一种图像检测方法、系统、电子设备及存储介质与流程

[0001]
本说明书一个或多个实施例涉及图像检测技术领域，尤其涉及一种图像检测方法、系统、电子设备及存储介质。


背景技术：

[0002]
随着现代摄像技术的发展，图像识别技术已经逐渐普及并充斥在生活中的各个角落。其目的主要是为了在各领域中更为精确快捷的确定目标图像或目标区域所展示出的事物的身份，例如：人脸识别、违禁物品识别等等。
[0003]
但现有技术在图像识别领域还存在诸多问题。例如在教室中对全部学生进行人脸检测来确定到场人数时，由于距离、对焦位置等特殊原因影响，利用全景摄像头拍摄的全景图像中特定的对象会比较模糊，从而无法检测出特定的学生的人脸图像，从而不进行计数，造成检测结果不能覆盖到全体的问题。


技术实现要素：

[0004]
有鉴于此，本说明书一个或多个实施例的目的在于提出一种图像检测方法、系统、电子设备及存储介质，以解决空间较大时，空间内目标数量检测不准确的问题。
[0005]
基于上述目的，本说明书一个或多个实施例提供了一种图像检测方法，包括：
[0006]
获取全景图像及特写图像，所述全景图像包含若干对象，所述特写图像包含预设对象，所述预设对象为所述若干对象中满足预设条件的对象；
[0007]
对所述特写图像进行特征图像检测生成特写检测结果，对所述全景图像进行特征图像检测生成全景检测结果；
[0008]
对所述全景检测结果及所述特写检测结果进行重复过滤；
[0009]
基于过滤后的所述全景检测结果及过滤后的所述特写检测结果，生成图像检测结果并输出。
[0010]
在一些实施方式中，所述对所述全景检测结果及所述特写检测结果进行重复过滤，包括：
[0011]
对所述特写图像及所述全景图像进行比对，确定所述全景图像中与所述特写图像对应的特定区域，所述特定区域包括所述预设对象；
[0012]
基于所述特写图像与所述特定区域的对应关系，对所述全景检测结果及所述特写检测结果进行重复过滤。
[0013]
在一些实施方式中，所述对所述特写图像及所述全景图像进行比对，确定所述全景图像中与所述特写图像对应的特定区域，包括：
[0014]
确定所述特写图像的比对区域及所述全景图像的比对区域；
[0015]
对所述特写图像的比对区域与所述全景图像的比对区域进行相似度比对；
[0016]
若相似度比对符合设定条件，则将所述全景图像的比对区域作为所述特定区域。
[0017]
在一些实施方式中，所述基于所述特写图像与所述特定区域的对应关系，对所述
全景检测结果及所述特写检测结果进行重复过滤，包括：
[0018]
根据所述对应关系，确定所述特定区域与所述特写图像的相似度最高的一组所对应的所述对象，并将该对象到所述全景图像的获取位置的距离确定为比对距离；
[0019]
去除距离所述全景图像的获取位置不小于所述比对距离的对象所对应的所述全景检测结果；
[0020]
去除距离所述全景图像的获取位置小于所述比对距离的对象所对应的所述特写检测结果。
[0021]
在一些实施方式中，所述预设对象，具体为：
[0022]
所述若干对象中到所述全景图像的获取位置的距离大于预设阈值的对象。
[0023]
在一些实施方式中，所述全景图像和所述特写图像为在同一时段内采集得到的。
[0024]
在一些实施方式中，所述生成图像检测结果并输出，还包括：
[0025]
判断所述图像检测结果是否与设定结果相匹配；
[0026]
若否，则确定所述图像检测结果与所述设定结果之间的差异项，将所述差异项并入所述图像检测结果。
[0027]
基于同一构思，本说明书一个或多个实施例还提供了一种图像识别系统，其特征在于，包括：全景摄像头、特写摄像头和处理器；其中，
[0028]
所述全景摄像头，被配置为采集全景图像，所述全景图像包含若干对象；
[0029]
所述特写摄像头，被配置为采集特写图像，所述特写图像包含预设对象，所述预设对象为所述若干对象中满足预设条件的对象；
[0030]
所述处理器，被配置为执行如上任一项所述的方法。
[0031]
基于同一构思，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任一项所述的方法。
[0032]
基于同一构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一项所述的方法。
[0033]
从上面所述可以看出，本说明书一个或多个实施例提供的一种图像检测方法、系统、电子设备及存储介质，包括：获取全景图像及特写图像，全景图像包含若干对象，特写图像包含预设对象，预设对象为若干对象中满足预设条件的对象；对特写图像进行特征图像检测生成特写检测结果，对全景图像进行特征图像检测生成全景检测结果；对全景检测结果及特写检测结果进行重复过滤；基于过滤后的全景检测结果及过滤后的特写检测结果，生成图像检测结果并输出。本说明书一个或多个实施例通过对场景分别获取全景图像及特定对象的特写图像，并分别进行图像检测，再进行检测结果间的重复过滤，可以对整个场景中各区域的对象准确划分及筛选，进而实现对场景中对象的准确统计，解决识别错误率高的问题。
