CN103702015A - 一种近红外条件下人脸图像采集系统的曝光控制方法 - Google Patents
一种近红外条件下人脸图像采集系统的曝光控制方法 Download PDFInfo
- Publication number
- CN103702015A CN103702015A CN201310714200.9A CN201310714200A CN103702015A CN 103702015 A CN103702015 A CN 103702015A CN 201310714200 A CN201310714200 A CN 201310714200A CN 103702015 A CN103702015 A CN 103702015A
- Authority
- CN
- China
- Prior art keywords
- exposure
- time
- human face
- face image
- facial image
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种近红外条件下人脸图像采集系统的曝光控制方法,该方法结合人脸图像信息熵和人脸图像运动模糊尺度进行曝光控制,分别为:a)以人脸图像信息熵作为人脸图像最佳亮度的评判值,通过寻找人脸图像信息熵最大值确定使人脸亮度最佳的曝光时间;b)结合倒频谱和人脸帧间移动距离进行人脸图像运动模糊尺度估计;c)根据人脸图像运动模糊尺度对曝光时间进行调整。本发明可应用在近红外条件下的人脸图像采集系统中,能有效地克服人脸图像采集系统由于光照变化和运动模糊造成的图像退化现象,提高所采集人脸图像的质量,保证对人脸图像处理分析的稳定性和准确性。
Description
技术领域
本发明涉及图像处理和图像采集中的曝光控制技术,具体是一种近红外条件下人脸图像采集系统的曝光控制方法。
背景技术
基于人脸图像的各种生物识别系统利用结合机器视觉技术,通过计算机模拟人的视觉功能和图像分析理解能力,从人脸图像中提取所需特征信息,可以完成对人的身份识别以及疲劳状态检测等方面的工作。虽然相关研究已经得到长足的发展,但大多数还只是停留在实验室验证阶段,其中一个重要的制约因素是在实际使用环境中图像质量的退化导致系统准确率下降。在实际应用环境中光照的变化、光照不均匀、相对运动等都会造成人脸图像的亮度失真或者运动模糊退化,对退化后的低质量图像进行处理,往往会使生物识别系统输出错误的结果,降低生物识别系统在实际使用时的准确率,使生物识别系统失去实用价值。
图像采集是基于人脸图像的生物识别系统工作流程的第一个步骤,是决定图像质量的关键环节,同时优秀的图像采集系统应该能抵御外界环境各种复杂多变的干扰因素,为生物识别系统中的图像分析处理提供质量满足处理要求的图像,保证生物识别系统的正常运作。
图像采集系统的设计分为硬件平台设计和参数控制方法设计,二者共同决定图像采集系统的性能。为了提取更加稳定的人脸图像,目前大多数人脸图像采集系统都采用了近红外波段,通过添加红外光源以及红外滤光片,在近红外条件下拍摄人脸图像,可以有效减少外部可见光的干扰。图像采集系统的参数控制是为了应对工作中各种环境因素的变化进行调节,从而更加稳定地获取高质量图像。在近红外条件下的人脸图像采集系统中曝光控制是参数控制中最为关键的一环,曝光控制主要是对曝光时间以及增益系数两个参数进行调节,针对在近红外条件下的人脸采集系统,不需要考虑室内可见灯光因交流电产生的闪烁对人脸图像的影响,曝光时间设置的自由度更大,所以对曝光时间以及增益系数进行更加智能的控制,可以更加有效地提高所采集的人脸图像质量。
目前的曝光控制方法普遍把整体图像亮度控制在某个设定值,在人脸图像采集中,人脸才是图像中重要的信息区域,而对整张图像进行处理的曝光控制方法,在强背光等特殊场景下会使主体信息丢失。因此结合人脸图像亮度评价,根据人脸最佳亮度值进行曝光控制,可以获取亮度最佳的人脸图像。此外,目前的曝光控制只以图像亮度作为考虑因素,忽视了曝光控制参数与运动模糊、噪声等图像退化之间的关系,如曝光时间过长会增加图像的运动模糊程度。为了降低所获取图像的退化程度,减少图像退化对图像分析处理的影响,曝光控制方法还应该充分结合曝光参数与图像退化之间的关系来进行研究和设计。
发明内容
