技术特征：
1.一种图像检测方法，其特征在于，包括：获取包含目标对象的待检测图像；获取与所述目标对象对应的第一局部图像，其中，所述第一局部图像是用于表征所述目标对象的局部的图像；根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象。2.根据权利要求1所述的图像检测方法，其特征在于，所述获取与所述目标对象对应的第一局部图像，包括：从所述待检测图像中，获取包含所述目标对象的目标区域；根据所述目标区域，获取所述第一局部图像。3.根据权利要求2所述的图像检测方法，其特征在于，所述从所述待检测图像中，获取包含所述目标对象的目标区域，包括：获取所述目标对象在所述待检测图像中的位置信息和特征点信息；根据所述位置信息和所述特征点信息，获取所述目标区域。4.根据权利要求2所述的图像检测方法，其特征在于，所述根据所述目标区域，获取所述第一局部图像，包括：对所述目标区域进行几何归一化处理，获取几何归一化处理后的目标区域；根据预设的第一尺寸，将所述几何归一化处理后的目标区域划分为至少一个局部图像块，从所述至少一个局部图像块中，获取所述第一局部图像。5.根据权利要求1所述的图像检测方法，其特征在于，所述根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象，包括：将所述第一局部图像输入到第一预测模型中，确定所述目标对象是否属于所述待检测图像的原始对象。6.根据权利要求5所述的图像检测方法，其特征在于，所述第一预测模型包括特征提取子模型和第一预测子模型，其中，所述第一预测子模型用于根据所述第一局部图像的特征信息，确定所述目标对象是否属于所述待检测图像的原始对象；所述将所述第一局部图像输入到第一预测模型中，确定所述目标对象是否属于所述待检测图像的原始对象，包括：将所述第一局部图像输入到所述特征提取子模型中，获取所述第一局部图像的特征信息；将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取第一预测结果，其中，所述第一预测结果用于表征所述目标对象是否属于所述待检测图像的原始对象。7.根据权利要求6所述的图像检测方法，其特征在于，所述将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取第一预测结果，包括：将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取至少一个预测子结果，其中，所述预测子结果是用于表征所述目标对象是否属于所述待检测图像的原始对象的分值信息；将所述至少一个预测子结果的平均值作为所述第一预测结果。8.根据权利要求6所述的图像检测方法，其特征在于，所述第一预测模型还包括综合决策子模型；
所述将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取第一预测结果，包括：将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取至少一个预测子结果，其中，所述预测子结果是用于表征所述目标对象是否属于所述待检测图像的原始对象的概率信息；将所述至少一个预测子结果作为向量中的元素，获取待处理预测向量；将所述待处理预测向量输入到所述综合决策子模型中，获取所述第一预测结果。9.根据权利要求8所述的图像检测方法，其特征在于，所述将所述待处理预测向量输入到所述综合决策子模型中，获取所述第一预测结果，包括：将所述待处理预测向量与所述综合决策子模型中预先训练获得的第一预测子模型的预测结果和期望预测结果的数据关系进行拟合处理，获取所述第一预测结果。10.根据权利要求6所述的图像检测方法，其特征在于，所述第一预测模型通过以下步骤获得：获取包含样本对象的样本图像；获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述样本对象的局部的图像；将所述第一局部样本图像作为样本数据，训练获得所述第一预测模型。11.根据权利要求10所述的图像检测方法，其特征在于，所述将所述第一局部样本图像作为样本图像，训练获得所述第一预测模型，包括通过以下训练步骤训练获得所述第一预测模型：将所述第一局部样本图像输入到所述特征提取子模型中，获取所述第一局部样本图像的特征信息；将所述第一局部样本图像的特征信息作为第一子样本数据，训练所述第一预测子模型，使所述第一预测子模型的预测误差达到预设的第一收敛条件。12.根据权利要求11所述的图像检测方法，其特征在于，所述第一预测模型还包括综合决策子模型，所述第一预测子模型的预测结果是用于表征所述样本对象是否属于所述样本图像的原始对象的概率信息；所述训练步骤还包括：将所述第一预测子模型的预测结果作为向量中的元素，获取待处理样本预测向量；使用所述待处理样本预测向量，训练所述综合决策子模型以建立所述第一预测子模型的预测结果和期望预测结果的数据关系，使所述综合决策子模型的决策误差达到预设的决策收敛条件。