CN103617432A - 一种场景识别方法及装置 - Google Patents
一种场景识别方法及装置 Download PDFInfo
- Publication number
- CN103617432A CN103617432A CN201310561420.2A CN201310561420A CN103617432A CN 103617432 A CN103617432 A CN 103617432A CN 201310561420 A CN201310561420 A CN 201310561420A CN 103617432 A CN103617432 A CN 103617432A
- Authority
- CN
- China
- Prior art keywords
- scene
- pending image
- image
- unit
- described pending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明实施例提供一种场景识别方法及装置，所述方法包括：获取待处理图像；按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。本发明方案中预先为不同场景设置不同优先级，并在接收到一幅待处理图像后，根据优先级别进行多层级的场景识别与判断，如此就可提高本发明方案场景识别的效率。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种场景识别方法及装置。
背景技术
目前，场景识别作为数码相机的一个重要组成部分，大部分的数码相机都整合了场景控制模式，即厂商在数码相机内加入了特定的数种场景模式，这样更方便用户拍出高质量的照片。每个场景模式都预先设置好光圈、快门、焦距、测光方式以及闪光灯等参数，用户可以根据拍照地点和情况选择适当的场景模式，拍出高质量的数码照片。但是，在用户选择拍摄的场景模式时，很可能会错过最佳拍摄时机，无法抓拍到拍摄对象的精彩瞬间，此时就需要相机能自动进行场景识别，从而可以根据识别结果选择合适的场景模式，不仅可以抓拍到瞬间消失的图像，还能保证拍出照片的质量。
现有技术中，存在以下两种自动识别场景的方式，现简述如下：
方式一，通过分析图像的全局特征进行场景识别。
首先，提取图像的全局结构特征spatial PACT（Principal component Analysisof Census Transform Histogram），并利用第1级分类器进行分类。此过程可识别相差较大的场景图像，如卧室与山脉、客厅与人脸。
其次，如果第1级分类器判断两个场景相类似，则可提取图像的纹理特征spatial coding SIFT，并利用第2级分类器进行分类。此过程中可识别相对近似或相似的场景图像，如卧室与客厅。
上述方案的判断过程较为单一，仅适用于类别数量较少的场景识别，如识别夜间场景与非夜间场景，一旦遇到多场景识别、或者复杂背景下的场景识别，这种方案的识别准确率就会大幅下降。另外，用户在使用相机时，可能会涉及夜间、逆光、风景、人物等多种多样的拍摄场景，这就导致这种单一的识别过程在实际应用中的实用性很弱。
方式二，通过分析图像的局部特征进行场景识别。
该方式通过提取图像局部的中层语义特征，获得图像中包含的具体内容，通过分析这些具体内容的方式判断图像的场景。如一张图像中包含的具体内容为高山，则可据此判断图像的场景为风景。这种方式虽能实现多种场景的识别，但目前还停留在理论研究阶段，尚未应用到具体实践中；另外，这种方式对处理器的运算能力要求很高，不易于移植到手机中使用。
发明内容
本发明实施例的场景识别方法及装置，用以实现多种场景的准确与快速识别。
为此，本发明实施例提供如下技术方案：
第一方面，本发明实施例提供了一种场景识别方法，所述方法包括：
获取待处理图像；
按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
在第一方面的第一种可能的实现方式中，所述按照预设优先级识别所述待处理图像的场景信息，包括：
判断所述待处理图像的场景信息是否为人脸场景；
如果不是人脸场景，则继续判断所述待处理图像的场景信息是否为逆光场景；
如果不是逆光场景，则继续判断所述待处理图像的场景信息是否为夜间场景；
如果不是夜间场景，则将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述判断所述待处理图像的场景信息是否为人脸场景，包括：
利用级联分类器判断所述待处理图像是否包含人脸图像，如果包含，则从所述待处理图像中抠取人脸区域；如果不包含，则判定所述待处理图像的场景信息不是人脸场景；
对所述人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，如果所述待处理图像为彩色图像，则所述方法还包括：
在所述利用级联分类器判断所述待处理图像是否包含人脸图像之前，
将所述待处理图像转化为灰度图像。
结合第一方面的第一种可能的实现方式，在第四种可能的实现方式中，所述判断所述待处理图像的场景信息是否为逆光场景，包括：
生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
判断所述亮度直方图是否符合逆光图像的亮度值分布特性，如果符合，则判定所述待处理图像的场景信息为逆光场景；否则判定所述待处理图像的场景信息不是逆光场景。
结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述方法还包括：
在判定所述亮度直方图符合所述逆光图像的亮度值分布特性之后，
利用边缘检测法获取所述待处理图像包含的亮光源的个数；
判断所述亮光源的个数是否大于第二阈值，如果大于，则判定所述待处理图像的场景信息不是逆光场景；否则判定所述待处理图像的场景信息是逆光场景。
结合第一方面的第一种可能的实现方式，在第六种可能的实现方式中，所述判断所述待处理图像的场景信息是否为夜间场景，包括：
提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1；
获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系；
利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率；
判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
结合第一方面的第一种可能的实现方式，在第七种可能的实现方式中，所述将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种，包括：
提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器识别所述待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
结合第一方面的第七种可能的实现方式，在第八种可能的实现方式中，获得所述预先训练的SVM分类器的方式，包括：
获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
结合第一方面以及第一方面的第一种至第八种任一种可能的实现方式，在第九种可能的实现方式中，所述方法还包括：
在所述按照预设优先级识别所述待处理图像的场景信息之后，
调用所述场景信息对应的场景模式，进行照片拍摄。
结合第一方面以及第一方面的第一种至第八种任一种可能的实现方式，在第十种可能的实现方式中，所述方法还包括：
在所述按照预设优先级识别所述待处理图像的场景信息之后，
根据所述场景信息设置所述待处理图像的类别，进行照片分类。
第一方面，本发明实施例还提供了一种场景识别装置，所述装置包括：
获取单元，用于获取待处理图像；
识别单元，用于按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
在第二方面的第一种可能的实现方式中，所述识别单元包括：
人脸识别单元，用于判断所述待处理图像的场景信息是否为人脸场景；
逆光识别单元，用于在所述人脸识别单元判定不是人脸场景时，继续判断所述待处理图像的场景信息是否为逆光场景；
夜间识别单元，用于在所述逆光识别单元判定不是逆光场景时，继续判断所述待处理图像的场景信息是否为夜间场景；
确定单元，用于在所述夜间识别单元判定不是夜间场景时，将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述人脸识别单元包括：
级联判断单元，用于利用级联分类器判断所述待处理图像是否包含人脸图像；
抠取单元，用于在所述级联单元判定所述待处理图像包含人脸图像时，从所述待处理图像中抠取人脸区域；
非人脸判定单元，用于在所述级联单元判定所述待处理图像不包含人脸图像时，判定所述待处理图像的场景信息不是人脸场景；
肤色检测单元，用于对所述抠取单元抠取的人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，如果所述待处理图像为彩色图像，则所述人脸识别单元还包括：
转化单元，用于在所述级联判断单元判断所述待处理图像是否包含人脸图像之前，将所述待处理图像转化为灰度图像。
结合第二方面的第一种可能的实现方式，在第四种可能的实现方式中，所述逆光识别单元包括：
生成单元，用于生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
亮度分布判断单元，用于判断所述生成单元提取的亮度直方图是否符合逆光图像的亮度值分布特性；
逆光判定单元，用于在所述亮度直方图符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息为逆光场景；
非逆光判定单元，用于在所述亮度直方图不符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息不是逆光场景。
结合第二方面的第四种可能的实现方式，在第五种可能的实现方式中，所述逆光识别单元还包括：
边缘检测单元，用于在所述亮度分布判断单元判定所述亮度直方图符合所述逆光图像的亮度值分布特性之后，利用边缘检测法获取所述待处理图像包含的亮光源的个数；
亮光源判断单元，用于判断所述亮光源的个数是否大于第二阈值；
所述逆光判定单元，还用于在所述亮光源的个数不大于第二阈值时，判定所述待处理图像的场景信息是逆光场景；
所述非逆光判定单元，还用于在所述亮光源的个数大于第二阈值时，判定所述待处理图像的场景信息不是逆光场景。
结合第二方面的第一种可能的实现方式，在第六种可能的实现方式中，所述夜间识别单元包括：
第一概率预测单元，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1；
