本申請公開了一種用于虛擬人物的檢測方法及裝置。該方法包括輸入待檢測圖像；對所述待檢測圖像中的虛擬人物執行第一預設檢測任務得到虛擬人物圖像位置；對所述虛擬人物圖像位置對應的虛擬人物執行第二預設檢測任務得到虛擬人物圖像分類；以及融合所述虛擬人物圖像分類結果，得到虛擬人物圖像。本申請解決了缺乏有效地虛擬人物檢測方法的技術問題。通過本申請的方法，結合傳統計算機視覺和深度學習特征分別去分類虛擬人物后檢測出虛擬人物。此外，檢測方法使用時可降低對海量數據集的需求。

技術領域

本申請涉及計算機視覺領域，具體而言，涉及一種用于虛擬人物的檢測方法及裝置。

背景技術

隨著深度學習的的出現和快速發展，在計算機視覺領域中的物體檢測和物體分類的準確率有了非常大幅度的提升。一方面是因為深度學習網絡比傳統機器學習在提取特征上有了更強的能力，另一方面是因為不斷的有海量圖片數據集的出現，使深度學習網絡模型的訓練不會造成過擬合。

發明人發現，對于虛擬人物的檢測問題,由于公開數據集都是關于現實生活中的圖片，因而沒有關于虛擬人物的數據集。進而無法在大數據上進行提前訓練，訓練過程中容易發生過擬合。進一步，影響通過深度學習提取到的高級特征與虛擬人物特征不能適應。進而影響到檢測的效果和準確率。

針對相關技術中缺乏有效地虛擬人物檢測方法的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種用于虛擬人物的檢測方法及裝置，以解決缺乏有效地虛擬人物檢測方法的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種用于虛擬人物的檢測方法。

根據本申請的用于虛擬人物的檢測方法包括：輸入待檢測圖像；對所述待檢測圖像中的虛擬人物執行第一預設檢測任務得到虛擬人物圖像位置；對所述虛擬人物圖像位置對應的虛擬人物執行第二預設檢測任務得到虛擬人物圖像分類；以及融合所述虛擬人物圖像分類結果，得到虛擬人物圖像。

進一步地，對所述虛擬人物圖像執行第一預設檢測任務得到虛擬人物圖像位置之后還包括：根據所述虛擬人物圖像位置從所述待檢測圖像中分割出虛擬人物且保存分割后的虛擬人物圖像。

進一步地，對所述待檢測圖像中的虛擬人物執行第一預設檢測任務得到虛擬人物圖像位置包括：采集預設影像信息中的虛擬人物視頻截圖以及圖像標注特征；根據所述虛擬人物視頻截圖和所述圖像標注特征訓練用于檢測虛擬人物位置的深度學習網絡模型；以及通過所述深度學習網絡模型執行位置檢測任務得到虛擬人物圖像位置。

進一步地，對所述虛擬人物圖像位置對應的虛擬人物執行第二預設檢測任務得到虛擬人物圖像分類包括：提取待檢測的虛擬人物圖片中SIFT特征；根據所述SIFT特征和圖像標注特征訓練得到分類器；以及根據所述分類器區分所述虛擬人物的類別。

進一步地，對所述虛擬人物圖像位置對應的虛擬人物執行第二預設檢測任務得到虛擬人物圖像分類包括：通過所述虛擬人物圖像訓練深度學習網絡分類模型；根據深度學習網絡分類模型提取虛擬人物的高級特征；檢測出虛擬人物類別；以及對所述虛擬人物圖像的類別采用模型融合，得到加權平均后的分類結果。

為了實現上述目的，根據本申請的另一方面，提供了一種用于虛擬人物的檢測裝置。

根據本申請的用于虛擬人物的檢測裝置包括：輸入模塊，用于輸入待檢測圖像；第一執行模塊，用于對所述待檢測圖像中的虛擬人物執行第一預設檢測任務得到虛擬人物圖像位置；第二執行模塊，用于對所述虛擬人物圖像位置對應的虛擬人物執行第二預設檢測任務得到虛擬人物圖像分類；以及融合模塊，用于融合所述虛擬人物圖像分類結果，得到虛擬人物圖像。

進一步地，裝置還包括：分割模塊，所述分割模塊，用于根據所述虛擬人物圖像位置從所述待檢測圖像中分割出虛擬人物且保存分割后的虛擬人物圖像。