检测不通过,反之则表示人脸角度检测通过。
在一些实施方式中,获取检测类型和检测条件的过程可以参见图3实施方式,下面结合图3进行说明。
如图3所示,在一些实施方式中,本公开示例的图像检测方法中,获取多个检测类型和检测条件的过程包括:
S221、获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及检测类型对应的检测条件。
S222、根据至少两个预设图像检测标准包括的检测类型和检测条件,确定对待检测图像进行检测的多个检测类型和检测条件。
具体而言,预设图像检测标准表示预先设置的对图像进行质量检测的检测条件。可以理解,预设图像检测标准可以是基于先验知识或者通过网络等渠道获取的不同领域中对图像进行质量检测的检测标准。在一些实施方式中,预设图像检测标准可以是不同地域范围的照片入库标准。
以人脸识别场景为例,例如一个示例中,不同国家对于护照照片入库均具有多维度的要求,因此护照照片的检测标准即可以作为其中一个预设图像检测标准。例如又一个示例中,社保局对于公民的社保照片入库具有多维度的要求,因此社保照片的检测标准即可以作为其中一个预设图像检测标准。
当然,本公开所述的预设图像检测标准还可以是其他任何适于实施的针对图像的规范化标准,并不局限于上述的护照照片和社保照片入库标准。本领域技术人员对此可以理解,本公开不再赘述。
在得到多个预设图像检测标准之后,即可根据多个预设图像检测标准包括的检测类型和检测条件,确定对待检测图像进行检测的多个检测类型和检测条件。
如图4所示,在一些实施方式中,本公开示例的图像检测方法,确定对待检测图像进行检测的多个检测类型和检测条件的过程,包括:
S410、获取每个预设图像检测标准包括的检测类型和检测条件。
S420、对至少两个预设图像检测标准的检测类型进行融合处理,得到对待检测图像进行检测的检测类型。
在一些实施方式中,为使得质量检测模型可以针对不同国家的人脸均具有良好的精度,因此可基于不同地域范围的护照照片的入库标准作为预设图像检测标准,并且基于不同检测条件的共性和差异建立本公开针对待检测图像的多个检测类型。
举例来说,A国家护照照片的入库标准要求了:照片尺寸为5*5厘米,人脸范围占整张照片不低于50%,人脸位置位于照片正中间,人脸角度不能倾斜。B国家护照照片的入库标准要求了:照片尺寸为3*4厘米,五官需露出不得有遮盖,人眼不得斜视,人脸范围占整张照片不低于35%,人脸角度不能倾斜。
也即,上述中A国家对护照照片的检测维度包括了:照片尺寸、人脸占比、人脸位置、人脸角度。B国家对护照照片的检测维度包括了:照片尺寸、五官轮廓、注视方向、人脸占比、人脸角度。
在一些实施方式中,可以综合A国家和B国家的检测维度,对各个检测维度取并集,构建得到的多个检测类型可包括:照片尺寸、人脸占比、人脸位置、人脸角度、五官轮廓、注视方向。
可以理解,上述仅作为本公开实施方式的一些示例,在其他实施方式中,检测类型还可以包括其他的类型,例如人脸亮度、人脸锐度、嘴部开合程度等,本领域技术人员可以根据具体场景需求进行选择,本公开对此无需穷举。
S430、对于对待检测图像进行检测的任意一个检测类型,根据检测类型在至少两个预设图像检测标准中对应的各个检测条件取交集,得到检测类型对应的检测条件。
可以理解,预设图像检测标准中的每个检测类型均具有对应的检测条件。在一个示例中,检测类型以图像尺寸为例,对应的检测条件即可以是“图像尺寸不超过5*5厘米”。在另一个示例中,检测类型以人脸占比为例,对应的检测条件即可以是“人脸范围/图像大小不小于35%”。在又一个示例中,检测类型以人脸角度为例,对应的检测条件既可以是“人脸的偏转角/航向角/俯仰角不超过15°”。
也即,每个检测类型均具有对应的检测条件,检测条件表示该项检测类型是否通过的判断逻辑。例如,检测类型以图像尺寸为例,检测条件为“图像尺寸不超过5*5厘米”,若待检测图像尺寸大于5*5厘米,则表示待检测图像针对图像尺寸检测未通过。
在一些实施方式中,多个预设图像检测标准中可能具有相同的检测类型,但是同一检测类型在不同的预设图像检测标准中的检测条件可能各不相同。例如,检测类型以图像尺寸为例,其在检测标准1中对应的检测条件为“图像尺寸不超过3.5cm*3.5cm”,而其在检测标准2中对应的检测条件为“图像尺寸不小于2cm*2cm,且不超过5cm*5cm”。从而,可综合各个检测标准中的检测条件,例如对各个检测条件取交集,确定图像尺寸对应的检测条件为“图像尺寸不小于2cm*2cm,且不超过3.5cm*3.5cm”,使其可以同时满足不同检测标准。本领域技术人员对此可以理解并充分实施,本公开对此不再赘述。
在构建针对待检测图像的多个检测类型以及检测条件之后,即可针对不同的检测等级设置对应的检测类型以及预设条件。可以理解,不同检测等级对应不同的场景需求,因此不同检测等级所包括的检测类型也不相同。由于预设条件由检测等级所包括的检测类型的检测条件组成,因此各个检测等级对应的预设条件也就各不相同。
例如一些实施方式中,建立的检测等级与预设条件的对应关系可如下表二所示:表二
