【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理，具體為基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法。
技術(shù)介紹
1、隨著數(shù)字化轉(zhuǎn)型的推進(jìn)，電子證件越來越普及，這也對(duì)證件照的質(zhì)量和標(biāo)準(zhǔn)化提出了更高的要求。合規(guī)性檢測(cè)旨在確保證件照符合特定的標(biāo)準(zhǔn)和規(guī)范，這些標(biāo)準(zhǔn)通常涵蓋照片的清晰度、尺寸、背景、人像著裝以及人像的面部特征等。
2、現(xiàn)有技術(shù)中，證件照合規(guī)性檢測(cè)的
技術(shù)介紹
主要集中在圖像處理、計(jì)算機(jī)視覺和人工智能等領(lǐng)域。通常而言，證件照合規(guī)性檢測(cè)的步驟中，包括：首先，通過圖像預(yù)處理技術(shù)，如裁剪和歸一化，能夠統(tǒng)一照片的檢測(cè)標(biāo)準(zhǔn)；然后基于深度學(xué)習(xí)技術(shù)，如卷積神經(jīng)網(wǎng)絡(luò)，對(duì)圖像進(jìn)行特征提取后進(jìn)行人臉識(shí)別和分析；再通過圖像分割技術(shù)和語(yǔ)義分割技術(shù)，分離人臉和背景，檢測(cè)不合規(guī)的背景色或圖案；此外還需要通過智能化檢測(cè)識(shí)別開放式場(chǎng)景下的外部遮擋干擾，例如：戴口罩、戴墨鏡、戴帽子等。然而，在實(shí)際的使用中發(fā)現(xiàn)，現(xiàn)有技術(shù)中的證件照合規(guī)性檢測(cè)方法中各種干擾項(xiàng)檢測(cè)依次執(zhí)行，流程較長(zhǎng)，尤其是在高并發(fā)、高吞吐量的應(yīng)用場(chǎng)景的應(yīng)用場(chǎng)景中使用時(shí)，整體執(zhí)行效率較低。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中的證件照合規(guī)性檢測(cè)方法中各種干擾項(xiàng)檢測(cè)依次執(zhí)行，流程較長(zhǎng)，整體執(zhí)行效率較低的問題，本專利技術(shù)提供一種基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其可以簡(jiǎn)化證件照合規(guī)性檢測(cè)的流程，提升系統(tǒng)的響應(yīng)速度和魯棒性。
2、本專利技術(shù)的技術(shù)方案是這樣的：基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于，其包括以下步驟：
3、s1：構(gòu)建圖
4、所述圖像背景更換模型對(duì)待檢測(cè)證件照?qǐng)D像進(jìn)行去背景處理，將待檢測(cè)證件照?qǐng)D像都變?yōu)榧兩尘皥D像；
5、s2：構(gòu)建證件照合規(guī)性檢測(cè)模型；
6、所述證件照合規(guī)性檢測(cè)模型包括：基礎(chǔ)模型和任務(wù)檢測(cè)分支模塊；
7、所述任務(wù)檢測(cè)分支模塊針對(duì)合規(guī)性檢測(cè)中需要檢測(cè)的每一項(xiàng)不合規(guī)檢測(cè)任務(wù)分別構(gòu)建，所述任務(wù)檢測(cè)分支模塊的個(gè)數(shù)大于1；
8、所述基礎(chǔ)模型基于swintransformer模型構(gòu)建，所述任務(wù)檢測(cè)分支模塊包括3個(gè)連續(xù)的核大小為3×3的卷積層；
9、輸入圖像首先送入所述基礎(chǔ)模型中，所述基礎(chǔ)模型提取輸入圖像中所有的特征后，將提取到的所有圖像特征分別送入每一個(gè)所述任務(wù)檢測(cè)分支模塊中；所述任務(wù)檢測(cè)分支模塊進(jìn)行任務(wù)特征的提取和識(shí)別；每個(gè)所述任務(wù)檢測(cè)分支模塊輸出其對(duì)應(yīng)的檢測(cè)任務(wù)對(duì)應(yīng)的檢測(cè)結(jié)果；
10、每個(gè)所述分支檢測(cè)模型的檢測(cè)結(jié)果表示輸入圖像中是否存在對(duì)應(yīng)的特征；
11、s3：對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的所述所述證件照合規(guī)性檢測(cè)模型；
