[发明专利]图像场景分类方法、装置、设备及存储介质

权利要求书

1.一种图像场景分类方法，其特征在于，所述图像场景分类方法包括：

获取历史面审终端采集的多张典型图像，并分别对各所述典型图像进行增强处理，得到各所述典型图像对应的扩充图像；

利用预置特征提取模型，分别对各所述典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征；

根据所述多个第一局部特征，构建各个场景类别的典型特征；

获取当前面审终端上传的目标图像，并利用所述特征提取模型，提取所述目标图像对应的各个第二局部特征；

对各所述第二局部特征和各所述典型特征进行相似度校验，得到检验结果，并根据所述校验结果，得到所述目标图像所在的场景类别。

2.根据权利要求1所述的图像场景分类方法，其特征在于，所述分别对各所述典型图像进行增强处理，得到各所述典型图像对应的扩充图像包括：

分别对各所述典型图像进行目标检测，并根据检测的结果，对各所述典型图像进行随机裁剪，得到对应尺寸的典型图像；

分别对裁剪后的各张典型图像进行随机高斯模糊处理，并对处理后的各张典型图像进行随机颜色失真处理，得到对应的扩充图像。

3.根据权利要求1所述的图像场景分类方法，其特征在于，所述利用预置特征提取模型，分别对各所述典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征包括：

利用预置特征提取模型中的深度残差网络，提取各所述典型图像和各所述扩充图像对应的第一维度特征，并对所述第一维度特征进行特征编码，得到第二维度特征；

利用预置特征提取模型中的映射网络，对所述第二维度特征进行降维处理，得到对应的初始局部特征；

利用预置特征提取模型中的输出层，对所述初始局部特征进行一致性优化，得到各所述典型图像对应的第一局部特征。

4.根据权利要求3所述的图像场景分类方法，其特征在于，所述利用预置特征提取模型中的输出层，对所述初始局部特征进行一致性优化，得到各所述典型图像对应的第一局部特征包括：

利用预置特征提取模型中的输出层，分别计算各所述典型图像和各所述扩充图像对应的初始局部特征之间的损失值；

根据所述损失值，分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行一致性检测，得到检测结果；

根据检测结果分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行更新，得到各所述典型图像对应的第一局部特征。

5.根据权利要求1所述的图像场景分类方法，其特征在于，所述根据所述多个第一局部特征，构建各个场景类别的典型特征包括：

对所述多个第一局部特征进行聚类处理，得到各个场景类别对应的特征簇；

确定每个特征簇对应的聚类中心，并将每个聚类中心作为各个场景类别对应的典型特征。

6.根据权利要求5所述的图像场景分类方法，其特征在于，所述对各所述第二局部特征和各所述典型特征进行相似度校验，得到检验结果包括：

分别计算各所述聚类中心与各所述第二局部特征之间的余弦相似度；

确定余弦相似度最高的聚类中心，并将所述余弦相似度最高的聚类中心对应的场景类别作为校验结果。

7.一种图像场景分类装置，其特征在于，所述图像场景分类装置包括：

增强模块，用于获取历史面审终端采集的多张典型图像，并分别对各所述典型图像进行增强处理，得到各所述典型图像对应的扩充图像；

对比学习模块，用于利用预置特征提取模型，分别对各所述典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征；

构建模块，用于根据所述多个第一局部特征，构建各个场景类别的典型特征；

提取模块，用于获取当前面审终端上传的目标图像，并利用所述特征提取模型，提取所述目标图像对应的各个第二局部特征；

分类模块，用于对各所述第二局部特征和各所述典型特征进行相似度校验，得到检验结果，并根据所述校验结果，得到所述目标图像所在的场景类别。