[发明专利]一种图像检测方法及系统

权利要求书

1.一种图像检测方法，其特征在于，包括：

S1、基于多个尺寸不同的第一训练图像对改进的Faster R-CNN网络模型进行训练，得到第一目标检测模型；

S2、利用所述第一目标检测模型对每个所述第一训练图像进行识别，基于任一第一训练图像对应的识别结果将该第一训练图像确认为误检图像或非误检图像，直至得到所有的所述误检图像和所有的所述非误检图像；

S3、将每个所述误检图像与相应的非误检图像进行拼接，得到多个第二训练图像，基于多个所述第二训练图像和所有所述第一训练图像对所述改进的Faster R-CNN网络模型进行训练，得到第二目标检测模型；

S4、利用所述第二目标检测模型对待检测图像进行检测，得到包括多个待选边界框的目标检测结果。

2.根据权利要求1所述的一种图像检测方法，其特征在于，还包括：

采用非极大值抑制法从所述目标检测结果中筛选出最佳边界框。

3.根据权利要求1或2所述的一种图像检测方法，其特征在于，所述改进的Faster R-CNN网络模型的获取过程包括：

将Faster R-CNN网络模型的VGG结构替换为ResNeXt-101结构，得到所述改进的FasterR-CNN网络模型。

4.根据权利要求1或2所述的一种图像检测方法，其特征在于，在所述S1之前，还包括：

S10、对每个原始图像进行尺寸修改，得到多个尺寸不同的所述第一训练图像。

5.根据权利要求4所述的一种图像检测方法，其特征在于，在所述S10之前，还包括：

调低每个所述原始图像的亮度与对比度。

6.一种图像检测系统，其特征在于，包括：第一处理模块、识别模块、第二处理模块、检测模块；

所述第一处理模块用于：基于多个尺寸不同的第一训练图像对改进的Faster R-CNN网络模型进行训练，得到第一目标检测模型；

所述识别模块用于：利用所述第一目标检测模型对每个所述第一训练图像进行识别，基于任一第一训练图像对应的识别结果将该第一训练图像确认为误检图像或非误检图像，直至得到所有的所述误检图像和所有的所述非误检图像；

所述第二处理模块用于：将每个所述误检图像与相应的非误检图像进行拼接，得到多个第二训练图像，基于多个所述第二训练图像和所有所述第一训练图像对所述改进的Faster R-CNN网络模型进行训练，得到第二目标检测模型；

所述检测模块用于：利用所述第二目标检测模型对待检测图像进行检测，得到包括多个待选边界框的目标检测结果。

7.根据权利要求6所述的一种图像检测系统，其特征在于，还包括：第三处理模块；

所述第三处理模块用于：采用非极大值抑制法从所述目标检测结果中筛选出最佳边界框。

8.根据权利要求6或7所述的一种图像检测系统，其特征在于，所述改进的Faster R-CNN网络模型的获取过程包括：

将Faster R-CNN网络模型的VGG结构替换为ResNeXt-101结构，得到所述改进的FasterR-CNN网络模型。

9.根据权利要求6或7所述的一种图像检测系统，其特征在于，在所述第一处理模块之前，还包括：预处理模块；

所述预处理模块用于：对每个原始图像进行尺寸修改，得到多个尺寸不同的所述第一训练图像。

10.根据权利要求9所述的一种图像检测系统，其特征在于，所述预处理模块还用于：

调低每个所述原始图像的亮度与对比度。