(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 202111384260.X (22)申请日 2021.11.18 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 何思枫　钱烽　马环宇　张晓博　 杨磊　 (74)专利代理 机构 北京恒博知识产权代理有限 公司 11528 代理人 范胜祥 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06N 20/00(2019.01) (54)发明名称 图像检测方法、 装置以及电子设备 (57)摘要 本说明书实施例提供一种图像检测方法、 图 像检测装置以及电子设备， 该方法包括： 对于待 检测的目标图像， 通过去噪模型对 该目标图像进 行去噪处理得到目标去噪图像， 其中， 去噪模型 能够实现实例级别的指纹提取， 可以有效区分来 自相同型号的不同摄像部件的图像。 进一步地， 根据目标图像和目标去噪图像确定目标差值噪 声， 以及计算目标差值噪声和摄像部件指纹数据 之间的相似度， 其中， 摄像部件指纹数据也是基 于上述去噪模型确定的。 权利要求书3页 说明书12页 附图5页 CN 114240843 A 2022.03.25 CN 114240843 A 1.一种图像 检测方法， 其中， 所述方法包括： 获取目标图像； 通过去噪模型对所述目标图像进行去噪处理得到目标去噪图像， 其中， 所述去噪模型 分别对第一图像和 第二图像进 行去噪处理得到第一去噪图像和 第二去噪图像， 且所述第一 去噪图像和所述第二去噪图像的相似度小于第一预设值， 所述第一图像和所述第二图像分 别来自设置有相同型号的摄 像部件的不同设备； 根据所述目标图像和所述目标去噪图像确定目标差值噪声； 计算所述目标差值噪声和指纹数据库中第k指纹数据之间的相似度， 其中， 所述指纹数 据库中包含L个摄像部件的指纹数据， 且所述指纹数据基于所述去噪模 型确定， k取值为 1至 L中的每一个整数且 包含1和L， L 为正整数。 2.根据权利要求1所述的方法， 其中， 所述目标图像为由摄像部件产生的未经过压缩处 理过的未加工图像。 3.根据权利要求1所述的方法， 其中， 在所述通过去噪模型对所述目标图像进行去噪处 理得到目标去噪图像之前， 所述方法还 包括： 获取N组样本， 第i组样本包括第i锚图像， 与所述第i锚图像来自同一设备的同一摄像 部件的第i正类图像， 以及与所述锚图像来不同摄像部件的第i负 类图像， N为正整 数， i取值 为1至N中的每一个整数且 包含1和N； 将所述第i组样本输入机器学习模型， 并通过度量学习的方式训练所述机器学习模型 得到所述去 噪模型， 其中， 所述第i锚图像经过所述机器学习模型处理后得到第i锚差值噪 声， 所述第i正类图像经过所述机器学习模型 处理后得到第i正类差值噪声， 所述第i负 类图 像经过所述机器学习模型处理后得到第i负类差值噪声， 所述第i锚差值噪声与所述第i正 类差值噪声之 间的相似度大于第二预设值， 且所述第i差值噪声与第i负 类差值噪声之 间的 相似度小于第三预设值。 4.根据权利要求3所述的方法， 其中， 所述将所述第 i组样本输入机器学习模型， 并通过 度量学习的方式训练所述机器学习模型 得到所述去噪模型， 包括： 将所述第i组样本中的第i锚图像、 第i正类图像及第 i负类图像分别输入参数共享的三 个机器学习模型中， 并通过度量学习的方式同步训练所述三个机器学习模型， 得到所述去 噪模型。 5.根据权利要求1至4中任意一项所述的方法， 其中， 在所述获取目标图像之前， 所述方 法还包括： 获取来自第k摄 像部件的M帧图像， M为大于1的整数； 将第j帧图像输入所述去噪模型， 得到第j去噪图像， j取值为1至M中的每一个整数且包 含1和M； 根据所述第j 帧图像与所述第j去噪图像确定第j差值噪声， 得到关于所述M帧图像的M 个差值噪声； 对所述M个差值噪声 进行统计 计算， 得到关于所述第k摄 像部件的第k指纹数据。 6.根据权利要求5所述的方法， 其中， 所述对所述M个差值噪声进行统计计算， 得到关于 所述第k摄 像部件的第k指纹数据， 包括： 根据所述M帧图像和所述M个差值噪声进行极大似然估计， 得到关于所述第k摄像部件权　利　要　求　书 1/3 页 2 CN 114240843 A 2的第k指纹数据。 7.根据权利要求1所述的方法， 其中， 在所述计算所述目标差值噪声和指纹数据库中第 k指纹数据之间的相似度之后， 所述方法还 包括： 若所述目标差值噪声与所述第k指纹数据之间的相似度大于第 四预设值， 则确定所述 目标图像由所述第k指纹数据对应的摄 像部件拍摄。 8.一种图像 检测装置， 其中， 所述装置包括： 图像获取模块， 用于获取目标图像； 图像去噪模块， 用于通过去噪模型对所述目标图像进行去噪处理得到目标去噪图像， 其中， 所述去噪模型分别对第一图像和第二图像进行去噪处理得到第一去噪图像和第二去 噪图像， 且所述第一去 噪图像和所述第二去 噪图像的相似度小于第一预设值， 所述第一图 像和所述第二图像分别来自设置有相同型号的摄 像部件的不同设备； 噪声数据确定模块， 用于根据所述目标图像和所述目标去噪图像确定目标差值噪声； 图像检测模块， 用于计算所述目标差值噪声和指纹数据库中第k指纹数据之间的相似 度， 其中， 所述指纹数据库中包含L个摄像部件的指纹数据， 且所述指纹数据基于所述去 噪 模型确定， k取值 为1至L中的每一个整数且 包含1和L， L 为正整数。 9.根据权利要求8所述的装置， 其中， 所述目标图像为由摄像部件产生的未经过压缩处 理过的未加工图像。 10.根据权利要求8所述的装置， 其中， 所述装置还 包括： 样本获取模块， 用于在所述图像去噪模块通过去噪模型对所述目标图像进行去噪处理 得到目标去噪图像之前， 获取N组样 本， 第i组样 本包括第i锚图像， 与所述第i锚图像来自 同 一设备的同一摄像部件的第i正类图像， 以及与所述锚图像来不同摄像部件的第i负类图 像， N为正整数， i取值 为1至N中的每一个整数且 包含1和N； 模型训练模块， 用于将所述第 i组样本输入机器学习模型， 并通过度量学习的方式训练 所述机器学习模型得到所述去噪模型， 其中， 所述第i锚图像经过所述去噪模型 处理后得到 第i去噪图像， 所述与第i正类图像经过所述机器学习模型 处理后得到第i正类去噪图像， 所 述第i负类图像经过所述机器学习模型处理后得到第i负类去 噪图像， 所述第i去噪图像与 所述第i正类去噪图像之间的相似度大于第二预设值， 且所述第i去 噪图像与第i负类去 噪 图像之间的相似度小于第三预设值。 11.根据权利要求10所述的装置， 所述模型训练模块具体用于： 将所述第i组样本中的第i锚图像、 第i正类图像及第 i负类图像分别输入参数共享的三 个机器学习模型中， 并通过度量学习的方式同步训练所述三个机器学习模型， 得到所述去 噪模型。 12.根据权利要求8至11中任意一项所述的装置， 其中， 所述装置还包括： 指纹数据确定 模块； 其中， 所述指纹数据确定模块用于： 在所述图像获取模块获取目标图像之前， 获取来自 第k摄像部件的M帧图像， M为大于1的整数； 将第 j帧图像输入 所述去噪模 型， 得到第 j去噪图 像， j取值为1至M中的每一个整 数且包含1和M； 根据所述第j帧图像与所述第j去噪图像确定 第j差值噪声， 得到 关于所述M帧图像的M个差值噪声； 以及， 对所述M个差值噪声进 行统计计 算， 得到关于所述第k摄 像部件的第k指纹数据。权　利　要　求　书 2/3 页 3 CN 114240843 A 3