[發明專利]遮擋圖像檢測方法、裝置及介質

在審

• 申請號: 202011054873.2
• 申請日: 2020-09-28
• 公開（公告）號: CN112200040A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 劉若愚;曲直;張亞森;宋炎;葛志朋
• 申請（專利權）人: 北京小米松果電子有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 北京名華博信知識產權代理有限公司 11453
• 代理人: 苗源

1.一種遮擋圖像檢測方法，其特征在于，所述方法包括；

通過攝像頭捕捉到圖像后，獲取所述圖像并作為待檢測圖像；

將待檢測圖像輸入訓練后的遮擋圖像檢測模型；其中，所述遮擋圖像檢測模型是采用原始遮擋圖像、無遮擋圖像并利用訓練后的數據特征增強網絡進行訓練的；

基于所述遮擋圖像檢測模型中關于圖像的遮擋特性，判斷所述待檢測圖像是否為遮擋圖像；

輸出所述圖像檢測結果。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述原始遮擋圖像和所述無遮擋圖像；

基于所述原始遮擋圖像訓練所述數據特征增強網絡；

基于所述原始遮擋圖像和所述無遮擋圖像并利用訓練后的數據特征增強網絡，訓練所述遮擋圖像檢測模型。

3.如權利要求2所述的方法，其特征在于，所述基于所述原始遮擋圖像訓練所述數據特征增強網絡，包括：

基于所述原始遮擋圖像，生成手指模板圖像和非手指圖像，所述手指模板圖像為所述原始遮擋圖像中去除未被手指遮擋區域后的圖像，所述非手指圖像為所述原始遮擋圖像中去除手指遮擋區域后的圖像；

生成訓練數據組，每組訓練數據包括一幅手指模板圖像、一幅非手指圖像和一幅原始遮擋圖像，在每輪訓練中采用多組訓練數據對所述數據特征增強網絡進行訓練。

4.如權利要求3所述的方法，其特征在于，所述基于所述原始遮擋圖像，生成手指模板圖像和非手指圖像包括：

基于所述原始遮擋圖像，獲取掩膜數據，所述掩膜數據指示所述原始遮擋圖像中被遮擋的位置；

基于所述原始遮擋圖像和所述掩膜數據，生成手指模板圖像和非手指圖像。

5.如權利要求3所述的方法，其特征在于，所述基于所述原始遮擋圖像訓練所述數據特征增強網絡，還包括：

將所述手指模板圖像和所述非手指圖像輸入所述數據特征增強網絡，以合成所述原始遮擋圖像的生成特征；

將所述原始遮擋圖像輸入特征網絡，以提取所述原始遮擋圖像的原始特征，所述遮擋圖像檢測模型包括所述特征網絡；

將所述原始遮擋圖像的生成特征和所述原始特征輸入判別網絡進行訓練；

獲取每輪訓練中所述數據特征增強網絡的損失函數和所述判別網絡的損失函數；

當所述數據特征增強網絡的損失函數和所述判別網絡的損失函數均收斂時，確定所述數據特征增強網絡的訓練完成。

6.如權利要求4所述的方法，其特征在于，所述基于所述原始遮擋圖像和所述無遮擋圖像并利用訓練后的數據特征增強網絡，訓練所述遮擋圖像檢測模型，包括：

基于所述掩膜數據和所述無遮擋圖像，獲取處理后的無遮擋圖像，所述處理后的無遮擋圖像為所述無遮擋圖像中去除所述掩膜數據對應區域后的圖像；

將所述手指模板圖像和所述處理后的無遮擋圖像輸入所述訓練后的數據特征增強網絡，以合成所述無遮擋圖像的生成特征；

將所述原始遮擋圖像輸入特征網絡，以提取所述原始遮擋圖像的原始特征，所述遮擋圖像檢測模型包括所述特征網絡；

將所述無遮擋圖像的生成特征和所述原始特征輸入分類網絡進行訓練，所述遮擋圖像檢測模型包括所述分類網絡；

當所述遮擋圖像檢測模型的損失函數收斂時，確定所述遮擋圖像檢測模型的訓練完成。

7.如權利要求1所述的方法，其特征在于，所述遮擋圖像檢測模型為卷積神經網絡模型。

8.如權利要求1所述的方法，其特征在于，所述數據特征增強網絡為生成對抗網絡。