通过上表二可以看到,不同的检测等级所包括的检测类型也不相同,从而后续对待检测图像进行质量检测时的预设条件也不相同。
在一些实施方式中,以人脸图像的质量检测场景为例,检测类型可以包括以下至少之一:
1)图像尺寸。表示图像的大小,例如2.5cm*3.5cm。
2)人脸占比。表示图像中人脸范围占整个图像的比值大小,例如35%、50%、80%等。
3)人脸位置。表示图像中人脸范围在整个图像的位置,例如居中、偏左、偏右等。
4)人脸角度。表示图像中人脸的偏转情况,包括俯仰角、偏转角以及航向角的偏转角度。
5)人脸亮度。表示图像中人脸的亮度值。
6)人脸锐度。表示图像中人脸的清晰度。
7)嘴部开合程度。表示图像中人脸嘴部的开合大小。
8)人脸五官轮廓。表示图像中人脸五官的遮挡情况,是否可以捕捉到五官关键点。
基于上述检测类型,建立的检测等级与预设条件的对应关系可如下表三所示:
表三
值得说明的是,上述检测类型和对应关系仅作为本公开示例性的实施方式,在其他实施方式中,检测类型还可以包括其他的类型,并且检测等级与检测类型的对应关系也不局限于上述示例,本领域技术人员可以根据具体场景需求进行选择,本公开对此无需穷举。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的检测等级即可,无需重新进行模型训练,提高模型部署效率。另外,基于不同地域范围的护照照片的检测条件建立对应关系,使得检测模型在不同地域范围使用均具有较好的鲁棒性。
通过上述表三所示的对应关系,即可在当前检测等级下对待检测图像进行质量检测。
如图5所示,在一些实施方式中,本公开示例的图像检测方法中,确定待检测图像是否满足目标预设条件的过程包括:
S510、对待检测图像进行特征提取,得到目标预设条件包括的每个检测类型对应的图像特征。
S520、响应于根据图像特征确定每个检测类型检测通过,确定待检测图像满足目标预设条件。
具体而言,基于前述对应关系可确定当前检测等级对应的检测类型和预设条件。例如参照上述表三所示,根据当前检测等级对应的各个检测类型,对待检测图像进行特征提取,从而得到每个检测类型对应的图像特征。
在一个示例中,检测类型以图像尺寸为例,通过对待检测图像进行处理,得到待检测图像的尺寸大小,该尺寸大小即为与图像尺寸对应的图像特征。
在一个示例中,检测类型以人脸角度为例,基于人脸识别技术对待检测图像中的人脸范围进行特征提取,确定人脸偏转角度,该偏转角度即为与人脸角度对应的图像特征。
在一个示例中,检测类型以人脸占比为例,基于人脸识别技术对待检测图像中的人脸范围进行特征提取,确定人脸占比大小,该人脸占比大小即为与人脸占比对应的图像特征。
换言之,图像特征指对检测类型对应的相关参数,本领域技术人员对此可以理解并充分实施,本公开不再赘述枚举。
对于每个检测类型,在得到对应的图像特征之后,即可根据该图像特征和检测条件确定该检测类型是否检测通过。
在一个示例中,检测类型以图像尺寸为例,检测条件为“图像尺寸不超过2.5cm*3.5cm”。通过对待检测图像进行特征提取,若得到待检测图像的图像特征为“图像尺寸大小为3.5cm*3.5cm”,从而确定待检测图像的图像尺寸检测未通过。若得到待检测图像的图像特征为“图像尺寸大小为2cm*2cm”,从而确定待检测图像的图像尺寸检测通过。
在一个示例中,检测类型以人脸占比为例,检测条件为“人脸占比不低于50%”。通过对待检测图像进行特征提取,若得到待检测图像的图像特征为“人脸占比为38%”,从而确定待检测图像的人脸占比检测未通过。若得到待检测图像的图像特征为“人脸占比为65%”,从而确定待检测图像的人脸占比检测通过。
通过上述示例的过程,可依次对当前检测等级对应的各个检测类型进行判断。若当前检测等级对应的每个检测类型均检测通过,则确定待检测图像满足目标预设条件,可以入库。反之,若某个检测类型未检测通过,表示待检测图像不满足目标预设条件,无法入库。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的检测等级即可,无需重新进行模型训练,提高模型部署效率。
图6示出了本公开一些实施方式中图像检测***的示意图。如图6所示,***包括服务器100和客户端200,本公开上述质量检测模型可以部署于服务器100中,服务器100可通过无线或者有线通信的方式与各个客户端200建立通信连接。
在一些实施方式中,本公开示例中的待检测图像可以是由客户端200上传的图像。
具体来说,客户端200可以是计算机或者移动终端等设备,客户端200具有显示屏,从而显示屏上可输出显示界面。显示界面如图7所示,客户端200的用户可通过显示界面上的“上传图像”按钮添加待检测图像,在用户添加完成之后,客户端200可将用户添加的待检测图像发送至服务器100。
在一些实施方式中,服务器100在获取到待检测图像之后,可利用人脸检测模型对待检测图像进行图像检测,提取待检测图像中的有效人脸区域,作为后续特征提取的基础图像。
在一些实施方式中,本公开实施方式的图像检测方法还包括:
响应于待检测图像不满足目标预设条件,生成对应的提示信息,并通过显示界面输出提示信息。
