[發明專利]一種圖片傾斜檢測方法及裝置

在審

• 申請號: 201911113009.2
• 申請日: 2019-11-14
• 公開（公告）號: CN111127327A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 劉欣
• 申請（專利權）人: 貝殼技術有限公司
• 主分類號: G06T3/60
• 分類號: G06T3/60;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 苗曉靜

本發明實施例提供一種圖片傾斜檢測方法及裝置，該方法包括：構建包括豎直圖片樣本和傾斜圖片樣本的訓練樣本；獲取每個訓練樣本的預設通道圖片，并通過預設通道圖片對卷積神經網絡模型進行訓練得到圖片傾斜檢測模型；將待測圖片輸入到圖片傾斜檢測模型進行待測圖片的傾斜檢測。本發明實施例提供的圖片傾斜檢測方法及裝置，通過構建由豎直圖片樣本和傾斜圖片樣本構成的訓練樣本，并將訓練樣本的預設通道圖片輸入到卷積神經網絡模型進行訓練得到圖片傾斜檢測模型，進而用于圖片是否傾斜的檢測，實現了對圖片傾斜特征的自動化提取識別并進行圖片分類，可實現復雜的日常場景下的圖片傾斜檢測，相較于現有技術，不僅提高了識別率和魯棒性，更省時省力。

技術領域

本發明涉及人工智能技術領域，具體涉及一種圖片傾斜檢測方法及裝置。

背景技術

由于拍照時所處的位置及其他情況，拍出來的圖片經常是傾斜狀態，特別對于房屋這種方正結構，傾斜情況嚴重影響圖片美觀。

傾斜矯正是圖片預處理的一個重要部分，目前傾斜矯正現有方法主要集中在具有矩形框邊緣的證件及文本方面。圖片傾斜檢測是圖片矯正的基礎，目前存在的傾斜檢測方法主要是通過傳統的圖片處理方法，主要有：基于直線的方法和基于投影的方法。基于直線的方法主要是利用hough變換檢測橫向和縱向的直線，然后根據直線角度判斷是否傾斜，基于直線的方法對于簡單的具有明顯垂直水平邊緣的圖片效果不錯，但是難以處理復雜圖片。基于投影的方法對圖片在不同角度下進行投影，得到若干投影圖，根據投影圖的某些統計特性計算傾斜角度，但是這種方法需要對整張圖片進行投影且投影方向多，需要大量的計算，且隨著圖片尺寸以及復雜度的增加，出錯幾率大大增加。并且，上述基于傳統圖片處理的方法其結果受超參數設置影響很大，對于不同場景需要調整參數才能有較好的效果，魯棒性較差。

可見，對于復雜的日常場景下的圖片傾斜檢測還是一個難點。

發明內容

為解決現有技術中的問題，本發明實施例提供一種圖片傾斜檢測方法及裝置。

第一方面，本發明實施例提供一種圖片傾斜檢測方法，包括：構建訓練樣本，所述訓練樣本包括豎直圖片樣本和傾斜圖片樣本；獲取所述訓練樣本中每個訓練樣本的預設通道圖片，并通過所述訓練樣本的預設通道圖片對卷積神經網絡模型進行訓練得到圖片傾斜檢測模型；將待測圖片輸入到所述圖片傾斜檢測模型，根據所述圖片傾斜檢測模型的輸出進行所述待測圖片的傾斜檢測。

進一步地，所述豎直圖片樣本設置有表示圖片豎直的標簽，所述傾斜圖片樣本設置有表示圖片傾斜的標簽；所述通過所述訓練樣本的預設通道圖片對卷積神經網絡模型進行訓練得到圖片傾斜檢測模型包括：將所述預設通道圖片輸入到所述卷積神經網絡模型，并以所述預設通道圖片對應的所述訓練樣本的所述標簽作為輸出，對所述卷積神經網絡模型進行訓練得到所述圖片傾斜檢測模型。

進一步地，所述通過所述訓練樣本的預設通道圖片對卷積神經網絡模型進行訓練得到圖片傾斜檢測模型的步驟，還包括：將所述訓練樣本按照設定的比例分為訓練集和驗證集；通過所述訓練集中所述訓練樣本的預設通道圖片對卷積神經網絡模型進行訓練得到圖片傾斜檢測模型權重；通過所述驗證集中所述訓練樣本的預設通道圖片對所述圖片傾斜檢測模型權重進行精確度和可靠性評估獲取優化后的圖片傾斜檢測模型權重。

進一步地，所述預設通道圖片包括預設數量的預設特征圖片，每個預設特征圖片對應一個通道的圖片；所述預設通道圖片為三通道圖片，所述獲取所述訓練樣本中每個訓練樣本的預設通道圖片，包括：獲取所述訓練樣本中每個訓練樣本的x方向梯度圖、y方向梯度圖以及灰度圖，由所述x方向梯度圖、所述y方向梯度圖和所述灰度圖疊加形成所述三通道圖片。

進一步地，所述獲取所述訓練樣本中每個訓練樣本的x方向梯度圖、y方向梯度圖，具體包括：將所述訓練樣本轉化到hsv空間，用sobel算子提取色調h通道的所述x方向梯度圖和所述y方向梯度圖。