13.根据权利要求1所述的图像检测方法，其特征在于，还包括：从所述待检测图像的背景区域中，获取第二局部图像，其中，所述背景区域是所述待检测图像中除所述目标对象以外的区域，所述第二局部图像是用于表征所述背景区域的局部的图像；所述根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象，包括：根据所述第一局部图像和所述第二局部图像，确定所述目标对象是否属于所述待检测
图像的原始对象。14.根据权利要求13所述的图像检测方法，其特征在于，所述根据所述第一局部图像和所述第二局部图像，确定所述目标对象是否属于所述待检测图像的原始对象，包括：将所述第一局部图像和所述第二局部图像输入到第二预测模型中，确定所述目标对象是否属于所述待检测图像的原始对象。15.根据权利要求14所述的图像检测方法，其特征在于，所述第二预测模型包括特征提取子模型；所述将所述第一局部图像和所述第二局部图像输入到第二预测模型中，确定所述目标对象是否属于所述待检测图像的原始对象，包括：将所述第一局部图像和所述第二局部图像输入到所述特征提取子模型中，获取所述第一局部图像的特征信息和所述第二局部图像的特征信息；根据所述第一局部图像的特征信息和所述第二局部图像的特征信息，确定所述目标对象是否属于所述待检测图像的原始对象。16.根据权利要求15所述的图像检测方法，其特征在于，所述第二预测模型还包括第一预测子模型、第二预测子模型，其中，所述第一预测子模型用于根据所述第一局部图像的特征信息，确定所述目标对象是否属于所述待检测图像的原始对象，所述第二预测子模型用于根据所述第一局部图像的特征信息和所述第二局部图像的特征信息，判断所述第一局部图像和所述第二局部图像是否同源，以预测所述第一局部图像是否属于所述待检测图像的原始对象；所述根据所述第一局部图像的特征信息和所述第二局部图像的特征信息，确定所述目标对象是否属于所述待检测图像的原始对象，包括：将所述第一局部图像的特征信息输入到所述第一预测子模型中，获取第一预测结果；将所述第一局部图像的特征信息和所述第二局部图像的特征信息进行组对，获取待处理特征信息对；将所述待处理特征信息对输入到所述第二预测子模型中，获取第二预测结果；根据所述第一预测结果和所述第二预测结果，获得目标预测结果，其中，所述目标预测结果用于表示所述目标对象是否属于所述待检测图像的原始对象。17.根据权利要求15所述的图像检测方法，其特征在于，所述第二预测模型还包括综合决策子模型；所述根据所述第一预测结果和所述第二预测结果，获得目标预测结果，包括：将所述第一预测结果和所述第二预测结果输入到所述综合决策子模型中，获得所述目标预测结果。18.根据权利要求17所述的图像检测方法，其特征在于，所述第一预测结果和所述第二预测结果是用于表征所述目标对象是否属于所述待检测图像的原始对象的分值信息；所述将所述第一预测结果和所述第二预测结果输入到所述综合决策子模型中，获得所述目标预测结果，包括：通过所述综合决策子模型，获取所述第一预测结果中的多个子结果的平均值，作为第一平均值，以及，获取所述第二预测结果中的多个子结果的平均值，作为第二平均值；将所述第一平均值与对应的第一权重相乘的结果，与所述第二平均值与对应的第二权
重值相乘的结果相加，获得所述目标预测结果。19.根据权利要求17所述的图像检测方法，其特征在于，所述第一预测结果和所述第二预测结果是用于表征所述目标对象是否属于所述待检测图像的原始对象的概率信息；所述将所述第一预测结果和所述第二预测结果输入到所述综合决策子模型中，获得所述目标预测结果，包括：将所述第一预测结果中的多个子结果和所述第二预测结果中的多个子结果作为向量中的元素，获取待处理预测向量；将所述待处理预测向量输入到所述综合决策子模型中，获得所述目标预测结果。20.根据权利要求16所述的图像检测方法，其特征在于，所述第二预测模型通过以下步骤获得：获取包含样本对象的样本图像；获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述目标对象的局部的图像；从所述样本图像的样本背景区域中，获取第二局部样本图像，其中，所述样本背景区域是所述样本图像中除所述样本对象以外的区域，所述第二局部样本图像是用于表征所述样本背景区域的局部的图像；将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得所述第二预测模型。21.