具体而言,结合前述可知,当待检测图像的某项检测类型检测未通过,可生成对应的提示信息,并通过显示界面输出该提示信息。从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整,从而上传符合预设条件的待检测图像。下面结合图7进行具体说明。
如图8所示,在一些实施方式中,本公开示例的图像检测方法中,生成提示信息的过程包括:
S810、响应于待检测图像不满足目标预设条件,获取目标预设条件中检测未通过的检测类型。
S820、根据检测未通过的检测类型确定提示信息。
具体来说,结合前述图5实施方式,在待检测图像不满足目标预设条件的情况下,表示至少一个检测类型检测未通过,从而可以获取所有检测未通过的检测类型,然后根据检测未通过的检测类型确定提示信息。
在一个示例中,假设待检测图像的图像尺寸过大导致图像尺寸检测未通过,并且人脸占比较小导致人脸占比检测未通过。从而可以根据该两项检测未通过的检测类型,确定提示信息为“图像尺寸过大,请上传不超过2.5cm*3.5cm的图像;图像人脸占比过小,请上传人脸占比不低于65%的图像”,例如图9中所示。
通过上述可知,本公开实施方式中,在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
在一些实施方式中,在确定待检测图像满足目标预设条件之后,即可对待检测图像进行入库处理。
如图10所示,在一些实施方式中,本公开示例的图像检测方法,对待检测图像进行入库处理的过程包括:
S1010、根据待检测图像以及与待检测图像对应的用户信息确定用户数据。
S1020、将用户数据保存在数据库中。
具体来说,在确定待检测图像满足目标预设条件的情况下,表示待检测图像符合入库要求,此时可获取与待检测图像对应的用户信息。用户信息表示上传待检测图像的用户标识,例如用户ID(Identity document,身份标识号)等。
在得到用户信息之后,可将用户信息与待检测图像打包作为该用户的用户数据,并将用户数据保存在数据库中,作为下游识别任务的参考图像数据。
如图11所示,在一些实施方式中,本公开示例的图像检测方法包括:
S1110、根据至少两个不同地域范围的护照照片的检测标准,确定对待检测图像的多个检测类型及检测条件。
例如,可以根据多个国家的护照照片的检测标准,基于检测条件的共性和差异确定对待检测图像的多个检测类型以及对应的检测条件。本领域技术人员参照前述可以理解并充分实施,在此不再赘述。
S1120、根据每个检测等级对应的至少一个检测类型和检测条件,建立检测等级与预设条件的对应关系。
具体而言,本领域技术人员参照前述图2所示实施方式即可,对此不再赘述。
S1130、基于检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件。
具体而言,当前检测等级可以由服务器端的工作人员基于具体的场景需求进行设置。在设置检测等级之后,即可根据设置的检测等级确定对应的预设条件为目标预设条件。
S1140、接收客户端发送的待检测图像,并对待检测图像进行特征提取,得到目标预设条件包括的每个检测类型对应的图像特征。
具体而言,如图6所示,用户可通过客户端200上传待检测图像,从而服务器100端可以接收到客户端发送的待检测图像。服务器基于前述图5实施方式对待检测图像进行特征提取,得到目标预设条件中每个检测类型对应的图像特征。
S1150、响应于根据图像特征确定每个检测类型通过,确定待检测图像满足目标预设条件。
具体而言,可基于前述图5实施方式分别确定每个检测类型是否检测通过,若每个检测类型均检测通过,确定待检测图像满足目标预设条件,执行步骤S1160。
S1160、对所述待检测图像进行入库处理。
具体而言,可参照前述图10实施方式所示,对待检测图像进行入库处理,对此不再赘述。
S1170、响应于根据图像特征确定至少一个检测类型检测未通过,确定待检测图像不满足目标预设条件。
具体而言,可基于前述图5实施方式分别确定每个检测类型是否检测通过,若存在某个检测类型检测未通过,确定待检测图像不满足目标预设条件,执行步骤S1180。
S1180、生成并输出提示信息。
具体而言,可基于前述图8实施方式生成提示信息,并将提示信息在客户端200的显示界面上输出,以提示用户修改待检测图像后重新上传。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的检测等级即可,无需重新进行模型训练,提高模型部署效率。另外,基于不同地域范围的护照照片的检测条件建立对应关系,使得检测模型在不同地域范围使用均具有较好的鲁棒性。在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
第二方面,本公开实施方式提供了一种图像检测装置,该装置可应用于电子设备。本公开实施方式中,对于电子设备的类型不作限制,其可以是例如计算机、服务器、移动终端、穿戴设备等任何适于实施的设备类型。
如图12所示,在一些实施方式中,本公开示例的图像检测装置包括:
确定模块10,被配置为基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;
检测模块20,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的预设条件即可,无需重新进行模型训练,提高模型部署效率。
如图13所示,在一些实施方式中,本公开装置还包括关系建立模块40,所述关系建立模块40被配置为:
获取对所述待检测图像进行检测的多个检测类型以及每个检测类型对应的检测条件;
由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
在一些实施方式中,所述关系建立模块40被配置为:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件。
在一些实施方式中,所述关系建立模块40被配置为:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到对所述待检测图像进行检测的检测类型;
对于对所述待检测图像进行检测的任意一个检测类型,根据所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件取交集,得到所述检测类型对应的检测条件。
在一些实施方式中,所述预设图像检测标准包括不同地域范围的照片入库标准。
在一些实施方式中,所述检测模块20具体被配置为:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型检测通过,确定所述待检测图像满足所述目标预设条件。
在一些实施方式中,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
如图13所示,在一些实施方式中,本公开实施方式的装置,还包括:
获取模块30,被配置为接收通过显示界面上传的所述待检测图像。
在一些实施方式中,所述检测模块20还被配置为:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
在一些实施方式中,所述检测模块20具体被配置为:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件中检测未通过的检测类型;
根据所述检测未通过的检测类型确定所述提示信息。
在一些实施方式中,所述检测模块20具体被配置为:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
通过上述可知,本公开实施方式中,基于不同的场景需求建立不同的检测等级,提高识别业务的精度。在图像质量检测时,质量检测模型可以适用于多种场景需求,鲁棒性更强。并且,质量检测模型只需要经过一次训练即可应用于多种场景,在场景移植时只需要切换对应的检测等级即可,无需重新进行模型训练,提高模型部署效率。另外,基于不同地域范围的护照照片的检测条件建立对应关系,使得检测模型在不同地域范围使用均具有较好的鲁棒性。在待检测图像不满足目标预设条件时,通过显示界面输出提示信息,从而可以提示用户哪项检测类型未通过,便于用户有针对性地对待检测图像进行调整。
第三方面,本公开实施方式提供了一种电子设备,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行第一方面任一实施方式所述的方法。
第四方面,本公开实施方式提供了一种存储介质,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行第一方面任一实施方式所述的方法。
具体而言,图14示出了适于用来实现本公开方法的电子设备600的结构示意图,通过图14所示电子设备,可实现上述处理器及存储介质相应功能。
如图14所示,电子设备600包括处理器601,其可以根据存储在存储器602中的程序或者从存储部分608加载到存储器602中的程序而执行各种适当的动作和处理。在存储器602中,还存储有***600操作所需的各种程序和数据。处理器601和存储器602通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施方式,上文方法过程可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行上述方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
显然,上述实施方式仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本公开创造的保护范围之中。
Claims (10)
1.一种图像检测方法,其特征在于,包括:
基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;
对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理;