本发明的目的是克服现有人脸图像采集系统曝光控制方法的缺陷,通过设计一种结合人脸图像信息熵和人脸图像运动模糊尺度的曝光控制方法,有效地克服人脸图像采集系统由于光照变化和运动模糊造成的图像退化现象,提高所采集人脸图像的质量,保证人脸图像处理分析的稳定性和准确性。
一种近红外条件下人脸图像采集系统的曝光控制方法,其特征在于包括以下步骤:(1)以人脸图像信息熵作为人脸图像最佳亮度的评判值,通过寻找人脸图像信息熵最大值确定人脸图像最佳亮度对应的曝光时间;(2)结合倒频谱和人脸帧间移动距离进行人脸图像运动模糊尺度估计;(3)根据人脸运动模糊尺度对所述曝光时间进行调整;所述步骤(1)和步骤(2)的先后顺序能互换。
上述方法中,其特征在于步骤(1)具体包括:在人脸图像采集系统启动进行第一次曝光调整的阶段以设定步长Tst逐步增加曝光时间直到人脸图像信息熵达到最大值;确定人脸图像信息熵最大值后,计算当前帧人脸图像信息熵,若当前帧人脸图像信息熵与所述人脸图像信息熵最大值的比值低于设定阈值Rie时,计算人脸图像灰度均值,根据所述人脸图像信息熵最大值时的人脸图像灰度均值与当前人脸图像的灰度均值比例调整曝光时间,并进入微调状态重新寻找使人脸图像信息熵最大的曝光时间。
上述方法中,其特征在于微调状态中对曝光时间的微调方法,包括:设当前帧人脸图像的曝光时间为Te,则微调步长Twt=a×Te,a是设定的比例系数,取值范围为(0,1]。先使曝光时间增加微调步长Twt,计算人脸图像信息熵;如果增加曝光时间后人脸图像信息熵上升则之后曝光时间每次增加微调步长Twt,直到人脸图像信息熵开始下降完成微调退出微调状态;反之如果第一次增加曝光时间人脸图像信息熵下降,则之后曝光时间每次减少微调步长Twt,直到人脸图像信息熵开始下降完成微调退出微调状态;完成微调时的曝光时间即为人脸图像最佳亮度对应的曝光时间。
上述方法中,其特征在于步骤(1)所述根据人脸图像信息熵最大值时的人脸图像灰度均值与当前人脸图像的灰度均值比例调整曝光时间中,调整后的曝光时间Tad的计算公式为:Tad=(GO/GN)×Te,其中GN为当前人脸图像灰度均值,GO为人脸图像信息熵最大值时的人脸图像灰度均值,Te为当前帧人脸图像的曝光时间。
上述方法中,其特征在于步骤(2)所述人脸图像运动模糊尺度估计具体包括人脸图像运动模糊尺度粗估计和人脸图像运动模糊尺度精确估计,所述人脸图像运动模糊尺度粗估计为:由人脸定位算法确定当前帧的人脸中心坐标,计算与前一帧图像的人脸中心坐标的移动距离L,则人脸运动模糊尺度的粗估计结果R=(L/Tf)×Te,其中Tf为两帧图像的间隔时间,Te为当前帧人脸图像的曝光时间;
所述人脸图像运动模糊尺度精确估计为:对人脸图像进行傅立叶变换,然后对变换的结果取对数,最后进行反傅里叶变换得到人脸图像的倒频谱;以倒频谱中心为倒频谱最小值的搜索区域中心,以人脸运动模糊尺度粗估计结果R的两倍作为边长的正方形区域作为倒频谱最小值的搜索区域;在搜索区域内搜索倒频谱的最小值,计算倒频谱最小值点到倒频谱中心的距离,即为人脸运动模糊尺度Rmb。
上述方法中,其特征在于步骤(3)具体包括:如果步骤(2)计算得到的人脸运动模糊尺度大于设定阈值Lmt,则进入运动模式,根据人脸运动模糊尺度Rmb对曝光时间和增益系数进行调整;如果已经处于运动模式且连续三帧图像的人脸帧间移动距离L都在设定阈值Lst以内,则进入静态模式,把增益系数调整为人脸图像采集系统允许设置的最小值,并按增益系数减少的比例增加曝光时间。
上述方法中,其特征在于所述根据人脸运动模糊尺度对曝光时间和增益系数进行调整,具体包括:若增益系数已经为人脸图像采集系统允许设置的最大值Gmax,则不进行调整;否则设定一修正系数N,其计算公式为其中Rmb为人脸运动模糊尺度,Rth为设定值,表示对除法结果进行向下取整,计算得到修正系数N后,若当前增益系数Gcrt提高为原来的N倍后超过人脸图像采集系统允许设置的最大值Gmax,则重新计算N=Gmax/Gcrt,其中Gcrt为当前增益系数;完成N的计算后将曝光时间缩短为原来的N分之一,将增益系数提高为原来的N倍。
与现有技术相比,本发明具有如下优点和效果:本发明针对在红外条件下的人脸图像采集系统提出能提高所采集人脸图像质量的曝光控制方法;以人脸图像信息熵作为人脸图像最佳亮度的评判值,通过寻找人脸图像信息熵最大值确定人脸图像最佳亮度对应的曝光时间,与传统的基于设定灰度均值的方法相比,所采集的人脸图像亮度更佳,视觉效果更好;结合倒频谱和人脸帧间移动距离进行人脸图像运动模糊尺度估计,然后根据人脸运动模糊尺度对所述曝光时间进行调整,充分考虑曝光参数带来的其他图像退化,在人脸出现运动模糊时减少曝光时间,以减低后续所采集人脸图像的运动模糊程度。
