【技术实现步骤摘要】
本申请涉及计算机视觉，特别是涉及一种图像检测方法、装置和计算机设备。
技术介绍
1、随着计算机视觉技术的发展，目标检测和对象识别技术可以应用于多种领域。例如，在安全通道占用识别上可以自动化进行检测和判别。
2、传统技术中，通过目标检测模型对安全通道区域进行目标检测和识别，其中，目标检测模型通过安全通道中可能存在物体的样本图像进行训练，在应用的过程中，将待检测图像输入至目标检测模型，根据目标检测模型在待检测图像的目标区域中识别的是否存在样本图像中包含的物体，来确定安全通道是否被占用。
3、然而，传统技术中，由于占用安全通道的物体的不确定性，在目标检测模型的目标检测操作中，所能够检测的占用物体难以完整涵盖安全通道中的实际占用物体，导致样本图像所针对占用物体的种类具有一定局限性，进而导致确定安全通道是否被占用的准确性较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种图像检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种图像检测方法，包括：
3、获取待检测图像和所述待检测图像对应的模板图像；所述模板图像为用于比对检测的标准图像；
4、根据深度估计模型和法向量估计模型对所述待检测图像和所述模板图像进行图像分析处理，得到第一法向量图和第二法向量图；
5、根据所述第一法向量图和所述第二法向量图进行像素差计算，得到差异图；所述差异图用于表征所述待检测图像和所述模板图
6、基于所述差异图确定检测结果。
7、在其中一个实施例中，所述根据深度估计模型和法向量估计模型对所述待检测图像和所述模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
8、根据预设标定区域对所述待检测图像和所述模板图像进行裁剪，得到初始待检测图像和初始模板图像；
9、根据深度估计模型和法向量估计模型对所述初始待检测图像和所述初始模板图像进行图像分析处理，得到第一法向量图和第二法向量图。
10、在其中一个实施例中，所述根据深度估计模型和法向量估计模型对所述初始待检测图像和所述初始模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
11、根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一目标深度图和第二目标深度图；
12、基于法向量估计模型对所述第一目标深度图和所述第二目标深度图进行法向量计算，得到第一法向量图和第二法向量图。
13、在其中一个实施例中，所述根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一目标深度图和第二目标深度图，包括：
14、根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一初始深度图和第二初始深度图；
15、基于所述预设标定区域对所述待检测图像和所述模板图像进行掩码操作，得到第一初始掩码图和第二初始掩码图；
16、根据所述预设标定区域对所述第一初始掩码图和所述第二初始掩码图进行裁剪，得到第一掩码图和第二掩码图；
17、基于所述第一掩码图对所述第一初始深度图进行掩码操作，得到第一目标深度图；
18、根据所述第二掩码图对所述第二初始深度图进行掩码操作，得到第二目标深度图。
19、在其中一个实施例中，所述基于所述差异图确定检测结果，包括：
20、将所述差异图进行灰度处理，得到灰度差异图；
21、基于预设二值化阈值对所述灰度差异图进行二值化处理，得到二值化差异图；
22、根据所述二值化差异图中包含目标像素值的第一像素数量与所述模板图像的第二掩码图中包含所述目标像素值的第二像素数量的比值确定检测结果。
23、在其中一个实施例中，所述基于预设二值化阈值对所述灰度差异图进行二值化处理，得到二值化差异图，包括：
24、基于预设二值化阈值对所述灰度差异图进行二值化处理，得到二值化差异图；
25、根据目标检测模型对初始待检测图像进行目标对象的检测，得到目标对象标定框；
26、基于所述目标对象标定框对所述二值化差异图进行掩码操作，将所述目标对象标定框中对应像素的二值化值归零，得到掩码操作后的二值化差异图。
27、在其中一个实施例中，所述获取待检测图像和所述待检测图像对应的模板图像之前，所述方法还包括：
28、获取不含占用物体的多个模板图像和每个所述模板图像对应的预设标定区域；
29、根据所述预设标定区域、所述模板图像和所述模板图像与所述预设标定区域之间的对应关系，构建模板库；所述模板库用于确定待检测图像对应的所述模板图像和所述待检测图像对应的所述预设标定区域。
30、第二方面，本申请还提供了一种图像检测装置，包括：
31、第一获取模块，用于获取待检测图像和所述待检测图像对应的模板图像；所述模板图像为用于比对检测的标准图像；
32、法向量估计模块，用于根据深度估计模型和法向量估计模型对所述待检测图像和所述模板图像进行图像分析处理，得到第一法向量图和第二法向量图；
33、差异图计算模块，用于根据所述第一法向量图和所述第二法向量图进行像素差计算，得到差异图；所述差异图用于表征所述待检测图像和所述模板图像中包含元素的差异；
34、确定模块，用于基于所述差异图确定检测结果。
35、在其中一个实施例中，所述法向量估计模块具体用于根据预设标定区域对所述待检测图像和所述模板图像进行裁剪，得到初始待检测图像和初始模板图像；
36、根据深度估计模型和法向量估计模型对所述初始待检测图像和所述初始模板图像进行图像分析处理，得到第一法向量图和第二法向量图。
37、在其中一个实施例中，所述法向量估计模块具体用于根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一目标深度图和第二目标深度图；
38、基于法向量估计模型对所述第一目标深度图和所述第二目标深度图进行法向量计算，得到第一法向量图和第二法向量图。
39、在其中一个实施例中，所述法向量估计模块具体用于根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一初始深度图和第二初始深度图；
40、基于所述预设标定区域对所述待检测图像和所述模板图像进行掩码操作，得到第一初始掩码图和第二初始掩码图；
41、根据所述预设标定区域对所述第一初始掩码图和所述第二初始掩码图进行裁剪，得到第一掩码图和第二掩码图；
42、基于所述第一掩码图对所述第一初始深度图进行掩码操作，得到第一目标深度图；
43、根据所述第二掩码图对所述第二初始深度图进行掩码操作，得到第二目标深度图。
44、在其中一个实施例中，所述本文档来自技高网...
【技术保护点】
1.一种图像检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据深度估计模型和法向量估计模型对所述待检测图像和所述模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据深度估计模型和法向量估计模型对所述初始待检测图像和所述初始模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一目标深度图和第二目标深度图，包括：
5.根据权利要求1或4所述的方法，其特征在于，所述基于所述差异图确定检测结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于预设二值化阈值对所述灰度差异图进行二值化处理，得到二值化差异图，包括：
7.根据权利要求1所述的方法，其特征在于，所述获取待检测图像和所述待检测图像对应的模板图像之前，所述方法还包括：
8.一种图像检测装置，其特征在于，所述装
9.根据权利要求8所述的装置，其特征在于，所述法向量估计模块具体用于根据预设标定区域对所述待检测图像和所述模板图像进行裁剪，得到初始待检测图像和初始模板图像；
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据深度估计模型和法向量估计模型对所述待检测图像和所述模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据深度估计模型和法向量估计模型对所述初始待检测图像和所述初始模板图像进行图像分析处理，得到第一法向量图和第二法向量图，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据深度估计模型对所述初始待检测图像和所述初始模板图像进行深度估计，得到第一目标深度图和第二目标深度图，包括：
5.根据权利要求1或4所述的方法，其特征在于，所述基于所述差异图确定检测结果...
【专利技术属性】
技术研发人员：杨艳鑫，吕逸良，杨恒，王杨俊杰，林鹏威，李志涛，
申请(专利权)人：中电金信软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。