[发明专利]一种图像检测方法、装置及存储介质

说明书

本发明公开了一种图像检测方法、装置及存储介质，该方法包括：获取待检测灰度图像；采用多任务卷积神经网络模型对待检测灰度图像进行检测，得到第一图像检测结果和第一候选人脸区域图像；当第一图像检测结果中不包括人脸特征点，对第一候选人脸区域图像进行图像增强处理，得到第二候选人脸区域图像；采用多任务卷积神经网络模型对第二候选人脸区域图像进行检测，得到第二图像检测结果；当第二图像检测结果中包括人脸特征点，确定待检测灰度图像中存在人脸。本发明实施例中，通过采用多任务卷积神经网络模型和图像增强技术对待检测灰度图像中的人脸特征进行检测，可以实现快速、准确地识别待检测灰度图像中的人脸。

技术领域

本申请涉及图像检测技术领域，尤其涉及一种图像检测方法、装置及存储介质。

背景技术

目前市场上的部分便携式电子设备包含红外摄像头模块。对于该部分便携式电子设备，整机组装完成后，需要对红外摄像头模块进行成像检测，即红外摄像头能否正确成像。

目前，主要是采用人工对便携式电子设备的红外摄像头模块进行成像检测。成像检测时，用户通过观察红外摄像头模块拍摄的图像是否存在较清晰人脸，来判断红外摄像头模块能否正确成像。由于用户容易产生视觉疲劳，且存在人为主观判断，采用人工对便携式电子设备的红外摄像头模块拍摄的图像进行人脸检测，不能保证检测结果的准确性。因此，如何快速、准确检测电子设备的红外摄像头模块成像问题，是亟需解决的问题。

发明内容

申请内容

本发明实施例通过提供一种图像检测方法、装置及存储介质，用以解决现有技术中采用人工对便携式电子设备的红外摄像头模块进行拍摄的图像进行人脸检测，不能保证检测结果的准确性的问题。

为了解决上述问题，第一方面，本发明实施例提供了一种图像检测方法，包括：获取待检测灰度图像；采用多任务卷积神经网络模型对待检测灰度图像进行检测，得到第一图像检测结果和第一候选人脸区域图像；当第一图像检测结果中不包括人脸特征点，对第一候选人脸区域图像进行图像增强处理，得到第二候选人脸区域图像；采用多任务卷积神经网络模型对第二候选人脸区域图像进行检测，得到第二图像检测结果；当第二图像检测结果中包括人脸特征点，确定待检测灰度图像中存在人脸。

可选地，对第一候选人脸区域图像进行图像增强处理，得到第二候选人脸区域图像，包括：从第一候选人脸区域图像中识别出边缘，并计算出边缘的像素点的像素阈值；根据边缘的像素点的像素阈值将第一候选人脸区域图像中边缘的像素点的原始像素值修改为特定像素值，得到第三候选人脸区域图像；采用gamma校正算法对第三候选人脸区域图像进行gamma校正，得到第二候选人脸区域图像。

可选地，根据边缘的像素点的像素阈值将第一候选人脸区域图像中边缘的像素点的原始像素值修改为特定像素值，包括：当待检测灰度图像中边缘的像素点对应的原始像素值大于或等于像素阈值，将第一候选人脸区域图像中边缘的像素点的原始像素值修改为1；当待检测灰度图像中边缘的像素点对应的原始像素值小于像素阈值，将第一候选人脸区域图像中边缘的像素点的原始像素值修改为0。

可选地，gamma校正时的校正公式包括：其中，i和j为第三候选人脸区域图像中的像素点坐标，γ[i,j]为预设控制参数，其中，当像素点的像素值为1时，γ[i,j]为2*k，像素点的像素值为0时，γ[i,j]为 k，当像素点的像素值不为1且不为0时，γ[i,j]为k/2，0＜k＜1；V(i,j)为校正前像素点的像素值，V′(i,j)为校正后像素点的像素值。

可选地，获取待检测灰度图像，包括：获取待检测原始图像，待检测原始图像中各像素点的R、G、B三个颜色通道的值相同；通过预设公式将待检测原始图像中各像素点的R、G、B三个颜色通道的值替换为对应的Gray一个颜色通道的值，得到待检测灰度图像。