第二概率预测单元，用于获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系；
计算单元，用于利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率；
夜间识别子单元，用于判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
结合第二方面的第一种可能的实现方式，在第七种可能的实现方式中，所述确定单元包括：
提取单元，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD；
确定子单元，用于由预先训练的支持向量机SVM分类器根据所述提取单元提取的CEDD识别所述待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
结合第二方面的第七种可能的实现方式，在第八种可能的实现方式中，所述确定单元还包括：
样本图像获取单元，用于获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
提取标识单元，用于提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
训练单元，用于将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
结合第二方面以及第二方面的第一种至第八种任一种可能的实现方式，在第九种可能的实现方式中，所述装置还包括：
调用单元，用于在所述识别单元识别所述待处理图像的场景信息之后，调用所述场景信息对应的场景模式，进行照片拍摄。
结合第二方面以及第二方面的第一种至第八种任一种可能的实现方式，在第十种可能的实现方式中，所述装置还包括：
分类单元，用于在所述识别单元识别所述待处理图像的场景信息之后，根据所述场景信息设置所述待处理图像的类别，进行照片分类。
本发明实施例的场景识别方法及装置，预先为不同场景设置不同优先级，并在接收到一幅待处理图像后，根据优先级别进行多层级的场景识别与判断，如此就可提高本发明方案场景识别的效率。另外，针对不同场景，本发明方案会从待处理图像中提取不同的特征，这种有针对性的提取与识别过程就能保证本发明方案场景识别的精准度，以及识别尽量多的场景类别。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其它的附图。
图1是本发明实施例场景识别方法实施例1的流程图；
图2是本发明实施例中按照预设优先级识别场景信息的流程图；
图3是本发明实施例中判断人脸场景实施例1的流程图；
图4是本发明实施例中利用级联分类器识别人脸图像的效果图；
图5是本发明实施例中判断人脸场景实施例2的流程图；
图6是本发明实施例中判断逆光场景实施例1的流程图；
图7a是逆光图像的示意图；
图7b是从逆光图像中提取的亮度直方图的示意图；
图8是本发明实施例中判断逆光场景实施例2的流程图；
图9是本发明实施例中判断夜间场景的流程图；
图10是本发明实施例中SVM分类器的训练流程图；
图11是本发明实施例场景识别方法实施例2的流程图；
图12是本发明实施例场景识别方法实施例3的流程图；
图13是本发明实施例场景识别装置实施例1的示意图；
图14是本发明实施例中识别单元的示意图；
图15是本发明实施例中人脸识别单元实施例1的示意图；
图16是本发明实施例中人脸识别单元实施例2的示意图；
图17是本发明实施例中逆光识别单元实施例1的示意图；
图18是本发明实施例中逆光识别单元实施例2的示意图；
图19是本发明实施例中夜间识别单元的示意图；
图20是本发明实施例中确定单元实施例1的示意图；
图21是本发明实施例中确定单元实施例2的示意图；
图22是本发明实施例场景识别装置实施例2的示意图；
图23是本发明实施例场景识别装置实施例3的示意图；
图24是本发明实施例场景识别装置实施例1的硬件构成示意图；
图25是本发明实施例场景识别装置实施例2的硬件构成示意图；
图26是本发明实施例场景识别装置实施例3的硬件构成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。
参见图1，示出了本发明实施例场景识别方法实施例1的流程图，可包括：
步骤101，获取待处理图像。
步骤102，按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
本发明实施例提供的技术方案中，预先设定了六个场景：人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景。与现有技术相比，本发明方案在接收到一幅待处理图像后，要根据不同的场景判别需要从图像中提取不同的特征，以此保证场景识别的精准度，同时还能保证识别尽量多的场景类别。另外，为不同的场景设置不同的识别优先级，根据优先级进行多层级的递进判断，还能显著提高本发明实施例场景识别的效率。
作为本发明实施例设置优先级的方式，可以在设备（如数码相机、手机等具有拍摄功能的终端）出厂时进行默认设置，也可以根据用户的使用需求与使用习惯进行个性化设置。
以拍摄照片为例，如果用户大多是拍摄一些人物照片，则可将人脸场景的优先级设置为最高，如果用户大多是在夜间拍摄，则可将夜间场景的优先级设置的最高，对此本发明可不做限定。需要说明的是，本发明实施例是按照优先级由高到低的顺序进行场景识别的，如果一个用户将场景优先级由高到低设置为：人脸场景、夜间场景、逆光场景、风景场景、微距场景、文本场景，则利用本发明方案进行场景识别时，在接收到一幅图像之后，先判断其场景信息是否为人脸场景，如果是，则结束识别过程；如果否，则继续判断图像的场景信息是否为夜间场景，以此类推按照优先级顺序依次判断，直至识别出图像的场景信息。
一般情况下，大多数用户在拍摄照片时，都会以人物为主要拍摄内容，结合用户这一使用习惯，本发明实施例可将场景识别过程划分为四个优先级，依次为：作为第一优先级的人脸场景、作为第二优先级的逆光场景、作为第三优先级的夜间场景、作为第四优先级的风景场景、微距场景和文本场景。
下面结合上述优先级设置情况，对本发明实施例的场景识别过程进行解释说明。
参见图2，示出了本发明实施例中按照预设优先级识别待处理图像的场景信息的流程图，可包括：
步骤201，判断所述待处理图像的场景信息是否为人脸场景，如果是，则结束场景识别过程；如果否，则继续执行步骤202。
步骤202，判断所述待处理图像的场景信息是否为逆光场景，如果是，则结束场景识别过程；如果否，则继续执行步骤203。
步骤203，判断所述待处理图像的场景信息是否为夜间场景，如果是，则结束场景识别过程；如果否，则继续执行步骤204。
步骤204，将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
考虑到大多数用户的使用习惯，本发明实施例优先识别人脸场景，以缩短识别时间，提高识别效率。这主要是因为，若将人脸场景的优先级设置的较低，如先识别逆光、夜间场景之后，再识别人脸场景，那么对于经常拍摄人脸场景的用户来说，每次场景识别时，都需要先判断场景信息不是逆光、夜间场景之后，才被确定为人脸场景，这就会导致场景识别时间较长，影响用户体验。反之，如果将人脸场景的优先级设置的较高，则会缩短识别时间。当然，本发明实施例所说的缩短识别时间、提高识别效率、提高用户体验等，主要还是针对用户的整体拍摄过程而言，而非单张照片。
例如，用户要拍摄100张照片，其中涉及人脸场景的为70张，风景场景的为30张，若将人脸场景设置为最高优先级，则虽然风景场景的识别时间较长，但因其占拍摄总数的数量较少，因此从整体拍摄角度而言，按照如此设置的优先级进行场景识别的效率还是会很高。
下面分别介绍下各类场景的识别过程。
参见图3，示出了本发明实施例中判断人脸场景实施例1的流程图，可包括：
步骤301，利用级联分类器判断所述待处理图像是否包含人脸图像，如果包含，则从所述待处理图像中抠取人脸区域；如果不包含，则判定所述待处理图像的场景信息不是人脸场景。
本发明中的级联分类器由多个强分类器级联而成，每个强分类器又由一定数量的弱分类器通过ADABOOST算法形成。其中，弱分类器主要用于提取待处理图像的Harr-like矩形特征（矩形特征主要指一些具有黑色区域以及白色区域的矩形，可包括原始矩形特征和扩展矩形特征）。
选取任一个矩形放到待处理图像上，然后利用白色区域的像素和减去黑色区域的像素和，得到的值可称为矩形特征的特征值。如果将矩形特征放在图像的人脸区域与非人脸区域，则计算出的特征值是不一样的，因此可以据此判断待处理图像中是否包含人脸图像，如果包含，则说明待处理图像的场景信息是人脸场景，否则说明待处理图像的场景信息为非人脸场景，需要进一步进行其它场景的识别与判断。参见图4，示出了本发明实施例利用级联分类器识别人脸图像的效果图，其中圈出的部分即为人脸区域。
需要说明的是，级联分类器的识别准确率大概为75%左右，也就是说，还可能会存在一定的误差，如，级联分类器在识别过程中，可能会将风景场景中的石头等干扰区误判为人脸区域，导致场景识别错误。因此，经级联分类器进行初步判断之后，本发明实施例还可通过人脸抠图装置从待处理图像中抠取出人脸区域，并对人脸区域进行肤色识别，进行第二次判别。
步骤302，对所述人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
作为本发明中人脸区域肤色检测的一种实现方式，可体现为：
首先，将步骤301中扣取出的人脸区域作为似人脸区域，将其转换到YCbCr空间，得到似人脸区域内每个像素点的色度值（Cb,Cr）。统计每个色度值对应的像素点个数，得到色度分布图，并将色度分布图进行归一化处理，通过高斯模型N(m,c)表示肤色分布情况，其中，m为均值，m=E{x}，x=(Cb，Cr)T；c为协方差矩阵，c=E{(x-m)(x-m)T}。
其次，利用上述高斯模型计算似人脸区域内每个像素点的肤色似然度其中，x为像素点的色度。
接着，确定似人脸区域内像素点肤色似然度的最大值，并将像素点的肤色似然度除以该最大值，作为该像素点的灰度值，得到二值化的肤色似然图像。
最后，采用中值滤波去除噪声后，用自适应阈值二值化方法Otsu从似人脸区域内抠取出肤色区域，并判断该肤色区域的面积与似人脸区域的面积之比是否大于0.5，如果是，则判定似人脸区域所在图像的场景为人脸场景；否则判定似人脸区域所在图像为非人脸区域。如此处理之后，可使本发明人脸场景的识别准确率达到97.452%。
参见图5，示出了本发明实施例中判断人脸场景实施例2的流程图，可包括：
步骤401，将所述待处理图像转化为灰度图像。
