图像检测方法、装置、电子设备和存储介质

摘要

本发明实施例提供的图像检测方法、装置、电子设备和存储介质，获取至少两张目标图像，得到各目标图像中的目标候选区域后，根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据，针对每个目标图像中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据，根据各参考特征数据以及各像素点对应的待识别特征数据，得到检测区域，对检测区域进行检测，得到检测结果。如此，根据各目标候选区域对应的参考特征数据，以及每个目标图像中的每个像素点对应的待识别特征数据，确定检测区域，能够精确检测图像中的每个像素点，从而确定尺寸较小的对象的检测区域，快速、精确地实现图像检测。

权利要求

1.一种图像检测方法，其特征在于，包括：

获取至少两张目标图像，确定各所述目标图像中的目标候选区域；其中，各所述目标图像包括的目标候选区域的位置和数量相同；

根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据；

针对每个所述目标图像中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据；

根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域；

对所述检测区域进行检测，得到所述检测区域的检测结果；

所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域的步骤包括：根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点；

根据所述目标像素点，构建所述检测区域；

所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点的步骤包括：针对每个所述像素点对应的待识别特征数据，计算各所述参考特征数据与该像素点对应的待识别特征数据的相似度；

检测各所述参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值；

若存在至少一个所述参考特征数据与该像素点对应的待识别特征数据的相似度符合所述预设阈值，将该像素点设置为目标像素点。

2.根据权利要求1所述的图像检测方法，其特征在于，所述根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据的步骤包括：获取各所述目标候选区域的中心点在各目标图像中的像素值；

根据各所述目标候选区域的中心点在各目标图像的像素值，得到各所述目标候选区域对应的参考特征数据。

3.根据权利要求1所述的图像检测方法，其特征在于，所述根据所述目标像素点，构建检测区域的步骤包括：以所述目标像素点为中心，构建第一预设尺寸的预设框；

检测所述预设框内的像素点是否满足预设条件；

若满足，以所述目标像素点为中心点，根据第二预设尺寸，构建检测区域。

4.根据权利要求1所述的图像检测方法，其特征在于，所述确定得到各所述目标图像中的目标候选区域的步骤包括：将各所述目标图像输入至预设的分割模型，确定得到各所述目标图像中的目标候选区域。

5.根据权利要求1所述的图像检测方法，其特征在于，所述对所述检测区域进行检测，得到所述检测区域的检测结果的步骤包括：将所述检测区域输入至预设的分类模型，得到所述检测区域的检测结果。

6.一种图像检测装置，其特征在于，包括：

获取模块，用于获取至少两张目标图像，确定得到各所述目标图像中的目标候选区域；

其中，各所述目标图像包括的目标候选区域的位置和数量相同；

特征构建模块，用于根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据；还用于针对每个所述目标图像中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据；

计算模块，用于根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域；

检测模块，用于对所述检测区域进行检测，得到所述检测区域的检测结果；

所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域包括：根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点；

根据所述目标像素点，构建所述检测区域；

所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点包括：针对每个所述像素点对应的待识别特征数据，计算各所述参考特征数据与该像素点对应的待识别特征数据的相似度；

检测各所述参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值；

若存在至少一个所述参考特征数据与该像素点对应的待识别特征数据的相似度符合所述预设阈值，将该像素点设置为目标像素点。

7.一种电子设备，其特征在于，所述电子设备包括存储器、处理器及存储在所述存储器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权利要求1至5任一项所述的图像检测方法。

8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的图像检测方法。

说明书

图像检测方法、装置、电子设备和存储介质

技术领域

[0001] 本发明涉及图像处理技术领域，具体涉及一种图像检测方法、装置、电子设备和存储介质。

背景技术

[0002] 随着图像处理技术的发展，图像检测应用于诸多领域。例如，在人脸识别、医疗图像识别等领域，都需要对图像中的特定对象进行检测。在对图像中的特定对象进行检测时，
由于特定对象的尺寸不一，有些特定对象在图像中的尺寸很大，有些特定对象在图像中的
尺寸很小，而现有的图像检测方法，只能检测到尺寸较大的特定对象，对于尺寸很小的特定
对象，难以检测，从而无法实现对图像中特定对象的精准检测。

