[发明专利]图像检测方法、终端及其计算机可读存储介质

说明书

本发明提供一种图像检测方法、终端及其计算机可读存储介质，本申请中的图像检测方法包括：对待检测图像中包含的目标对象进行基础识别，确定目标对象的基础类别；从待检测图像中提取包含目标对象的局部图像，局部图像为待检测图像的子图像；对局部图像中的目标对象进行进一步识别，确定目标对象的目标类别；其中，目标类别为基础类别的子类别。本申请通过对待检测图像中的目标对象进行基础识别得到目标对象的基础类别，之后对提取的包含目标对象的局部图像进行进一步识别得到目标对象的目标类别，进而提升对目标对象的识别精确度。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种图像检测方法、终端及其计算机可读存储介质。

背景技术

随着社会的进步，大型商场、机场、旅游景点等场地聚集的人数越来越多，人员分布也越来越密集，这让我们不得不更加注重公共场所的安全问题。同时可以看到安检机应用的场地越来越多，而安检机中一个重要的应用就是人们随身携带包裹中物品的检测与识别。而复杂的生活场景中，物品摆放的角度不一、尺寸变化大以及遮挡重叠等问题，对于包裹中各种物品精确的定位和准确的识别是一个很大的难点。目前对包裹中物品进行检测的方法是包裹经过安检机，采集到的对应的X光图像，安检员肉眼判断包裹中的物品，进而需要人为辅助进行才能实现物品的检测。

发明内容

本发明主要解决的技术问题是提供一种图像检测方法、终端及其计算机可读存储介质，解决现有技术中对物品检测、识别精度不佳的问题。

为解决上述技术问题，本发明采用的第一个技术方案是：提供一种图像检测方法，该图像检测方法包括：对待检测图像中包含的目标对象进行基础识别，确定目标对象的基础类别；从待检测图像中提取包含目标对象的局部图像，局部图像为待检测图像的子图像；对局部图像中的目标对象进行进一步识别，确定目标对象的目标类别；其中，目标类别为基础类别的子类别。

其中，待检测图像包括基于X光成像技术采集的X光图像，对待检测图像中包含的目标对象进行基础识别，确定目标对象的基础类别的步骤之前，还包括：采用目标检测网络模型对采集的X光图像进行检测，确定待检测图像中包含的至少一个目标对象以及目标对象的位置和角度；从待检测图像中提取包含目标对象的局部图像的步骤包括：根据每个目标对象的位置，从待检测图像中分别提取包含一个目标对象的子图像；根据目标对象的角度，将包含目标对象的子图像旋转至预设角度，得到一个目标对象的局部图像。

其中，对局部图像中的目标对象进行进一步识别，确定目标对象的目标类别的步骤包括：通过目标检索网络模型对包含目标对象的局部图像进行特征提取得到特征图；将特征图与预设特征图进行比对；将与特征图匹配的预设特征图对应的预设目标类别作为目标对象的目标类别。

其中，采用目标检测网络模型对采集的X光图像进行检测的步骤之前包括：对包含一个目标对象的局部图像进行拉伸补边处理。

其中，采用目标检测网络模型对采集的X光图像进行检测的步骤之前还包括：对初始目标检测网络模型进行训练得到目标检测网络模型；其中，初始目标检测网络模型基于注意力模块和检测神经网络模型构建；对初始目标检索网络模型进行训练得到目标检索网络模型。

其中，对初始目标检测网络模型进行训练得到目标检测网络模型的步骤包括：获取第一训练样本集，第一训练样本集包括多个第一图像样本，第一图像样本为标记有检测目标的第一真实位姿信息和第一真实类别的图像；将第一图像样本输入到初始目标检测网络模型得到第一特征图；对第一特征图进行检测得到检测目标的第一预测位姿和第一预测类别；通过第一预测位姿信息与第一真实位姿信息、第一预测类别和第一真实类别构建第一损失函数；利用第一损失函数对初始目标检测网络模型进行迭代训练得到目标检测网络模型。