CN114140852A - 图像检测方法和装置 - Google Patents

Abstract

本公开提供了一种图像检测方法和装置，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像处理等场景。实现方案为：获得目标图像中的包围目标对象的检测框；基于检测框，获得检测区域图像，检测区域图像至少包括目标图像中检测框包围的区域；将检测区域图像划分为多个区域图像块；以及对多个区域图像块进行检测，以获得目标图像对应的第一分类。

Description

图像检测方法和装置

技术领域

本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像处理等场景，具体涉及一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

基于人工智能的图像处理技术，已经渗透到各个领域。其中，基于人工智能的人脸活体检测技术，根据用户输入的图像数据，判断该图像数据是否来自于人脸活体。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像检测方法，包括：获得目标图像中的包围目标对象的检测框；基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；将所述检测区域图像划分为多个区域图像块；以及对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

根据本公开的另一方面，提供了一种图像检测装置，包括：第一检测单元，被配置用于获得目标图像中的包围目标对象的检测框；第一获取单元，被配置用于基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；第二获取单元，被配置用于将所述检测区域图像划分为多个区域图像块；以及第二检测单元，被配置用于对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器实现根据上述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机实现根据上述的方法。

根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的一个或多个实施例，通过基于目标图像中包围目标对象的检测框，获得目标图像中的检测区域，该检测区域至少包括检测框包围的区域，并基于对该检测区域划分获得的多个区域块，获得目标图像对应的分类。对于对应于区分特征不明显的多个分类的各种目标图像，实现经过一次检测就获得目标图像对应的分类，使获得检测结果准确，同时节省了算力。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的图像检测方法的流程图；

图3示出了根据本公开的实施例的图像检测方法中目标图像中包围目标对象的检测框的示意图；

图4示出了根据本公开的实施例的图像检测方法中基于检测框获得检测区域图像的过程的流程图；

图5示出了根据本公开的实施例的图像检测方法中基于目标图像的检测框获得的第一包围框的示意图；

图6示出了根据本公开的实施例的图像检测方法中基于目标图像的检测框获得的第一包围框的示意图；

图7示出了根据本公开的实施例的图像检测方法中基于第一包围框获得检测区域图像的过程的流程图；

图8基于第一包围框包围的区域确定检测区域图像的过程的流程图；

图9示出了根据本公开的实施例的图像检测方法中基于第一包围框包围的区域确定检测区域图像的过程的流程图；

图10示出了根据本公开的实施例的图像检测方法中的检测模型的架构示意图；

图11示出了根据本公开的实施例的图像检测装置的结构框图；以及

图12示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行图像检测方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来观看搜索的对象。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

参看图2，根据本公开的一些实施例的一种图像检测方法200包括：

步骤S210：获得目标图像中的包围目标对象的检测框；

步骤S220：基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；

步骤S230：将所述检测区域图像划分为多个区域图像块；以及

步骤S240：对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

根据本公开的一个或多个实施例，通过基于目标图像中包围目标对象的检测框，获得目标图像中的检测区域，该检测区域至少包括检测框包围的区域，并基于对该检测区域划分获得的多个区域块，获得目标图像对应的分类。对于对应于区分特征不明显的多个分类的各种目标图像，实现经过一次检测就获得目标图像对应的分类，使获得检测结果准确，同时节省了算力。

在相关技术中，基于用户输入的图像数据进行人脸活体检测，以判断输入的图像数据是否来自于人脸活体。其中，将图像数据处理成目标图像后，通过对目标图像依次进行合成图检测和人脸活体检测，以判断该目标图像对应的图像数据是否来自于人脸活体。其中，首先，通过对目标图像进行合成图检测，以判断目标图像对应的图像数据是否来自于合成图，当判断目标图像对应的图像数据不来自于合成图之后，再对目标图像进行人脸活体检测，以判断目标图像对应的图像数据是否来自于人脸活体。整个过程需要对目标图像进行两次检测判断，使消耗的算力非常大。同时，在对目标图像进行合成图检测的过程中，如果判断错误，将导致最后的检测结果错误，使准确性难以保证。例如，将对应于合成图的目标图像判断为不对应合成图，而对目标图像进行进一步的人脸活体检测，并将目标图像判断为人脸活体，在某些应用场景中，使目标图像对应的图像数据通过验证，可能造成巨大的财产损失甚至人生伤害。

