[發明專利]眼鏡檢測的方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910971114.3
• 申請日: 2019-10-14
• 公開（公告）號: CN112733570A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 周軍;孔勇
• 申請（專利權）人: 北京眼神智能科技有限公司;北京眼神科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種眼鏡檢測的方法，其特征在于，包括：

對待測圖像進行人臉檢測，并從中截出鼻梁區域；

將鼻梁區域圖像輸入到訓練好的深度卷積神經網絡中得到輸出數值；

若所述輸出數值大于預設閾值，則認為待測圖像中的人佩戴眼鏡，若所述輸出數值小于等于預設閾值，則認為待測圖像中的人沒有佩戴眼鏡。

2.根據權利要求1所述的方法，其特征在于，所述對待測圖像進行人臉檢測，并從中截出鼻梁區域包括：

對待測圖像進行人臉檢測，得到人臉區域；

從所述人臉區域中截出鼻梁區域，所述鼻梁區域為包含鼻梁上部和兩內側眼角的方形區域。

3.根據權利要求1所述的方法，其特征在于，所述對待測圖像進行人臉檢測，并從中截出鼻梁區域還包括：

將鼻梁區域通過雙線性插值歸一化到預設標準尺寸。

4.根據權利要求3所述的方法，其特征在于，所述預設標準尺寸為：32×32。

5.根據權利要求1-4中任一所述的方法，其特征在于，所述深度卷積神經網絡包括：6個卷積層，每個卷積層依次是BN層和relu層，4個max池化層，3個全連接層，2個dropout層，一個softmax層。

6.根據權利要求5所述的方法，其特征在于，所述深度卷積神經網絡采用深度學習框架MatConvNet進行訓練，訓練100個回合，每批次100個樣本，學習率從1e-03降至1e-06。

7.根據權利要求5所述的方法，其特征在于，所述預設閾值為0.5。

8.一種眼鏡檢測的裝置，其特征在于，包括：

檢測模塊，用于對待測圖像進行人臉檢測，并從中截出鼻梁區域；

輸入模塊，用于將鼻梁區域圖像輸入到訓練好的深度卷積神經網絡中得到輸出數值；

判定模塊，用于若所述輸出數值大于預設閾值，則認為待測圖像中的人佩戴眼鏡，若所述輸出數值小于等于預設閾值，則認為待測圖像中的人沒有佩戴眼鏡。

9.一種電子設備，其特征在于，所述電子設備包括：殼體、處理器、存儲器、電路板和電源電路，其中，電路板安置在殼體圍成的空間內部，處理器和存儲器設置在電路板上；電源電路，用于為上述電子設備的各個電路或器件供電；存儲器用于存儲可執行程序代碼；處理器通過讀取存儲器中存儲的可執行程序代碼來運行與可執行程序代碼對應的程序，用于執行上述權利要求1-7任一所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現上述權利要求1-7任一所述的方法。