[發明專利]一種圖片判別方法及裝置

在審

• 申請號: 202110406250.5
• 申請日: 2021-04-15
• 公開（公告）號: CN113111888A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 黃志藝;嚴蕤;楊輝;桑亮;梁柱錦;郭怡適
• 申請（專利權）人: 廣州圖匠數據科技有限公司
• 主分類號: G06K9/42
• 分類號: G06K9/42;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

1.一種圖片判別方法，其特征在于，包括：

獲取一張待判別圖片，并按照預設尺寸，將所述待判別圖片切分為尺寸相同的N張待分類圖片；其中，N為大于1的正整數；

分別對所述N張待分類圖片進行識別，獲得各所述待分類圖片的圖片類別；其中，所述圖片類別包括：翻拍小圖和模糊小圖；

根據各所述待分類圖片的圖片類別，統計所述N張待分類圖片的類別數量，并根據所述類別數量，確定所述待判別圖片的圖片類型；其中，所述圖片類型包括：翻拍大圖、清晰大圖和模糊大圖。

2.根據權利要求1所述的一種圖片判別方法，其特征在于，所述根據各所述待分類圖片的圖片類別，統計所述N張待分類圖片的類別數量，并根據所述類別數量，確定所述待判別圖片的圖片類型，具體為：

根據各所述待分類圖片的圖片類別，統計得到所述翻拍小圖的第一數量和所述模糊小圖的第二數量；

當所述第一數量大于等于第一預設值時，確定所述待判別圖片的圖片類型為翻拍大圖；

當所述第一數量小于第一預設值、所述第二數量大于等于第二預設值時，確定所述待判別圖片的圖片類型為模糊大圖；

當所述第一數量小于第一預設值時、且所述第二數量小于第二預設值時，確定所述待判別圖片的圖片類型為清晰大圖。

3.根據權利要求2所述的一種圖片判別方法，其特征在于，確定所述待判別圖片的圖片類型為清晰大圖后，還包括：

獲取所述清晰大圖的圖片特征，并將所述清晰大圖的圖片特征與圖片數據庫中所有圖片的圖片特征與一一進行特征匹配；

若所述圖片數據庫中存在與所述清晰大圖匹配成功的圖片，確定所述清晰大圖為圖片數據庫重復圖片；

若所述圖片數據庫中不存在與所述清晰大圖匹配成功的圖片，確定所述清晰大圖不為所述圖片數據庫重復圖片。

4.根據權利要求3所述的一種圖片判別方法，其特征在于，所述分別對所述N張待分類圖片進行識別，獲得各所述待分類圖片的圖片類別，具體為：

將所述N張待分類圖片輸入圖片分類模型，以使所述圖片分類模型對所述N張待分類圖片進行識別，得到各所述待分類圖片的圖片類別。

5.根據權利要求4所述的一種圖片判別方法，其特征在于，所述獲取所述清晰大圖的圖片特征，具體為：

將所述清晰大圖輸入圖片特征提取模型，以使所述圖片特征提取模型對所述清晰大圖進行特征提取，從而獲得所述清晰大圖的圖片特征。

6.根據權利要求4所述的一種圖片判別方法，其特征在于，所述圖片分類模型的訓練包括：

從所述圖片數據庫中獲取多張第一圖片，標注各所述第一圖片的圖片類別；其中，所述圖片類別包括：所述翻拍小圖和所述模糊小圖；

將各標注過的第一圖片切分后輸入卷積神經網絡-圖片分類模型；

根據所述卷積神經網絡-圖片分類模型的輸出，計算誤差，反向傳播所述誤差，更新網絡參數，直至網絡收斂，所述圖片分類模型的訓練完成。

7.根據權利要求5所述的一種圖片判別方法，其特征在于，所述圖片特征提取模型的訓練包括：

從所述圖片數據庫中獲取多張第三圖片，根據各所述第三圖片的特征對所述圖片數據庫的圖片進行搜索并標注，得到各所述第三圖片的正樣本、負樣本和目標圖片；

將各所述第三圖片的正樣本、負樣本和目標圖片輸入卷積神經網絡-圖片特征提取模型；

根據所述卷積神經網絡-圖片特征提取模型的輸出，計算誤差，反向傳播所述誤差，更新網絡參數，直至網絡收斂，所述圖片特征提取模型的訓練完成。