摄像检测模型训练方法及摄像检测方法

技术领域

本发明涉及电子产品技术领域，特别是涉及一种摄像检测模型训练方法及摄像检测方法。

背景技术

随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。其中，用户在使用这部分智能设备时，与智能设备进行人机交互的主要手段是通过智能设备的屏幕来实现的。因此，智能设备屏幕的好坏对用户的使用体验起到重要的影响。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。

其中，在智能设备的回收过程中，其摄像功能的好坏是决定智能设备的残值的重要参考。一般的，回收智能设备都会检测摄像是否正常。摄像异常会严重影响智能设备的正常使用，进而影响智能设备的残值率。因此，在智能设备的回收过程中，都需要检测摄像是否正常为智能设备回收估价提供参考，降低回收亏本的风险。

传统检测智能设备摄像是否正常的方法主要是通过自动或手动操作前摄后摄的同时捕获智能设备运行日志，以判断该智能设备摄像是否异常。然而，传统检测智能设备摄像是否正常的方法不能检测出摄像模糊、拍照有水印、黑斑等摄像异常问题，只能在一定程度内检测摄像是否可以打开和切换。

发明内容

基于此，有必要针对传统的摄像检测方式还存在的缺陷，提供一种摄像检测模型训练方法及摄像检测方法。

一种摄像检测模型训练方法，包括步骤：

获取待回收智能设备的拍摄图像；

将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。

上述的摄像检测模型训练方法，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

在其中一个实施例中，获取待回收智能设备的拍摄图像的过程，包括步骤：

获取待回收智能设备的各摄像头的拍摄图像。

在其中一个实施例中，获取待回收智能设备的各摄像头的拍摄图像的过程，包括步骤：

在待回收智能设备内安装应用程序，以指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄。

在其中一个实施例中，指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄的过程，包括步骤：

指示待回收智能设备根据应用程序依次开启各摄像头并对特定颜色的背景完成拍摄。

在其中一个实施例中，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型的过程，包括步骤：

根据各类的监督学习分类算法，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型。

在其中一个实施例中，监督学习分类算法包括卷积神经网络算法或K近邻分类算法。

在其中一个实施例中，还包括步骤：

对摄像检测模型进行筛选，将筛选出的摄像检测模型用于摄像检测。

在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。

一种摄像检测模型训练装置，包括：

图像获取模块，用于获取待回收智能设备的拍摄图像；

图像训练模块，用于将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。

上述的摄像检测模型训练装置，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的摄像检测模型训练方法。

上述的计算机存储介质，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的摄像检测模型训练方法。

上述的计算机设备，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

一种摄像检测方法，包括步骤：

获取待检测智能设备的拍摄图像；

根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。

上述的摄像检测方法，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。

一种摄像检测装置，包括：

图像采集模块，用于获取待检测智能设备的拍摄图像；

图像检测模块，用于根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。

上述的摄像检测装置，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的摄像检测方法。

上述的计算机存储介质，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的摄像检测方法。

上述的计算机设备，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

附图说明

图1为一实施方式的摄像检测模型训练方法流程图；

图2为另一实施方式的摄像检测模型训练方法流程图；

图3为又一实施方式的摄像检测模型训练方法流程图；

图4为一实施方式的摄像检测模型训练装置模块结构图；

图5为一实施方式的计算机内部构造示意图；

图6为一实施方式的摄像检测方法流程图；

图7为一实施方式的摄像检测模块结构图；

图8为另一实施方式的计算机内部构造示意图。

具体实施方式

为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。

本发明实施例提供一种摄像检测模型训练方法。

图1为一实施方式的摄像检测模型训练方法流程图，如图1所示，一实施方式的摄像检测模型训练方法包括步骤S100和步骤S101：

S100，获取待回收智能设备的拍摄图像；

其中，待回收智能设备包括多台设备，得到的拍摄图像作为历史数据进行存储和训练。例如，在智能设备的回收与准备过程中，可根据相关检测人员操作智能设备进行拍摄，或者有自助终端控制智能设备进行拍摄等，获取待回收智能设备在进行拍摄后得到的拍摄图像。