本发明实施例中获取到的待处理图像可能是彩色图像、黑白图像、或者灰度图像，当待处理图像为彩色图像或黑白图像时，判别过程中需要处理的数据量较大，导致识别时间较长。因此，为了提高本发明实施例人脸场景的识别效率，当待处理图像为彩色图像时，先对其进行二值化处理，将其转化为灰度图像，然后再利用级联分类器对灰度图像进行人脸场景识别。
步骤402，利用级联分类器判断所述待处理图像是否包含人脸图像，如果包含，则从所述待处理图像中抠取人脸区域；如果不包含，则判定所述待处理图像的场景信息不是人脸场景。
步骤403，对所述人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
步骤402、403与步骤301、302相同，此处不再赘述。
需要说明的是，在人脸场景识别过程中，为了提高识别效率，要将级联分类器处理的图像进行灰度化处理，也即级联分类器处理的是灰度图像；而肤色检测过程需要在色彩空间下进行。因此，虽然本实施例中肤色检测是在级联分类器识别之后执行，但其处理的图像并不是级联分类器处理过的图像，也就是说，在本发明实施例中，级联分类器识别与肤色检测可视为两个并列过程，之所以将二者体现为步骤402、403的执行顺序，是因为肤色检测是在级联分类器判定待处理图像的场景信息为人脸场景时的进一步补充判断，也就是说，肤色检测是对级联分类器识别结果的进一步确认。
参见图6，示出了本发明实施例中判断逆光场景实施例1的流程图，可包括：
步骤501，生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图。
步骤502，判断所述亮度直方图是否符合逆光图像的亮度值分布特性，如果符合，则判定所述待处理图像的场景信息为逆光场景；否则判定所述待处理图像的场景信息不是逆光场景。
在进行逆光场景识别时，先将待处理图像的颜色空间转换为亮度空间，如转化为YIQ（其中，Y指颜色的明视度Luminance，即亮度Brightness，其实质上就是图像的灰度值Gray value；I和Q则是指色调Chrominance，即描述图像色彩及饱和度的属性）。然后提取出图像的亮度直方图（用于反映图像中各个像素点的亮度分布情况），如图7a所示的逆光图像，提取出的亮度直方图可参见图7b，并判断亮度直方图体现的图像的亮度特性是否符合逆光图像的亮度值分布特性，如果符合，则可判定待处理图像为逆光图像，否则判定其为非逆光图像。
本发明实施例中的逆光图像的亮度值分布特性可以理解为，图像中包含较多的亮像素点。因亮度直方图的横轴代表亮度，且越靠右端表示亮度越高，纵轴代表像素点数量，且越靠上端表示数量越多，因此，逆光图像的亮度值分布特性反映到亮度直方图上应是，横轴靠右的部分分布大量的像素点，具体可参见图7b所示示意图。图7b所示直方图中，像素点主要分布在亮度较低和较高的区域，且绝大部分分布在亮度较高的区域，故可判定其符合逆光图像的亮度值分布特性，进一步可将提取出该亮度直方图的待处理图像的场景信息判定为逆光场景。
参见图8，示出了本发明实施例中判断逆光场景实施例2的流程图，可包括：
步骤601，生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图。
步骤602，判断所述亮度直方图是否符合逆光图像的亮度值分布特性，如果符合，则执行步骤603；否则判定所述待处理图像的场景信息不是逆光场景。
步骤601、602与步骤501、502相同，此处不再赘述。
步骤603，利用边缘检测法获取所述待处理图像包含的亮光源的个数。
步骤604，判断所述亮光源的个数是否大于第二阈值，如果大于，则判定所述待处理图像的场景信息不是逆光场景；否则判定所述待处理图像的场景信息是逆光场景。
在实际应用中发现，如果待处理图像中包含阳光、反光的水面等情况时，亮度直方图反映出信息中也存在大量的亮像素点，但其实质上并不是逆光造成的。为了避免这些情况对本发明实施例逆光场景识别造成的影响，提高逆光场景识别的准确率，本发明实施例还利用边缘检测法（如canny边缘检测法、sobel边缘检测法等）判断图像中包含的亮光源个数，并根据亮光源个数进一步进行逆光场景识别。
正常情况下，逆光场景下不会包含太多的亮光源个数，相反对于反光的水面等干扰情况却会包含大量的亮光源，因此在亮度直方图判定待处理图像符合逆光图像的亮度值分布特性之后，还可通过提取亮光源个数，并与第二阈值相比较的方式对待处理图像进一步检验判断，以此保证本发明实施例逆光场景识别的准确性。
参见图9，示出了本发明实施例中判断夜间场景的流程图，可包括：
步骤701，提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1。
本发明实施例采用最大后验估计的方式进行夜间场景的识别与判断，所谓最大后验估计是指根据经验数据获得对难以观察的量的点估计。为了准确获得最大后验概率值，本发明将图像的底层特征（具体指CEDD特征）与图像的光学环境数据（具体指曝光信息）相结合，实现夜间场景的预测与判断。
其中，根据底层特征预测夜间场景概率的过程可体现如下：
首先，将待处理图像切割为预设个数的块，对每个块进行6个方向的边缘检测以及24维的颜色空间向量分布，综合得到6*24=144维的CEDD特征向量；
其次，将上述提取出的特征向量输入到预先训练好的Lib SVM分类器中，由分类器预测该待处理图像的场景信息是夜间场景的概率P1；或者，还可预测待处理图像的场景信息是非夜间场景的概率，亦可实现本发明夜间场景识别的目的，此处不做赘述。
需要说明的是，支持向量机SVM是一种监督的可训练的机器学习方法。SVM分类器的训练过程可体现为：提取样本图像的CEDD特征，即将图像分块，提取每个块的144维的特征向量，利用Lib SVM分类器对样本图像的特征进行训练，经过交叉验证和最优参数选择得到训练模版，即本发明中的预先训练的SVM分类器，由其对输入的测试图像（本发明中的待处理图像即为测试图像）进行夜间概率的预测。
需要说明的是，本发明对图像切割的预设个数可不做限定，可根据实际应用需要而设置，一般情况下，为了保证图像的处理精度以及处理速度，可优选将图像分为1600块。
步骤702，获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系。
曝光时间主要是指底片的感光时间，曝光时间越长底片上生成的相片越亮，相反就越暗。在外界光线比较暗的情况下一般要求延长曝光时间，比如在夜间场景下曝光时间较长，因此，本发明实施例还可通过曝光信息（对曝光时间的数学描述）来预测图像的场景信息为夜间场景的概率。
为此，我们可以通过统计分析样本图像的方式获得曝光信息与夜间场景概率之间的关联关系，建立保存有二者对应关系的数据库。这样，当接收到待处理图像后，即可提取其曝光信息，并通过查找数据库的方式获得该曝光信息对应的夜景场景概率P2。
需要说明的是，在夜间场景识别过程中，可如本实施例所示，先通过CEDD特征预测夜间场景的概率，再通过曝光信息预测夜间场景的概率；或者，也可按照曝光信息、CEDD特征的先后顺序获得两个预测概率；或者，还可同时执行获得两个预测概率。这两个步骤的执行顺序不会影响本发明实施例夜间场景的识别结果，本发明对这两个步骤的执行顺序可不做限定。
步骤703，利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率。
步骤704，判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
本发明实施例要综合图像的CEDD特征与曝光信息来识别夜间场景，因此，在步骤701、702获得两个预测概率之后，即可通过最大后验概率MAP（Maximum a posteriori）公式计算待处理图像为夜间场景的后验概率和待处理图像为非夜间场景的后验概率，并据其进行夜间场景的判断。
需要说明的是，夜间场景的后验概率P计算公式可体现为P=P1*P2/P0，其中，P0受CEDD、曝光信息的影响而变化，但在计算夜间场景后验概率和非夜间场景后验概率时P0均会同时发生变化，故P0对判断结果也无影响；另外，分子中还应包含一个先验概率值，因待处理图像的识别结果只有夜间场景和非夜间场景这两种，故二者的先验概率均为0.5，故其也不会对判断结果产生影响。也就是说，影响本发明夜间场景判断结果的因素主要还是P1、P2这两个预测概率。
本发明实施例结合CEDD特征以及曝光信息进行夜间场景的识别，就可避免现有技术中单纯依靠图像亮度进行夜间场景识别所带来的虚警率高的缺点，这主要是因为当都市的霓虹灯作为背景出现时，就会导致图像的场景较亮，若只通过图像亮度识别，必然会导致识别的准确率不高。
如果按照本发明实施例图2所示方案进行场景识别，若经判断，待处理图像的场景信息为非人脸场景、非逆光场景、非夜间场景，此时即可进行第四级别的判断，确定其场景信息为风景场景、微距场景、文本场景中的哪个。具体过程可体现为：提取待处理图像的CEDD特征，并由预先训练的SVM分类器识别待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
上述识别过程也是由预先训练好的SVM分类器实现，与夜间场景识别过程中用于预测概率P1的SVM分类器相比，可以训练两个相互独立的SVM分类器，也可以由一个SVM分类器实现上述两个功能，本发明对此可不做限定。
下面对用于识别风景场景、微距场景、文本场景的SVM分类器的训练过程进行解释说明，具体可参见图10所示流程图，可包括：
步骤801，获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
步骤802，提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
步骤803，将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
在训练之前，首先，要获取多个具有不同场景信息的样本图像，也即，选取至少一个场景信息为风景场景的样本图像、至少一个场景信息为微距场景的样本图像、至少一个场景信息为文本场景的样本图像。当然，为了实现最好的训练效果，提高训练好的SVM分类器的识别准确率，最好还是选取多个具有风景场景的样本图像、多个具有微距场景的样本图像、多个具有文本场景的样本图像。另外，要说明的是，本发明对SVM分类器的训练过程是离线进行的，故分类器的训练速度不会影响本发明实施例的场景识别速度。
在获取到样本图像之后，即可提取每个样本图像的CEDD特征，并标识该样本图像的场景信息类别，即建立从样本图像中提取出的CEDD特性与该样本图像的场景信息类别的对应关系，然后将CEDD特征输入到SVM分类器进行训练，经过交叉验证和最优参数选择得到训练模版，即本发明中的预先训练的SVM分类器，由其识别输入的测试图像（本发明中的待处理图像即为测试图像）的场景信息为风景场景、微距场景、还是文本场景。