发明内容

[0003] 基于上述研究，本发明实施例提供一种图像检测方法、装置、电子设备和可读存储介质，能够检测到图像中的每个像素点，准确检测到尺寸微小的检测对象。

[0004] 本发明的实施例可以通过以下实现：

[0005] 第一方面，本发明实施例提供一种图像检测方法，包括：

[0006] 获取至少两张目标图像，确定各所述目标图像中的目标候选区域；其中，各所述目标图像包括的目标候选区域的位置和数量相同；

[0007] 根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据；

[0008] 针对每个所述目标图像中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据；

[0009] 根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域；

[0010] 对所述检测区域进行检测，得到所述检测区域的检测结果。

[0011] 在可选的实施方式中，所述根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据的步骤包括：

[0012] 获取各所述目标候选区域的中心点在各目标图像中的像素值；

[0013] 根据各所述目标候选区域的中心点在各目标图像的像素值，得到各所述目标候选区域对应的参考特征数据。

[0014] 在可选的实施方式中，所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域的步骤包括：

[0015] 根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点；

[0016] 根据所述目标像素点，构建所述检测区域。

[0017] 在可选的实施方式中，所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到目标像素点的步骤包括：

[0018] 针对每个所述像素点对应的待识别特征数据，计算各所述参考特征数据与该像素点对应的待识别特征数据的相似度；

[0019] 检测各所述参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值；

[0020] 若存在至少一个所述参考特征数据与该像素点对应的待识别特征数据的相似度符合所述预设阈值，将该像素点设置为目标像素点。

[0021] 在可选的实施方式中，所述根据所述目标像素点，构建检测区域的步骤包括：

[0022] 以所述目标像素点为中心，构建第一预设尺寸的预设框；

[0023] 检测所述预设框内的像素点是否满足预设条件；

[0024] 若满足，以所述目标像素点为中心点，根据第二预设尺寸，构建检测区域。

[0025] 在可选的实施方式中，所述确定得到各所述目标图像中的目标候选区域的步骤包括：

[0026] 将各所述目标图像输入至预设的分割模型，确定得到各所述目标图像中的目标候选区域。

[0027] 在可选的实施方式中，所述对所述检测区域进行检测，得到所述检测区域的检测结果的步骤包括：

[0028] 将所述检测区域输入至预设的分类模型，得到所述检测区域的检测结果。

[0029] 第二方面，本发明实施例提供一种图像检测装置，包括：

[0030] 获取模块，用于获取至少两张目标图像，确定得到各所述目标图像中的目标候选区域；其中，各所述目标图像包括的目标候选区域的位置和数量相同；

[0031] 特征构建模块，用于根据各所述目标候选区域在各所述目标图像中的像素值，得到各所述目标候选区域对应的参考特征数据；还用于针对每个所述目标图像中的每个像素
点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据；

[0032] 计算模块，用于根据各所述参考特征数据以及各所述像素点对应的待识别特征数据，确定得到检测区域；

[0033] 检测模块，用于对所述检测区域进行检测，得到所述检测区域的检测结果。

[0034] 第三方面，本发明实施例提供一种电子设备，所述电子设备包括存储器、处理器及存储在所述存储器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
程序时实现前述任一实施例所述的图像检测方法。

[0035] 第四方面，本发明实施例提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一实施例所述的图像检测方法。

[0036] 本发明实施例提供的图像检测方法、装置、电子设备和存储介质，获取至少两张目标图像，确定得到各目标图像中的目标候选区域后，根据各目标候选区域在各目标图像中
的像素值，得到各目标候选区域对应的参考特征数据，针对每个目标图像中的每个像素点，
根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据，根据各参
考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域，对检测区域进行检
测，得到检测区域的检测结果。如此，根据各目标候选区域对应的参考特征数据，以及每个
目标图像中的每个像素点对应的待识别特征数据，确定得到检测区域，对检测区域进行检
测，能够精确检测图像中的每个像素点，从而确定尺寸较小的对象的检测区域，快速、精确
地实现图像检测。

附图说明

[0037] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于
本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附
图。