根据权利要求20所述的图像检测方法，其特征在于，所述将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得所述第二预测模型，包括通过以下训练步骤训练获得所述第二预测模型：将所述第一局部样本图像和所述第二局部样本图像输入到所述特征提取子模型中，获取所述第一局部样本图像的特征信息和所述第二局部样本图像的特征信息；将所述第一局部样本图像的特征信息作为第一子样本数据，训练所述第一预测子模型，使所述第一预测子模型的预测误差达到预设的第一收敛条件；将所述第一局部样本图像的特征信息和所述第二局部样本图像的特征信息进行组对，获取待处理样本特征信息对；将所述待处理样本特征信息对作为第二子样本数据，训练所述第二预测子模型，使所述第二预测子模型的预测误差达到预设的第二收敛条件。22.根据权利要求21所述的图像检测方法，其特征在于，所述第二预测模型还包括综合决策子模型，所述第一预测子模型的预测结果和所述第二预测子模型的预测结果是用于表征所述样本对象是否属于所述样本图像的原始对象的概率信息；所述训练步骤还包括：将所述第一预测子模型的预测结果和所述第二预测子模型的预测结果作为向量中的元素，获取待处理样本预测向量；使用所述待处理样本预测向量，训练所述综合决策子模型以建立所述第一预测子模型的预测结果第二预测子模型的预测结果和期望预测结果的数据关系，使所述综合决策子模型的决策误差达到预设的决策收敛条件。23.根据权利要求21所述的图像检测方法，其特征在于，所述将所述第一局部样本图像
的特征信息和所述第二局部样本图像的特征信息进行组对，获取待处理样本特征信息对，包括：对所述第一局部样本图像的特征信息和所述第二局部样本图像的特征信息进行难样本挖掘处理，从所述第二局部样本图像的特征信息中，获取与所述第一局部样本图像的特征信息对应的正样本图像的特征信息和负样本图像的特征信息；将所述第一局部样本图像的特征信息和所述负样本图像的特征信息进行组对，获取所述待处理样本特征信息对。24.根据权利要求1所述的图像检测方法，其特征在于，所述目标对象包括人脸对象。25.一种预测模型的获得方法，其特征在于，包括：获取包含样本对象的样本图像；获取与所述样本对象对应的局部样本图像，其中，所述局部样本图像是用于表征所述样本对象的局部的图像；将所述局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包括的目标对象对应的局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。26.一种预测模型的获得方法，其特征在于，包括：获取包含样本对象的样本图像；获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述目标对象的局部的图像；从所述样本图像的样本背景区域中，获取第二局部样本图像，其中，所述样本背景区域是所述样本图像中除所述样本对象以外的区域，所述第二局部样本图像用于表征所述样本背景区域的部分图像；将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包含的目标对象对应的第一局部图像，以及从所述待检测图像的背景区域获得的第二局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。27.一种图像检测装置，其特征在于，包括：图像获取单元，用于获取包含目标对象的待检测图像；局部图像获取单元，用于获取与所述目标对象对应的第一局部图像，所述第一局部图像是用于表征所述目标对象的局部的图像；确定单元，用于根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象。28.一种电子设备，其特征在于，包括：处理器；存储器，用于存储图像检测方法的程序，该设备通电并通过所述处理器运行所述图像检测方法的程序后，执行下述步骤：获取包含目标对象的待检测图像；获取与所述目标对象对应的第一局部图像，其中，所述第一局部图像是用于表征所述目标对象的局部的图像；
根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象。29.一种存储设备，其特征在于，存储有图像检测方法的程序，该程序被处理器运行，执行下述步骤：获取包含目标对象的待检测图像；获取与所述目标对象对应的第一局部图像，其中，所述第一局部图像是用于表征所述目标对象的局部的图像；根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象。30.一种预测模型的获得装置，其特征在于，包括：样本图像获取单元，用于获取包含样本对象的样本图像；局部样本图像获取单元，用于获取与所述样本对象对应的局部样本图像，其中，所述局部样本图像是用于表征所述样本对象的局部的图像；模型训练单元，用于将所述局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包括的目标对象对应的局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。