综上所述，本发明实施例采用四级分类处理的方式，实现了对六类（人脸、逆光、夜间、风景、微距、文本）常见的复杂场景的识别。并且针对每类场景的特点，从全局分析图像的特点，选取恰当的特征。如，Harr特征与肤色特征相结合用以实现人脸场景识别；亮度值特征能够很好的描述逆光亮度分布，再结合光源特征用以实现逆光场景识别；CEDD特征与光学环境特征相结合用于实现夜间场景识别；CEDD特征还能较好的从全局表征图片的纹理和颜色，进行文本、微距、风景场景的识别。如此，就可显著提高本发明各场景识别的准确率。此外，在图像特征提取时，针对不同场景具有不同算法（或理解为处理方法），没有重复处理的部分，因此还能提高本发明实施例场景识别的效率。
本发明实施例图像场景识别的平均准确率可达到91.074%，平均运行时间为1.66s/MB，各类场景的识别率及运行时间具体可参见表1。
其中，MB为图像大小，若待处理图像的分辨率为1024*668，大小为187kb，采用Intel(R)Core i33.10GHz的运行平台，则利用本发明实施例提供的方案进行场景识别的时间为0.303s。
本发明实施例提供的方案在识别出待处理图像的场景信息之后，还可利用识别结果对待处理图像进行优化处理。作为优化处理的具体体现，可体现为如下两种情况：
一种情况，根据识别出的场景信息调用其对应的场景模式，进行照片拍摄；
一种情况，根据识别出的场景信息设置待处理图像的类别，进行照片分类。
下面分别对上述两种情况进行解释说明。
参见图11，示出了本发明实施例场景识别方法实施例2的流程图，可包括：
步骤901，获取待处理图像。
本实施例的应用场景与背景技术所介绍的应用场景相同，均是为了拍摄出高质量的照片，在照片拍摄前自动调用合适的场景模式。对应这种应用场景，本发明实施例中的待处理图像为数码相机或手机等智能拍摄终端在拍摄照片前，取景器获取到的图像，也即用户在取景框内预览到的图像。
步骤902，按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
本实施例中的优先级，可按上文介绍通过出厂设置、或者由用户根据自己的拍照习惯自行设置，本发明可不做限定。
需要说明的是，在进行夜间场景识别时，所需提取的曝光信息可由设置在智能终端上的感光元件记录获得。
步骤903，调用所述场景信息对应的场景模式，进行照片拍摄。
按照本发明实施例提供的方案对预览图像进行场景识别之后，即可调用其对应的场景模式拍摄出高质量的照片。需要说明的是，因为本发明实施例所用到的CEDD特征、亮度值特征等都是快速提取图像特征的方法，Lib SVM分类器也是具有快速识别能力的分类器，因此，就使得本发明实施例在识别预览图像时具有高效的处理能力，使本发明方案同样适用于智能手机等图像处理能力较弱的终端。
参见图12，示出了本发明实施例场景识别方法实施例3的流程图，可包括：
步骤1001，获取待处理图像。
本实施例的应用场景为拍摄获得照片后，按照不同的场景类别对照片进行自动分类，添加场景标注，方便用户对照片管理。对应这种应用场景，本发明实施例中的待处理图像为智能相机或手机等智能终端拍摄的照片，这些照片可存储在智能终端本地，也可存储在诸如电脑等其它外接移动设备上，并在需要分类的时候从中读取。
步骤1002，按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
本实施例中的优先级，亦可按上文介绍通过出厂设置、用户使用习惯等方式设置，本发明对此可不做限定。需要说明的是，针对图像分类这一应用场景，还可由用户预估一下待分类的照片中哪种场景所占比例较高，进而可以根据用户预估的结果按照所占比例的高低设置优先级。
需要说明的是，在进行夜间场景识别时，可通过提取照片属性中的图像的拍摄参数EXIF的方式获得曝光信息。
步骤1003，根据所述场景信息设置所述待处理图像的类别，进行照片分类。
结合本发明实施例提供的方案，为了拍摄到高质量的照片，在拍摄时可通过本发明方案进行场景识别，并根据识别结果调用对应的场景模式，如，将取景器获取的预览图像识别为人脸场景，即可自动调用人脸场景模式的拍摄参数，进行照片拍摄。进一步地，在照片拍摄完成后，还可根据识别结果对拍摄的照片进行分类存储，而非如现有技术将所有拍摄的照片存储在一个文件夹下。仍以上述识别为人脸场景的图像为例，在调用人脸场景模式完成拍摄之后，即可直接将其类别存储到人脸图像的文件夹内。
对应地，本发明还提供了一种场景识别装置，具体方案可介绍如下。
参见图13，示出了本发明实施例场景识别装置实施例1的示意图，可包括：
获取单元1101，用于获取待处理图像；
识别单元1102，用于按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
参见图14，示出了本发明实施例中识别单元的示意图，可包括：
人脸识别单元1201，用于判断所述待处理图像的场景信息是否为人脸场景；
逆光识别单元1202，用于在所述人脸识别单元判定不是人脸场景时，继续判断所述待处理图像的场景信息是否为逆光场景；
夜间识别单元1203，用于在所述逆光识别单元判定不是逆光场景时，继续判断所述待处理图像的场景信息是否为夜间场景；
确定单元1204，用于在所述夜间识别单元判定不是夜间场景时，将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
参见图15，示出了本发明实施例中人脸识别单元实施例1的示意图，可包括：
级联判断单元1301，用于利用级联分类器判断所述待处理图像是否包含人脸图像；
抠取单元1302，用于在所述级联单元判定所述待处理图像包含人脸图像时，从所述待处理图像中抠取人脸区域；
非人脸判定单元1303，用于在所述级联单元判定所述待处理图像不包含人脸图像时，判定所述待处理图像的场景信息不是人脸场景；
肤色检测单元1304，用于对所述抠取单元抠取的人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。。
如果所述待处理图像为彩色图像，本发明还提供了人脸识别单元的另一种实现方式，参见图16，示出了本发明实施例中人脸识别单元实施例2的示意图，可包括：
转化单元1305，用于在所述级联判断单元判断所述待处理图像是否包含人脸图像之前，将所述待处理图像转化为灰度图像；
级联判断单元1301，用于利用级联分类器判断所述待处理图像是否包含人脸图像；
抠取单元1302，用于在所述级联单元判定所述待处理图像包含人脸图像时，从所述待处理图像中抠取人脸区域；
非人脸判定单元1303，用于在所述级联单元判定所述待处理图像不包含人脸图像时，判定所述待处理图像的场景信息不是人脸场景；
肤色检测单元1304，用于对所述抠取单元抠取的人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
参见图17，示出了本发明实施例中逆光识别单元实施例1的示意图，可包括：
生成单元1401，用于生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
亮度分布判断单元1402，用于判断所述生成单元提取的亮度直方图是否符合逆光图像的亮度值分布特性；
逆光判定单元1403，用于在所述亮度直方图符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息为逆光场景；
非逆光判定单元1404，用于在所述亮度直方图不符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息不是逆光场景。
参见图18，示出了本发明实施例中逆光识别单元实施例2的示意图，可包括：
生成单元1401，用于生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
亮度分布判断单元1402，用于判断所述生成单元提取的亮度直方图是否符合逆光图像的亮度值分布特性；
逆光判定单元1403，用于在所述亮度直方图符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息为逆光场景；
非逆光判定单元1404，用于在所述亮度直方图不符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息不是逆光场景；
边缘检测单元1405，用于在所述亮度分布判断单元判定所述亮度直方图符合所述逆光图像的亮度值分布特性之后，利用边缘检测法获取所述待处理图像包含的亮光源的个数；
亮光源判断单元1406，用于判断所述亮光源的个数是否大于第二阈值；
所述逆光判定单元1403，还用于在所述亮光源的个数不大于第二阈值时，判定所述待处理图像的场景信息是逆光场景；
所述非逆光判定单元1404，还用于在所述亮光源的个数大于第二阈值时，判定所述待处理图像的场景信息不是逆光场景。
参见图19，示出了本发明实施例中夜间识别单元的示意图，可包括：
第一概率预测单元1501，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1；
第二概率预测单元1502，用于获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系；
计算单元1503，用于利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率；
夜间识别子单元1504，用于判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
参见图20，示出了本发明实施例中确定单元实施例1的示意图，可包括：
提取单元1601，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD；
确定子单元1602，用于由预先训练的支持向量机SVM分类器根据所述提取单元提取的CEDD识别所述待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
为了获得训练好的SVM分类器，本发明实施例中的确定单元还应包含如下单元，具体可参见图21：
样本图像获取单元1701，用于获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
提取标识单元1702，用于提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
训练单元1703，用于将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
参见图22，示出了本发明实施例场景识别装置实施例2的示意图，可包括：
获取单元1101，用于获取待处理图像；
识别单元1102，用于按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个；
调用单元1103，用于在所述识别单元识别所述待处理图像的场景信息之后，调用所述场景信息对应的场景模式，进行照片拍摄。