[0038] 图1为本发明实施例所提供的电子设备的一种结构示意图。

[0039] 图2为本发明实施例所提供的图像检测方法的一种流程示意图。

[0040] 图3为本发明实施例所提供的参考特征曲线X和待识别特征曲线Y的示意图。

[0041] 图4为本发明实施例所提供的图像检测装置的一种方框示意图。

[0042] 图标：100‑电子设备；10‑图像检测装置；11‑获取模块；12‑特征构建模块；13‑计算模块；14‑检测模块；20‑存储器；30‑处理器；40‑通信单元。

具体实施方式

[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施
例，都属于本发明保护的范围。

[0044] 在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，
因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解
为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、
“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多
个”的含义是两个或两个以上，除非另有明确具体的限定。

[0045] 在本发明中，“示例性”一词用来表示“用作例子、例证或说明”。本发明中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任
何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列
出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况
下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必
要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合
本发明所公开的原理和特征的最广范围相一致。

[0046] 人脸识别、目标检测、病变定位、肿瘤检测等，都需要依靠图像检测实现，在对图像中的特定对象进行检测时，图像中特定对象的尺寸不一，有些特定对象在图像中的尺寸很
大，有些特定对象在图像中的尺寸很小，现有的图像检测方法，只能检测到尺寸较大的特定
对象，对于尺寸很小的特定对象，难以检测到，无法实现对图像中特定对象的精准检测。

[0047] 基于上述问题，本发明实施例提供的图像检测方法、装置、电子设备和存储介质，获取至少两张目标图像，确定得到各目标图像中的目标候选区域后，根据各目标候选区域
在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据，针对每个目标图像
中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特
征数据，根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域，对
检测区域进行检测，得到检测区域的检测结果。如此，根据各目标候选区域对应的参考特征
数据，以及每个目标图像中的每个像素点对应的待识别特征数据，确定得到检测区域，对检
测区域进行检测，能够精确检测图像中的每个像素点，从而确定尺寸较小的对象的检测区
域，快速、精确地实现图像检测。

[0048] 请参阅图1，图1为本实施例提供的一种电子设备100的结构框图。如图1所示，电子设备可以包括图像检测装置10、存储器20、处理器30及通信单元40，存储器20存储有处理器
30可执行的机器可读指令，当电子设备100运行时，处理器30及存储器20之间通过总线通
信，处理器30执行机器可读指令，并执行图像检测方法。

[0049] 存储器20、处理器30以及通信单元40各个元件相互之间直接或间接地电性连接，以实现信号的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线
实现电性连接。图像检测装置10包括至少一个可以软件或固件(firm ware)的形式存储于
存储器20中的软件功能模块。处理器30用于执行存储器20中存储的可执行模块(例如图像
检测装置10所包括的软件功能模块或计算机程序)。

[0050] 其中，存储器20可以是，但不限于，随机读取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read‑Only 
Memory，PROM)，可擦除只读存储器(Erasable Programmable Read‑Only Memory，EPROM)，
电可擦除只读存储器(Electric Erasable Programmable Read‑Only Memory，EEPROM)等。

[0051] 在一些实施例中，处理器30用以执行本实施例中描述的一个或多个功能。在一些实施例中，处理器30可以包括一个或多个处理核(例如，单核处理器(S)或多核处理器(S))。
仅作为举例，处理器30可以包括中央处理单元(Central Processing Unit，CPU)、专用集成
电路(Application  Specific Integrated Circuit，ASIC)、专用指令集处理器
(Application Specific Instruction‑set Processor，ASIP)、图形处理单元(Graphics 
Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器
(Digital Signal Processor，DSP)、现场可编程门阵列(Field Programmable Gate 
Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单
元、简化指令集计算机(Reduced Instruction Set Computing，RISC)或微处理器等，或其
任意组合。

[0052] 为了便于说明，在电子设备100中仅描述了一个处理器。然而，应当注意，本实施例中的电子设备100还可以包括多个处理器，因此本实施例中描述的一个处理器执行的步骤
也可以由多个处理器联合执行或单独执行。例如，若服务器的处理器执行步骤A和步骤B，则
应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执
行。例如，处理器执行步骤A，第二处理器执行步骤B，或者处理器和第二处理器共同执行步
骤A和B。

