(19)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 202210537518.3 (22)申请日 2022.05.18 (71)申请人 平安科技 （深圳） 有限公司 地址 518033 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 吕根鹏　曾凡涛　刘玉宇　肖京　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 姚维 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/764(2022.01)G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 图像场景分类方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能领域， 公开了一种图像 场景分类方法、 装置、 设备及存储介质。 该方法包 括： 获取历史面审终端采集的多张典型图像， 并 分别对各典型图像进行增强处理， 得到各典型图 像对应的扩充 图像； 利用预置特征提取模型， 分 别对各典型图像和对应的扩充图像进行对比学 习， 得到对应的多个第一局部特征； 根据多个第 一局部特征， 构建各个场景类别的典型特征； 获 取当前面审终端上传的目标图像， 并利用特征提 取模型， 提取目标图像对应的各个第二局部特 征； 对各第二局部特征和各典型特征进行相似度 校验， 得到检验结果， 并根据校验结果， 得到目标 图像所在的场景类别。 本发明提升了面审过程对 场景的分类准确度。 权利要求书2页 说明书9页 附图5页 CN 114781548 A 2022.07.22 CN 114781548 A 1.一种图像场景分类方法， 其特 征在于， 所述图像场景分类方法包括： 获取历史面审终端采集的多张典型图像， 并分别对各所述典型图像进行增强处理， 得 到各所述典型图像对应的扩充图像； 利用预置特征提取模型， 分别对各所述典型图像和对应的扩充图像进行对比学习， 得 到对应的多个第一局部特 征； 根据所述多个第一局部特 征， 构建各个场景类别的典型 特征； 获取当前面审终端上传的目标图像， 并利用所述特征提取模型， 提取所述目标图像对 应的各个第二局部特 征； 对各所述第二局部特征和各所述典型特征进行相似度校验， 得到检验结果， 并根据所 述校验结果， 得到所述目标图像所在的场景类别。 2.根据权利要求1所述的图像场景分类方法， 其特征在于， 所述分别对各所述典型图像 进行增强处 理， 得到各 所述典型图像对应的扩充图像包括： 分别对各所述典型图像进行目标检测， 并根据检测的结果， 对各所述典型图像进行随 机裁剪， 得到对应尺寸的典型图像； 分别对裁剪后的各张典型图像进行随机 高斯模糊处理， 并对处理后的各张典型图像进 行随机颜色失真处 理， 得到对应的扩充图像。 3.根据权利要求1所述的图像场景分类方法， 其特征在于， 所述利用预置特征提取模 型， 分别对各所述典型图像和对应的扩充图像进行对比学习， 得到对应的多个第一局部特 征包括： 利用预置特征提取模型中的深度残差网络， 提取各所述典型图像和各所述扩充图像对 应的第一维度特 征， 并对所述第一维度特 征进行特征编码， 得到第二维度特 征； 利用预置特征提取模型中的映射网络， 对所述第二维度特征进行降维处理， 得到对应 的初始局部特 征； 利用预置特征提取模型中的输出层， 对所述初始局部特征进行一致性优化， 得到各所 述典型图像对应的第一局部特 征。 4.根据权利要求3所述的图像场景分类方法， 其特征在于， 所述利用预置特征提取模型 中的输出层， 对所述初始局部特征进行一致性优化， 得到各所述典型图像对应的第一局部 特征包括： 利用预置特征提取模型中的输出层， 分别计算各所述典型图像和各所述扩充图像对应 的初始局部特 征之间的损失值； 根据所述损失值， 分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行 一致性检测， 得到检测结果； 根据检测结果分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行更 新， 得到各 所述典型图像对应的第一局部特 征。 5.根据权利要求1所述的图像场景分类方法， 其特征在于， 所述根据所述多个第 一局部 特征， 构建各个场景类别的典型 特征包括： 对所述多个第一局部特 征进行聚类处 理， 得到各个场景类别对应的特 征簇； 确定每个特征簇对应的聚类中心， 并将每个聚类中心作为各个场景类别对应的典型特 征。权　利　要　求　书 1/2 页 2 CN 114781548 A 26.根据权利要求5所述的图像场景分类方法， 其特征在于， 所述对各所述第 二局部特征 和各所述典型 特征进行相似度校验， 得到检验结果包括： 分别计算各 所述聚类中心与各 所述第二局部特 征之间的余弦相似度； 确定余弦相似度最高的聚类中心， 并将所述余弦相似度最高的聚类中心对应的场景类 别作为校验结果。 7.一种图像场景分类装置， 其特 征在于， 所述图像场景分类装置包括： 增强模块， 用于获取历史面审终端采集的多张典型图像， 并分别对各所述典型图像进 行增强处 理， 得到各 所述典型图像对应的扩充图像； 对比学习模块， 用于利用预置特征提取模型， 分别对各所述典型图像和对应的扩充图 像进行对比学习， 得到对应的多个第一局部特 征； 构建模块， 用于根据所述多个第一局部特 征， 构建各个场景类别的典型 特征； 提取模块， 用于获取当前面审 终端上传的目标图像， 并利用所述特征提取模型， 提取所 述目标图像对应的各个第二局部特 征； 分类模块， 用于对各所述第二局部特征和各所述典型特征进行相似度校验， 得到检验 结果， 并根据所述校验结果， 得到所述目标图像所在的场景类别。 8.根据权利要求7 所述的图像场景分类装置， 其特 征在于， 所述对比学习模块包括： 编码单元， 用于利用预置特征提取模型中的深度残差网络， 提取各所述典型图像和各 所述扩充图像对应的第一维度特征， 并对所述第一维度特征进行特征编码， 得到第二维度 特征； 降维单元， 用于利用预置特征提取模型中的映射网络， 对所述第二维度特征进行降维 处理， 得到对应的初始局部特 征； 优化单元， 用于利用预置特征提取模型中的输出层， 对所述初始局部特征进行一致性 优化， 得到各 所述典型图像对应的第一局部特 征。 9.一种图像场景分类设备， 其特征在于， 所述图像场景分类设备包括： 存储器和至少一 个处理器， 所述存 储器中存 储有指令； 所述至少一个处理器调用所述存储器中的所述指令， 以使得所述图像场景分类设备执 行如权利要求1 ‑6中任意一项所述的图像场景分类方法的各个步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有指令， 其特征在于， 所述指令被处理器执行时实现如权利要求 1‑6中任意一项 所述图像场景分类方法的各个步 骤。权　利　要　求　书 2/2 页 3 CN 114781548 A 3