根据本公开的实施例，直接对来自用户输入的图像数据的目标图像进行处理，获得包围人脸的检测框，并基于该检测框获得检测区域图像，最后对将检测区域图像进行划分后的多个区域图像块进行检测获得目标图像对应的分类，即，通过对目标图像进行一次检测判断，就能获得检测结果，减少算力。同时，对于对应于攻击分类、合成图分类和人脸活体分类中的任意目标图像，均能获得其对应的分类，实现对目标图像进行多分类检测的效果。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在一些实施例中，所述目标对象为人脸，所述第一分类包括：攻击分类、人脸活体分类或合成图分类。

在对目标图像进行攻击分类、人脸活体分类和合成图分类的区分时，由于在人脸活体分类和合成图分类的区分任务中，往往关注人脸区域的特征；而对人脸活体分类和攻击分类的区分任务中，往往关注人脸周围的背景区域的特征。例如屏幕攻击和纸质攻击中，将屏幕和纸的边界(在人脸周围的背景区域中)作为区分是否为攻击分类的重要特征。

根据本公开的实施例，对基于目标图像获得的多个区域图像块进行检测，在检测过程中不仅仅关注各个区域图像块中的特征，还将通过多个区域图像块提取目标图像的全局特征(例如屏幕攻击和纸质攻击中，将屏幕和纸的边界)，使得检测过程能同时进行人脸活体分类和合成图分类的区分任务和人脸活体分类和攻击分类的区分任务，即通过一次前项预测就能同时获得活体检测分类和合成图分类等两个检测判断输出，减少算力。

需要理解的是，实施例以目标对象为人脸作为示例进行说明，仅仅是示例性的，本领域技术人员应当理解，可以将任何对象(例如动物、车辆、指纹等)作为目标对象，以用于本公开的技术方案。

在一些实施例中，方法200还包括获取目标图像，其中，包括：获取用户输入的图像数据，以及基于该图像数据，获取该目标图像。

在一些实施例中，用户输入的图像数据可以是视频、照片等，在此并不限定。

在一些实施例中，在步骤S210中，通过目标检测方法获得包围目标对象的检测框。

在一些实施例中，所述检测框为矩形框。在一个示例中，通过人脸检测方法获得包围人脸的检测框，其中，通过对目标图像中人脸关键点的检测，获得人脸关键点，基于人脸关键点获得检测框。例如，采用经训练的人脸关键点检测模型，获取多个人脸关键点坐标(例如，72个)，分别为(x₁,y₁)…(x_i,y_i)…(x_n,y_n)。根据该多个人脸关键点坐标得到x和y的最大最小值x_min、x_max、y_min、y_max，根据最大最小值确定检测框。

参看图3，示出了根据一些实施例的目标图像的示意图，其中目标图像300中的目标对象310被检测框320包围。

在一些实施例中，所述检测框为矩形框，并且其中，如图4所示，基于所述检测框，获得检测区域图像包括：

步骤S410：扩大所述矩形框，以获得第一包围框，其中，所述第一包围框的相邻两个边长中的至少第一边长与所述矩形框的与所述第一边长对应的第二边长之比为预设值；以及

步骤S420：基于所述第一包围框，获得所述检测区域图像。

直接将检测框进行扩大，基于检测框扩大后获得的第一包围框，获得检测区域图像，使检测区域图像的获得方法简单，并且数据处理量少。

在一些实施例中，预设尺寸为256pix×256pix。

在一些实施例中，将矩形框的相邻的两条边中的一条边的边长扩大，另一条边的边长保持不变，从而获得第一包围框。如图5所示，基于包围目标图像500中目标对象510的检测框520获得第一包围框为530，其中第一包围框530的宽与检测框520的宽一致，第一包围框530的长是检测框520的长的三倍。