预先建立检测等级与预设条件的对应关系的过程包括:
获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件;所述至少两个预设图像检测标准包括不同地域范围的照片入库标准;
根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件;
由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
2.根据权利要求1所述方法,其特征在于,所述根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件,包括:
获取每个所述预设图像检测标准包括的所述检测类型和所述检测条件;
对所述至少两个预设图像检测标准的检测类型进行融合处理,得到对所述待检测图像进行检测的检测类型;
对于对所述待检测图像进行检测的任意一个检测类型,根据所述检测类型在所述至少两个预设图像检测标准中对应的各个检测条件取交集,得到所述检测类型对应的检测条件。
3.根据权利要求1所述的方法,其特征在于,所述对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,包括:
对所述待检测图像进行特征提取,得到所述目标预设条件包括的每个检测类型对应的图像特征;
响应于根据所述图像特征确定每个所述检测类型检测通过,确定所述待检测图像满足所述目标预设条件。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述待检测图像为人脸图像;所述检测类型包括以下至少之一:
图像尺寸;人脸占比;人脸位置;人脸角度;人脸亮度;人脸锐度;嘴部开合程度;人脸五官轮廓。
5.根据权利要求1至3任一项所述的方法,其特征在于,获取所述待检测图像的过程包括:
接收通过显示界面上传的所述待检测图像;
所述方法还包括:
响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,并通过所述显示界面输出所述提示信息。
6.根据权利要求5所述的方法,其特征在于,所述响应于所述待检测图像不满足所述目标预设条件,生成对应的提示信息,包括:
响应于所述待检测图像不满足所述目标预设条件,获取所述目标预设条件中检测未通过的检测类型;
根据所述检测未通过的检测类型确定所述提示信息。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述待检测图像进行入库处理包括:
根据所述待检测图像以及与所述待检测图像对应的用户信息确定用户数据;
将所述用户数据保存在数据库中。
8.一种图像检测装置,其特征在于,包括:
确定模块,被配置为基于预先建立的检测等级与预设条件的对应关系,确定与当前检测等级对应的目标预设条件;
检测模块,被配置为对待检测图像进行图像检测,响应于所述待检测图像满足所述目标预设条件,对所述待检测图像进行入库处理;
关系建立模块,被配置为获取至少两个预设图像检测标准,其中每个预设图像检测标准包括至少一个检测类型以及所述检测类型对应的检测条件,所述至少两个预设图像检测标准包括不同地域范围的照片入库标准;根据所述至少两个预设图像检测标准包括的检测类型和检测条件,确定对所述待检测图像进行检测的多个检测类型和检测条件;由所述多个检测类型中确定每个检测等级对应的检测类型和检测条件,得到所述检测等级与所述预设条件的对应关系。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,存储有能够被所述处理器读取的计算机指令,当所述计算机指令被读取时,所述处理器执行根据权利要求1至7任一项所述的方法。
10.一种存储介质,其特征在于,用于存储计算机可读指令,所述计算机可读指令用于使计算机执行根据权利要求1至7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080907.XA CN113792662B (zh) | 2021-09-15 | 2021-09-15 | 图像检测方法、装置、电子设备以及存储介质 |
PCT/CN2022/108681 WO2023040480A1 (zh) | 2021-09-15 | 2022-07-28 | 用于图像检测的方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080907.XA CN113792662B (zh) | 2021-09-15 | 2021-09-15 | 图像检测方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792662A CN113792662A (zh) | 2021-12-14 |
CN113792662B true CN113792662B (zh) | 2024-05-21 |
Family
