[發(fā)明專利]檢測拍屏圖片的方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 201911376496.1
• 申請日: 2019-12-27
• 公開（公告）號: CN111144425A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設計）人: 段勝業(yè);史忠偉
• 申請（專利權）人: 五八有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/38;G06K9/62;G06T5/00;G06N3/04
• 代理公司: 北京弘權知識產(chǎn)權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種檢測拍屏圖片的方法，其特征在于，所述方法包括：

從待檢測圖片中獲取目標圖片，所述目標圖片為所述待檢測圖片中目標區(qū)域對應的圖片；

從所述目標圖片中提取邊緣特征，得到邊緣特征提取結果；

利用預先訓練的概率預測模型預測所述目標圖片包含摩爾紋特征的概率；

根據(jù)所述邊緣特征提取結果和所述目標圖片包含摩爾紋特征的概率，判定所述目標圖片是否為拍屏圖片。

2.根據(jù)權利要求1所述的方法，所述從待檢測圖片中獲取目標圖片，包括：

利用預先訓練的坐標提取模型對所述待檢測圖片進行處理，確定所述目標區(qū)域在所述待檢測圖片中的位置坐標信息；

根據(jù)所述位置坐標信息對所述待檢測圖片進行透視變換處理，得到所述目標區(qū)域對應的目標圖片。

3.根據(jù)權利要求1所述的方法，其特征在于，所述從目標圖片中提取邊緣特征，得到邊緣特征提取結果，包括：

對所述目標圖片進行濾波處理，以消除所述目標圖片中的噪聲信息；

對濾波后的所述目標圖片進行銳化處理；

從銳化后的所述目標圖片中提取邊緣特征點，得到所述目標圖片對應的邊緣化二值圖，所述邊緣化二值圖包括若干尺寸相同的統(tǒng)計區(qū)塊，所述邊緣特征點分布在一個或者多個所述統(tǒng)計區(qū)塊中。

4.根據(jù)權利要求1所述的方法，其特征在于，所述利用預先訓練的概率預測模型預測所述目標圖片包含摩爾紋特征的概率，包括：

將所述目標圖片裁剪成至少一張子圖片；

對所述至少一張子圖片進行尺寸歸一化處理和像素值歸一化處理，得到至少一張輸入圖片；

將所述至少一張輸入圖片逐一輸入至所述概率預測模型中，輸出所述輸入圖片包含摩爾紋特征的概率；

根據(jù)每張所述輸入圖片包含摩爾紋特征的概率，確定所述目標圖片包含摩爾紋特征的概率。

5.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述邊緣特征提取結果和所述目標圖片包含摩爾紋特征的概率，判定所述目標圖片是否為拍屏圖片，包括：

判斷所述邊緣特征提取結果是否滿足第一預設條件，或者，判斷所述目標圖片包含摩爾紋特征的概率是否滿足第一預設閾值；

如果所述邊緣特征提取結果滿足第一預設條件，或者，所述目標圖片包含摩爾紋特征的概率滿足第一預設閾值，則判定所述目標圖片是拍屏圖片。

6.根據(jù)權利要求5所述的方法，其特征在于，所述根據(jù)所述邊緣特征提取結果和所述目標圖片包含摩爾紋特征的概率，判定所述目標圖片是否為拍屏圖片，包括：

判斷是否所述邊緣特征提取結果滿足第二預設條件且所述目標圖片包含摩爾紋特征的概率滿足第二預設閾值；

如果所述邊緣特征提取結果滿足第二預設條件且所述目標圖片包含摩爾紋特征的概率滿足第二預設閾值，則判定所述目標圖片是拍屏圖片。

7.根據(jù)權利要求1所述的方法，其特征在于，所述方法按照下述步驟對所述概率預測模型進行訓練：

獲取訓練樣本集，所述訓練樣本集包括樣本圖片和所述樣本圖片對應的類別標簽，所述類別標簽為表征所述樣本圖片包含摩爾紋特征的第一類別標簽或者表征所述樣本圖片不包含摩爾紋特征的第二類別標簽；

使用所述訓練樣本集對卷積神經(jīng)網(wǎng)絡模型進行訓練；

當所述卷積神經(jīng)網(wǎng)絡模型滿足預設條件時，停止訓練，得到所述概率預測模型。

8.根據(jù)權利要求7所述的方法，其特征在于，所述獲取樣本訓練集，包括：

獲取至少一張原始圖片，所述原始圖片的至少部分區(qū)域包含摩爾紋特征；

將所述原始圖片裁剪成至少一張樣本圖片；

根據(jù)所述樣本圖片是否包含摩爾紋對所述樣本圖片進行分類；

對所述樣本圖片進行尺寸歸一化處理和像素值歸一化處理；

將包含摩爾紋的樣本圖片標注為第一類別并添加到樣本訓練集中，將不包含摩爾紋的樣本圖片標注為第二類別并添加到所述樣本訓練集中。