在一些实施例中，将矩形框的相邻的两条边中的每一条边的边长扩大，从而获得第一包围框。如图6所示，基于包围目标图像600中的目标图像610的检测框620获得的第一包围框630，其中第一包围框630的长是检测框630的长的三倍，第一包围框630的宽也是检测框620的三倍。

在一些实施中，第一包围框的相邻两个边长中的至少第一边长与矩形框的与第一边长对应的第二边长之比的范围为2到5。

使第一包围框的相邻两个边长中的至少第一边长与矩形框的与第一边长对应的第二边长之比的范围设置为2到5，避免取值过小，例如2以下，使无法获取到纸质/屏幕攻击的边界，导致检测不准确；同时避免取值过大，例如5以上，增加数据处理量。

在一些实施例中，如图7所示，基于所述第一包围框，获得所述检测区域图像包括：

步骤S710：确定所述第一包围框包围的区域；以及

步骤S720：基于所述第一包围框包围的区域，确定所述检测区域图像，其中，所述检测区域图像具有预设尺寸。

对于不同尺寸的目标图像，均获得尺寸相同的检测区域图像，以进行进一步的划分处理，使对于不同尺寸的目标图像，获得的多个区域图像的尺寸一致，使检测结果更加准确。

在一些实施例中，如图8所示，基于所述第一包围框包围的区域，确定所述检测区域图像包括：

步骤S810：响应于确定所述第一包围框包围的区域位于所述目标图像内，将所述第一包围框包围的区域确定为待确定图像；以及

步骤S820：将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

对于在目标图像中占据的区域较小的目标对象(例如人脸)，基于包围该目标对象的检测框获得的第一包围框在目标图像内，直接基于该第一包围框包围的区域获得检测区域图像，方法简单，数据处理量少。

继续参看图5，第一包围框530位于目标图像500内，将目标图像500上的第一包围框530包围的区域确定为待确定图像540。对该待确定图像进行处理，例如缩放处理，以获得预设尺寸的检测区域图像。

在一些实施例中，如图9所示，基于所述第一包围框包围的区域，确定所述检测区域图像包括：

步骤S910：响应于确定所述第一包围框包围的区域超出所述目标图像，获取所述第一包围框包围的区域中超出所述目标图像的第一部分；

步骤S920：基于所述第一部分，获取第一图像，其中，所述第一图像中的各个像素位置对应于预设的像素值；

步骤S930：将所述第一图像和所述第一包围框包围的区域中位于所述目标图像中的第二部分拼接为待确定图像；以及

步骤S940：将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

对于在目标图像中占据的区域较大的目标对象(例如人脸)，基于包围该目标对象的检测框获得的第一包围框超出该目标图像，使直接根据该第一包围框包围的区域可能无法获得图像，为此，对第一包围框包围的区域中超出目标图像的第一部分进行处理，将其处理为具有预设像素值的第一图像，然后和第一包围框包围的区域中位于目标图像中的第二部分一起拼接成待确定图像，从而获得检测区域图像。

同时，根据本公开的实施例，由于第一图像具有预设像素值，其在后续对多个区域图像进行检测的过程中，影响较小，进一步减少数据处理量的同时，提升检测准确性。

如图6所示，第一包围框630包围的区域超出目标图像600，基于第一包围框630包围的区域中超出目标图像600的第一部分630A获得第一图像，与第一包围框630包围的去榆中位于目标图像600中的第二部分630B(在本实施例中，即目标图像600)一起构成待确定图像，再基于该待确定图像获得检测区域图像。

