[发明专利]一种图片倾斜检测方法及装置

说明书

本发明实施例提供一种图片倾斜检测方法及装置，该方法包括：构建包括竖直图片样本和倾斜图片样本的训练样本；获取每个训练样本的预设通道图片，并通过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；将待测图片输入到图片倾斜检测模型进行待测图片的倾斜检测。本发明实施例提供的图片倾斜检测方法及装置，通过构建由竖直图片样本和倾斜图片样本构成的训练样本，并将训练样本的预设通道图片输入到卷积神经网络模型进行训练得到图片倾斜检测模型，进而用于图片是否倾斜的检测，实现了对图片倾斜特征的自动化提取识别并进行图片分类，可实现复杂的日常场景下的图片倾斜检测，相较于现有技术，不仅提高了识别率和鲁棒性，更省时省力。

技术领域

本发明涉及人工智能技术领域，具体涉及一种图片倾斜检测方法及装置。

背景技术

由于拍照时所处的位置及其他情况，拍出来的图片经常是倾斜状态，特别对于房屋这种方正结构，倾斜情况严重影响图片美观。

倾斜矫正是图片预处理的一个重要部分，目前倾斜矫正现有方法主要集中在具有矩形框边缘的证件及文本方面。图片倾斜检测是图片矫正的基础，目前存在的倾斜检测方法主要是通过传统的图片处理方法，主要有：基于直线的方法和基于投影的方法。基于直线的方法主要是利用hough变换检测横向和纵向的直线，然后根据直线角度判断是否倾斜，基于直线的方法对于简单的具有明显垂直水平边缘的图片效果不错，但是难以处理复杂图片。基于投影的方法对图片在不同角度下进行投影，得到若干投影图，根据投影图的某些统计特性计算倾斜角度，但是这种方法需要对整张图片进行投影且投影方向多，需要大量的计算，且随着图片尺寸以及复杂度的增加，出错几率大大增加。并且，上述基于传统图片处理的方法其结果受超参数设置影响很大，对于不同场景需要调整参数才能有较好的效果，鲁棒性较差。

可见，对于复杂的日常场景下的图片倾斜检测还是一个难点。

发明内容

为解决现有技术中的问题，本发明实施例提供一种图片倾斜检测方法及装置。

第一方面，本发明实施例提供一种图片倾斜检测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。