参见图23，示出了本发明实施例场景识别装置实施例3的示意图，可包括：
获取单元1101，用于获取待处理图像；
识别单元1102，用于按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个；
分类单元1104，用于在所述识别单元识别所述待处理图像的场景信息之后，根据所述场景信息设置所述待处理图像的类别，进行照片分类。
进一步地，本发明实施例还提供了通信装置的硬件构成。可包括至少一个处理器（例如CPU），至少一个网络接口或者其它通信接口，存储器，和至少一个通信总线，用于实现这些装置之间的连接通信。处理器用于执行存储器中存储的可执行模块，例如计算机程序。存储器可能包含高速随机存取存储器（RAM：Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个网络接口（可以是有线或者无线）实现该系统网关与至少一个其它网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
参见图24，在一些实施方式中，存储器中存储了程序指令，程序指令可以被处理器执行，其中，程序指令包括获取单元1101、识别单元1102，各单元的具体实现可参见图13所揭示的相应单元。
参见图25，在一些实施方式中，存储器中存储了程序指令，程序指令可以被处理器执行，其中，程序指令包括获取单元1101、识别单元1102、调用单元1103，各单元的具体实现可参见图22所揭示的相应单元。
参见图26，在一些实施方式中，存储器中存储了程序指令，程序指令可以被处理器执行，其中，程序指令包括获取单元1101、识别单元1102、分类单元1104，各单元的具体实现可参见图23所揭示的相应单元。
本发明方案可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序单元。一般地，程序单元包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明方案，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序单元可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及设备；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (22)
1.一种场景识别方法，其特征在于，所述方法包括：
获取待处理图像；
按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
2.根据权利要求1所述的方法，其特征在于，所述按照预设优先级识别所述待处理图像的场景信息，包括：
判断所述待处理图像的场景信息是否为人脸场景；
如果不是人脸场景，则继续判断所述待处理图像的场景信息是否为逆光场景；
如果不是逆光场景，则继续判断所述待处理图像的场景信息是否为夜间场景；
如果不是夜间场景，则将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
3.根据权利要求2所述的方法，其特征在于，所述判断所述待处理图像的场景信息是否为人脸场景，包括：
利用级联分类器判断所述待处理图像是否包含人脸图像，如果包含，则从所述待处理图像中抠取人脸区域；如果不包含，则判定所述待处理图像的场景信息不是人脸场景；
对所述人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
4.根据权利要求3所述的方法，其特征在于，如果所述待处理图像为彩色图像，则所述方法还包括：
在所述利用级联分类器判断所述待处理图像是否包含人脸图像之前，
将所述待处理图像转化为灰度图像。
5.根据权利要求2所述的方法，其特征在于，所述判断所述待处理图像的场景信息是否为逆光场景，包括：
生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
判断所述亮度直方图是否符合逆光图像的亮度值分布特性，如果符合，则判定所述待处理图像的场景信息为逆光场景；否则判定所述待处理图像的场景信息不是逆光场景。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在判定所述亮度直方图符合所述逆光图像的亮度值分布特性之后，
利用边缘检测法获取所述待处理图像包含的亮光源的个数；
判断所述亮光源的个数是否大于第二阈值，如果大于，则判定所述待处理图像的场景信息不是逆光场景；否则判定所述待处理图像的场景信息是逆光场景。
7.根据权利要求2所述的方法，其特征在于，所述判断所述待处理图像的场景信息是否为夜间场景，包括：
提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1；
获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系；
利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率；
判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
8.根据权利要求2所述的方法，其特征在于，所述将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种，包括：
提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器识别所述待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
9.根据权利要求8所述的方法，其特征在于，获得所述预先训练的SVM分类器的方式，包括：
获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
10.根据权利要求1-9任一项所述的方法，其特征在于，所述方法还包括：
在所述按照预设优先级识别所述待处理图像的场景信息之后，
调用所述场景信息对应的场景模式，进行照片拍摄。
11.根据权利要求1-9任一项所述的方法，其特征在于，所述方法还包括：
在所述按照预设优先级识别所述待处理图像的场景信息之后，
根据所述场景信息设置所述待处理图像的类别，进行照片分类。
12.一种场景识别装置，其特征在于，所述装置包括：
获取单元，用于获取待处理图像；
识别单元，用于按照预设优先级识别所述待处理图像的场景信息，所述场景信息为人脸场景、逆光场景、夜间场景、风景场景、微距场景、文本场景中的一个。
13.根据权利要求12所述的装置，其特征在于，所述识别单元包括：
人脸识别单元，用于判断所述待处理图像的场景信息是否为人脸场景；
逆光识别单元，用于在所述人脸识别单元判定不是人脸场景时，继续判断所述待处理图像的场景信息是否为逆光场景；
夜间识别单元，用于在所述逆光识别单元判定不是逆光场景时，继续判断所述待处理图像的场景信息是否为夜间场景；
确定单元，用于在所述夜间识别单元判定不是夜间场景时，将所述待处理图像的场景信息确定为风景场景、微距场景、文本场景中的一种。
14.根据权利要求13所述的装置，其特征在于，所述人脸识别单元包括：
级联判断单元，用于利用级联分类器判断所述待处理图像是否包含人脸图像；
抠取单元，用于在所述级联单元判定所述待处理图像包含人脸图像时，从所述待处理图像中抠取人脸区域；
非人脸判定单元，用于在所述级联单元判定所述待处理图像不包含人脸图像时，判定所述待处理图像的场景信息不是人脸场景；
肤色检测单元，用于对所述抠取单元抠取的人脸区域进行肤色检测，验证包含所述人脸区域的待处理图像的场景信息是否为人脸场景。
15.根据权利要求14所述的装置，其特征在于，如果所述待处理图像为彩色图像，则所述人脸识别单元还包括：
转化单元，用于在所述级联判断单元判断所述待处理图像是否包含人脸图像之前，将所述待处理图像转化为灰度图像。
16.根据权利要求13所述的装置，其特征在于，所述逆光识别单元包括：
生成单元，用于生成所述待处理图像的亮度空间图像，并提取所述待处理图像的亮度直方图；
亮度分布判断单元，用于判断所述生成单元提取的亮度直方图是否符合逆光图像的亮度值分布特性；
逆光判定单元，用于在所述亮度直方图符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息为逆光场景；
非逆光判定单元，用于在所述亮度直方图不符合逆光图像的亮度值分布特性时，判定所述待处理图像的场景信息不是逆光场景。
17.根据权利要求16所述的装置，其特征在于，所述逆光识别单元还包括：
边缘检测单元，用于在所述亮度分布判断单元判定所述亮度直方图符合所述逆光图像的亮度值分布特性之后，利用边缘检测法获取所述待处理图像包含的亮光源的个数；
亮光源判断单元，用于判断所述亮光源的个数是否大于第二阈值；
所述逆光判定单元，还用于在所述亮光源的个数不大于第二阈值时，判定所述待处理图像的场景信息是逆光场景；
所述非逆光判定单元，还用于在所述亮光源的个数大于第二阈值时，判定所述待处理图像的场景信息不是逆光场景。
18.根据权利要求13所述的装置，其特征在于，所述夜间识别单元包括：
第一概率预测单元，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD，并由预先训练的支持向量机SVM分类器预测所述待处理图像的场景信息为夜间场景的概率P1；
第二概率预测单元，用于获取所述待处理图像的曝光信息，并查找预设数据库，获得所述待处理图像的场景信息为夜间场景的概率P2，所述预设数据库保存有曝光信息与场景信息为夜间场景的概率的对应关系；
计算单元，用于利用P1和P2计算所述待处理图像为夜间场景的后验概率和非夜间场景的后验概率；
夜间识别子单元，用于判断所述夜间场景的后验概率是否大于所述非夜间场景的后验概率，如果是，则判定所述待处理图像为夜间场景；否则判定所述待处理图像不是夜间场景。
19.根据权利要求13所述的装置，其特征在于，所述确定单元包括：
提取单元，用于提取所述待处理图像的颜色和边缘的方向性描述符CEDD；
确定子单元，用于由预先训练的支持向量机SVM分类器根据所述提取单元提取的CEDD识别所述待处理图像的场景信息为风景场景、微距场景、文本场景中的一种。
20.根据权利要求19所述的装置，其特征在于，所述确定单元还包括：
样本图像获取单元，用于获取多个样本图像，所述样本图像的场景信息为风景场景、微距场景或者文本场景；
提取标识单元，用于提取所述样本图像的CEDD特征，并标识样本图像的场景信息；
训练单元，用于将具有不同场景信息的样本图像的CEDD特征输入到SVM分类器进行训练，获得最优参数，形成所述预先训练的SVM分类器。
21.根据权利要求12-20任一项所述的装置，其特征在于，所述装置还包括：
调用单元，用于在所述识别单元识别所述待处理图像的场景信息之后，调用所述场景信息对应的场景模式，进行照片拍摄。
22.根据权利要求12-20任一项所述的装置，其特征在于，所述装置还包括：
分类单元，用于在所述识别单元识别所述待处理图像的场景信息之后，根据所述场景信息设置所述待处理图像的类别，进行照片分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310561420.2A CN103617432B (zh) | 2013-11-12 | 2013-11-12 | 一种场景识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310561420.2A CN103617432B (zh) | 2013-11-12 | 2013-11-12 | 一种场景识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103617432A true CN103617432A (zh) | 2014-03-05 |
| CN103617432B CN103617432B (zh) | 2017-10-03 |
Family
ID=50168135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310561420.2A Active CN103617432B (zh) | 2013-11-12 | 2013-11-12 | 一种场景识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103617432B (zh) |
Cited By (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866308A (zh) * | 2015-05-18 | 2015-08-26 | 百度在线网络技术（北京）有限公司 | 一种场景图像的生成方法及装置 |
| CN105407281A (zh) * | 2015-11-13 | 2016-03-16 | 努比亚技术有限公司 | 一种基于场景的拍照装置、方法 |
| CN105654105A (zh) * | 2015-05-27 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种照片分类方法和装置 |
| CN105812647A (zh) * | 2014-12-30 | 2016-07-27 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN105809190A (zh) * | 2016-03-03 | 2016-07-27 | 南京邮电大学 | 一种基于特征选取的svm级联分类器方法 |
| CN105898144A (zh) * | 2016-04-29 | 2016-08-24 | 乐视控股（北京）有限公司 | 智能拍照方法和装置 |
| CN105915815A (zh) * | 2016-05-31 | 2016-08-31 | 北京奇虎科技有限公司 | 一种基于移动设备进行拍摄的方法、装置和移动设备 |
| CN106778445A (zh) * | 2015-11-20 | 2017-05-31 | 沈阳新松机器人自动化股份有限公司 | 基于人脸检测的服务机器人视觉引领方法 |
| CN106878690A (zh) * | 2015-12-14 | 2017-06-20 | 比亚迪股份有限公司 | 图像传感器的成像方法、成像装置和电子设备 |
| CN106998423A (zh) * | 2016-01-26 | 2017-08-01 | 宇龙计算机通信科技(深圳)有限公司 | 图像处理方法及装置 |
| CN107219920A (zh) * | 2017-05-15 | 2017-09-29 | 北京小米移动软件有限公司 | 基于场景的ar眼镜识别方法、装置和ar眼镜 |
| CN107682611A (zh) * | 2017-11-03 | 2018-02-09 | 广东欧珀移动通信有限公司 | 对焦的方法、装置、计算机可读存储介质和电子设备 |
| CN108024105A (zh) * | 2017-12-14 | 2018-05-11 | 珠海市君天电子科技有限公司 | 图像色彩调节方法、装置、电子设备及存储介质 |
| CN108235118A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色处理方法和装置 |
| CN108235117A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色方法和装置 |
| CN108495107A (zh) * | 2018-01-29 | 2018-09-04 | 北京奇虎科技有限公司 | 一种视频处理方法和装置 |
| CN108769543A (zh) * | 2018-06-01 | 2018-11-06 | 北京壹卡行科技有限公司 | 曝光时间的确定方法及装置 |
| CN108764370A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN108764371A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN108846351A (zh) * | 2018-06-08 | 2018-11-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| CN108921040A (zh) * | 2018-06-08 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
| CN108959462A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN109389582A (zh) * | 2018-09-11 | 2019-02-26 | 广东智媒云图科技股份有限公司 | 一种图像主体亮度的识别方法及装置 |
| CN109446887A (zh) * | 2018-09-10 | 2019-03-08 | 易诚高科（大连）科技有限公司 | 一种针对图像质量主观评测的图像场景描述生成方法 |
| CN109492545A (zh) * | 2018-10-22 | 2019-03-19 | 深圳市梦网百科信息技术有限公司 | 一种基于场景及压缩信息的五官定位方法和系统 |
| CN109784252A (zh) * | 2019-01-04 | 2019-05-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110059594A (zh) * | 2019-04-02 | 2019-07-26 | 北京旷视科技有限公司 | 一种环境感知自适应图像识别方法和装置 |
| CN110177206A (zh) * | 2019-05-27 | 2019-08-27 | 努比亚技术有限公司 | 拍摄方法、移动终端及计算机可读存储介质 |
| CN110288629A (zh) * | 2019-06-24 | 2019-09-27 | 湖北亿咖通科技有限公司 | 基于移动物体检测的目标检测自动标注方法及装置 |
| CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
| WO2020001197A1 (zh) * | 2018-06-29 | 2020-01-02 | Oppo广东移动通信有限公司 | 图像处理方法、电子设备、计算机可读存储介质 |
| WO2020024744A1 (zh) * | 2018-08-01 | 2020-02-06 | Oppo广东移动通信有限公司 | 一种图像特征点检测方法、终端设备及存储介质 |
| CN110971820A (zh) * | 2019-11-25 | 2020-04-07 | Oppo广东移动通信有限公司 | 拍照方法、拍照装置、移动终端及计算机可读存储介质 |
| CN111402135A (zh) * | 2020-03-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN111526290A (zh) * | 2017-11-08 | 2020-08-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
| CN111797873A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 场景识别方法、装置、存储介质及电子设备 |
| CN112637041A (zh) * | 2018-09-26 | 2021-04-09 | 深圳市云歌人工智能技术有限公司 | 基于优先级的发布信息的方法、设备以及存储介质 |
| CN112804464A (zh) * | 2020-12-30 | 2021-05-14 | 北京迈格威科技有限公司 | 一种hdr图像生成方法、装置、电子设备及可读存储介质 |
| CN112949392A (zh) * | 2021-01-28 | 2021-06-11 | 展讯通信(天津)有限公司 | 图像处理方法及装置、存储介质、终端 |
| CN113269141A (zh) * | 2021-06-18 | 2021-08-17 | 浙江机电职业技术学院 | 一种图像处理方法及装置 |
| CN113301269A (zh) * | 2020-05-08 | 2021-08-24 | 黑芝麻智能科技(重庆)有限公司 | 在线和离线交错的带宽高效的图像信号处理 |
| US20220156986A1 (en) * | 2020-01-16 | 2022-05-19 | Tencent Technology (Shenzhen) Company Limited | Scene interaction method and apparatus, electronic device, and computer storage medium |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101008762A (zh) * | 2007-01-30 | 2007-08-01 | 北京中星微电子有限公司 | 一种逆光检测方法、逆光补偿终止检测方法及相应装置 |
| CN101277394A (zh) * | 2007-02-19 | 2008-10-01 | 精工爱普生株式会社 | 信息处理方法,信息处理设备和程序 |
| CN101650783A (zh) * | 2008-08-13 | 2010-02-17 | 株式会社Ntt都科摩 | 图像识别方法以及摄像装置 |
| CN102103696A (zh) * | 2009-12-21 | 2011-06-22 | 鸿富锦精密工业（深圳）有限公司 | 人脸辨识系统、方法及具有该系统的身份识别装置 |
| CN102179048A (zh) * | 2011-02-28 | 2011-09-14 | 武汉市高德电气有限公司 | 基于动作分解和行为分析实现实景游戏的方法 |
| CN102196182A (zh) * | 2010-03-09 | 2011-09-21 | 株式会社理光 | 逆光检测设备及逆光检测方法 |
| US20120294478A1 (en) * | 2011-05-20 | 2012-11-22 | Eye-Com Corporation | Systems and methods for identifying gaze tracking scene reference locations |
| CN103064936A (zh) * | 2012-12-24 | 2013-04-24 | 北京百度网讯科技有限公司 | 一种基于语音输入的图像信息提取分析方法及装置 |
-
2013
- 2013-11-12 CN CN201310561420.2A patent/CN103617432B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101008762A (zh) * | 2007-01-30 | 2007-08-01 | 北京中星微电子有限公司 | 一种逆光检测方法、逆光补偿终止检测方法及相应装置 |
| CN101277394A (zh) * | 2007-02-19 | 2008-10-01 | 精工爱普生株式会社 | 信息处理方法,信息处理设备和程序 |
| CN101650783A (zh) * | 2008-08-13 | 2010-02-17 | 株式会社Ntt都科摩 | 图像识别方法以及摄像装置 |
| CN102103696A (zh) * | 2009-12-21 | 2011-06-22 | 鸿富锦精密工业（深圳）有限公司 | 人脸辨识系统、方法及具有该系统的身份识别装置 |
| CN102196182A (zh) * | 2010-03-09 | 2011-09-21 | 株式会社理光 | 逆光检测设备及逆光检测方法 |
| CN102179048A (zh) * | 2011-02-28 | 2011-09-14 | 武汉市高德电气有限公司 | 基于动作分解和行为分析实现实景游戏的方法 |
| US20120294478A1 (en) * | 2011-05-20 | 2012-11-22 | Eye-Com Corporation | Systems and methods for identifying gaze tracking scene reference locations |
| CN103064936A (zh) * | 2012-12-24 | 2013-04-24 | 北京百度网讯科技有限公司 | 一种基于语音输入的图像信息提取分析方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| KAILI ZHAO, 等: "A DATASET FOR SCENE CLASSIFICATION BASED ON CAMERA METADATA", 《NETWORK INFRASTRUCTURE AND DIGITAL CONTENT》 * |
Cited By (60)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105812647A (zh) * | 2014-12-30 | 2016-07-27 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN105812647B (zh) * | 2014-12-30 | 2019-05-31 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN104866308A (zh) * | 2015-05-18 | 2015-08-26 | 百度在线网络技术（北京）有限公司 | 一种场景图像的生成方法及装置 |
| CN105654105A (zh) * | 2015-05-27 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种照片分类方法和装置 |
| CN105407281A (zh) * | 2015-11-13 | 2016-03-16 | 努比亚技术有限公司 | 一种基于场景的拍照装置、方法 |
| WO2017080348A3 (zh) * | 2015-11-13 | 2017-06-15 | 努比亚技术有限公司 | 一种基于场景的拍照装置、方法、计算机存储介质 |
| CN106778445A (zh) * | 2015-11-20 | 2017-05-31 | 沈阳新松机器人自动化股份有限公司 | 基于人脸检测的服务机器人视觉引领方法 |
| CN106878690A (zh) * | 2015-12-14 | 2017-06-20 | 比亚迪股份有限公司 | 图像传感器的成像方法、成像装置和电子设备 |
| CN106998423A (zh) * | 2016-01-26 | 2017-08-01 | 宇龙计算机通信科技(深圳)有限公司 | 图像处理方法及装置 |
| CN105809190B (zh) * | 2016-03-03 | 2019-11-19 | 南京邮电大学 | 一种基于特征选取的svm级联分类器方法 |
| CN105809190A (zh) * | 2016-03-03 | 2016-07-27 | 南京邮电大学 | 一种基于特征选取的svm级联分类器方法 |
| CN105898144A (zh) * | 2016-04-29 | 2016-08-24 | 乐视控股（北京）有限公司 | 智能拍照方法和装置 |
| CN105915815A (zh) * | 2016-05-31 | 2016-08-31 | 北京奇虎科技有限公司 | 一种基于移动设备进行拍摄的方法、装置和移动设备 |
| CN105915815B (zh) * | 2016-05-31 | 2019-03-08 | 北京奇虎科技有限公司 | 一种基于移动设备进行拍摄的方法、装置和移动设备 |
| CN107219920A (zh) * | 2017-05-15 | 2017-09-29 | 北京小米移动软件有限公司 | 基于场景的ar眼镜识别方法、装置和ar眼镜 |
| CN107682611A (zh) * | 2017-11-03 | 2018-02-09 | 广东欧珀移动通信有限公司 | 对焦的方法、装置、计算机可读存储介质和电子设备 |
| CN107682611B (zh) * | 2017-11-03 | 2020-12-18 | Oppo广东移动通信有限公司 | 对焦的方法、装置、计算机可读存储介质和电子设备 |
| CN111526290A (zh) * | 2017-11-08 | 2020-08-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
| CN108024105A (zh) * | 2017-12-14 | 2018-05-11 | 珠海市君天电子科技有限公司 | 图像色彩调节方法、装置、电子设备及存储介质 |
| CN108495107A (zh) * | 2018-01-29 | 2018-09-04 | 北京奇虎科技有限公司 | 一种视频处理方法和装置 |
| CN108235117A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色方法和装置 |
| CN108235118A (zh) * | 2018-01-29 | 2018-06-29 | 北京奇虎科技有限公司 | 一种视频调色处理方法和装置 |
| CN108769543A (zh) * | 2018-06-01 | 2018-11-06 | 北京壹卡行科技有限公司 | 曝光时间的确定方法及装置 |
| CN108769543B (zh) * | 2018-06-01 | 2020-12-18 | 北京壹卡行科技有限公司 | 曝光时间的确定方法及装置 |
| CN108764370A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN108764371A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN108846351A (zh) * | 2018-06-08 | 2018-11-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| CN108921040A (zh) * | 2018-06-08 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
| CN108764370B (zh) * | 2018-06-08 | 2021-03-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN108959462A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN108959462B (zh) * | 2018-06-19 | 2021-04-23 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| WO2020001197A1 (zh) * | 2018-06-29 | 2020-01-02 | Oppo广东移动通信有限公司 | 图像处理方法、电子设备、计算机可读存储介质 |
| WO2020024744A1 (zh) * | 2018-08-01 | 2020-02-06 | Oppo广东移动通信有限公司 | 一种图像特征点检测方法、终端设备及存储介质 |
| CN109446887B (zh) * | 2018-09-10 | 2022-03-25 | 易诚高科（大连）科技有限公司 | 一种针对图像质量主观评测的图像场景描述生成方法 |
