[发明专利]图像检测方法及系统

说明书

本公开实施例提供了一种图像检测方法、图像检测系统、计算机设备及计算机可读存储介质，应用于移动应用技术领域，其中，图像检测方法包括：接收图像采集装置采集的人像图像；将人像图像输入神经网络模型中，神经网络模型包括目标分割模型和/或目标检测模型；当神经网络模型包括目标分割模型时，利用目标分割模型获取人像图像中的特定区域的属性信息；和/或当神经网络模型包括目标检测模型时，利用目标检测模型检测人像图像中是否存在目标对象；及判断人像图像是否满足预设标准。本公开实施例提供的图像检测方法，通过采用神经网络模型，可针对不同的识别需求自动识别采集到的人像图像，提高了图像识别性能，提高了检测效率和便利性。

技术领域

本公开实施例涉及移动应用技术领域，具体而言，涉及一种图像检测方法、一种图像检测系统、一种计算机设备及一种计算机可读存储介质。

背景技术

目前，服务业蓬勃发展，服务提供商常常会对服务人员外观有一定的要求，以确保其符合服务标准。在服务人员众多并分散的情况下要有效地检查合规性并不简单。相关技术中，车辆服务提供商通过跨地理区域的各种车辆驾驶员提供打车等服务，这些驾驶员需要在顾客面前以专业的妆容和服装出现。例如，司机必须穿制服，不能戴过多的首饰，也不能染发。在现有情况下，司机往往上班前被定时召集，由主管目测检查。此方法费时又费力，特别是当驾驶员分散在不同的位置时，非常低效。

发明内容

本公开实施例旨在至少解决现有技术或相关技术中存在的技术问题之一

为此，本公开实施例的第一方面在于，提出一种图像检测方法。

本公开实施例的第二方面在于，提出一种图像检测系统。

本公开实施例的第三方面在于，提出一种计算机设备。

本公开实施例的第四方面在于，提出一种计算机可读存储介质。

有鉴于此，根据本公开实施例的第一方面，提供了一种图像检测方法，包括：接收图像采集装置采集的人像图像；将人像图像输入神经网络模型中，神经网络模型包括目标分割模型和/或目标检测模型；当神经网络模型包括目标分割模型时，利用目标分割模型获取人像图像中的特定区域的属性信息；和/或当神经网络模型包括目标检测模型时，利用目标检测模型检测人像图像中是否存在目标对象；及判断人像图像是否满足预设标准。

本公开实施例提供的图像检测方法，采用了神经网络(NN，Neural Network)模型，神经网络是一种模拟人类实际神经网络的数学方法，由大量的、简单的处理单元(称为神经元)广泛地互相连接而成，神经网络模型则以神经元的数学模型为基础，由网络拓扑、节点特点和学习规则来表示，应用于图像识别时，则以卷积神经网络(CNN，ConvolutionalNeural Network)模型为主，并在其基础上发展出了多种模型，包括目标分割(targetsegmentation)模型和目标检测(target detection)模型，分别用于分割图像区域和从图像中检测指定物体。卷积神经网络模型的多层结构能自动学习多个层次的特征，较浅的卷积层感知域小，可学习局部特征，较深的卷积层感知域大，可学习抽象特征，有助于满足不同的图像识别需求。本申请限定的图像检测方法，通过采用神经网络模型，可针对不同的识别需求自动识别采集到的人像图像，提高了图像识别性能，不必集合被测人员进行人工检测，提高了检测效率和便利性。针对不同的检测目标选用合理的模型，在需了解特定区域的属性时，利用目标分割模型分割出该特定区域，在需了解图像中是否存在目标对象时，则利用目标检测模型对人像图像加以检测，最后总结识别结果，即可确认人像图像是否满足预设标准，提高了识别效率和准确度。

另外，根据本公开实施例提供的上述技术方案中的图像检测方法，还可以具有如下附加技术特征：

在上述技术方案中，优选地，利用目标分割模型获取人像图像中的特定区域的属性信息的操作具体包括：分割人像图像，得到背景区域和多个人像区域；获取特定的人像区域的属性信息。