眼镜检测方法、系统、存储介质及计算机设备与流程

1.本发明涉及停车场技术领域，尤其涉及一种眼镜检测方法、系统、存储介质及计算机设备。


背景技术：

2.随着技术的进步，图像检测技术在现实生活中得到更广泛的应用，通过基于神经网络的图像检测识别，能够高效地识别出监控画面中的目标对象。
3.现有的基于神经网络的护目镜检测，主要采用以下方案：将从摄像头获取的原始数据，直接送入护目镜检测模型，然后输出检测结果。这种方案要求护目镜检测模型的输入尺寸，需要尽量与原始的从摄像头获取的图片大致一致，才能保证图像中尺寸较小的护目镜的特征不会被明显压缩损失。如果护目镜检测模型的输入尺寸过大，会导致推理时间很长，不能很好的应用到使用场景中；并且在复杂场景中也有可能因为护目镜模型的泛化能力不足或者护目镜目标过小，产生误检和漏检。
4.综上可知，现有的方法在实际使用上，存在着较多的问题，所以有必要加以改进。


技术实现要素：

5.针对上述的缺陷，本发明的目的在于提供一种眼镜检测方法，系统、存储介质及其计算机设备，能够有效聚焦人体头部区域，降低因为眼镜目标尺寸小导致的模型漏检问题。
6.为了实现上述目的，本发明提供一种眼镜检测方法，包括步骤：
7.获取待测图像数据；
8.检测所述待测图像数据上是否存在人脸目标；
9.若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；
10.根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。
11.可选的，所述待测图像数据包括有预设数张连续帧图像；
12.所述根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜的步骤包括：
13.根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜。
14.可选的，所述根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜的步骤具体包括：
15.若所述连续帧图像分别对应的所述检测结果均为佩戴眼镜，则确定所述人脸目标佩戴眼镜。
16.可选的，所述检测所述待测图像数据上是否存在人脸目标的步骤具体包括：
17.将所述待测图像数据输入至预设的人脸检测模型，所述人脸检测模型基于对人体
肩部以上人脸特征的识别，检测所述待测图像数据是否存在所述人脸目标。
18.可选的，所述若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据的步骤具体包括：
19.获取所述人脸目标在待测图像数据中的相对位置信息；
20.根据所述相对位置信息，从所述待测图像数据中剪切出对应所述人脸目标的区域图像；
21.将所述区域图像输入至预设的所述眼镜检测模型。
22.可选的，所述根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜的步骤之后还包括：
23.若确定所述人脸目标未佩戴眼镜，则生成警报信息。
24.可选的，所述眼镜检测模型为护目镜检测模型。
25.还提供了一种眼镜检测系统，包括有：
26.获取单元，用于获取待测图像数据；
27.人脸检测单元，用于检测所述待测图像数据上是否存在人脸目标；
28.提取输入单元，用于若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；
29.眼镜检测单元，用于根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。
30.另外，还提供了一种存储介质和计算机设备，所述存储介质用于存储一种用于执行上述眼镜检测方法的计算机程序。
31.所述计算机设备包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的眼镜检测方法。
32.本发明所述的眼镜检测方法及其系统，通过对待测图像数据进行人脸检测，识别所述待测图像数据是否存在人脸目标；当存在人脸目标时，提取该人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；进而根据该眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。因此，本发明能够有效聚焦人体头部区域，降低因为眼镜目标尺寸小导致的模型漏检问题。
附图说明
33.图1为本发明一实施例提供的眼镜检测方法的步骤流程图；
34.图2为本发明一实施例提供的眼镜检测方法用于人脸目标区域提取可选的步骤流程图；
35.图3为本发明所述眼镜检测方法一种应用场景的具体步骤流程图；
36.图4为本发明一实施例提供的眼镜检测系统的结构示意框图；
37.图5为本发明一实施例提供的眼镜检测系统的所述提取输入单元可选的结构示意框图。
具体实施方式
38.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
39.需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
40.此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
