预设标志检测方法、装置、芯片及计算机可读存储介质

技术领域

本发明涉及人脸识别领域，特别涉及一种预设标志检测方法、装置、芯片及计算机可读存储介质。

背景技术

在视频中检测特定的标志，如在监控视频加检测恐怖主义标志等，有着重要的应用价值。传统的做法是人工来检测识别，这样人力成本较大。

目前的目标检测和识别算法通常使用复杂特征以多尺度滑动窗的方式进行分析,运算效率往往非常低。而且从技术的角度，特定的标志可能因为出现在不同的载体，例如是不容变形的物体或容易变形的物体可能呈现不同的形态。

但使用检测算法来寻找，但由于标志往往出现在不同物体表面，如衣服，旗帜等柔性材质上，不能作为非标准化的图形检测，容易形变从而效果不好。

发明内容

为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种预设标志检测方法、装置、芯片及计算机可读存储介质，可以减少因形变而导致的检测错误。

第一方面，本发明实施例提出一种预设标志检测方法，包括：基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域；通过关键子区域搜索方法，在所述第一区域中获得至少一个关键子区域；提取所述关键子区域的特征向量；比较所述关键子区域的特征向量与预先提取好的所述预设标志的特征向量，获取两者特征向量的相似度；确定所述相似度大于第一预设阈值的关键子区域所在的图像为包含所述预设标志的图像。

在一些实施例中，一种预设标志检测方法，还包括：获取视频信息；按预设规则将所述视频分割成多个待检测图像。

在一些实施例中，一种预设标志检测方法，还包括：扩展所述第一区域的范围形成第二区域；提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域。

在一些实施例中，一种预设标志检测方法，还包括：去除质量不符合预设要求的关键子区域。

在一些实施例中，一种预设标志检测方法，还包括：当确定所述预设标志为需提醒报警的标志时，输出所述确定包含预设标志的图像以便提醒报警。

第二方面，本发明实施例还提供一种预设标志检测装置，包括：检测单元，用于基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域；关键子区域获取单元，用于通过关键子区域搜索方法，在所述第一区域中获得至少一个关键子区域；特征向量提取单元，用于提取所述关键子区域的特征向量；相似度获取单元，用于比较所述关键子区域的特征向量与预先提取好的所述预设标志的特征向量，确定两者特征向量的相似度；确定单元，用于确定所述相似度大于第一预设阈值的关键子区域所在的图像为包含所述预设标志的图像。

在一些实施例中，一种预设标志检测装置，还包括，视频获取单元，用于获取视频信息；分割单元，用于按预设规则将所述视频分割成多个待检测图像。

在一些实施例中，一种预设标志检测装置，还包括，误报去除单元，用于：扩展所述第一区域的范围形成第二区域；以及，提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域。

在一些实施例中，一种预设标志检测装置，还包括过滤单元，用于去除质量不符合预设要求的关键子区域。

在一些实施例中，一种预设标志检测装置，还包括提醒单元，用于当确定所述预设标志为需提醒报警的标志时，输出所述确定包含预设标志的图像以便提醒报警。

第三方面，本发明实施例还提供一种预设标志检测装置，包括：至少一个处理器；与所述至少一个处理器耦合的存储器，所述存储器存储有可执行指令，其中，所述可执行指令在被所述至少一个处理器执行时使得实现如上第一方面的任一项所述的方法。

第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。

第五方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面的任一项所述的方法。

第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。

可见，通过关键子区域搜索方法在可能是所述预设标志的区域获得至少一个关键子区域，本发明实施例的减少因形变而导致的检测错误，提高检测的准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明预设标志检测方法一实施例的流程图；

图2为本发明预设标志检测方法另一实施例的流程图；

图3为本发明预设标志检测装置一实施例的示意图；

图4为本发明预设标志检测装置另一实施例的示意图。

具体实施方案

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

本方案发明人发现，在现有技术中，对视频进行人脸识别去隐私同时，不能保留人脸的姿态特征，如面部表情的喜怒哀乐，抬头或低头等。导致失去许多商业应用价值。本发明实施例提供如下方案：

图1为本发明预设标志检测方法一实施例的流程图，如图1所示，第一方面，本发明第一方面预设标志检测方法包括：

步骤101，基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域。第一区域即为可能是或者可能包含预设标志的区域；例如，通过一个基于神经网络的目标检测算法（如SSD，Faster RCNN等），检测出所有可能是标志物体的区域。本步骤通过划定一个较大的范围，锁定预设标志物。

步骤102，通过关键子区域搜索方法，在区域中获得至少一个关键子区域。具体的，例如通过选择性搜索（selective-search）获取待检测图像中的至少一个第一关键子区域；或，通过目标检测算法SSD获取待检测图像中的至少一个第一关键子区域。

步骤103，提取关键子区域的特征向量，具体的，可以通过一个预先训练好的特征提取网络，提取其中的特征向量。例如，例如可以通过一个基于自适应编码网络训练后的特征提取网络提取特征向量。

