[发明专利]成像方向模型训练方法及装置、检测方法及装置、介质

说明书

一种成像方向模型训练方法及装置、检测方法及装置、介质，所述成像方向模型训练方法包括：将彩色的偏转图像进行灰度化处理，得到灰度化的偏转图像；将所述灰度化的偏转图像作为训练数据，将所述偏转图像的偏转角度作为数据标签，训练得到成像方向神经网络模型；将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果；将所述灰度化的训练图像作为训练数据，将所述训练图像的偏转角度以及所述中间结果作为数据标签，训练得到成像方向模型；所述成像方向模型的结构层级小于所述成像方向神经网络模型的结构层级。采用上述方案，可以减小成像方向检测的计算量。

技术领域

本发明属于图像处理技术领域，特别涉及一种成像方向模型训练方法及装置、检测方法及装置、介质。

背景技术

现有的各种智能终端设备一般都具有图像采集功能，通常由摄像头等图像采集装置实现图像采集功能。由于摄像头本身质量问题、工厂批量组装错误等原因，在摄像头安装过程中，难免出现摄像头安装方向错误的问题，使得摄像头在进行图像采集时成像方向错误。

现有的成像方向检测方法往往计算量较大，对于硬件条件有限的智能终端设备来说，现有的成像方向检测方法占用了大量设备资源，同时检测速度较慢。

发明内容

本发明实施例解决的是成像方向检测方法计算量较大的技术问题。

为解决上述技术问题，本发明实施例提供一种成像方向模型训练方法，包括：将彩色的偏转图像进行灰度化处理，得到灰度化的偏转图像；将所述灰度化的偏转图像作为训练数据，将所述偏转图像的偏转角度作为数据标签，训练得到成像方向神经网络模型；将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果；将所述灰度化的训练图像作为训练数据，将所述训练图像的偏转角度以及所述中间结果作为数据标签，训练得到成像方向模型；所述成像方向模型的结构层级小于所述成像方向神经网络模型的结构层级。

可选的，所述成像方向神经网络模型和所述成像方向模型均为卷积神经网络深度学习模型。

可选的，所述成像方向神经网络模型对所述训练图像的预测方向的中间结果，包括：对每个预测方向的预测分值。

为解决上述技术问题，本发明实施例还公开了一种成像方向检测方法，包括：将获取到的待检测图像进行灰度化处理，得到灰度化处理后的待检测图像；将所述灰度化处理后的待检测图像输入至采用权利要求1至3任一项所述的成像方向模型训练方法训练得到的所述成像方向模型，得到所述待检测图像在每个方向的得分；获取所述待检测图像在所有方向中的最高得分，判定所述最高得分对应的方向为所述待检测图像的成像方向。

可选的，在将获取到的待检测图像进行灰度化处理之前，还包括：获取终端设备采集到的待检测图像。

可选的，在判定所述最高得分对应的方向为所述待检测图像的成像方向之后，还包括：将所述待检测图像的成像方向上传至后端服务器。

可选的，在判定所述最高得分对应的方向为所述待检测图像的成像方向之后，还包括：判断所述待检测图像的成像方向是否错误，得到成像方向检测结果；将所述成像方向检测结果上传至后端服务器。

为解决上述技术问题，本发明实施例还公开了一种成像方向模型训练装置，包括：第一处理单元，用于将彩色的偏转图像进行灰度化处理，得到灰度化的偏转图像；第一训练单元，用于将所述灰度化的偏转图像作为训练数据，将所述偏转图像的偏转角度作为数据标签，训练得到成像方向神经网络模型；第一预测单元，用于将灰度化的训练图像输入所述成像方向神经网络模型，得到所述成像方向神经网络模型对所述训练图像的预测方向的中间结果；第二训练单元，用于将所述灰度化的训练图像作为训练数据，将所述训练图像的偏转角度以及所述中间结果作为数据标签，训练得到成像方向模型；所述成像方向模型的结构层级小于所述成像方向神经网络模型的结构层级。