附图说明
图1是本发明的曝光策略的整体流程图。
图2是人脸图像信息熵和曝光时间关系的仿真曲线图
图3是本发明中基于人脸图像信息熵的曝光时间调整策略流程图。
图4是运动模糊情况下倒频谱的截面图
图5是基于运动模糊的曝光参数控制流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本实施方式中,所提出的曝光控制方法应用在近红外条件下的人脸图像采集系统中。人脸图像采集通过添加红外光源以及红外滤光片可以采集人脸的近红外图像,该方法有效减弱了外界可见光对人脸图像的影响,由于排除了可见灯光因交流电而产生的周期性闪烁对图像的影响,近红外条件下人脸图像采集系统的曝光控制方法可以更加灵活。
本实施方式中,在获取图像后首先利用基于Haar特征和Adaboost算法的人脸定位算法定位图像中的人脸位置,截取人脸图像,以人脸图像信息熵作为人脸图像最佳亮度的评判值,通过寻找最大信息熵确定最佳亮度对应的曝光时间,再结合倒频谱和帧间人脸移动距离进行人脸图像运动模糊尺度估计,并根据人脸运动模糊尺度对曝光时间进行调整,实施流程如图1所示。
本实施方式中,通过确定人脸图像的最大信息熵来确定最佳亮度的曝光时间。从图2的人脸图像信息熵和曝光时间关系的仿真曲线图可以看出,随着曝光时间的变化,人脸图像信息熵具有唯一最大值,且在最大值两边单调快速下降,所以可以通过寻找人脸图像信息熵最大值进行曝光时间选择,在人脸图像信息熵达到最大值时人脸图像所包含的灰度信息最多,图像质量更高。
本实施方式中,最大信息熵的寻找方法有以下步骤,在系统启动进行第一次曝光调整的阶段设曝光时间初始值为1ms,以步长Tst=1ms逐步增加曝光时间并计算人脸图像信息熵,人脸图像信息熵的计算公式如下:
H(X)=-Σpilogpi
其中pi为每一个灰度值出现的概率,通过计算人脸图像的灰度直方图可以快速完成pi的运算。当计算的人脸图像信息熵开始下降时,说明已经定位人脸图像信息熵的最大值,结束初始化阶段,记录下人脸图像信息熵的最大值和对应的人脸图像灰度均值。
本实施方式中,由于在人脸光照亮度出现改变时,人脸图像信息熵会下降,为了保证人脸图像质量,在图像采集系统运行阶段还需要对人脸图像曝光时间进行调整,基于人脸图像信息熵的曝光时间调整策略流程如图3所示。在获得当前帧的人脸图像后,计算其信息熵,若当前帧人脸图像信息熵与所述人脸图像信息熵最大值的比值低于设定阈值Rie=90%时,根据所述人脸图像信息熵最大值时的人脸图像灰度均值与当前人脸图像的灰度均值比例调整曝光时间。调整后的曝光时间的计算公式为:
Tad=(GO/GN)×Te
其中GN为当前人脸图像灰度均值,GO为人脸图像信息熵最大值时的人脸图像灰度均值,Te为当前帧人脸图像的曝光时间。根据人脸图像灰度均值进行调整后进入微调状态,从下一帧图像开始重新寻找使人脸图像信息熵最大的曝光时间。
本实施方式中,微调状态中对曝光时间进行微调的过程是通过爬山搜索法寻找人脸图像信息熵最大时对应的曝光时间。具体过程如下,设当前帧人脸图像的曝光时间为Te,则微调步长Twt=a×Te,本实施方案中a选择为0.01,则微调步长为曝光时间的1%。先使曝光时间增加微调步长Twt,计算人脸图像信息熵。如果增加曝光时间后人脸图像信息熵上升则,说明人脸图像信息熵最大值对应的曝光时间比当前曝光时间要大,之后曝光时间每次增加微调步长Twt,直到人脸图像信息熵开始下降完成微调退出微调状态。反之如果第一次增加曝光时间人脸图像信息熵下降,说明人脸图像信息熵最大值对应的曝光时间比当前曝光时间要小,则之后曝光时间每次减少微调步长Twt,直到人脸图像信息熵开始下降完成微调退出微调状态。完成微调时的曝光时间即为人脸图像最佳亮度对应的曝光时间。