附图说明
[0034]
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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
附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，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。
[0035]
图1为本说明书一个或多个实施例提出的一种图像检测方法的流程示意图；
[0036]
图2为本说明书一个或多个实施例提出的电子设备结构示意图。
具体实施方式
[0037]
为使本说明书的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本说明书进一步详细说明。
[0038]
需要说明的是，除非另外定义，本说明书实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件、物件或者方法步骤涵盖出现在该词后面列举的元件、物件或者方法步骤及其等同，而不排除其他元件、物件或者方法步骤。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0039]
如背景技术部分所述，在一个大场景、大空间中，例如：大型教室、大型储物室等，对其中对象进行检测识别通常是通过全景摄像头拍摄囊括整个空间的全景图像，对全景图像进行进一步的图像识别来实现的。而对其中对象进行识别时，由于距离、对焦位置等特殊原因，特定的人或物(例如后排或远端的人)在全景图像中是较小或较模糊的，不利于图像的识别，很容易造成识别错误或识别失败的情况，非常影响图像检测的准确率。
[0040]
结合上述实际情况，本说明书一个或多个实施例提出了一种图像检测方案，通过对场景分别获取全景图像及特定对象的特写图像，并分别进行图像检测，再进行检测结果间的重复过滤，可以对整个场景中各个区域的对象准确划分及筛选，进而实现对场景中对象的准确统计，解决识别错误率高的问题。
[0041]
参考图1所示，为本说明书一个实施例的一种图像检测方法的流程示意图，具体包括以下步骤：
[0042]
步骤101，获取全景图像及特写图像，所述全景图像包含若干对象，所述特写图像包含预设对象，所述预设对象为所述若干对象中满足预设条件的对象。
[0043]
本步骤旨在，获取全景图像，及预设对象的特写图像。其中，全景图像即为包括特定场所的全部区域的图像，其可以通过设置于特定场所内的全景摄像头获取，或是通过多个摄像头拍摄特定场所后将图像拼接而成；特定场所即为需要对其中事物进行识别的具体场景，例如：教室、储物室等,其可以是具体场景的全部或特定部分，以教室为例，其可以是整个教室、也可以是教室中除讲台外的区域等等。对象即为教室中的学生等人物或储物室中的画作等物品。特写图像，为通过特写摄像头等方式获取的预设对象的清晰图像，其可以对每个预设对象进行单独拍摄获取，也可以对所有预设对象进行统一获取，以教室为例，特写图像可以是远距离的每个学生的单独图像，也可以是远距离的所有学生的图像等等。
[0044]
在一些应用场景中，特写图像所针对的预设对象可以根据具体的应用场景进行具体的调整。例如，一种具体应用场景中所述预设对象，具体为：所述若干对象中到所述全景
图像的获取位置的距离大于预设阈值的对象；另一种具体应用场景中所述预设对象，具体为：所述若干对象中到所述全景图像的聚焦区域的距离大于预设阈值的对象；另一种具体应用场景中所述预设对象，具体为：所述若干对象中在所述全景图像中清晰度小于预设阈值的对象等等。其更可以是事先指定的特定对象的特写图像。
[0045]
在一些应用场景中，获取到的全景图像和特写图像可以是分别先后采集到的，也可以是同时采集到的。而为了，使特写图像中单个目标的体态与全景图像中该目标的体态尽可能一致，提高特写图像与全景图像中部分区域的相似程度，从而更好的进行之后步骤中的相似度比对，提高比对成功率。优选地，所述全景图像和所述特写图像为在同一时段内采集得到的。
[0046]
其中，同一时段内既可以理解为同一时间或相差非常微小的误差，同一时间段内获取到的两张图像，其内容会近乎相同，从而可以非常轻易的进行图像识别。
[0047]
步骤102，对所述特写图像进行特征图像检测生成特写检测结果，对所述全景图像进行特征图像检测生成全景检测结果。
[0048]
本步骤旨在，对特写图像及全景图像进行特征的检测，确定出两者的检测结果。其中，特征图像为预先设置好的包含特定特征的图像，例如：教室场景中，特征图像可以为人脸图像，可以对特写图像及全景图像进行人脸检测；或是在储藏室场景中，特征图像可以为画作本体图像等，可以对特写图像及全景图像进行图像检测等等。之后，特写检测结果及全景检测结果即为对特写图像及全景图像检测后的结果数据，其可以是检测到的对象个数，也可以是检测到的对象区域集合，也可以是检测到的对象的身份信息集合等。
[0049]
在一些应用场景中，以教室为例，通过全景镜头获取全景图像，通过特写镜头获取特写图像，假设全部学生50人，全景镜头可覆盖到50人，特写镜头可覆盖到30人。对特写镜头拍摄的图片进行人脸检测，会得到检测人脸的rectl(矩形区域)集合，如检测到30个，记为rectl1，rectl2，
…
，rectl30。对全景镜头拍摄的图片进行人脸检测，会得到检测人脸的rectw集合，如检测到45个(全景镜头帧中能够看到50人，但由于远端人脸过于小和模糊，有5人未被检测出来)，记为rectw1，rectw2，
…
，rectw45。
[0050]
步骤103，对所述全景检测结果及所述特写检测结果进行重复过滤。
[0051]
本步骤旨在，对全景检测结果及特写检测结果中重复的部分进行过滤选择。其中，由于全景检测结果对应整个场景中的全部对象，特写检测结果对应满足预设条件的对象，进而两个检测结果中可能存在同样的对象，即对同一对象在两个检测结果中都进行了记录，进而需要对这个重复部分进行重复过滤。
[0052]
之后，重复过滤的方式有很多种，例如：由于特写图像记录对象的特征更清晰，从而特写检测结果检测的结果更为准确，在此可以将全景检测结果中与特写检测结果重复的结果全部舍弃，仅留下特写检测结果没有覆盖到的对象的检测结果；还可以以每个对象到摄像头或特定原点的距离为基准，在全景检测结果中去除距离超过一定阈值的对象对应的检测结果，在特写检测结果中去除距离小于一定阈值的对象对应的检测结果；还可以以两图像间每个对象的特征相似度作为基准，在两图像都覆盖的对象中，其一定有一个对象的拍摄出来的图像相似度是最高的，进而可以以这个相似度最高的对象为基准，以距离为标尺，在全景检测结果中去除，距离远于此对象到摄像头等原点距离的对象所对应的检测结果，在特写检测结果中去除，距离近于此对象到摄像头等原点距离的对象所对应的检测结
果。从而，在一些应用场景中，所述基于所述特写图像与所述特定区域的对应关系，对所述全景检测结果及所述特写检测结果进行重复过滤，包括：根据所述对应关系，确定所述特定区域与所述特写图像的相似度最高的一组所对应的所述对象，并将该对象到所述全景图像的获取位置的距离确定为比对距离；去除距离所述全景图像的获取位置不小于所述比对距离的对象所对应的所述全景检测结果；去除距离所述全景图像的获取位置小于所述比对距离的对象所对应的所述特写检测结果。其中，以两图像间每个对象的特征相似度作为基准，在两图像都覆盖的对象中，其一定有一个对象的拍摄出来的图像相似度是最高的，进而可以以这个相似度最高的对象为基准，以距离为标尺，在全景检测结果中去除，距离远于此对象到摄像头等原点距离的对象所对应的检测结果，在特写检测结果中去除，距离近于此对象到摄像头等原点距离的对象所对应的检测结果。
[0053]
在一些应用场景中，为了准确进行重复过滤。所述对所述全景检测结果及所述特写检测结果进行重复过滤，包括：对所述特写图像及所述全景图像进行比对，确定所述全景图像中与所述特写图像对应的特定区域，所述特定区域包括所述预设对象；基于所述特写图像与所述特定区域的对应关系，对所述全景检测结果及所述特写检测结果进行重复过滤。
[0054]
其中，特写图像为检测场景中单一对象的图像或全部满足条件对象所在区域的图像，而全景图像是反应检测场景全貌的图像，进而特写图像在全景图像中必定有相互对应的部分。从而可以通过图像识别比对技术建立两者之间的关系，例如对特写图像进行人脸识别并进行特征提取，并以提取到的特征在全景图像中进行图像识别，确定相似度高于一定阈值的部分做为与该特写图像对应的部分。
[0055]
特定区域即为能够反应图像特定特征的区域，例如人脸识别中的人脸区域、画作识别中特定画像区域、违禁品识别中违禁品的特定特征等等。在全景图像中，特定区域可以是一个也可以是多个，在一些应用场景中，特定区域为包含特定特征的集中区域，例如人脸识别中，在全景图像里人脸集中分布的框型区域；在另一些应用场景中，特定区域为每个特定特征所在的单个区域，例如人脸识别中，在全景图像里每个人脸所在的框型区域均为一个特定区域。之后，由于特写图像是针对符合条件的预设对象的，其可以是通过一张图像囊括所有符合条件的预设对象，也可以是对每个符合条件的预设对象进行单独获取。进而特写图像中也必定包含每个预设对象的特定特征，从而通过与全景图像进行比对识别，可以建立特写图像与全景图像中的特定区域的对应关系。这里，可以是特写图像整个图像与全景图像中的特定区域建立对应关系，也可以是特写图像中的比对区域与全景图像中对应的比对区域之间建立对应关系。例如：在教室人脸检测场景中，当特写图像为一张包括全部符合条件学生的图像时，其与全景图像建立的对应关系可以是特写图像整个图像与全景图像中对应的区域建立关系，也可以是特写图像中每个学生的人脸区域与全景图像中对应的人脸区域建立对应关系等等；当特写图像仅为一个符合条件学生的图像时，其与全景图像建立的对应关系，可以是该学生的人脸区域与全景图像中对应的人脸区域建立对应关系等等。
[0056]
在此，由于特写图像及全景图像可以是同一时间或间隔极短时间拍摄到的，两个图像反应的同一人或物的姿态和特征是高度相似的，进而两者比对的识别对应的结果准确率非常高，远高于通过预存的识别库中的图像对两者进行识别的准确率。以教室中对学生
人脸识别为例，预存识别库中存储的可能都是学生的证件照等图像，而特写图像及全景图像当同一时间或间隔时间很短拍摄时，两图像中反应的学生人脸的全部特征近乎是等同的，进而直接通过特写图像对全景图像进行识别的准确率远高于通过预存识别库分别对两个图像进行识别的准确率。
[0057]
之后，基于特定区域与特写图像之间的对应关系，可以将全景检测结果与特写检测结果之间的重复项对应出来，从而可以轻易的根据这个对应关系对两个检测结果进行过滤。例如：在全景检测结果中删除全部与特写检测结果有对应的对象的检测结果；或是根据一定条件及对应关系对两个检测结果中分别进行过滤等等。
[0058]
在一些应用场景中，为了准确确定全景图像中与特写图像对应的特定区域，仅对特定需要的区域进行识别，减少运算量。所述对所述特写图像及所述全景图像进行比对，确定所述全景图像中与所述特写图像对应的特定区域，包括：确定所述特写图像的比对区域及所述全景图像的比对区域；对所述特写图像的比对区域与所述全景图像的比对区域进行相似度比对；若相似度比对符合设定条件，则将所述全景图像的比对区域作为所述特定区域。
[0059]
其中，特写图像的比对区域即为反应特写图像中对象具体特征的区域，例如教室场景下每个学生的人脸区域、储物室场景下每个物品的特定特征区域(如画作的画作主体部分等等)等。而为了减少运算量，不用对整个图像或整个区域进行识别，仅对特定的区域进行识别，在一些应用场景中，将特写图像中的每个对象的特征区域(每个人脸区域)再次确定出来，仅对特写图像与全景图像中的每个特征区域进行识别，不用对全图进行识别。
[0060]
之后，设定条件可以为相似度不小于90等条件。
[0061]
在具体应用场景中，以前一步骤的应用场景为例，对rectl1～rectl30进行特征值提取，并将提取到的特征值连同编号no1～no30注册到人脸识别模型中。对全景图像进行人脸识别，因为是同一时刻或相近时刻的图像，全景图像的人脸与特写图像中的人脸相似度匹配会非常高，提取相似度最高的匹配人脸作为比对样本。如：样本获取为集合rectw中rectw20，编号为no20，对应到特写图像中即为rectl20。在全景检测结果rectw1～rectw45中对每个对象到设定原点的距离和rectw20到设定原点的距离做比较，距离小于rectw20的记为最终的全景检测结果，累加后结果为countw。在特写检测结果rectl1～rectl30中对每个对象到设定原点的距离和rectl20到设定原点的距离做比较，距离大于rectl20的记为最终的特写检测结果，累加后结果为countl。
[0062]
步骤104，基于过滤后的所述全景检测结果及过滤后的所述特写检测结果，生成图像检测结果并输出。
[0063]
本步骤旨在，结合两个过滤后的检测结果确定出最终的图像检测结果并输出。其中，图像检测结果即为反应检测场景中对象身份或数量的信息，例如教室中每个学生的身份信息或教室中学生的数量信息、储藏室中画作的相关身份信息、数量信息等等。之后，根据去重后的全景检测结果及去重后的特写检测结果，两者累加即为整个检测场景对应的图像检测结果。例如：最终准确统计了到场学生的数量等等。
[0064]
最后，输出图像检测结果，用以存储、展示或再加工图像检测结果。根据不同的应用场景和实施需要，具体的对于图像检测结果的输出方式可以灵活选择。
[0065]
例如，对于本实施例的方法在单一设备上执行的应用场景，可以将图像检测结果
直接在当前设备的显示部件(显示器、投影仪等)上以显示的方式输出，使得当前设备的操作者能够从显示部件上直接看到图像检测结果的内容。
[0066]
又如，对于本实施例的方法在多个设备组成的系统上执行的应用场景，可以将图像检测结果通过任意的数据通信方式(有线连接、nfc、蓝牙、wifi、蜂窝移动网络等)发送至系统内的其他作为接收方的预设设备上，以使得接收到图像检测结果的预设设备可以对其进行后续处理。可选的，该预设设备可以是预设的服务器，服务器一般设置在云端，作为数据的处理和存储中心，其能够对图像检测结果进行存储和分发；其中，分发的接收方是终端设备，该些终端设备的持有者或操作者可以是当前用户、检测场景的相关监控人员、与检测场景中对象相关的单位、个人等等。
[0067]
再如，对于本实施例的方法在多个设备组成的系统上执行的应用场景时，可以将图像检测结果通过任意的数据通信方式直接发送至预设的终端设备，终端设备可以是前述段落列举中的一种或多种。
[0068]
在一些应用场景中，为了在得到图像检测结果之后，对图像检测结果进行检测，确定未识别到的对象项，进而方便后续的整理。所述生成图像检测结果并输出，还包括：判断所述图像检测结果是否与设定结果相匹配；若否，则确定所述图像检测结果与所述设定结果之间的差异项，将所述差异项并入所述图像检测结果。其中，以教室为例，若有学生未到教室或有不属于本次课程的学生在教室中，根据本方案均无法检测出这个学生，即图像检测结果仅会记录到属于本次课程且进入教室的学生。从而可以基于这个图像检测结果与预设的学生应到表中记录的对象(设定结果)进行差异辨别，辨别出未到教室的学生记录于图像检测结果中。同样其也适用于对储藏室等存储物品的场景，其可以辨别出缺少了的物品等等。
[0069]
通过应用本说明书一个或多个实施例提供的一种图像检测方法，包括：获取全景图像及特写图像，全景图像包含若干对象，特写图像包含预设对象，预设对象为若干对象中满足预设条件的对象；对特写图像进行特征图像检测生成特写检测结果，对全景图像进行特征图像检测生成全景检测结果；对全景检测结果及特写检测结果进行重复过滤；基于过滤后的全景检测结果及过滤后的特写检测结果，生成图像检测结果并输出。本说明书一个或多个实施例通过对场景分别获取全景图像及特定对象的特写图像，并分别进行图像检测，再进行检测结果间的重复过滤，可以对整个场景中各区域的对象准确划分及筛选，进而实现对场景中对象的准确统计，解决识别错误率高的问题。
[0070]
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
[0071]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0072]
基于同一发明构思，本说明书一个或多个实施例还提供了一种图像检测系统，包括：全景摄像头、特写摄像头和处理器；其中，
[0073]
所述全景摄像头，被配置为采集全景图像，所述全景图像包含若干对象；
[0074]
所述特写摄像头，被配置为采集特写图像，所述特写图像包含预设对象，所述预设对象为所述若干对象中满足预设条件的对象；
[0075]
所述处理器，被配置为执行如上任意一实施例所述的一种图像检测方法。
[0076]
上述实施例的系统用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0077]
基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备。该电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的一种图像检测方法。
[0078]
图2示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器210、存储器220、输入/输出接口230、通信接口240和总线250。其中处理器210、存储器220、输入/输出接口230和通信接口240通过总线250实现彼此之间在设备内部的通信连接。
[0079]
处理器210可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
[0080]
存储器220可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器220可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器220中，并由处理器210来调用执行。
[0081]
输入/输出接口230用于连接输入/输出模块，以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0082]
通信接口240用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0083]
总线250包括一通路，在设备的各个组件(例如处理器210、存储器220、输入/输出接口230和通信接口240)之间传输信息。
[0084]
需要说明的是，尽管上述设备仅示出了处理器210、存储器220、输入/输出接口230、通信接口240以及总线250，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0085]
上述实施例的设备用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0086]
基于同一发明构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述
计算机执行日上任意一实施例所述的一种图像检测方法。
[0087]
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0088]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0089]
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出设备，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图设备的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
[0090]
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
[0091]
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。