41.图1示出本发明一实施例提供的眼镜检测方法，所述眼镜包括但不限于近视眼镜、太阳眼镜、护目镜或泳镜等；包括步骤如下：
42.s101：获取待测图像数据。本实施例从视频监控设备中获取所述待测图像数据；具体实施时，从监控摄像机获取原始图像数据，所述待测图像数据为监控视频流的帧图像。
43.本实施例以护目镜的检测进行示例说明，其应用场景可为护目镜相应的应用场景，例如需要佩戴护目镜的生产车间或者医院等场景；则所获取的待测图像数据来源于上述应用场景中设置的若干个监控摄像头。
44.s102：检测所述待测图像数据上是否存在人脸目标。所述人脸目标即为具有人脸特征的目标对象，具体是指监控摄像头采集的监控画面中的人脸区域。
45.可选的，所述步骤s102具体包括：
46.将所述待测图像数据输入至预设的人脸检测模型，所述人脸检测模型基于对人体肩部以上人脸特征的识别，检测所述待测图像数据是否存在所述人脸目标。为了提升检测识别的效率，本实施例的人脸检测模型可以基于人体肩部和人脸特征的双模态检测模型，即在检测到人体肩部的特征时进一步检测在人体肩部以上部位是否显示有人脸特征，该人脸特征为正面脸部特征或侧面脸部特征，进而确定对应的人脸所在区域。当然，在其他实施例中，所述人脸检测模型也可以仅是基于人脸特征的单模态检测模型。
47.s103：若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据。在确定所检测的画面中存在人脸目标时，提取该人脸目标对应的区域图像，本实施例的区域图像为人体肩部以上的人脸区域。同一检测画面中若存在多个人脸目标，则分别提取出对应的多个区域图像以作为眼镜检测模型的输入数据；当存在多个所述区域图像时，既可以将所述区域图像依序输入至眼镜检测模型，也可以同时输入至眼镜检测模型以分别获取其对应输出的检测结果。
48.可选的，所述眼镜检测模型为护目镜检测模型。即本实施例在检测出人脸目标后，提取出该人体目标对应的区域图像，并输入到护目镜检测模型进行护目镜佩戴检测；在其他实施例中，所述眼镜检测模型根据实际应用进行配置与训练。
49.s104：根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。所述眼镜检测模型为基于神经网络的图像检测算法模型，其根据输入的图像数据进行检测分析，确定输入数据对应的输出结果；本实施例仅将所述人脸目标的区域图像输入该眼镜检测模型，进而基于该眼镜检测模型输出的检测结果来确定对应的人脸目标的眼镜佩戴情况；因此，保证了眼镜检测场景的图片不压缩，眼镜的特征尽可能保留，提高模型检测结果的准确率；即本实施例能够有效聚焦于人体头部区域，从而降低因为眼镜目标的尺寸过小而导致模型漏检问题。
50.一种可选的实施例中，所述待测图像数据包括有预设数张连续帧图像；所述步骤s104包括：根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜。例如，所述预设张数为10张，获取10张连续帧图像，分别对10张连续帧图像进行人脸目标检测，若视频监控画面中存在真实的人脸目标，则在短时间内获取的连续多张图像必然会包含有对应区域的人脸目标；因此，若10张连续帧图像的对应区域上存在有真实的人脸目标则必然在每一张图像上获取到对应位置的所述人脸目标，再将该人脸目标对应的区域图像提取出来作为眼镜检测模型的输入数据，进而根据眼镜检测模型对应10张连续帧图像分别输出的10个检测结果，来确定对应的人脸目标是否佩戴眼镜。本实施例同时引入时间维度信息，通过对数张连续帧图像进行检测，可减少复杂场景下人体快速移动导致的图像虚影或者视角异常，而产生的眼镜目标的误检问题。
51.可选的，所述步骤s104具体包括：若所述连续帧图像分别对应的所述检测结果均为佩戴眼镜，则确定所述人脸目标佩戴眼镜。结合上述，若10张连续帧图像分别对应的检测结果均显示为有佩戴眼镜，则确定该人脸目标有佩戴眼镜；反之，若10张连续帧图像分别对应的检测结果中存在有未佩戴眼镜，则确定该人脸目标没有佩戴眼镜。在实际应用中，由于需要针对于短时间内的监控画面进行检测，因此本实施例的连续数帧图像的时间间隔要尽可能的短，例如0.1秒或0.5秒等。
52.参见图2，一种可选的实施方式中，步骤s103具体包括：
53.s1031：获取所述人脸目标在待测图像数据中的相对位置信息。其中，所述相对位置信息包括有该人脸目标全部特征点在待测图像数据上的位置坐标，或者所述相对位置信息包括有所述人脸目标到人体肩部之间的全部特征点在待测图像数据上的位置坐标。
54.s1032：根据所述相对位置信息，从所述待测图像数据中剪切出对应所述人脸目标的区域图像。具体实施时，将上述的特征点在对应图像上的位置坐标，按照预设的扩展值向边界外膨胀一定区域，从而确定所需裁剪的区域；再将该区域从待测图像数据的对应图像中剪切出来。当然，在其他实施例中，所述区域也可以是基于上述的特征点的位置坐标所确定。
55.若待测图像数据上存在有多个人脸目标，则剪切出多个相对应的区域图像；若多个人脸目标之间难以区分对应的区域图像，则剪切出多个人脸目标共同的区域图像。
56.s1033：将所述区域图像输入至预设的所述眼镜检测模型。具体实施时，在剪切出对应的区域图像时，将该区域图像与对应的人脸目标进行关联后输入到预设的眼镜检测模型；在眼镜检测模型输出相应的检测结果后，通过预存的关联信息确定其对应的人脸目标是否佩戴眼镜。其中，预存的关联信息为所述区域图像与原始的待测图像上的人脸目标之间一一对应的关联关系；在实际应用中，还可以进一步对所述人脸目标进行人脸识别以获