本实施方式中,除了利用人脸图像信息熵进行曝光控制外,还结合了人脸图像的运动模糊尺度进行曝光控制。人脸图像的运动模糊是由于在曝光时间内目标人脸与人脸图像采集系统发生相对运动造成的图像退化,使得一个像素点的亮度在其运动路径上扩散,造成图像的模糊。人脸运动模糊尺度即曝光时间内人脸在图像上移动的距离,人脸运动模糊尺度越大则说明运动模糊退化越严重,对人脸图像分析处理结果的影响也更大。在本实施方式中,通过计算人脸图像的运动模糊尺度,判断人脸图像的运动模糊退化程度,相应地缩短曝光时间,可以减弱后续所采集人脸图像的运动模糊程度。在缩短曝光时间后,需要增加增益系数以保持人脸图像亮度,然而增益系数变高会导致噪声更加严重。由于目前图像分析处理算法对运动模糊的抗干扰能力较弱,且运动模糊退化的复原过程复杂效果不理想。因此运动模糊退化比噪声对人脸图像质量的影响更大,在检测到人脸图像存在运动模糊时减少曝光时间,增加增益系数,而在人脸图像没有运动模糊时较少增益系数,增加曝光时间,可以更好地克服人脸图像的噪声以及运动模糊退化。
本实施方式中,对人脸图像进行运动模糊尺度估计的方法可以分成粗估计和精确估计两个部分。其中首先进行人脸图像运动模糊尺度的粗估计,粗估计假设人脸运动为运算直线运动,则可以通过两帧图像的时间间隔、曝光时间以及两帧图像间人脸移动距离估计曝光时间内人脸的移动距离。具体操作步骤如下,由人脸定位算法确定当前帧的人脸中心坐标,计算与前一帧图像的人脸中心坐标的移动距离L,则人脸运动模糊尺度的粗估计结果R=(L/Tf)×Te,其中Tf为两帧图像的间隔时间,Te为当前帧人脸图像的曝光时间。粗估计的结果在一定程度上能反映图像运动模糊的尺度,但由于人脸中心坐标定位会出现一定误差,且该方法假设在人脸运动为匀速直线匀速,所以并不能很精确地反映人脸图像运动模糊尺度,但粗估计方法运算速度快,且能较好地判断是否出现运动模糊,因此本实施方案利用粗估计判断人脸图像是否出现运动模糊,然后进行精确估计得到准确的人脸图像运动模糊尺度。
本实施方式中,如果人脸运动模糊尺度粗估计结果R大于5个像素点,则认为很可能发生了运动模糊,这时需要对运动模糊尺度进行进一步更加精确的估算。本实施方式利用倒频谱进行运动模糊尺度精确估计,对人脸图像进行傅立叶变换,然后对变换的结果取对数,最后进行反傅立叶变换得到人脸图像的倒频谱。对于运动模糊图像,其倒频谱图像会出现两个对称的最小值点,其最小值点与图像倒频谱中心点之间的距离即为运动模糊尺度,如图4所示。为了减少干扰,本方法充分利用运动模糊尺度粗估计结果对基于倒频谱的运动模糊尺度估计方法进行改进。本方法在计算出人脸图像倒频谱后,以倒频谱中心为最小值搜索区域的中心,以人脸运动模糊尺度粗估计结果R的两倍作为边长的正方形范围内作为最小值的搜索区域。在搜索区域内搜索倒频谱的最小值,计算倒频谱最小值点到倒频谱中心的距离,即为精确估计得到的运动模糊尺度。
本实施方式中,在检测到人脸图像出现运动模糊后,迅速减少曝光时间,以降低后续所采集人脸图像的运动模糊程度,基于运动模糊的曝光参数控制流程图如图5所示。根据运动模糊尺度缩短曝光时间方法如下:初始化状态下曝光控制为静态模式,把增益系数调整为最小值,并按照本方法中的基于人脸图像信息熵的曝光时间控制方法进行曝光时间调节。对人脸图像的运动模糊尺度进行粗估计,若粗估计结果R大于5个像素点,进行精确估计,若精确估计得到的运动模糊尺度大于设定阈值Lmt,本实施方案中Lmt为5个像素点,则进入运动模式。在运动模式下,根据运动模糊的尺度对曝光时间和增益系数进行调整,然后丢弃该帧图片,重新进行采集。如果已经处于运动模式且连续三帧图像的人脸帧间移动距离L都在设定阈值Lst以内,此处Lst为5个像素点,则进入静态模式,把增益系数调整为人脸图像采集系统允许设置的最小值,并按增益系数减少的比例增加曝光时间。
本实施方式中,在运动模式下,根据运动模糊的尺度对曝光时间和增益系数进行调整的方法为:若增益系数已经为人脸图像采集系统允许设置的最大值Gmax,则不进行调整。否则设定一修正系数N,其计算公式为其中Rmb为人脸运动模糊尺度,本实施方案中Rth取值为5,表示对除法结果进行向下取整,计算得到修正系数N后,若当前增益系数Gcrt提高为原来的N倍后超过人脸图像采集系统允许设置的最大值Gmax,则重新计算N=Gmax/Gcrt,其中Gcrt为当前增益系数。完成N的计算后将曝光时间缩短为原来的N分之一,将增益系数提高为原来的N倍。从而通过缩短曝光时间,减弱后续所采集人脸图像的运动模糊的退化程度,并通过对增益系数进行调节保证图像亮度不会改变。
Claims (7)
1.一种近红外条件下人脸图像采集系统的曝光控制方法,其特征在于包括以下步骤:(1)以人脸图像信息熵作为人脸图像最佳亮度的评判值,通过寻找人脸图像信息熵最大值确定人脸图像最佳亮度对应的曝光时间;(2)结合倒频谱和人脸帧间移动距离进行人脸图像运动模糊尺度估计;(3)根据人脸运动模糊尺度对所述曝光时间进行调整;所述步骤(1)和步骤(2)的先后顺序能互换。
