图像处理方法、装置、电子设备及介质制造方法及图纸

本申请提供了一种图像处理方法、装置、电子设备及存储介质，该方法包括：获取测试样本；测试样本包括样本图像和样本图像中目标对象的标注信息；标注信息包括目标对象所对应的检测框标注信息和识别结果标注信息；通过检测模型对样本图像进行检测，得到目标对象所对应的检测框信息，基于检测框信息通过识别模型对目标对象进行识别，得到样本图像所对应的识别结果信息；若基于样本图像的识别结果标注信息和识别结果信息确定测试样本识别失败，则根据样本图像所对应的检测框信息和检测框标注信息，对测试样本识别失败的原因进行分析。本申请实现了使用同一测试样本同时对检测模型和识别模型进行联合分析，可以准确确定识别失败原因。因。因。

【技术实现步骤摘要】
图像处理方法、装置、电子设备及介质


[0001]本申请涉及图像处理
，特别是涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]在目标识别(如人脸识别)的业务场景中，通常是先将图像经过检测模型实现目标检测，再将检测到的目标送入识别模型，与底库图像进行比对，得出识别结果。
[0003]在算法优化时，需要确定模型的缺陷，基于缺陷对模型进行优化。但是，现有技术中，对于识别失败的场景，并不能很好地确定识别失败原因。