ID=78878394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111080907.XA Active CN113792662B (zh) | 2021-09-15 | 2021-09-15 | 图像检测方法、装置、电子设备以及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113792662B (zh) |
WO (1) | WO2023040480A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792662B (zh) * | 2021-09-15 | 2024-05-21 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备以及存储介质 |
CN115240265B (zh) * | 2022-09-23 | 2023-01-10 | 深圳市欧瑞博科技股份有限公司 | 用户智能识别方法、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509958A (zh) * | 2018-03-30 | 2018-09-07 | 北京金山安全软件有限公司 | 缺陷类型检测方法、装置、电子设备及介质 |
CN109858381A (zh) * | 2019-01-04 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
CN110070001A (zh) * | 2019-03-28 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 行为检测方法及装置、计算机可读存储介质 |
CN111783663A (zh) * | 2020-06-30 | 2020-10-16 | 公安部第三研究所 | 一种用于人证核验设备性能检测的算法测评***及检测方法 |
CN112115886A (zh) * | 2020-09-22 | 2020-12-22 | 北京市商汤科技开发有限公司 | 图像检测方法和相关装置、设备、存储介质 |
WO2021017561A1 (zh) * | 2019-07-30 | 2021-02-04 | 深圳市商汤科技有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2187350A1 (en) * | 2008-11-05 | 2010-05-19 | Thomson Licensing | Method and device for assessing image quality degradation |
JP5693162B2 (ja) * | 2010-11-09 | 2015-04-01 | キヤノン株式会社 | 画像処理システム、撮像装置、画像処理装置及びそれらの制御方法、プログラム |
CN107169458B (zh) * | 2017-05-18 | 2018-04-06 | 深圳云天励飞技术有限公司 | 数据处理方法、装置及存储介质 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库***及方法 |
CN108391059A (zh) * | 2018-03-23 | 2018-08-10 | 华为技术有限公司 | 一种图像处理的方法和装置 |
CN112001280B (zh) * | 2020-08-13 | 2024-07-09 | 浩鲸云计算科技股份有限公司 | 一种实时、可在线优化的人脸识别***和方法 |
CN113792661B (zh) * | 2021-09-15 | 2024-06-11 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备以及存储介质 |
CN113792662B (zh) * | 2021-09-15 | 2024-05-21 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备以及存储介质 |
-
2021
- 2021-09-15 CN CN202111080907.XA patent/CN113792662B/zh active Active
-
2022
- 2022-07-28 WO PCT/CN2022/108681 patent/WO2023040480A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509958A (zh) * | 2018-03-30 | 2018-09-07 | 北京金山安全软件有限公司 | 缺陷类型检测方法、装置、电子设备及介质 |
CN109858381A (zh) * | 2019-01-04 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