2.如权利要求1所述的曝光控制方法,其特征在于步骤(1)具体包括:在人脸图像采集系统启动进行第一次曝光调整的阶段以设定步长T st 逐步增加曝光时间直到人脸图像信息熵达到最大值;确定人脸图像信息熵最大值后,计算当前帧人脸图像信息熵,若当前帧人脸图像信息熵与所述人脸图像信息熵最大值的比值低于设定阈值R ie 时,计算人脸图像灰度均值,根据所述人脸图像信息熵最大值时的人脸图像灰度均值与当前人脸图像的灰度均值比例调整曝光时间,并进入微调状态重新寻找使人脸图像信息熵最大的曝光时间。
3.如权利要求2所述的方法,其特征在于微调状态中对曝光时间的微调方法包括:设当前帧人脸图像的曝光时间为T e ,则微调步长T wt =a×T e ,a是设定的比例系数,取值范围为(0,1],先使曝光时间增加微调步长T wt ,计算人脸图像信息熵;如果增加曝光时间后人脸图像信息熵上升则之后曝光时间每次增加微调步长T wt ,直到人脸图像信息熵开始下降完成微调退出微调状态;反之如果第一次增加曝光时间人脸图像信息熵下降,则之后曝光时间每次减少微调步长T wt ,直到人脸图像信息熵开始下降完成微调退出微调状态;完成微调时的曝光时间即为人脸图像最佳亮度对应的曝光时间。
4.如权利要求2所述的曝光控制方法,其特征在于步骤(1)所述根据人脸图像信息熵最大值时的人脸图像灰度均值与当前人脸图像的灰度均值比例调整曝光时间中,调整后的曝光时间T ad 的计算公式为:T ad = (G O /G N )×T e ,其中G N 为当前人脸图像灰度均值,G O 为人脸图像信息熵最大值时的人脸图像灰度均值,T e 为当前帧人脸图像的曝光时间。
5.如权利要求1所述的曝光控制方法,其特征在于步骤(2)所述人脸图像运动模糊尺度估计具体包括人脸图像运动模糊尺度粗估计和人脸图像运动模糊尺度精确估计,所述人脸图像运动模糊尺度粗估计为:由人脸定位算法确定当前帧的人脸中心坐标,计算与前一帧图像的人脸中心坐标的移动距离L,则人脸运动模糊尺度的粗估计结果R=(L/T f )×T e ,其中T f 为两帧图像的间隔时间, T e 为当前帧人脸图像的曝光时间;
所述人脸图像运动模糊尺度精确估计为:对人脸图像进行傅立叶变换,然后对变换的结果取对数,最后进行反傅里叶变换得到人脸图像的倒频谱;以倒频谱中心为倒频谱最小值的搜索区域中心,以人脸运动模糊尺度粗估计结果R的两倍作为边长的正方形区域作为倒频谱最小值的搜索区域;在搜索区域内搜索倒频谱的最小值,计算倒频谱最小值点到倒频谱中心的距离,即为人脸运动模糊尺度R mb 。
6.如权利要求1所述的曝光控制方法,其特征在于步骤(3)具体包括:如果步骤(2)计算得到的人脸运动模糊尺度大于设定阈值L mt ,则进入运动模式,根据人脸运动模糊尺度R mb 对曝光时间和增益系数进行调整;如果已经处于运动模式且连续三帧图像的人脸帧间移动距离L都在设定阈值L st 以内,则进入静态模式,把增益系数调整为人脸图像采集系统允许设置的最小值,并按增益系数减少的比例增加曝光时间。
7.如权利要求6所述的曝光控制方法,其特征在于根据人脸运动模糊尺度对曝光时间和增益系数进行调整,具体包括:若增益系数已经为人脸图像采集系统允许设置的最大值G max ,则不进行调整;否则设定一修正系数N,其计算公式为N=?R mb /R th ?+1,其中R mb 为人脸运动模糊尺度,R th 为设定值,?R mb /R th ?表示对除法结果进行向下取整,计算得到修正系数N后,若当前增益系数G crt 提高为原来的N倍后超过人脸图像采集系统允许设置的最大值G max ,则重新计算N=G max /G crt , 其中G crt 为当前增益系数;完成N的计算后将曝光时间缩短为原来的N分之一,将增益系数提高为原来的N倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310714200.9A CN103702015B (zh) | 2013-12-20 | 2013-12-20 | 一种近红外条件下人脸图像采集系统的曝光控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310714200.9A CN103702015B (zh) | 2013-12-20 | 2013-12-20 | 一种近红外条件下人脸图像采集系统的曝光控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103702015A true CN103702015A (zh) | 2014-04-02 |
CN103702015B CN103702015B (zh) | 2017-04-12 |
Family
ID=50363403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310714200.9A Expired - Fee Related CN103702015B (zh) | 2013-12-20 | 2013-12-20 | 一种近红外条件下人脸图像采集系统的曝光控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103702015B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105635559A (zh) * | 2015-07-17 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 用于终端的拍照控制方法及装置 |
CN106446873A (zh) * | 2016-11-03 | 2017-02-22 | 北京旷视科技有限公司 | 人脸检测方法及装置 |
CN107592470A (zh) * | 2017-09-21 | 2018-01-16 | 陕西土豆数据科技有限公司 | 一种应用于多镜头传感器的曝光算法 |
CN105516589B (zh) * | 2015-12-07 | 2018-07-03 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及系统 |
CN108462832A (zh) * | 2018-03-19 | 2018-08-28 | 百度在线网络技术(北京)有限公司 | 用于获取图像的方法及装置 |
WO2019071613A1 (zh) * | 2017-10-13 | 2019-04-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN109862269A (zh) * | 2019-02-18 | 2019-06-07 | Oppo广东移动通信有限公司 | 图像采集方法、装置、电子设备和计算机可读存储介质 |
CN110536072A (zh) * | 2018-05-25 | 2019-12-03 | 神讯电脑(昆山)有限公司 | 车用取像装置及影像撷取方法 |
CN110602414A (zh) * | 2019-09-19 | 2019-12-20 | 天津天地基业科技有限公司 | 一种基于环境亮度和图像信息熵的相机自动曝光方法 |
CN111083385A (zh) * | 2019-12-10 | 2020-04-28 | 珠海亿智电子科技有限公司 | 一种双目或多目摄像头曝光方法、系统和存储介质 |
CN112351217A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪技术研究中心有限公司 | 图像增强型防水云台图像采集系统与方法 |
CN112857587A (zh) * | 2021-02-04 | 2021-05-28 | 上海航天控制技术研究所 | 一种基于场景清晰度评价的短波红外探测器成像控制方法 |
CN113545028A (zh) * | 2019-09-25 | 2021-10-22 | 谷歌有限责任公司 | 用于面部认证的增益控制 |
CN113686878A (zh) * | 2021-09-03 | 2021-11-23 | 太原理工大学 | 一种特钢棒材表面缺陷多级联合检测方法及系统 |
CN113766143A (zh) * | 2019-01-25 | 2021-12-07 | 原相科技股份有限公司 | 光检测芯片、图像处理装置及其运作方法 |
-
2013
- 2013-12-20 CN CN201310714200.9A patent/CN103702015B/zh not_active Expired - Fee Related