通过参看图8和图9描述的基于第一包围框包围的区域确定检测区域图像的过程，使对任何目标图像，无论目标对象在目标图像中占据的区域较大还是较小，均能实现获得检测区域图像。

在一些实施例中，预设像素值例如为0、256等，在此不做限制。

在一些实施例中，在获得检测区域图像之后，获得多个区域图像块之前还对检测区域图像进行归一化和数据增强处理，使后续对归一化和数据增强后的检测区域图像进行划分，获得多个区域图像块。在一些示例中，通过将检测区域图像中的各个位置上的像素处理成分布在-0.5-0.5之间的值，以对检测区域图像进行归一化处理。在一些示例中，将归一化处理后的检测区域图像进行随机数据增强，以进行数据增强处理。

在一些实施例中，在获得检测区域图像之后，通过将检测区域图像进行等份切分，以获得多个区域图像块，该多个区域图像块具有相同的尺寸。

在一些实施例中，将预设尺寸为256pix×256pix的检测区域图像进行等份切割，以获得16个64pix×64pix的区域图像块。

在一些实施例中，对所述多个区域图像块进行检测包括：

采用包括自注意力网络的检测模型对所述多个区域图像块进行检测，其中，所述自注意力网络用于提取所述多个区域图像块中对应于所述目标图像的全局特征。

参看图10示出了，根据本公开的一个实施例的检测模型的架构示意图，检测模型1000包括特征提取网络1010、自注意力网络1020和分类模块1030。在检测过程中，多个区域图像块作为输入A输入至检测模型1000，检测模型1000的特征提取网络1010提取特征，所提取的特征输入至自注意力网络1020进一步提取全局特征，经过自注意力网络120提取的特征输入至分类模块1030，获得目标图像的分类，以作为检测模型的输出B并将其输出。由于在检测模型采用特征提取网络对多个区域图像块进行特征提取和自注意力网络进一步基于特征提取网络提取的特征提取全局特征，全局特征由于体现了目标图像的整体特征，使得检测模块对图像的分类过程中即对多个区域图像块中的每一个区域图像块的特征进行了充分考虑还对目标图像块的全局特征进行了考虑，使检测模型对目标图像块的分类更加准确。

在一些实施例中，所述目标对象为人脸，所述第一分类包括：攻击分类、人脸活体分类或合成图分类。

在对目标图像进行攻击分类、人脸活体分类和合成图分类的区分时，由于在人脸活体分类和合成图分类的区分任务中，往往关注人脸区域的特征；而对人脸活体分类和攻击分类的区分任务中，往往关注人脸周围的背景区域的特征。例如屏幕攻击和纸质攻击中，将屏幕和纸的边界(在人脸周围的背景区域中)作为区分是否为攻击分类的重要特征。

根据本公开的实施例，检测模型对基于目标图像获得的多个区域图像块进行检测，在检测过程中不仅仅关注各个区域图像块中的特征，还将通过多个区域图像块提取目标图像的全局特征(例如屏幕攻击和纸质攻击中，将屏幕和纸的边界)，使得检测模型能同时进行人脸活体分类和合成图分类的区分任务和人脸活体分类和攻击分类的区分任务，即通过一次前项预测就能同时获得活体检测分类和合成图分类等两个检测判断输出，减少算力，降低模型的训练难度和后续部署的复杂度。

在一些实施例中，特征提取网络包括MobileNet V2、VGG11、VGG15等，在此并不限定。

在一些实施例中，特征提取网络包括多个卷积层，其中自注意力网络可以位于任意卷积层之后。例如，在包括5个卷积层VGG11的特征提取网咯中，自注意力网络位于第二个卷积层之后、第三个卷积层之前。

在一些实施例中，所述目标对象为人脸，所述第一分类包括：攻击分类、人脸活体分类或合成图分类，通过采用包括对应于攻击分类的多个图像、对应于人脸活体分类的多个图像以及对应于合成图分类的多个图像的训练图像集对上述检测模型进行训练，实现检测模型对输入图像的三分类，即将输入图像分类为攻击分类、人脸活体分类和合成图分类中的一个分类。

