图像获取方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114972303A(43)申请公布日2022.08.30(21)申请号202210689241.6G06N3/04(2006.01)(22)申请日2022.06.16G06N3/08(2006.01)(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人周建伟刘玉宇肖京(74)专利代理机构深圳市赛恩倍吉知识产权代理有限公司44334专利代理师林丽纯(51)Int.Cl.G06T7/00(2017.01)G06V10/774(2022.01)G06V10/82(2022.01)G06V10/25(2022.01)权利要求书2页说明书15页附图3页(54)发明名称图像获取方法、装置、电子设备及存储介质(57)摘要本发明涉及图像检测技术领域，提供一种图像获取方法、装置、电子设备及存储介质，利用自定义取景框获得待检测物品的扫描图像，利用MobileNetV3‑SSD目标检测模型判断扫描图像中的待检测物品是否为目标物品，之后获取并限制摄像装置的移动范围，对目标物品进行连续抓拍，对获得的多张图像进行清晰度检测，将清晰度最高的图像作为目标物品的清晰图像，从而提高摄像装置对焦的准确性以及模糊判断的精准度。CN114972303ACN114972303A权利要求书1/2页1.一种图像获取方法，其特征在于，所述方法包括：获取摄像装置对待检测物品进行扫描时的扫描图像；将所述扫描图像输入预先训练的目标检测模型，利用所述目标检测模型输出置信度，所述置信度用于判断所述扫描图像中的待检测物品是否为目标物品；当所述置信度大于预设的置信度阈值时，确定所述待检测物品是所述目标物品，基于所述目标检测模型确定所述目标物品在所述摄像装置的镜头中的移动范围；当确定所述移动范围小于预设的误差时，选择所述摄像装置对所述目标物品进行连续抓拍后的多帧抓拍的图像；对所述选择的每帧图像进行清晰度计算，将所述清晰度值最大的图像作为所述目标物品的清晰图像。2.如权利要求1所述的图像获取方法，其特征在于，所述方法还包括：为所述摄像装置设置尺寸比例与所述目标物品的尺寸比例相同的自定义取景框，包括：将所述自定义取景框的内部区域设置为透明取景区域，将所述自定义取景框的外部区域设置为蒙版区域；所述获取摄像装置对待检测物品进行扫描时的扫描图像包括：利用所述自定义取景框将所述待检测物品框选在内时，获取所述扫描图像。3.如权利要求1所述的图像获取方法，其特征在于，所述预先训练的目标检测模型包括MobileNetV3‑SSD目标检测模型；对所述目标检测模型的训练过程包括：获取数据集，所述数据集包括预设数量的所述目标物品的图像；获取对所述数据集中的每张图像进行标注后的数据集，并将所述标注后的数据集按照预设的比例划分为训练集和测试集；基于底层框架PaddleDetection以及主干网络MobileNetV3，利用所述训练集训练检测模型，其中，所述底层框架PaddleDetection包括SSD卷积神经网络；基于所述测试集对所述检测模型进行测试，并根据所述测试的结果对所述检测模型的模型参数进行调整，直至所述检测模型的损失函数收敛至预设值，将所述损失函数收敛至预设值的检测模型作为所述目标检测模型。4.如权利要求3所述的图像获取方法，其特征在于，所述模型参数包括：所述检测模型的每个卷积层的特征预测框的尺寸与所述目标物品在所述扫描图像中的图像的尺寸的比例Sk，其中，每个特征预测框的长宽比与所述目标物品的长宽比相同；所述损失函数包括：类别损失的交叉熵损失函数与定位损失的Smoth‑L1损失函数的加权之和。5.如权利要求4所述的图像获取方法，其特征在于，所述目标检测模型的第k个卷积层对应的所述比例Sk为：Sk＝Smin+(Smax‑Smin)×(K‑1)/5，其中，K取值为1时对应第4个卷积层，K取值为2时对应第7个卷积层，K取值为3时对应第8个卷积层，K取值为4时对应第9个卷积层，K取值为5时对应第10个卷积层，K取值为6时对应第11个卷积层，Smin＝0.2，Smax＝0.9。6.如权利要求2所述的图像获取方法，其特征在于，所述目标物品在所述摄像装置的镜头中的移动范围包括：所述目标物品的第一预设特征点在所述扫描图像中的第一坐标与所述自定义取景框的第二预设特征点的第二坐标的距离，其中，所述目标物品在所述扫描图2CN114972303A权利要求书2/2页像中的图像包括矩形图像，所述第一预设特征点包括所述矩形图像的四个顶点，所述自定义取景框包括矩形框，所述第二预设特征点包括所述矩形框的四个顶点；所述基于所述目标检测模型确定所述目标物品在所述摄像装置的镜头中的移动范围包括：利