步骤104，比较关键子区域的特征向量与预先提取好的预设标志的特征向量，获取两者特征向量的相似度；可以理解的是，预先提取好的预设标志的特征向量也可以采用与提取关键子区域的特征数据相同的网络。具体计算相似度时，可以计算关键子区域的特征的距离。具体而言，这里距离可以是L2距离（ 欧氏距离），也可以是cos距离（余弦距离）等，本发明实施例不对此进行限定。如果距离低于一定阈值，则认为是较为相似的标志。

步骤105，确定相似度大于第一预设阈值的关键子区域所在的图像为包含预设标志的图像。当L2距离或者也可以是cos距离低于一定阈值，则认为是相似的标志。

本发明实施例通过先划定一个较大的范围，锁定预设标志物，再通过关键子区域搜索方法在可能是所述预设标志的区域获得至少一个关键子区域，本发明实施例的减少因形变而导致的检测错误，提高检测的准确率。

可选的，一种预设标志检测方法，还包括：获取视频信息；按预设规则将所述视频分割成多个待检测图像。进一步，相应的，也可以在视频流中连续截取，或者按照一定的时间间隔截取图像进行检测。连续截取视频流中的图像可以避免漏检，而按照一定的时间间隔截取图像则能够降低功效。

可选的，一种预设标志检测方法，还包括：扩展所述第一区域的范围形成第二区域； 提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域。即对所述可能是预设标志的区域进行外扩，通过对第一区域的外扩得到的包含预设标志的第二区域特征值与预设标志特征值的比较去除误报。例如，预设标志为“十”字，通过比对第一区域中的关键子区域的特征向量与预先提取好的所述预设标志的特征向量，认为两者相似度为90%或以上，但扩展所述第一区域的范围形成第二区域之后，实质上该图形为“米”字，“米”的四个点原来十字的交叉点且较小，仅仅通过关键子区域特征向量的比较得出的结论是两者相似程度很高，但扩大至第二区域时，则能够通过特征值比对确定两者的相似程度较低。本实施例通过对第一区域的外扩得到的包含预设标志的第二区域特征值与预设标志特征值的比较去除误报，进一步提高检测的准确度。

可选的，一种预设标志检测方法，还包括：去除质量不符合预设要求的关键子区域。例如，去除像素点小于一定数值的区域，或者分辨率低于预设值的区域，或者不符合其他预设要求的区域，对此本申请不进行限定。具体的，可以通过一个预先训练好的分类网络过滤不符合预设要求的关键子区域。通过此种方式可以过滤掉其中质量较差的区域。

可选的，一种预设标志检测方法，还包括：当确定所述预设标志为需提醒报警的标志时，输出所述确定包含预设标志的图像以便提醒报警。具体的，如果前若干名相似的标志中，有需要提醒报警的标志，则认为图片中该区域的标志是需要提醒报警的标志。

图2为本发明预设标志检测方法另一实施例的流程图，如图2所示，本实施例提供一种预设标志检测方法，包括：

步骤201，获取视频信息；

步骤202，按预设规则将视频分割成多个待检测图像；

步骤203，基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域；

步骤204，扩展所述第一区域的范围形成第二区域；

步骤205，提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域；

步骤206，去除质量不符合预设要求的关键子区域；

步骤207，提取关键子区域的特征向量；

步骤208，比较关键子区域的特征向量与预先提取好的预设标志的特征向量，获取两者特征向量的相似度；

步骤209，确定相似度大于第一预设阈值的关键子区域所在的图像为包含预设标志的图像；

步骤210，当确定预设标志为需提醒报警的标志时，输出确定包含预设标志的图像以便提醒报警。

本发明实施例通过先划定一个较大的范围，锁定预设标志物，再通过关键子区域搜索方法在可能是所述预设标志的区域获得至少一个关键子区域，本发明实施例的减少因形变而导致的检测错误，提高检测的准确率。

图3为本发明预设标志检测装置一实施例的示意图，如图3所示，第二方面，本发明第二方面一种预设标志检测装置包括：

检测单元301，用于基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域；

关键子区域获取单元302，用于通过关键子区域搜索方法，在第一区域中获得至少一个关键子区域；

特征向量提取单元303，用于提取关键子区域的特征向量；

相似度获取单元304，用于比较关键子区域的特征向量与预先提取好的预设标志的特征向量，确定两者特征向量的相似度；

确定单元305，用于确定相似度大于第一预设阈值的关键子区域所在的图像为包含预设标志的图像。

可选的，本发明预设标志检测装置还包括，视频获取单元，用于获取视频信息；分割单元，用于按预设规则将所述视频分割成多个待检测图像。

可选的，本发明预设标志检测装置还包括，误报去除单元，用于：扩展所述第一区域的范围形成第二区域；以及，提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域。

可选的，本发明预设标志检测装置还包括，过滤单元，用于去除质量不符合预设要求的关键子区域。例如，去除像素点小于一定数值的区域，或者分辨率低于预设值的区域，或者不符合其他预设要求的区域，对此本申请不进行限定。