取到该人脸目标对应的人员身份信息，进而将所述区域图像与该人员身份信息构建关联关系，以使得所述眼镜检测模型输出的检测结果能够直接关联于对应的人员。
57.一种实施例中，步骤s104之后还包括：若确定所述人脸目标未佩戴眼镜，则生成警报信息。通过该警报信息即可提醒后台管理人员进行处理。具体实施时，对监控摄像头实施获取的监控视频流进行相应的眼镜检测，从而可提升在实际应用场景中对眼镜目标检测的管理。
58.图3示出了本发明一种具体应用示例的眼镜检测方法的流程图，该方法以护目镜为检测目标，包括流程如下：
59.获取待测图像，所述待测图像来源于摄像机监控摄取的原始图像数据。将待测图像输入至人脸检测算法，通过人脸检测算法检测图像中的人脸区域，该人脸区域为人体肩部以上的正面人脸区域或侧面人脸区域。若未能通过人脸检测算法检测出人脸目标，则结束流程。若能够从待测图像中检测出人脸目标，则剪切出该人脸目标所在的区域图像，并输入至预设的护目镜检测模型。若对应的人脸目标在连续10帧图像中的检测结果均为佩戴护目镜，则确定该人脸目标佩戴有护目镜并输出结果信息；反之，若人脸目标在连续10帧图像中的检测结果出现未佩戴护目镜，则发出警报信息进行报警。
60.图4示出了本发明一实施例提供的眼镜检测系统100，该系统100应用于对近视眼镜、太阳眼镜、护目镜或泳镜等眼镜目标的检测，包括有获取单元10、人脸检测单元20、提取输入单元30以及眼镜检测单元40，其中：
61.获取单元10用于获取待测图像数据；人脸检测单元20用于检测所述待测图像数据上是否存在人脸目标；提取输入单元30用于若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；眼镜检测单元40用于根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。本实施例仅将所述人脸目标的区域图像输入该眼镜检测模型，进而基于该眼镜检测模型输出的检测结果来确定对应的人脸目标的眼镜佩戴情况；因此，本实施例能够有效聚焦于人体头部区域，从而降低因为眼镜目标的尺寸过小而导致模型漏检问题。
62.本实施例以护目镜的检测进行示例说明，其应用场景可为护目镜相应的应用场景，例如需要佩戴护目镜的生产车间或者医院等场景；则所获取的待测图像数据来源于上述应用场景中设置的若干个监控摄像头。
63.可选的，所述眼镜检测模型为护目镜检测模型。即本实施例在检测出人脸目标后，提取出该人体目标对应的区域图像，并输入到护目镜检测模型进行护目镜佩戴检测；在其他实施例中，所述眼镜检测模型根据实际应用进行配置与训练。
64.一种实施方式中，所述待测图像数据包括有预设数张连续帧图像；所述眼镜检测单元40用于：根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜。本实施例同时引入时间维度信息，通过对数张连续帧图像进行检测，可减少复杂场景下人体快速移动导致的图像虚影或者视角异常，而产生的眼镜目标的误检问题。
65.可选的，所述眼镜检测单元40具体用于：若所述连续帧图像分别对应的所述检测结果均为佩戴眼镜，则确定所述人脸目标佩戴眼镜。
66.本实施例的所述人脸检测单元20具体用于：将所述待测图像数据输入至预设的人
脸检测模型，所述人脸检测模型基于对人体肩部以上人脸特征的识别，检测所述待测图像数据是否存在所述人脸目标。
67.参见图5，一种可选的实施方式中，提取输入单元30包括有坐标子单元31、剪切子单元32以及输入子单元33，其中：
68.坐标子单元31用于获取所述人脸目标在待测图像数据中的相对位置信息；剪切子单元32用于根据所述相对位置信息，从所述待测图像数据中剪切出对应所述人脸目标的区域图像；输入子单元33用于将所述区域图像输入至预设的所述眼镜检测模型。
69.一种实施例中，还包括有警报单元，其用于若确定所述人脸目标未佩戴眼镜，则生成警报信息。
70.本发明还提供一种存储介质，用于存储如图1～图2所述眼镜检测方法的计算机程序。例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法和/或技术方案。而调用本技术的方法的程序指令，可能被存储在固定的或可移动的存储介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此，根据本技术的一个实施例包括如图4所示眼镜检测系统的计算机设备，所述计算机设备优选包括用于存储计算机程序的存储介质和用于执行计算机程序的处理器，其中，当该计算机程序被该处理器执行时，触发该计算机设备执行基于前述多个实施例中的方法和/或技术方案。
71.需要注意的是，本技术可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本技术的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
72.根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地，计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