[0053] 本实施例中，存储器20用于存储程序，处理器30用于在接收到执行指令后，执行程序。本实施例任一实施方式所揭示的流程定义的方法可以应用于处理器30中，或者由处理
器30实现。

[0054] 通信单元40用于通过网络建立电子设备100与其他设备之间的通信连接，并用于通过网络收发数据。

[0055] 在一些实施方式中，网络可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特
网、局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网
(Wireless Local Area Networks，WLAN)、城域网(Metropolitan Area Network，MAN)、广
域网(Wide Area Network，WAN)、公共电话交换网(Public Switched Telephone Network，
PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication，NFC)网络等，或其
任意组合。

[0056] 在本实施例中，电子设备100可以是但不限于笔记本电脑、超级移动个人计算机(ultra‑mobile personal computer，UMPC)、上网本、个人数字助理(Personal Digital 
Assistant，PDA)等电子设备上。

[0057] 可以理解地，图1所示的结构仅为示意。电子设备100还可以具有比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。图1所示的各组件可以采用硬件、软件或其
组合实现。

[0058] 基于图1的实现架构，本实施例提供一种图像检测方法，由图1的电子设备执行，下面基于图1提供的电子设备100的结构图，对本实施例提供的图像检测方法进行详细阐述。
请结合参阅图2，本实施例提供的图像检测方法包括步骤S101至步骤S105。

[0059] S101：获取至少两张目标图像，确定得到各目标图像中的目标候选区域；其中，各目标图像包括的目标候选区域的位置和数量相同。

[0060] 本实施例中，对目标图像进行检测时，检测的待测对象可以是任意特定对象，如可以是图像中的人脸、图案等二维检测对象，也可以是医学影像中的病灶等三维检测对象，本
实施例不做具体限定，本领域技术人员可根据需求进行调整，待测对象可以有一个也可以
有多个。

[0061] 本实施例中的至少两张目标图像是配准的，即至少两张目标图像是在同一位置，同一坐标系下，不同的拍摄条件进行拍摄得到的。因此，至少两张目标图像中的图像内容相
同，确定得到的目标候选区域在各目标图像中的位置和数量也是相同的。

[0062] 本实施例提供的图像检方法，可以应用于人脸检测，当人脸与摄像头的距离较大时，人脸在图像中的尺寸很小，在图像中难以检测出图像中尺寸较小的人脸区域。当待测对
象为图像中的人脸，在不同的拍摄条件得到目标图像，可以是在不同的摄制参数、照度下得
到目标图像，本实施例不做具体限定。当应用于人脸检测时，目标图像中的目标候选区域为
目标图像中尺寸较大的人脸区域。

[0063] 本实施例提供的图像检方法，可以应用于检测医学影像中的异常区域，对于异常区域较小时，现有的检测方法难以检测到。

[0064] 当待测对象为医学影像中的异常区域时，目标候选区域为尺寸较大的异常区域。至少两张目标图像为至少两组医学影像，可以是利用电子计算机断层扫描(Computed 
Tomography，CT)、磁共振检查(Magnetic Resonance，MR)、4D超声超声波等方式，对人体生
理结构进行扫描，获取的医学影像。人体生理结构可以为心脏、肝脏、肺部、血管、骨骼等等。
当待测对象为医学影像中的异常区域时，在不同的拍摄条件得到目标图像，可以是每组医
学影像都是在不同扫描条件下获取的。如：对心脏进行扫描时，利用核磁共振对心脏进行扫
描时，在造影剂、扫描方式等不同的扫描条件下获取至少两组心脏的医学影像。在实际应用
中，至少两组医学影像中，每组医学影像的获取方式也可能是不同的，但是至少两组医学影
像是经过配准的。如：有两组医学影像，一组为利用电子计算机断层扫描得到的，一组为磁
共振检查扫描得到的，但是两组医学图像是在同一坐标系下的。