12、訓(xùn)練過程中，使用的損失函數(shù)為：
13、
14、其中m表示樣本總數(shù)，q表示檢測(cè)任務(wù)的類別總數(shù)，表示第i個(gè)樣本第j個(gè)類別的真實(shí)值，表示第i個(gè)樣本第j個(gè)類別的預(yù)測(cè)值；p(i)表示第i個(gè)樣本的均衡因子，其定義如下：
15、
16、其中nj表示第j個(gè)類別的樣本數(shù)；
17、s4：將訓(xùn)練好的所述所述證件照合規(guī)性檢測(cè)模型在圖像驗(yàn)證集上進(jìn)行推理，并對(duì)推理結(jié)果進(jìn)行評(píng)估；評(píng)估指標(biāo)如下所示：
18、
19、其中m表示樣本總數(shù)，q表示檢測(cè)任務(wù)的類別總數(shù)，表示第i個(gè)樣本第j個(gè)類別的真實(shí)值，表示第i個(gè)樣本第j個(gè)類別的預(yù)測(cè)值；
20、s5：將所述圖像背景更換模型和所述證件照合規(guī)性檢測(cè)模型進(jìn)行串聯(lián)，采用微服務(wù)架構(gòu)完成gpu集群部署，支持http并發(fā)調(diào)用；
21、s6：將待檢測(cè)證件照?qǐng)D像送入所述圖像背景更換模型統(tǒng)一圖像背景后，再送入所述證件照合規(guī)性檢測(cè)模型進(jìn)行合規(guī)性檢測(cè)，所述證件照合規(guī)性檢測(cè)模型輸出待檢測(cè)圖證件照?qǐng)D像中包括的不合規(guī)的特征。
22、其進(jìn)一步特征在于：
23、步驟s1中，所述圖像背景更換模型基于輕量級(jí)hrnet18構(gòu)建基礎(chǔ)模型，使用計(jì)算證件照的alpha通道圖像，按照下式使用新的純色背景圖像合成新圖像，得到所述待檢測(cè)純色背景圖像；
24、i＝alpha×f+(1-alpha)×b；
25、其中，i表示合成的新圖像，f表示原始證件照?qǐng)D像，b表示新的純白背景圖像。圖像b的每個(gè)像素的rgb取值為(255,255,255)；
26、所述證件照合規(guī)性檢測(cè)模型的訓(xùn)練步驟包括：圖像標(biāo)注、模型訓(xùn)練、模型評(píng)估和靜態(tài)圖轉(zhuǎn)換；
27、所述圖像標(biāo)注對(duì)應(yīng)的標(biāo)簽為合規(guī)性檢測(cè)中需要檢測(cè)的每一項(xiàng)檢測(cè)任務(wù)；
28、所述靜態(tài)圖轉(zhuǎn)換采用float32精度將動(dòng)態(tài)圖轉(zhuǎn)換為靜態(tài)圖模型；
29、步驟s3中，對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練過程中，利用多gpu顯卡資源采用分布式訓(xùn)練方法，基于端到端訓(xùn)練框架，實(shí)現(xiàn)多任務(wù)特征共享；
30、步驟s3中，對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練過程中，采用的優(yōu)化器為adam，根據(jù)實(shí)驗(yàn)效果學(xué)習(xí)率設(shè)置為0.0001；
31、步驟s3中，對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練過程中，每隔5個(gè)epoch保存1次動(dòng)態(tài)圖模型權(quán)重，總的epoch訓(xùn)練數(shù)為300。
32、本申請(qǐng)?zhí)峁┑幕诙鄻?biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，基于將所述圖像背景更換模型和所述證件照合規(guī)性檢測(cè)模型進(jìn)行串聯(lián)，構(gòu)建了一個(gè)統(tǒng)一的神經(jīng)網(wǎng)絡(luò)模型來解決證件照的眾多不合規(guī)項(xiàng)檢測(cè)，簡(jiǎn)化算法流程，提升系統(tǒng)的響應(yīng)速度和魯棒性；其通過圖像背景更換模型將待檢測(cè)證件照?qǐng)D像都變?yōu)榧兩尘皥D像，使得后續(xù)的合規(guī)性檢測(cè)模型能夠聚焦于人像區(qū)域，避免了開放式場(chǎng)景下背景對(duì)證件照合規(guī)性檢測(cè)系統(tǒng)的干擾，可以提升系統(tǒng)的檢測(cè)精度和魯棒性；本方法針對(duì)每一項(xiàng