可选的，本发明预设标志检测装置还包括，提醒单元，用于当确定所述预设标志为需提醒报警的标志时，输出所述确定包含预设标志的图像以便提醒报警。

图4为本发明预设标志检测装置另一实施例的示意图，如图4所示，本实施例提供一种预设标志检测装置，包括：

视频获取单元306，用于获取视频信息；

分割单元307，用于按预设规则将视频分割成多个待检测图像。

检测单元301，用于基于神经网络在待检测图像中检测出第一区域，所述第一区域为包括预设标志的概率超过预设值的区域；

误报去除单元308，用于：

扩展所述第一区域的范围形成第二区域；以及，提取所述第二区域的特征向量，比较所述第二区域的特征向量与所述预先提取好的预设标志的特征向量，获取两者特征向量的相似度，并去除相似度小于第二预设阈值的第二区域。

过滤单元309，用于去除质量不符合预设要求的关键子区域；

关键子区域获取单元302，用于通过关键子区域搜索方法，在区域中获得至少一个关键子区域；

特征向量提取单元303，用于提取关键子区域的特征向量；

相似度获取单元304，用于比较关键子区域的特征向量与预先提取好的预设标志的特征向量，确定两者特征向量的相似度；

确定单元305，用于确定相似度大于第一预设阈值的关键子区域所在的图像为包含预设标志的图像。

提醒单元310，用于当确定预设标志为需提醒报警的标志时，输出确定包含预设标志的图像以便提醒报警。

上述的涉及到的预设标志检测装置具体技术细节和预设标志检测装置方法中类似，在预设标志检测装置的实施方式中所能达到的技术效果在预设标志检测装置方法的实施方式中也同样可以实现，为了减少重复，这里不再赘述。相应地，在预设标志检测方法实施方式中提到的相关技术细节也可应用在预设标志检测装置的实施方式中。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。

在第三方面，本发明还提供一种预设标志检测装置，包括：

至少一个处理器；与至少一个处理器耦合的存储器，存储器存储有可执行指令，其中，可执行指令在被至少一个处理器执行时使得实现本发明第一方面的方法。

本实施例提供一种预设标志检测装置，包括：至少一个处理器；与至少一个处理器耦合的存储器。处理器和存储器可以单独设置，也可以集成在一起。

例如，存储器可以包括随机存储器、闪存、只读存储器、可编程只读存储器、非易失性存储器或寄存器等。处理器可以是中央处理器（Central Processing Unit，CPU）等。或者是图像处理器(Graphic Processing Unit,GPU)存储器可以存储可执行指令。处理器可以执行在存储器中存储的可执行指令，从而实现本文描述的各个过程。

可以理解，本实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是ROM (Read-OnlyMemory，只读存储器)、PROM (ProgrammableROM，可编程只读存储器)、EPROM (ErasablePROM，可擦除可编程只读存储器)、EEPROM (ElectricallyEPROM，电可擦除可编程只读存储器)或闪存。易失性存储器可以是RAM (RandomAccessMemory，随机存取存储器)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如SRAM (StaticRAM，静态随机存取存储器)、DRAM (DynamicRAM，动态随机存取存储器)、SDRAM (SynchronousDRAM，同步动态随机存取存储器)、DDRSDRAM (DoubleDataRate SDRAM，双倍数据速率同步动态随机存取存储器)、ESDRAM (Enhanced SDRAM，增强型同步动态随机存取存储器)、SLDRAM(SynchlinkDRAM，同步连接动态随机存取存储器)和DRRAM (DirectRambusRAM，直接内存总线随机存取存储器)。本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器存储了如下的元素，升级包、可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。

在本发明实施例中，处理器通过调用存储器存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器用于执行第二方面所提供的方法步骤。

第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。

此外，在第五方面，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明第二方面的方法的步骤。

例如，机器可读存储介质可以包括但不限于各种已知和未知类型的非易失性存储器。

第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。

本领域技术人员可以明白的是，结合本文中所公开的实施例描述的各示例的单元及算法步骤能够以电子硬件、或者软件和电子硬件的结合来实现。这些功能是以硬件还是软件方式来实现，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以针对每个特定的应用，使用不同的方式来实现所描述的功能，但是这种实现并不应认为超出本申请的范围。

在本申请实施例中，所公开的系统、装置和方法可以通过其它方式来实现。例如，单元的划分仅仅为一种逻辑功能划分，在实际实现时还可以有另外的划分方式。例如，多个单元或组件可以进行组合或者可以集成到另一个系统中。另外，各个单元之间的耦合可以是直接耦合或间接耦合。另外，在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是单独的物理存在等等。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在机器可读存储介质中。因此，本申请的技术方案可以以软件产品的形式来体现，该软件产品可以存储在机器可读存储介质中，其可以包括若干指令用以使得电子设备执行本申请实施例所描述的技术方案的全部或部分过程。上述存储介质可以包括ROM、RAM、可移动盘、硬盘、磁盘或者光盘等各种可以存储程序代码的介质。

以上内容仅为本申请的具体实施方式，本申请的保护范围并不局限于此。本领域技术人员在本申请所公开的技术范围内可以进行变化或替换，这些变化或替换都应当在本申请的保护范围之内。