技术实现思路

[0004]鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像处理方法、装置、电子设备及存储介质。
[0005]依据本申请实施例的第一方面，提供了一种图像处理方法，包括：
[0006]获取测试样本；其中，所述测试样本包括样本图像和所述样本图像中目标对象的标注信息；所述标注信息包括所述目标对象所对应的检测框标注信息和识别结果标注信息；
[0007]通过检测模型对所述样本图像进行检测，得到所述目标对象所对应的检测框信息，基于所述检测框信息通过识别模型对所述目标对象进行识别，得到所述样本图像所对应的识别结果信息；
[0008]若基于所述样本图像的识别结果标注信息和识别结果信息确定所述测试样本识别失败，则根据所述样本图像所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析。
[0009]依据本申请实施例的第二方面，提供了一种图像处理装置，包括：
[0010]获取模块，用于获取测试样本；其中，所述测试样本包括样本图像和所述样本图像中目标对象的标注信息；所述标注信息包括所述目标对象所对应的检测框标注信息和识别结果标注信息；
[0011]检测识别模块，用于通过检测模型对所述样本图像进行检测，得到所述目标对象所对应的检测框信息，基于所述检测框信息通过识别模型对所述目标对象进行识别，得到所述样本图像所对应的识别结果信息；
[0012]原因分析模块，用于若基于所述样本图像的识别结果标注信息和识别结果信息确定所述测试样本识别失败，则根据所述样本图像所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析。
[0013]依据本申请实施例的第三方面，提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面中所述的图像处理方法。
[0014]依据本申请实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的图像处理方法。
[0015]本申请实施例提供的图像处理方法、装置、电子设备及存储介质，获取测试样本，通过检测模型对样本图像进行检测，得到目标对象所对应的检测框信息，基于检测框信息通过识别模型对目标对象进行识别，得到样本图像对应的识别结果信息，若基于样本图像的识别结果标注信息和识别结果信息确定测试样本识别失败，则根据样本图像所对应的检测框信息和检测框标注信息，对测试样本识别失败的原因进行分析，实现了使用同一测试样本同时对检测模型和识别模型进行联合分析，可以准确确定识别失败原因。
[0016]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0017]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。
[0018]图1是本申请实施例提供的一种图像处理方法的步骤流程图；
[0019]图2是本申请实施例提供的另一种图像处理方法的步骤流程图；
[0020]图3是本申请实施例提供的另一种图像处理方法的步骤流程图；
[0021]图4是本申请实施例提供的一种图像处理装置的结构框图；
[0022]图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
[0024]近年来，基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能是一门综合性学科，涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支，具体是让机器识别世界，计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与底图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究与进步，该项技术在众多领域展开了应用，例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机摄影、云服务、智能家居、
穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
[0025]图1是本申请实施例提供的一种图像处理方法的步骤流程图，如图1所示，该方法可以包括：
[0026]步骤101，获取测试样本；其中，所述测试样本包括样本图像和所述样本图像中目标对象的标注信息；所述标注信息包括所述目标对象所对应的检测框标注信息和识别结果标注信息。
[0027]其中，所述检测标注信息可以包括检测框的位置标注信息，或者也可以包括检测框的位置标注信息和关键点位置标注信息。所述识别标注包括底库图像标识和对应的识别分数，所述识别分数为测试样本中的样本图像与底库图像的相似度。检测框表征目标对象在样本图像中的位置。测试样本用于对目标对象的检测模型和识别模型进行测试。所述目标对象可以是人脸、人体、车牌、人体、车辆、动物等。
[0028]在需要对目标对象的检测模型和识别模型进行联合优化测试时，可以获取带有标注信息的测试样本。
[0029]步骤102，通过检测模型对所述样本图像进行检测，得到所述目标对象所对应的检测框信息，基于所述检测框信息通过识别模型对所述目标对象进行识别，得到所述样本图像所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取测试样本；其中，所述测试样本包括样本图像和所述样本图像中目标对象的标注信息；所述标注信息包括所述目标对象所对应的检测框标注信息和识别结果标注信息；通过检测模型对所述样本图像进行检测，得到所述目标对象所对应的检测框信息，基于所述检测框信息通过识别模型对所述目标对象进行识别，得到所述样本图像所对应的识别结果信息；若基于所述样本图像的识别结果标注信息和识别结果信息确定所述测试样本识别失败，则根据所述样本图像所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析。2.根据权利要求1所述的方法，其特征在于，所述测试样本为测试视频数据，所述测试视频数据包括多帧样本图像和每帧所述样本图像中目标对象的标注信息；基于所述样本图像的识别结果标注信息和识别结果信息，通过如下步骤确定所述测试样本是否识别失败：针对所述多帧样本图像中的各帧样本图像，基于所述样本图像所对应的识别结果标注信息和识别结果信息对所述样本图像的识别结果进行校验；若校验结果指示所述多帧样本图像中存在识别正确的样本图像，则确定所述测试样本识别成功；若校验结果指示所述多帧样本图像中存在识别错误的样本图像，则确定所述测试样本识别失败；若校验结果指示所述多帧样本图像中的每帧样本图像均未识别出目标对象，则确定所述测试样本识别失败。3.根据权利要求2所述的方法，其特征在于，所述针对所述多帧样本图像中的各帧样本图像，基于所述样本图像所对应的识别结果标注信息和识别结果信息对所述样本图像的识别结果进行校验，包括：遍历所述多帧样本图像；针对当前遍历到的所述样本图像，根据所述样本图像所对应的识别结果信息校验是否识别出目标对象；若校验结果指示识别出所述目标对象，则基于所述样本图像所对应的识别结果信息和识别结果标注信息校验所述样本图像是否识别正确；若校验结果指示未识别出所述目标对象，继续执行遍历所述多帧样本图像的操作，直至满足遍历结束条件为止；其中，所述遍历结束条件包括以下条件中的任一项：存在识别正确的样本图像、存在识别错误的样本图像或者所有样本图像均未识别出目标对象。4.根据权利要求1所述的方法，其特征在于，所述根据所述样本图像所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析，包括：基于各帧所述样本图像的识别结果标注信息和识别结果信息，确定所述测试样本所对应的关键视频帧；基于所述关键视频帧所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析。
5.根据权利要求4所述的方法，其特征在于，所述基于各帧所述样本图像的识别结果标注信息和识别结果信息，确定所述测试样本所对应的关键视频帧，包括：针对所述多帧样本图像中的各帧样本图像，基于所述样本图像所对应的识别结果标注信息和识别结果信息对所述样本图像的识别结果进行校验；将校验结果指示识别错误的样本图像、或者将校验结果指示未识别出所述目标对象的样本图像中识别分数最高的样本图像，确定为所述关键视频帧。6.根据权利要求4或5所述的方法，其特征在于，基于所述关键视频帧所对应的检测框信息和检测框标注信息，对所述测试样本识别失败的原因进行分析，包括：基于所述关键视频帧所对应的检测框信息和检测框标注信息，对所述关键视频帧进行检测性能和/或质量属性分析，以确定所述测试样本识别失败的原因；其中，所述检测性能反映所述检测模型的检测相关问题，所述质量属性反映所述测试样本的质量相关问题。7.根据权利要求6所述的方法，其特征在于，对所述关键视频帧进行检测性能和质量属性分析，以确定所述测试样本识别失败的原因，包括：根据所述关键视频帧的检测框信息和检测框标注信息，对所述关键视频帧进行检测性能分析；若所述检测性能分析结果指示所述检测性能存在问题，则确定所述测试样本识别失败的原因为所述检测模型的问题；若所述检测性能分析结果指示所述检测性能不存在问题，则校验所述关键视频帧的质量属性是否满足目标属性条件；若所述质...

【专利技术属性】
技术研发人员：吴曌，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：