CN110070001A (zh) * | 2019-03-28 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 行为检测方法及装置、计算机可读存储介质 |
WO2021017561A1 (zh) * | 2019-07-30 | 2021-02-04 | 深圳市商汤科技有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
CN111783663A (zh) * | 2020-06-30 | 2020-10-16 | 公安部第三研究所 | 一种用于人证核验设备性能检测的算法测评***及检测方法 |
CN112115886A (zh) * | 2020-09-22 | 2020-12-22 | 北京市商汤科技开发有限公司 | 图像检测方法和相关装置、设备、存储介质 |
Non-Patent Citations (2)
Title |
---|
"Face image quality inspection system according to ISO standard";PW Ong;《Human Face Recognition Image Processing》;全文 * |
"基于多指标与支持向量回归的道路监控图像质量检测方法";郭兴隆;《公路交通技术》;第34卷(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023040480A1 (zh) | 2023-03-23 |
CN113792662A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN113792662B (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
TW201911130A (zh) | 一種翻拍影像識別方法及裝置 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
CN113792661B (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
US9280804B2 (en) | Rotation of an image based on image content to correct image orientation | |
EP3779775B1 (en) | Media processing method and related apparatus | |
AU2014339827B2 (en) | Generating image compositions | |
CN114463828B (zh) | 基于人证统一的监考方法及***、电子设备和存储介质 | |
CN111985281A (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
CN113762107A (zh) | 对象状态评估方法、装置、电子设备及可读存储介质 | |
KR101820456B1 (ko) | 깊이 맵 생성 방법 및 장치 | |
CN116432152B (zh) | 一种跨平台协同制作*** | |
US9286707B1 (en) | Removing transient objects to synthesize an unobstructed image | |
CN112926513A (zh) | 会议签到的方法、装置、电子设备和存储介质 | |
Ferreira et al. | A method to compute saliency regions in 3D video based on fusion of feature maps | |
CN116704579A (zh) | 一种基于图像处理的学生迎新照片分析***及方法 | |
CN113014914B (zh) | 一种基于神经网络的单人换脸短视频的识别方法和*** | |
CN115115552A (zh) | 图像矫正模型训练及图像矫正方法、装置和计算机设备 | |
CN114745592A (zh) | 基于人脸识别的弹幕消息的显示方法及***、设备及介质 | |
CN114360015A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN112560705A (zh) | 人脸检测方法和装置,电子设备 | |
CN113011254A (zh) | 一种视频数据处理方法、计算机设备及可读存储介质 | |
CN113221606A (zh) | 一种基于ims视频会议登录的人脸识别方法 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40059695 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |