[发明专利]一种图片倾斜检测方法及装置

权利要求书

1.一种图片倾斜检测方法，其特征在于，包括：

构建训练样本，所述训练样本包括竖直图片样本和倾斜图片样本；

获取所述训练样本中每个训练样本的预设通道图片，并通过所述训练样本的预设通道图片对卷积神经网络模型进行训练得到图片倾斜检测模型；

将待测图片输入到所述图片倾斜检测模型，根据所述图片倾斜检测模型的输出进行所述待测图片的倾斜检测。

2.根据权利要求1所述的图片倾斜检测方法，其特征在于，所述竖直图片样本设置有表示图片竖直的标签，所述倾斜图片样本设置有表示图片倾斜的标签；

所述通过所述训练样本的预设通道图片对卷积神经网络模型进行训练得到图片倾斜检测模型包括：

将所述预设通道图片输入到所述卷积神经网络模型，并以所述预设通道图片对应的所述训练样本的所述标签作为输出，对所述卷积神经网络模型进行训练得到所述图片倾斜检测模型。

3.根据权利要求1或2所述的图片倾斜检测方法，其特征在于，所述通过所述训练样本的预设通道图片对卷积神经网络模型进行训练得到图片倾斜检测模型的步骤，还包括：

将所述训练样本按照设定的比例分为训练集和验证集；

通过所述训练集中所述训练样本的预设通道图片对卷积神经网络模型进行训练得到图片倾斜检测模型权重；

通过所述验证集中所述训练样本的预设通道图片对所述图片倾斜检测模型权重进行精确度和可靠性评估获取优化后的图片倾斜检测模型权重。

4.根据权利要求1所述的图片倾斜检测方法，其特征在于，所述预设通道图片包括预设数量的预设特征图片，每个预设特征图片对应一个通道的图片；

所述预设通道图片为三通道图片，所述获取所述训练样本中每个训练样本的预设通道图片，包括：

获取所述训练样本中每个训练样本的x方向梯度图、y方向梯度图以及灰度图，由所述x方向梯度图、所述y方向梯度图和所述灰度图叠加形成所述三通道图片。

5.根据权利要求4所述的图片倾斜检测方法，其特征在于，所述获取所述训练样本中每个训练样本的x方向梯度图、y方向梯度图，具体包括：

将所述训练样本转化到hsv空间，用sobel算子提取色调h通道的所述x方向梯度图和所述y方向梯度图。

6.根据权利要求5所述的图片倾斜检测方法，其特征在于，在所述将所述训练样本转化到hsv空间之前，所述方法还包括：

对所述训练样本进行直方图均衡化。

7.根据权利要求1所述的图片倾斜检测方法，其特征在于，所述构建训练样本，包括：

获取所述竖直图片样本，并通过预设的图片增广规则对所述竖直图片样本进行样本增广；

根据进行所述样本增广后的所述竖直图片样本获取倾斜图片样本。

8.一种图片倾斜检测装置，其特征在于，包括：

样本构建模块，用于：构建训练样本，所述训练样本包括竖直图片样本和倾斜图片样本；

图片倾斜检测模型构建模块，用于：获取所述训练样本中每个训练样本的预设通道图片，并通过所述训练样本的预设通道图片对卷积神经网络模型进行训练得到图片倾斜检测模型；

倾斜检测模块，用于：将待测图片输入到所述图片倾斜检测模型，根据所述图片倾斜检测模型的输出进行所述待测图片的倾斜检测。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述图片倾斜检测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述图片倾斜检测方法的步骤。