73.在优选实施例中，计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地，在计算机可读介质上体现计算机程序。
74.综上所述，本发明所述的眼镜检测方法及其系统，通过对待测图像数据进行人脸检测，识别所述待测图像数据是否存在人脸目标；当存在人脸目标时，提取该人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；进而根据该眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。因此，本发明能够有效聚焦人体头部区域，降低因为眼镜目标尺寸小导致的模型漏检问题；保证眼镜检测场景稳定性，减少输出人体运动过程中产生的误检问题。
75.当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变
形都应属于本发明所附的权利要求的保护范围。
76.a1、一种眼镜检测方法，包括步骤：
77.获取待测图像数据；
78.检测所述待测图像数据上是否存在人脸目标；
79.若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；
80.根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。
81.a2、根据a1所述的眼镜检测方法，所述待测图像数据包括有预设数张连续帧图像；
82.所述根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜的步骤包括：
83.根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜。
84.a3、根据a2所述的眼镜检测方法，所述根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜的步骤具体包括：
85.若所述连续帧图像分别对应的所述检测结果均为佩戴眼镜，则确定所述人脸目标佩戴眼镜。
86.a4、根据a1所述的眼镜检测方法，所述检测所述待测图像数据上是否存在人脸目标的步骤具体包括：
87.将所述待测图像数据输入至预设的人脸检测模型，所述人脸检测模型基于对人体肩部以上人脸特征的识别，检测所述待测图像数据是否存在所述人脸目标。
88.a5、根据a1所述的眼镜检测方法，所述若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据的步骤具体包括：
89.获取所述人脸目标在待测图像数据中的相对位置信息；
90.根据所述相对位置信息，从所述待测图像数据中剪切出对应所述人脸目标的区域图像；
91.将所述区域图像输入至预设的所述眼镜检测模型。
92.a6、根据a1所述的眼镜检测方法，所述根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜的步骤之后还包括：
93.若确定所述人脸目标未佩戴眼镜，则生成警报信息。
94.a7、根据a1～a6任一项所述的眼镜检测方法，所述眼镜检测模型为护目镜检测模型。
95.还提供了b8、一种眼镜检测系统，包括有：
96.获取单元，用于获取待测图像数据；
97.人脸检测单元，用于检测所述待测图像数据上是否存在人脸目标；
98.提取输入单元，用于若存在所述人脸目标，则提取所述人脸目标对应的区域图像作为预设的眼镜检测模型的输入数据；
99.眼镜检测单元，用于根据所述眼镜检测模型对应输出的检测结果，确定所述区域图像上的所述人脸目标是否佩戴眼镜。
100.b9、根据b8所述的眼镜检测系统，所述待测图像数据包括有预设数张连续帧图像；
101.所述眼镜检测单元用于：
102.根据所述眼镜检测模型分别对应所述连续帧图像的所述检测结果，确定所述人脸目标是否佩戴眼镜。
103.b10、根据b9所述的眼镜检测系统，所述眼镜检测单元具体用于：
104.若所述连续帧图像分别对应的所述检测结果均为佩戴眼镜，则确定所述人脸目标佩戴眼镜。
105.b11、根据b8所述的眼镜检测系统，所述人脸检测单元具体用于：
106.将所述待测图像数据输入至预设的人脸检测模型，所述人脸检测模型基于对人体肩部以上人脸特征的识别，检测所述待测图像数据是否存在所述人脸目标。
107.b12、根据b8所述的眼镜检测系统，所述提取输入单元包括：
108.坐标子单元，用于获取所述人脸目标在待测图像数据中的相对位置信息；
109.剪切子单元，用于根据所述相对位置信息，从所述待测图像数据中剪切出对应所述人脸目标的区域图像；
110.输入子单元，用于将所述区域图像输入至预设的所述眼镜检测模型。
111.b13、根据b8所述的眼镜检测系统，还包括：
112.警报单元，用于若确定所述人脸目标未佩戴眼镜，则生成警报信息。
113.b14、根据b8～b13任一项所述的眼镜检测系统，所述眼镜检测模型为护目镜检测模型。
114.还提供了c15、一种存储介质，用于存储一种用于执行a1～a7中任意一种所述眼镜检测方法的计算机程序。
115.还提供了d16、一种计算机设备，包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现a1～a7任一项所述的眼镜检测方法。