[发明专利]视频图像检测方法、装置、设备及可读存储介质

说明书

本申请公开了一种图像检测方法和装置，其中方法包括：输入步骤：将第一图像输入经过训练的神经网络；检测步骤：基于所述神经网络对所述第一图像中感兴趣区域进行检测，得到围绕所述感兴趣区域的多边形，检测所述多边形的各个边所在的直线；输出步骤：输出描述所述各个边所在的直线的参数。本申请采用线性标识方式对图像中的感兴趣区域进行了标识，与传统的标识方法相比，大大减小了神经网络的训练量和识别运算量。

技术领域

本申请涉及图像处理领域，特别是涉及视频图像检测方法和装置。

背景技术

目前，在视频，例如电影、电视剧中植入广告已经屡见不鲜。其中，在视频画面中植入平面图案广告是植入广告的方式之一。通常，在视频中检测平面的方法是通过识别视频帧中的平面并利用坐标矩阵对平面进行标识，根据相邻帧中坐标矩阵的变化计算计算透视变换矩阵，从而检测到视频中平面存在的位置坐标。然而该方法数据计算量大，导致计算速度慢，识别效率低。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种图像检测方法，包括：

输入步骤：将第一图像输入经过训练的神经网络；

检测步骤：基于所述神经网络对所述第一图像中感兴趣区域进行检测，得到围绕所述感兴趣区域的多边形，检测所述多边形的各个边所在的直线；

输出步骤：输出描述所述各个边所在的直线的参数。

本申请采用线性标识方式对图像中的感兴趣区域进行了标识，与传统的标识方法相比，大大减小了神经网络的训练量和识别运算量。

可选地，所述经过训练的神经网络模型采用以下步骤获得：

训练数据集获取步骤：对多个第二图像的感兴趣区域进行标识，得到训练数据集；

SSD网络训练步骤：利用所述训练数据集训练SSD网络；

神经网络训练步骤：利用所述训练数据集训练神经网络，其中，所述神经网络通过如下方式获得：将训练后的所述SSD网络的检测(Detection)层的输入作为LSTM网络(长短期记忆神经网络)的输入，从而将所述SSD网络与所述LSTM网络组合形成所述神经网络。

本申请采用SSD+LSTM的神经网络方式，极大增强了对视频内容的人工智能处理能力。

可选地，所述神经网络训练步骤后还包括：

神经网络测试步骤：若所述神经网络训练步骤得到的所述神经网络不能达到预期效果，则重复所述SSD网络训练步骤；若所述神经网络训练步骤得到的所述神经网络能够达到预期效果，则在有新的训练数据时，利用所述新的训练数据训练所述神经网络。

可选地，在所述输入步骤前，该方法还包括：

视频帧调整步骤：将视频中的每一帧缩小到一定的尺寸，得到第一图像集合，将所述第一图像集合中的每一个第一图像，按照所述视频播放的顺序依次执行所述输入步骤。

可选地，在所述输出步骤后，该方法还包括：

直线参数转化步骤：将所述输出步骤输出的所述直线的参数转化为矩阵，所述矩阵用于描述所述多边形内各个像素点的位置。

本申请将直线参数转化为矩阵形式，为后续其他的处理方式提供另一种类型的数据形式，便于对多边形内的图像作进一步的分析。

可选地，所述感兴趣区域为平面。

可选地，所述多边形为四边形。

可选地，所述直线的参数为直线方程y＝kx+b的斜率k和截距b。