31.一种电子设备，其特征在于，包括：处理器；存储器，用于存储预测模型的获得方法的程序，该设备通电并通过所述处理器运行所述预测模型的获得方法的程序后，执行下述步骤：获取包含样本对象的样本图像；获取与所述样本对象对应的局部样本图像，其中，所述局部样本图像是用于表征所述样本对象的局部的图像；将所述局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包括的目标对象对应的局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。32.一种存储设备，其特征在于，存储有预测模型的获得方法的程序，该程序被处理器运行，执行下述步骤：获取包含样本对象的样本图像；获取与所述样本对象对应的局部样本图像，其中，所述局部样本图像是用于表征所述样本对象的局部的图像；将所述局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包括的目标对象对应的局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。33.一种预测模型的获得装置，其特征在于，包括：样本图像获取单元，用于获取包含样本对象的样本图像；第一局部样本图像获取单元，用于获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述目标对象的局部的图像；第二局部样本图像获取单元，用于从所述样本图像的样本背景区域中，获取第二局部样本图像，其中，所述样本背景区域是所述样本图像中除所述样本对象以外的区域，所述第二局部样本图像用于表征所述样本背景区域的局部的图像；
模型训练单元，用于将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包含的目标对象对应的第一局部图像，以及从所述待检测图像的背景区域获得的第二局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。34.一种电子设备，其特征在于，包括：处理器；存储器，用于存储预测模型的获得方法的程序，该设备通电并通过所述处理器运行所述预测模型的获得方法的程序后，执行下述步骤：获取包含样本对象的样本图像；获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述目标对象的局部的图像；从所述样本图像的样本背景区域中，获取第二局部样本图像，其中，所述样本背景区域是所述样本图像中除所述样本对象以外的区域，所述第二局部样本图像用于表征所述样本背景区域的部分图像；将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包含的目标对象对应的第一局部图像，以及从所述待检测图像的背景区域获得的第二局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。35.一种存储设备，其特征在于，存储有预测模型的获得方法的程序，该程序被处理器运行，执行下述步骤：获取包含样本对象的样本图像；获取与所述样本对象对应的第一局部样本图像，其中，所述第一局部样本图像是用于表征所述目标对象的局部的图像；从所述样本图像的样本背景区域中，获取第二局部样本图像，其中，所述样本背景区域是所述样本图像中除所述样本对象以外的区域，所述第二局部样本图像用于表征所述样本背景区域的部分图像；将所述第一局部样本图像和所述第二局部样本图像作为样本数据，训练获得目标预测模型，其中，所述目标预测模型用于根据与待检测图像所包含的目标对象对应的第一局部图像，以及从所述待检测图像的背景区域获得的第二局部图像，预测所述待检测图像所包括的目标对象是否属于所述待检测图像的原始对象。
技术总结
本申请公开了一种图像检测方法，包括：获取包含目标对象的待检测图像；获取与所述目标对象对应的第一局部图像，其中，所述第一局部图像是用于表征所述目标对象的局部的图像；根据所述第一局部图像，确定所述目标对象是否属于所述待检测图像的原始对象。所述方法通过获取与待检测图像所包含的目标对象对应的、用于表征目标对象的局部的第一局部图像，并根据获取到的第一局部图像来确定目标对象是否属于待检测图像的原始对象，可以增加预测结果的准确性。确性。确性。
技术研发人员：于鲲
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.03.25
技术公布日：2021/9/27