[0065] 本实施例中，目标候选区域表征至少两张目标图像中，能够确定得到的尺寸较大的待测对象所在的区域。确定得到至少两张目标图像的目标候选区域时，能够采用深度学
习算法等现有的检测方法检出。但是，对于尺寸微小的待测对象来说，现有的检测方法，难
以检测到。因此，本实施例中，在利用现有的检测方法，检出目标候选区域后，还需要再进一
步检测。

[0066] S102：根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据。

[0067] 其中，由于各目标图像的获取条件是不同的，因此成像后的图像，即使是同一像素点，在各目标图像中的像素值也会不同；且不同的目标候选区域对应的是不同的待测对象，
在同一目标图像中的像素值也不同。如：待测对象为医学影像中的异常区域时，待测对象包
括了癌变、血管瘤等各种病变的区域。因此，各目标候选区域在同一目标图像中的像素值也
是不同的，需要根据各目标区域在各目标图像中的像素值，得到各目标候选区域对应的参
考特征数据。

[0068] 本实施例中，根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据时，参考数据可以是各目标候选区域在各目标图像中的像素值的平
均值、众值、中值等，或者是各目标候选区域在各目标图像中的中心点的像素值等，本实施
例不做限定，本领域技术人员可进行调整。

[0069] 本实施例中，目标图像的数量为至少两张，则各参考特征数据为至少两个元素的数组，每个元素代表各目标候选区域在各目标图像中的像素值。当目标图像数量较多时，各
参考特征数据中多个离散的点，可以构建为参考特征曲线。本实施例中，不对参考数据的格
式做限定，只要能够表征目标候选区域的像素值情况即可，本领域技术人员可根据需求进
行调整。

[0070] S103：针对每个目标图像中的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征数据。

[0071] 其中，本实施例中，各目标图像的坐标是一致的。因此，同样的，根据各目标图像中的每个像素点在各目标图像中的像素值，得到的待识别特征数据，能够反映每个像素点在
各目标图像中的像素值的变化情况。

[0072] 同样的，本实施例中，目标图像的数量为至少两张，则待识别特征数据为至少两个元素的数组，每个元素代表每个像素点在各目标图像中的像素值。当目标图像数量较多时，
各待识别特征数据包括的多个离散的点，可以构建待识别特征曲线。同样的，可理解地，对
于待识别数据的格式，本实施例不做限定，只要能够表征每个像素点在各目标图像中的像
素值情况即可，本领域技术人员可根据需求进行调整。

[0073] S104：根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域。

[0074] 其中，参考特征数据为待测对象所在的目标候选区域的特征数据，待识别特征数据为每个目标图像中每个像素点的特征数据。根据各参考特征数据以及各像素点对应的待
识别特征数据，可以得到各目标图像中与目标候选区域的像素值类似的像素点，以此得到
检测区域。能够精确检测到目标图像中的每个像素点，以确定出检测区域，提高检测效率。

[0075] S105：对检测区域进行检测，得到检测区域的检测结果。

[0076] 其中，本实施例中，在确定了检测区域后，已经缩小了检测范围，只要检测出检测区域内是否存在检测对象即可。在对检测区域进行检测时，可以采用深度学习算法等方式，
利用预先训练好的深度学习模型，对检测区域进行检测，能够快速的得到检测结果。可以理
解的，本实施例中的深度学习算法，只是举例说明，实际应用中，本领域技术人员能够根据
需求进行替换，只要能得到检测结果即可。

[0077] 本实施例中，通过确定的目标候选区域的参考特征数据以及各目标图像中的每个像素点的待识别特征数据，确定得到检测区域，将检测精确到了各目标图像中的像素点，能
够检测出目标图像中尺寸较小的待测对象的区域，提高了图像检测的精确率和效率。

[0078] 可选的，本实施例中，根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据的步骤包括：

[0079] 获取各目标候选区域的中心点在各目标图像中的像素值；

[0080] 根据各目标候选区域的中心点在各目标图像的像素值，得到各目标候选区域对应的参考特征数据。

[0081] 其中，根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据时，为了计算简便，本实施例中选用各目标候选区域的中心点在各目标图
像中的像素值作为参考特征数据。本实施例中先获取各目标候选区域的中心点在各目标图
像中的像素值，然后根据各目标候选区域的中心点在各目标图像的像素值，得到各目标候
选区域对应的参考特征数据，参考特诊数据可以是包括多个元素的数组，每个元素表征各
目标候选区域的中心点在各目标图像中的像素值；当目标图像数量多时，也可以是由各目
标候选区域的中心点在各目标图像中的像素值构建的参考特征曲线，也可以是其他任何能
够表征各目标区域的特征的形式，本实施例不做具体限定。

[0082] 可选的，本实施例中，根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域的步骤包括：

[0083] 根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到目标像素点；

[0084] 根据目标像素点，构建检测区域。

[0085] 其中，本实施例中，根据各像素点对应的待识别特征数据以及各参考特征数据，能够精准检测各像素点中，疑似待测对象的目标像素点，根据目标像素点，构建检测区域，能
够缩小检测范围，提高检测效率。

[0086] 可选的，本实施例中，根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到目标像素点的步骤包括：

[0087] 针对每个像素点对应的待识别特征数据，计算各参考特征数据与该像素点对应的待识别特征数据的相似度；

[0088] 检测各参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值；

[0089] 若存在至少一个参考特征数据与该像素点对应的待识别特征数据的相似度符合预设阈值，将该像素点设置为目标像素点。

[0090] 其中，目标候选区域有多个，相应的就有多个参考特征数据。针对每个像素点对应的待识别特征数据，分别计算该像素点对应的待识别特征数据与各参考特征数据的相似
度，能够将该像素点与每个目标候选区域进行比较，若存在至少一个参考特征数据与该像
素点对应的待识别特征数据的相似度符合预设阈值，则证明该像素点与各目标候选区域中
的其中一个待测对象相似，该像素点可能是待测对象的像素点。

[0091] 本实施例中，各参考特征数据对应不同的目标候选区域，即对应不同的待测对象，不同的待测对象在目标图像中，可能会有不同的像素值，因此，每个参考特征数据的预设阈
值可能是不同的。预设阈值可以是经验设定，也可以预先设置多个阈值，进行测试，在测试
集中选取众多阈值中表现最好的阈值。本领域技术人员可根据待测对象的类别进行设置，
也可以通过实验综合设定一个预设阈值，本实施例不做具体限定。

[0092] 本实施例中，针对每个像素点对应的待识别特征数据，计算各参考特征数据与该像素点对应的待识别特征数据的相似度时，有多种计算方法，本实施例不做限定，只要能够
衡量参考特征数据与待识别特征数据之间的相似度即可。

[0093] 为了简便计算，本实施例中，针对各待识别特征数据，计算该待识别特征数据与各参考特征数据在各目标图像中的像素值差值，当各目标图像中的像素值差值均符合任一参
考特征数据对应的预设阈值时，则该待识别特征数据与该参考特征数据相似度高，该待识
别特征数据对应的像素点为目标像素点。例如：目标图像的数量较多，分别为A、B、C、D、E等
多张目标图像，确定到一个目标候选区域，请结合参阅图3，根据该目标候选区域构建了参
考特征曲线X，参考特征曲线X对应的参考阈值为x。根据多张目标图像中每个像素点在各目
标图像中的像素值，构建了若干待识别特征曲线，计算y像素点对应的待识别特征曲线Y与
参考特征曲线X的相似度时，分别计算A图像中y像素点的像素值a2与参考特征曲线X在A图
像中的像素值a1的差值|a1‑a2|；B图像中y像素点的像素值b2与参考特征曲线X在B图像中
的像素值b1的差值|b1‑b2|；C图像中y像素点的像素值c2与参考特征曲线X在C图像中的像
素值c1的差值|c1‑c2|；D图像中y像素点的像素值d2与参考特征曲线X在D图像中的像素值
d1的差值|d1‑d2|；E图像中y像素点的像素值e2与参考特征曲线X在E图像中的像素值e1的
差值|e1‑e2|。只有当|a1‑a2|、|b1‑b2|、|c1‑c2|、|d1‑d2|、|e1‑e2|均小于等于x时，参考特征曲线X与待识别特征曲线Y的相似度高，像素点y为目标像素点。

[0094] 本实施例中，根据目标像素点，构建检测区域时，若直接根据目标像素点构建检测区域，则可能会把已确定的目标候选区域再次作为检测区域进行检测，或者将图像噪声划
为检测区域，加大检测的工作量，因此在构建检测区域之前，需要进行筛选。

[0095] 基于此，本实施例中，根据目标像素点，构建检测区域的步骤包括：

[0096] 以目标像素点为中心，构建第一预设尺寸的预设框；

[0097] 检测预设框内的像素点是否满足预设条件；

[0098] 若满足，以目标像素点为中心点，根据第二预设尺寸，构建检测区域。

[0099] 其中，预设条件指的是，预设框内的像素点均不属于目标候选区域的像素点，且预设框内满足待测对象像素值范围的像素点为连续的，连续区域大于等于预设框的像素区
域。本实施例中，构建第一预设尺寸的预设框，是为了筛选出图像噪声等像素区域，第一预
尺寸可根据需求进行设置，本实施例不做具体限定。例如：预设第一尺寸为3*3的像素区域，
则当以目标像素点为中心的3*3的像素区域内，符合待测对象的像素值范围的连续体区域
在3*3像素区域以下时，判定该目标像素点为图像噪声等非检测对象；若与目标像素点相邻
的符合待测对象的像素值范围的连续体区域大于等于3*3的像素区域，且该3*3的像素区域
不属于任一目标候选区域，则该目标像素点符合预设条件。

[0100] 本实施例中，以经过预设条件筛选的目标像素点为中心，构建第二预设尺寸的检测区域。以目标像素点为中心，构建检测区域，是为了快速定位检测区域，提高检测效率。同
样的，第二预设尺寸的设置，本领域技术人员可根据需求进行调整，本实施例不做限定。

[0101] 本实施例中，预设第一尺寸和预设第二尺寸可以是二维的也可以是三维的，能够根据待测对象的不同进行调整。

[0102] 可选的，本实施例中，确定得到各目标图像中的目标候选区域的步骤包括：

[0103] 将各目标图像输入至预设的分割模型，确定得到各目标图像中的目标候选区域。

[0104] 其中，本实施例中，采用深度学习算法，训练得到的分割模型，能够将至少两张目标图像中的待测对象分割出来。其中，可选的，分割模型可以是卷积神经网络
(Convolutional Neural Network，CNN)、循环神经网络(Recurrent Neural Network，
RNN)、双向循环神经网络(Bidirectional Recurrent Neural Network，BRNN)、门控循环单
元(Gated Recurrent Unit，GRU)、长短期记忆网络(Long Short‑Term Memory，LSTM)等，本
实施例不做限定，本领域技术人员可以根据需求进行调整。

[0105] 在对分割模型进行训练时，采用有监督的训练方式训练得到，即通过已知真实值的样本数据去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出。

[0106] 可选的，本实施例中，对检测区域进行检测，得到检测区域的检测结果的步骤包括：

[0107] 将检测区域输入至预设的分类模型，得到检测区域的检测结果。

[0108] 其中，本实施例中，采用深度学习算法，训练得到的分类模型，能够检测到输入的检测区域中的待检测对象。同样的，分类模型也有多种选择，也采用有监督的训练方式得
到，与前述的分割模型相同，本实施例不再赘述。

[0109] 本发明实施例提供的图像检测方法，获取至少两张目标图像，确定得到各目标图像中的目标候选区域后，根据各目标候选区域在各目标图像中的像素值，得到各目标候选
区域对应的参考特征数据，针对每个目标图像中的每个像素点，根据该像素点在各目标图
像中的像素值，得到该像素点对应的待识别特征数据，根据各参考特征数据以及各像素点
对应的待识别特征数据，确定得到检测区域，对检测区域进行检测，得到检测区域的检测结
果。如此，根据各目标候选区域对应的参考特征数据，以及每个目标图像中的每个像素点对
应的待识别特征数据，确定得到检测区域，对检测区域进行检测，能够精确检测图像中的每
个像素点，从而确定尺寸较小的对象的检测区域，快速、精确地实现图像检测。

[0110] 基于同一发明构思，请结合参阅图4，本实施例还提供一种图像检测装置10，应用图1所示的电子设备，如图4所示，本实施例提供的图像检测装置包括：

[0111] 获取模块11，用于获取至少两张目标图像，确定得到各目标图像中的目标候选区域；其中，各目标图像包括的目标候选区域的位置和数量相同；

[0112] 特征构建模块12，用于根据各目标候选区域在各目标图像中的像素值，得到各目标候选区域对应的参考特征数据；还用于针对每个目标图像中的每个像素点，根据该像素
点在各目标图像中的像素值，得到该像素点对应的待识别特征数据；

[0113] 计算模块13，用于根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域；

[0114] 检测模块14，用于对检测区域进行检测，得到检测区域的检测结果。

[0115] 在可选的实施方式中，特征构建模块12用于：

[0116] 获取各目标候选区域的中心点在各目标图像中的像素值；

[0117] 根据各目标候选区域的中心点在各目标图像的像素值，得到各目标候选区域对应的参考特征数据。

[0118] 在可选的实施方式中，计算模块13用于：

[0119] 根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到目标像素点；

[0120] 根据目标像素点，构建检测区域。

[0121] 在可选的实施方式中，计算模块13用于：

[0122] 针对每个像素点对应的待识别特征数据，计算各参考特征数据与该像素点对应的待识别特征数据的相似度；

[0123] 检测各参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值；

[0124] 若存在至少一个参考特征数据与该像素点对应的待识别特征数据的相似度符合预设阈值，将该像素点设置为目标像素点。

[0125] 在可选的实施方式中，计算模块13用于：

[0126] 以目标像素点为中心，构建第一预设尺寸的预设框；

[0127] 检测预设框内的像素点是否满足预设条件；

[0128] 若满足，以目标像素点为中心点，根据第二预设尺寸，构建检测区域。

[0129] 在可选的实施方式中，获取模块11用于：

[0130] 将各目标图像输入至预设的分割模型，确定得到各目标图像中的目标候选区域。

[0131] 在可选的实施方式中，检测模块14用于：

[0132] 将检测区域输入至预设的分类模型，得到检测区域的检测结果。

[0133] 本发明实施例提供的图像检测装置，获取至少两张目标图像，确定得到各目标图像中的目标候选区域后，根据各目标候选区域在各目标图像中的像素值，得到各目标候选
区域对应的参考特征数据，针对每个目标图像中的每个像素点，根据该像素点在各目标图
像中的像素值，得到该像素点对应的待识别特征数据，根据各参考特征数据以及各像素点
对应的待识别特征数据，确定得到检测区域，对检测区域进行检测，得到检测区域的检测结
果。如此，根据各目标候选区域对应的参考特征数据，以及每个目标图像中的每个像素点对
应的待识别特征数据，确定得到检测区域，对检测区域进行检测，能够精确检测图像中的每
个像素点，从而确定尺寸较小的对象的检测区域，快速、精确地实现图像检测。

[0134] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的图像检测装置10的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

[0135] 在上述基础上，本实施例提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现前述任一实施方式的图像检测方法。

[0136] 所属领域的技术人员可以清楚地了解到，由于为描述的方便和简洁，上述描述的存储介质的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

[0137] 综上所述，本发明实施例所提供的图像检测方法、装置、电子设备和存储介质，获取至少两张目标图像，确定得到各目标图像中的目标候选区域后，根据各目标候选区域在
各目标图像中的像素值，得到各目标候选区域对应的参考特征数据，针对每个目标图像中
的每个像素点，根据该像素点在各目标图像中的像素值，得到该像素点对应的待识别特征
数据，根据各参考特征数据以及各像素点对应的待识别特征数据，确定得到检测区域，对检
测区域进行检测，得到检测区域的检测结果。其中，目标候选区域为尺寸较大的，能够被检
出的待测对象所在的区域。如此，根据各目标候选区域对应的参考特征数据，以及每个目标
图像中的每个像素点对应的待识别特征数据，确定得到检测区域，对检测区域进行检测，以
得到检测区域的检测结果。能够将检测精确到图像中的每个像素点，从而确定尺寸较小的
对象的检测区域，快速、精确地实现图像检测。

[0138] 以上所述，仅为本发明的各种实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵
盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。