| CN109446887A (zh) * | 2018-09-10 | 2019-03-08 | 易诚高科（大连）科技有限公司 | 一种针对图像质量主观评测的图像场景描述生成方法 |
| CN109389582A (zh) * | 2018-09-11 | 2019-02-26 | 广东智媒云图科技股份有限公司 | 一种图像主体亮度的识别方法及装置 |
| CN109389582B (zh) * | 2018-09-11 | 2020-06-26 | 广东智媒云图科技股份有限公司 | 一种图像主体亮度的识别方法及装置 |
| CN112637041A (zh) * | 2018-09-26 | 2021-04-09 | 深圳市云歌人工智能技术有限公司 | 基于优先级的发布信息的方法、设备以及存储介质 |
| CN112637042A (zh) * | 2018-09-26 | 2021-04-09 | 深圳市云歌人工智能技术有限公司 | 基于优先级的发布信息的方法、设备以及存储介质 |
| CN112637041B (zh) * | 2018-09-26 | 2022-11-11 | 深圳市云歌人工智能技术有限公司 | 基于优先级的发布信息的方法、设备以及存储介质 |
| CN109492545A (zh) * | 2018-10-22 | 2019-03-19 | 深圳市梦网百科信息技术有限公司 | 一种基于场景及压缩信息的五官定位方法和系统 |
| CN109492545B (zh) * | 2018-10-22 | 2021-11-09 | 深圳市梦网视讯有限公司 | 一种基于场景及压缩信息的五官定位方法和系统 |
| CN109784252A (zh) * | 2019-01-04 | 2019-05-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110059594B (zh) * | 2019-04-02 | 2021-10-22 | 北京旷视科技有限公司 | 一种环境感知自适应图像识别方法和装置 |
| CN110059594A (zh) * | 2019-04-02 | 2019-07-26 | 北京旷视科技有限公司 | 一种环境感知自适应图像识别方法和装置 |
| CN111797873A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 场景识别方法、装置、存储介质及电子设备 |
| CN110177206A (zh) * | 2019-05-27 | 2019-08-27 | 努比亚技术有限公司 | 拍摄方法、移动终端及计算机可读存储介质 |
| CN110288629A (zh) * | 2019-06-24 | 2019-09-27 | 湖北亿咖通科技有限公司 | 基于移动物体检测的目标检测自动标注方法及装置 |
| CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
| CN110971820B (zh) * | 2019-11-25 | 2021-03-26 | Oppo广东移动通信有限公司 | 拍照方法、拍照装置、移动终端及计算机可读存储介质 |
| CN110971820A (zh) * | 2019-11-25 | 2020-04-07 | Oppo广东移动通信有限公司 | 拍照方法、拍照装置、移动终端及计算机可读存储介质 |
| US20220156986A1 (en) * | 2020-01-16 | 2022-05-19 | Tencent Technology (Shenzhen) Company Limited | Scene interaction method and apparatus, electronic device, and computer storage medium |
| CN111402135A (zh) * | 2020-03-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN111402135B (zh) * | 2020-03-17 | 2023-06-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN113301269A (zh) * | 2020-05-08 | 2021-08-24 | 黑芝麻智能科技(重庆)有限公司 | 在线和离线交错的带宽高效的图像信号处理 |
| CN112804464A (zh) * | 2020-12-30 | 2021-05-14 | 北京迈格威科技有限公司 | 一种hdr图像生成方法、装置、电子设备及可读存储介质 |
| CN112949392A (zh) * | 2021-01-28 | 2021-06-11 | 展讯通信(天津)有限公司 | 图像处理方法及装置、存储介质、终端 |
| CN113269141A (zh) * | 2021-06-18 | 2021-08-17 | 浙江机电职业技术学院 | 一种图像处理方法及装置 |
| CN113269141B (zh) * | 2021-06-18 | 2023-09-22 | 浙江机电职业技术学院 | 一种图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103617432B (zh) | 2017-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103617432A (zh) | 一种场景识别方法及装置 | |
| TWI805869B (zh) | 計算場景的主要分類的系統及方法 | |
| CN107633204B (zh) | 人脸遮挡检测方法、装置及存储介质 | |
| CN109146892B (zh) | 一种基于美学的图像裁剪方法及装置 | |
| US10523894B2 (en) | Automated selection of keeper images from a burst photo captured set | |
| US8750573B2 (en) | Hand gesture detection | |
| US8792722B2 (en) | Hand gesture detection | |
| WO2019100724A1 (zh) | 训练多标签分类模型的方法和装置 | |
| US9104914B1 (en) | Object detection with false positive filtering | |
| US8571332B2 (en) | Methods, systems, and media for automatically classifying face images | |
| US8675960B2 (en) | Detecting skin tone in images | |
| CN102096805B (zh) | 注册用于脸部识别的多个脸部图像的装置和方法 | |
| JP5361524B2 (ja) | パターン認識システム及びパターン認識方法 | |
| CN111935479B (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
| CN110807759A (zh) | 照片质量的评价方法及装置、电子设备、可读存储介质 | |
| CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
| CN108960314A (zh) | 基于难样本的训练方法、装置及电子设备 | |
| CN111654643B (zh) | 曝光参数确定方法、装置、无人机和计算机可读存储介质 | |
| CN109800675A (zh) | 一种确定人脸对象的识别图像的方法及装置 | |
| WO2018192245A1 (zh) | 一种基于美学评价的照片自动评分方法 | |
| CN110232381B (zh) | 车牌分割方法、装置、计算机设备及计算机可读存储介质 | |
| CN113221695B (zh) | 训练肤色识别模型的方法、识别肤色的方法及相关装置 | |
| CN115410240A (zh) | 智能人脸的痘痘和色斑分析方法、装置及存储介质 | |
| JP3962517B2 (ja) | 顔面検出方法及びその装置、コンピュータ可読媒体 | |
| US10146042B2 (en) | Image processing apparatus, storage medium, and image processing method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191211 Address after: 314200 2nd floor, No.135 Hongxia Road, Danghu street, Pinghu City, Jiaxing City, Zhejiang Province Patentee after: JIAXING BEST ELECTRONIC TECHNOLOGY CO.,LTD. Address before: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee before: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Effective date of registration: 20191211 Address after: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee after: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210712 Address after: Room 2301-14, 109 caodiu Road, Danghu street, Pinghu City, Jiaxing City, Zhejiang Province, 314200 Patentee after: Zhongke Huiju (Jiaxing) Technology Co.,Ltd. Address before: 314200 inner 2nd floor, No.135 Hongxia Road, Danghu street, Pinghu City, Jiaxing City, Zhejiang Province Patentee before: JIAXING BEST ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |