(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111649690.X (22)申请日 2021.12.3 0 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 陈术义　杨言若　湛波　王玉斌　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 代理人 王达佐　马晓亚 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/50(2017.01) G06T 7/13(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 异常检测方法、 装置、 介质及程序 产品 (57)摘要 本公开提供了一种异常检测方法、 装置、 介 质及程序产品， 涉及深度学习和计算机视觉等人 工智能技术领域。 该方法的一实施方式包括： 获 取目标图像； 根据预先训练的深度估计模型， 确 定目标图像中的边界点集； 将目标图像中的关键 点集对应的图像域和边界点集对应的图像域对 齐， 确定偏差点集； 响应于偏差点集的偏差满足 预设偏差阈值和/或偏差点集的方差满足预设方 差阈值， 确定目标图像为异常图像 。 权利要求书2页 说明书10页 附图6页 CN 114332024 A 2022.04.12 CN 114332024 A 1.一种异常检测方法， 包括： 获取目标图像； 根据预先训练的深度估计模型， 确定所述目标图像中的边界点 集； 将所述目标图像中的关键点集对应的图像域和所述边界点集对应的图像域对齐， 确定 偏差点集； 响应于所述偏差点集的偏差满足预设偏差 阈值和/或所述偏差点集的方差满足预设方 差阈值， 确定所述目标图像为异常图像。 2.根据权利要求1所述的方法， 其中， 所述目标图像中的关键点 集基于以下步骤确定： 将所述目标图像输入到预先训练的关键点检测模型中， 得到所述目标图像中的关键点 集。 3.根据权利要求1或2所述的方法， 其中， 所述根据 预先训练的深度估计模型， 确定所述 目标图像中的边界点 集， 包括： 将所述目标图像输入到预 先训练的深度估计模型中， 得到 视差图； 对所述视 差图进行逆变换， 得到深度图； 对所述深度图进行拟合， 得到所述深度图的边界点 集。 4.根据权利要求3所述的方法， 其中， 所述将所述深度图进行拟合， 确定所述深度图的 边界点集， 包括： 对所述深度图进行拟合， 得到平面图； 将所述平面图纵向上的最近值作为所述 边界点集。 5.根据权利要求1 ‑3任一项所述的方法， 其中， 所述将所述目标图像 中的关键点集对应 的图像域和所述 边界点集对应的图像域对齐， 确定偏差点 集， 包括： 将所述关键点集对应的图像域和所述边界点集对应的图像域对齐， 得到所述关键点集 对应的第一点集和所述边界点集对应的第二点集， 其中， 所述第一点集包括在所述关键点 集对应的图像域和所述边界点集对应的图像域对齐的区域内、 且在所述关键点集中的点； 所述第二点集包括在所述关键点集对应的图像域和所述边界点集对应的图像域对齐的区 域内、 且在所述 边界点集中的点； 根据所述第一 点集和所述第二 点集的图像域纵向上 逐点的平均偏差， 得到偏差点 集。 6.一种优化图像识别模型的方法， 包括： 响应于通过如权利要求1 ‑5任一项所述的方法检测图像识别模型输出的目标图像为异 常图像； 响应于异常图像的数量超过预设数量阈值， 利用所述目标图像， 优化所述图像识别模 型。 7.一种异常检测装置， 包括： 图像获取模块， 被 配置成获取目标图像； 第一确定模块， 被配置成根据预先训练的深度估计模型， 确定所述目标图像中的边界 点集； 第二确定模块， 被配置成将所述目标图像中的关键点集对应的图像域和所述边界点集 对应的图像域对齐， 确定偏差点 集； 第三确定模块， 被配置成响应于所述偏差点集的偏差满足预设偏差阈值和/或所述偏权　利　要　求　书 1/2 页 2 CN 114332024 A 2差点集的方差满足预设方差阈值， 确定所述目标图像为异常图像。 8.根据权利要求7 所述的装置， 所述装置还 包括： 第一得到模块， 被配置成将所述目标图像输入到预先训练的关键点检测模型中， 得到 所述目标图像中的关键点 集。 9.根据权利要求7或8所述的装置， 其中， 所述第一确定模块， 包括： 第一得到单元， 被配置成将所述目标图像输入到预先训练的深度估计模型中， 得到视 差图； 第二得到单 元， 被配置成对所述视 差图进行逆变换， 得到深度图； 第三得到单 元， 被配置成对所述深度图进行拟合， 得到所述深度图的边界点 集。 10.根据权利要求9所述的装置， 其中， 所述第三得到单 元， 进一步被配置成： 对所述深度图进行拟合， 得到平面图； 将所述平面图纵向上的最近值作为所述 边界点集。 11.根据权利要求7 ‑9任一项所述的装置， 其中， 所述第二确定模块， 进一 步被配置成： 将所述关键点集对应的图像域和所述边界点集对应的图像域对齐， 得到所述关键点集 对应的第一点集和所述边界点集对应的第二点集， 其中， 所述第一点集包括在所述关键点 集对应的图像域和所述边界点集对应的图像域对齐的区域内、 且在所述关键点集中的点； 所述第二点集包括在所述关键点集对应的图像域和所述边界点集对应的图像域对齐的区 域内、 且在所述 边界点集中的点； 根据所述第一 点集和所述第二 点集的图像域纵向上 逐点的平均偏差， 得到偏差点 集。 12.一种优化图像识别模型的装置， 包括： 图像检测模块， 被配置成响应于通过如权利要求7 ‑11任一项所述的装置检测图像识别 模型输出的目标图像为异常图像； 模型优化模块， 被配置成响应于异常图像的数量超过预设数量阈值， 利用所述目标图 像， 优化所述图像识别模型。 13.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑6中任一项所述的方法。 14.一种存储有计算机指令的非瞬时计算机可读存储介质， 所述计算机指令用于使所 述计算机执 行权利要求1 ‑6中任一项所述的方法。 15.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114332024 A 3