[發明專利]一種圖像異常檢測方法、裝置、系統及可讀存儲介質

在審

• 申請號: 202210331065.9
• 申請日: 2022-03-31
• 公開（公告）號: CN114627102A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 趙冰
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 韓麗波

1.一種圖像異常檢測方法，其特征在于，包括：

采用預先建立的圖像異常檢測模型對待檢測圖像進行檢測，得出異常得分；

在所述異常得分滿足預設條件的情況下，所述待檢測圖像為異常圖像；其中：

所述圖像異常檢測模型為基于預先建立的樣本集訓練得到的，所述樣本集中的模擬異常樣本為基于原始異常樣本與原始正常樣本得到的。

2.根據權利要求1所述的圖像異常檢測方法，其特征在于，所述樣本集中的模擬異常樣本為基于原始異常樣本與原始正常樣本得到的包括：

從各個原始異常樣本中選取出目標原始異常樣本，從各個原始正常樣本中選取出目標原始正常樣本；

獲取與所述目標原始異常樣本中的目標區域對應的第一復制圖像，以及與所述目標原始正常樣本中的目標區域對應的第二復制圖像；

將所述第一復制圖像和所述第二復制圖像粘貼至所述目標原始正常樣本上，得到模擬異常樣本。

3.根據權利要求2所述的圖像異常檢測方法，其特征在于，所述將所述第一復制圖像和所述第二復制圖像粘貼至所述目標原始正常樣本上，得到模擬異常樣本，包括：

將所述第一復制圖像和所述第二復制圖像粘貼至所述目標原始正常樣本上的預設區域處；所述預設區域為以所述目標原始正常樣本中心點為中心的區域；

將所述第一復制圖像和所述第二復制圖像分別進行縮放，以得到模擬異常樣本。

4.根據權利要求2所述的圖像異常檢測方法，其特征在于，所述從各個原始異常樣本中選取出目標原始異常樣本，從各個原始正常樣本中選取出目標原始正常樣本包括：

隨機從各個原始異常樣本中選取出目標原始異常樣本，隨機從各個原始正常樣本中選取出目標原始正常樣本。

5.根據權利要求1-4任意一項所述的圖像異常檢測方法，其特征在于，所述圖像異常檢測模型為基于預先建立的樣本集訓練得到的包括：

采用預先建立的樣本集對特征提取網絡進行訓練，得到所述特征提取網絡的最優權重參數；

采用所述樣本集中的各個原始正常樣本以及基于所述最優權重參數的特征提取網絡對分類器進行訓練，得到所述分類器的最優參數；

基于所述最優權重參數的特征提取網絡及所述最優參數的分類器構建圖像異常檢測模型。

6.根據權利要求5所述的圖像異常檢測方法，其特征在于，所述分類型為KDE分類器。

7.根據權利要求5所述的圖像異常檢測方法，其特征在于，所述采用預先建立的樣本集對特征提取網絡進行訓練，得到所述特征提取網絡的最優權重參數包括：

針對所述樣本集中的每個樣本，對所述樣本進行數據增強處理，得到第一增強樣本和第二增強樣本；

通過第一特征提取網絡對所述第一增強樣本進行處理，得到與所述第一增強樣本對應的第一編碼向量，通過第二特征提取網絡對所述第二增強樣本進行處理，得到與所述第二增強樣本對應的第二編碼向量；所述第一特征提取網絡和所述第二特征提取網絡相同；

采用第一投影網絡對所述第一編碼向量進行處理，得到第一投影向量，采用第二投影網絡對所述第二編碼向量進行處理，得到第二投影向量；所述第一投影網絡和所述第二投影網絡相同；

計算所述第一投影向量和所述第二投影向量的對比損失；

根據與每個樣本對應的對比損失，計算出總對比損失；

判斷所述總對比損失是否滿足結束條件，若是，則結束，并得到所述第一特征提取網絡和所述第二特征提取網絡的最優權重參數；若否，則對所述第一特征提取網絡和所述第二特征提取網絡的權重參數進行更新，并進入下一輪訓練。

8.一種圖像異常檢測裝置，其特征在于，包括：

檢測模塊，用于采用預先建立的圖像異常檢測模型對待檢測圖像進行檢測，得出異常得分；

分析模塊，用于在所述異常得分滿足預設條件的情況下，所述待檢測圖像為異常圖像；其中：

所述圖像異常檢測模型為基于預先建立的樣本集訓練得到的，所述樣本集中的模擬異常樣本為基于原始異常樣本與原始正常樣本得到的。