[发明专利]图像检测方法、装置、设备及存储介质

权利要求书

1.一种图像检测方法，其特征在于，包括：

对获取的视频图像进行预处理，得到初始图像；

通过目标模型的第一分支检测所述初始图像中车辆的方向，通过第二分支检测所述初始图像中车辆的关键点；其中，所述目标模型是通过预设的训练样本集训练得到的神经网络模型，用于从初始图像中检测出车辆的方向和车辆的关键点；

根据所述车辆的方向，确定所述车辆的关键点是否有效；

若所述车辆的关键点有效，则输出所述车辆的关键点；

其中，根据所述车辆的方向，确定所述车辆的关键点是否有效，包括：

若所述车辆的方向在参考方向的角度范围内，则确定所述车辆的关键点有效；

若所述车辆的方向不在参考方向的角度范围内，则确定所述车辆的关键点无效。

2.根据权利要求1所述的方法，其特征在于，对获取的视频图像进行预处理，得到初始图像，包括：

对获取的视频图像进行旋转、压缩、裁剪、灰度调整中的任一或者任多处理，得到预设尺寸大小的初始图像。

3.根据权利要求1所述的方法，其特征在于，在根据所述车辆的方向，确定所述车辆的关键点是否有效之前，还包括：

获取所述第一分支提取的第一特征向量，所述第一特征向量用于表征所述车辆的方向；

获取所述第二分支提取的第二特征向量，所述第二特征向量用于表征所述车辆的关键点；

对所述第一特征向量和所述第二特征向量中的元素进行合并处理，得到合并后的特征向量；

获取所述合并后的特征向量相对于换算矩阵的特征值；

若所述特征值减去预设的参考值之后，得到的是正数，则确定初始图像中包含车辆；

若得到的是负数，则确定初始图像中不包含车辆，舍弃所述初始图像。

4.根据权利要求1-3中任一项所述的方法，其特征在于，在通过目标模型的第一分支检测所述初始图像中车辆的方向，通过第二分支检测所述初始图像中车辆的关键点之前，还包括：

构建训练样本集；所述训练样本集中包括三类样本图像；所述三类样本图像包括：第一类图像、第二类图像、第三类图像；所述第一类图像是指：仅标注有车辆的图像；第二类图像是指：标注有车辆、车辆的方向、车辆的关键点中任意两种信息的图像；第三类图像是指：标注有车辆、车辆的方向、车辆的关键点的图像；

创建初始模型；

将所述训练样本集输入所述初始模型，训练所述初始模型的第一分支和第二分支，直到所述初始模型的第一分支和第二分支检测的结果与实际标注的结果之间的判断误差小于预设的阈值；得到所述目标模型。

5.一种图像检测装置，其特征在于，包括：

预处理模块，用于对获取的视频图像进行预处理，得到初始图像；

检测模块，用于通过目标模型的第一分支检测所述初始图像中车辆的方向，通过第二分支检测所述初始图像中车辆的关键点；其中，所述目标模型是通过预设的训练样本集训练得到的神经网络模型，用于从初始图像中检测出车辆的方向和车辆的关键点；

确定模块，用于根据所述车辆的方向，确定所述车辆的关键点是否有效；

输出模块，用于在所述车辆的关键点有效时，输出所述车辆的关键点；

其中，所述确定模块，具体用于：

若所述车辆的方向在参考方向的角度范围内，则确定所述车辆的关键点有效；

若所述车辆的方向不在参考方向的角度范围内，则确定所述车辆的关键点无效。

6.根据权利要求5所述的装置，其特征在于，所述预处理模块，具体用于：

对获取的视频图像进行旋转、压缩、裁剪、灰度调整中的任一或者任多处理，得到预设尺寸大小的初始图像。