其中，在对检测模型进行训练的过程中，对训练图像集中的每一个图像采用与前述实施例中对目标图像进行处理(步骤S210-步骤S230)一样的处理。

根据本公开的另一方面，还提供一种图像检测装置，如图11所示，装置1100包括：第一检测单元1110，被配置用于获得目标图像中的包围目标对象的检测框；第一获取单元1120，被配置用于基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；第二获取单元1130，被配置用于将所述检测区域图像划分为多个区域图像块；以及第二检测单元1140，被配置用于对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

在一些实施例中，所述检测框为矩形框，并且其中，所述第一获取单元1120包括：第一获取子单元，被配置用于扩大所述矩形框，以获得第一包围框，其中，所述第一包围框的相邻两个边长中的至少第一边长与所述矩形框的与所述第一边长对应的第二边长之比为预设值；以及第二获取子单元，被配置用于基于所述第一包围框，获得所述检测区域图像。

在一些实施例中，所述预设值的取值范围为2到5。

在一些实施例中，所述第二获取子单元包括：第一确定单元，被配置用于确定所述第一包围框包围的区域；以及第二确定单元，被配置用于基于所述第一包围框包围的区域，确定所述检测区域图像，其中，所述检测区域图像具有预设尺寸。

在一些实施例中，所述第二确定单元包括：第三获取单元，被配置用于响应于确定所述第一包围框包围的区域位于所述目标图像内，将所述第一包围框包围的区域确定为待确定图像；以及第一调整单元，被配置用于将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

在一些实施例中，所述第二确定单元包括：第四获取单元，被配置用于响应于确定所述第一包围框超出所述目标图像，获取所述第一包围框包围的区域中的超出所述目标图像的第一部分；第五获取单元，被配置用于基于所述第一部分，获取第一图像，其中，所述第一图像中的各个像素位置对应于预设的像素值；第六获取单元，被配置用于将所述第一图像和所述第一包围框包围的区域中位于所述目标图像中的第二部分拼接为待确定图像；以及第二调整单元，被配置用于将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

在一些实施例中，所述第二检测单元包括：模型单元，被配置用于采用包括自注意力网络的检测模型对所述多个区域图像块进行检测，其中，所述自注意力网络用于提取所述多个区域图像块中对应于所述目标图像的全局特征。

在一些实施例中，所述目标对象为人脸，所述第一分类包括下：攻击分类、人脸活体分类或合成图分类。

根据本公开的另一方面，还提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。

根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图12，现将描述可以作为本公开的服务器或客户端的电子设备1200的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图12所示，电子设备1200包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

电子设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206、输出单元1207、存储单元1208以及通信单元1209。输入单元1206可以是能向电子设备1200输入信息的任何类型的设备，输入单元1206可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1207可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元1208可以包括但不限于磁盘、光盘。通信单元1209允许电子设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种图像检测方法，包括：

获得目标图像中的包围目标对象的检测框；

基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；

将所述检测区域图像划分为多个区域图像块；以及

对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

2.根据权利要求1所述的方法，其中，所述检测框为矩形框，并且其中，

所述基于所述检测框，获得检测区域图像包括：

扩大所述矩形框，以获得第一包围框，其中，所述第一包围框的相邻两个边长中的至少第一边长与所述矩形框的第二边长之比为预设值，所述第二边长与所述第一边长对应；以及

基于所述第一包围框，获得所述检测区域图像。

3.根据权利要求2所述的方法，其中，所述预设值的取值范围为2到5。

4.根据权利要求2所述的方法，其中，所述基于所述第一包围框，获得所述检测区域图像包括：

确定所述第一包围框包围的区域；以及

基于所述第一包围框包围的区域，确定所述检测区域图像，其中，所述检测区域图像具有预设尺寸。

5.根据权利要求4所述的方法，其中，所述基于所述第一包围框包围的区域，确定所述检测区域图像包括：

响应于确定所述第一包围框包围的区域位于所述目标图像内，将所述第一包围框包围的区域确定为待确定图像；以及

将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

6.根据权利要求4所述的方法，其中，所述基于所述第一包围框包围的区域，确定所述检测区域图像包括：

响应于确定所述第一包围框包围的区域超出所述目标图像，获取所述第一包围框包围的区域中超出所述目标图像的第一部分；

基于所述第一部分，获取第一图像，其中，所述第一图像中的各个像素位置对应于预设的像素值；

将所述第一图像和所述第一包围框包围的区域中位于所述目标图像中的第二部分拼接为待确定图像；以及

将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

7.根据权利要求1所述的方法，其中，所述对所述多个区域图像块进行检测包括：

采用包括自注意力网络的检测模型对所述多个区域图像块进行检测，其中，所述自注意力网络用于提取所述多个区域图像块中对应于所述目标图像的全局特征。

8.根据权利要求1所述的方法，所述目标对象为人脸，所述第一分类包括：攻击分类、人脸活体分类或合成图分类。

9.一种图像检测装置，包括：

第一检测单元，被配置用于获得目标图像中的包围目标对象的检测框；

第一获取单元，被配置用于基于所述检测框，获得检测区域图像，其中，所述检测区域图像至少包括所述目标图像中所述检测框包围的区域；

第二获取单元，被配置用于将所述检测区域图像划分为多个区域图像块；以及

第二检测单元，被配置用于对所述多个区域图像块进行检测，以获得所述目标图像对应的第一分类。

10.根据权利要求8所述的装置，其中，所述检测框为矩形框，并且其中，所述第一获取单元包括：

第一获取子单元，被配置用于扩大所述矩形框，以获得第一包围框，其中，所述第一包围框的相邻两个边长中的至少第一边长与所述矩形框的第二边长之比为预设值，所述第二边长与所述第一边长对应；以及

第二获取子单元，被配置用于基于所述第一包围框，获得所述检测区域图像。

11.根据权利要求10所述的装置，其中，所述预设值的取值范围为2到5。

12.根据权利要求10所述的装置，其中，所述第二获取子单元包括：

第一确定单元，被配置用于确定所述第一包围框包围的区域；以及

第二确定单元，被配置用于基于所述第一包围框包围的区域，确定所述检测区域图像，其中，所述检测区域图像具有预设尺寸。

13.根据权利要求12所述的装置，其中，所述第二确定单元包括：

第三获取单元，被配置用于响应于确定所述第一包围框包围的区域位于所述目标图像内，将所述第一包围框包围的区域确定为待确定图像；以及

第一调整单元，被配置用于将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

14.根据权利要求12所述的装置，其中，所述第二确定单元包括：

第四获取单元，被配置用于响应于确定所述第一包围框超出所述目标图像，获取所述第一包围框包围的区域中的超出所述目标图像的第一部分；

第五获取单元，被配置用于基于所述第一部分，获取第一图像，其中，所述第一图像中的各个像素位置对应于预设的像素值；

第六获取单元，被配置用于将所述第一图像和所述第一包围框包围的区域中位于所述目标图像中的第二部分拼接为待确定图像；以及

第二调整单元，被配置用于将所述待确定图像的尺寸调整至所述预设尺寸，以获得所述检测区域图像。

15.根据权利要求9所述的装置，其中，所述第二检测单元包括：

模型单元，被配置用于采用包括自注意力网络的检测模型对所述多个区域图像块进行检测，其中，所述自注意力网络用于提取所述多个区域图像块中对应于所述目标图像的全局特征。

16.根据权利要求9所述的装置，其中，所述目标对象为人脸，所述第一分类包括：攻击分类、人脸活体分类或合成图分类。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任意一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

Images