)證件照不合規(guī)行為構(gòu)建任務(wù)檢測(cè)分支模塊，基于swintransformer模型構(gòu)建基礎(chǔ)模型，通過基礎(chǔ)模型對(duì)純色背景的待識(shí)別證件照?qǐng)D像進(jìn)行特征提取和信息理解，再將提取到的圖像特征分別送入任務(wù)檢測(cè)分支模塊，分別對(duì)每一項(xiàng)不合規(guī)特征進(jìn)行識(shí)別，不僅簡(jiǎn)化了算法復(fù)雜度，同時(shí)彌補(bǔ)了單任務(wù)模型的不足，有效地提高了檢測(cè)效率；同時(shí)在對(duì)證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練的過程中，在原損失函數(shù)基礎(chǔ)上提出樣本均衡因子來調(diào)控每個(gè)樣本的交叉熵?fù)p失函數(shù)，避免了因部分不合規(guī)項(xiàng)學(xué)習(xí)不充分造成的屬性“淹沒”問題，有效地提高了模型的識(shí)別準(zhǔn)確度；同時(shí)，本方法還設(shè)置了評(píng)估指標(biāo)函數(shù)，可以數(shù)字化地表達(dá)模型的訓(xùn)練結(jié)果，精準(zhǔn)地控制模型的訓(xùn)練過程，確保本方法更具實(shí)用性。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于，其包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：步驟S1中，所述圖像背景更換模型基于輕量級(jí)HRNet18構(gòu)建基礎(chǔ)模型，使用計(jì)算證件照的alpha通道圖像，按照下式使用新的純色背景圖像合成新圖像，得到所述待檢測(cè)純色背景圖像；
3.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：所述證件照合規(guī)性檢測(cè)模型的訓(xùn)練步驟包括：圖像標(biāo)注、模型訓(xùn)練、模型評(píng)估和靜態(tài)圖轉(zhuǎn)換；
4.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：步驟S3中，對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練過程中，利用多GPU顯卡資源采用分布式訓(xùn)練方法，基于端到端訓(xùn)練框架，實(shí)現(xiàn)多任務(wù)特征共享。
5.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：步驟S3中，對(duì)所述證件照合規(guī)性檢測(cè)模型進(jìn)行訓(xùn)練過程中，采用的優(yōu)化器為Adam，根據(jù)實(shí)驗(yàn)效果學(xué)習(xí)率設(shè)置為0.0001。
6.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別
...【技術(shù)特征摘要】
1.基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于，其包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：步驟s1中，所述圖像背景更換模型基于輕量級(jí)hrnet18構(gòu)建基礎(chǔ)模型，使用計(jì)算證件照的alpha通道圖像，按照下式使用新的純色背景圖像合成新圖像，得到所述待檢測(cè)純色背景圖像；
3.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性檢測(cè)方法，其特征在于：所述證件照合規(guī)性檢測(cè)模型的訓(xùn)練步驟包括：圖像標(biāo)注、模型訓(xùn)練、模型評(píng)估和靜態(tài)圖轉(zhuǎn)換；
4.根據(jù)權(quán)利要求1所述基于多標(biāo)簽圖像識(shí)別的證件照合規(guī)性...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉東波，錢彬，王軍華，晉軍偉，沈濤，
申請(qǐng)(專利權(quán))人：公安部交通管理科學(xué)研究所，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。