在其中一个实施例中，获取待回收智能设备的拍摄图像的过程，包括步骤：

获取待回收智能设备的各摄像头的拍摄图像。

以待回收智能设备为智能手机为例，一般包括了前置摄像头和后置摄像头，对待回收智能设备进行摄像检测，需要综合检测各摄像头，获取各摄像头的拍摄图像作为历史数据。

在其中一个实施例中，图2为另一实施方式的摄像检测模型训练方法流程图，如图2所示，步骤S100中获取待回收智能设备的各摄像头的拍摄图像的过程，包括步骤S200：

S200，在待回收智能设备内安装应用程序，以指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄。

其中，自助终端可以通过与待回收设备的连接，向待回收智能设备传输应用数据，在待回收智能设备内安装例如模拟点击程序在内的应用程序，通过应用程序的模拟点击操作，指示待回收智能设备根据应用程序完成依次开启各摄像头并完成拍摄。

在其中一个实施例中，依次开启各摄像头并完成拍摄包括：打开待回收智能设备的任一摄像头，由任一摄像头完成拍摄后，切换至另一摄像头，再由另一摄像头完成拍摄。

在其中一个实施例中，图3为又一实施方式的摄像检测模型训练方法流程图，如图3所示，步骤S200中指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄的过程，包括步骤S300：

S300，指示待回收智能设备根据应用程序依次开启各摄像头并对特定颜色的背景完成拍摄。

通过特定颜色背景的限定，统一拍摄图像的颜色标准，便于后续的数据训练。在其中一个实施例中，特定颜色包括白色或黄色。

在其中一个实施例中，控制各摄像头对特定颜色的背景拍摄预设张数的拍摄图像。

在其中一个实施例中，预设张数包括1-4张，作为一个较优的实施方式，控制各摄像头对特定颜色的背景拍摄2张的拍摄图像。

S101，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。

其中，将拍摄图像作为训练数据，对拍摄图像进行特征识别，训练出标注有分类信息的摄像检测模型。摄像检测模型包括分类信息与训练数据的映射关系。

在其中一个实施例中，如图2所示，步骤S101中将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型的过程，包括步骤S201：

S201，根据各类的监督学习分类算法，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型。

其中，监督学习分类算法包括卷积神经网络算法或K近邻分类算法。可通过多类型的督学习分类算法，训练出多个摄像检测模型。

在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。

在其中一个实施例中，如图2所示，另一实施方式的摄像检测模型训练方法还包括步骤S202：

S202，对摄像检测模型进行筛选，将筛选出的摄像检测模型用于摄像检测。

通过对摄像检测模型进行筛选，在各类督学习分类算法训练出的摄像检测模型确定最终用于摄像检测的摄像检测模型。

在其中一个实施例中，将卷积神经网络算法训练出的摄像检测模型作为筛选出的摄像检测模型。

在其中一个实施例中，将分类信息包括的标签数量最多的的摄像检测模型作为筛选出的摄像检测模型。

上述任一实施例的摄像检测模型训练方法，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

本发明实施例还提供了一种摄像检测模型训练装置。

图4为一实施方式的摄像检测模型训练装置模块结构图，如图4所示，一实施方式的摄像检测模型训练装置包括模块100和模块101：

图像获取模块100，用于获取待回收智能设备的拍摄图像；

图像训练模块101，用于将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。

上述的摄像检测模型训练装置，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的摄像检测模型训练方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种摄像检测模型训练方法。

该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种摄像检测模型训练方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

上述计算机设备，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

本发明实施例还提供一种摄像检测方法。

图6为一实施方式的摄像检测方法流程图，如图6所示，一实施方式的摄像检测方法包括步骤S400和步骤S401：

S400，获取待检测智能设备的拍摄图像；

S401，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。

在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。

上述任一实施例的摄像检测方法，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

本发明实施例还提供一种摄像检测装置。

图7为一实施方式的摄像检测模块结构图，如图7所示，一实施方式的摄像检测包括模块200和模块201：

图像采集模块200，用于获取待检测智能设备的拍摄图像；

图像检测模块201，用于根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。

上述的摄像检测装置，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的摄像检测方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种摄像检测方法。

该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种摄像检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

上述计算机设备，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。