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105635559A (zh) * | 2015-07-17 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 用于终端的拍照控制方法及装置 |
WO2017012372A1 (zh) * | 2015-07-17 | 2017-01-26 | 宇龙计算机通信科技(深圳)有限公司 | 用于终端的拍照控制方法、装置和终端 |
CN105635559B (zh) * | 2015-07-17 | 2018-02-13 | 宇龙计算机通信科技(深圳)有限公司 | 用于终端的拍照控制方法及装置 |
CN105516589B (zh) * | 2015-12-07 | 2018-07-03 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及系统 |
CN106446873A (zh) * | 2016-11-03 | 2017-02-22 | 北京旷视科技有限公司 | 人脸检测方法及装置 |
CN107592470A (zh) * | 2017-09-21 | 2018-01-16 | 陕西土豆数据科技有限公司 | 一种应用于多镜头传感器的曝光算法 |
CN110121882B (zh) * | 2017-10-13 | 2020-09-08 | 华为技术有限公司 | 一种图像处理方法及装置 |
WO2019071613A1 (zh) * | 2017-10-13 | 2019-04-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN110121882A (zh) * | 2017-10-13 | 2019-08-13 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN108462832A (zh) * | 2018-03-19 | 2018-08-28 | 百度在线网络技术(北京)有限公司 | 用于获取图像的方法及装置 |
CN110536072A (zh) * | 2018-05-25 | 2019-12-03 | 神讯电脑(昆山)有限公司 | 车用取像装置及影像撷取方法 |
CN113766143A (zh) * | 2019-01-25 | 2021-12-07 | 原相科技股份有限公司 | 光检测芯片、图像处理装置及其运作方法 |
CN113766143B (zh) * | 2019-01-25 | 2024-01-19 | 原相科技股份有限公司 | 光检测芯片、图像处理装置及其运作方法 |
US11431915B2 (en) | 2019-02-18 | 2022-08-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image acquisition method, electronic device, and non-transitory computer readable storage medium |
CN109862269A (zh) * | 2019-02-18 | 2019-06-07 | Oppo广东移动通信有限公司 | 图像采集方法、装置、电子设备和计算机可读存储介质 |
CN110602414A (zh) * | 2019-09-19 | 2019-12-20 | 天津天地基业科技有限公司 | 一种基于环境亮度和图像信息熵的相机自动曝光方法 |
US11687635B2 (en) | 2019-09-25 | 2023-06-27 | Google PLLC | Automatic exposure and gain control for face authentication |
CN113545028B (zh) * | 2019-09-25 | 2023-05-09 | 谷歌有限责任公司 | 用于面部认证的增益控制 |
CN113545028A (zh) * | 2019-09-25 | 2021-10-22 | 谷歌有限责任公司 | 用于面部认证的增益控制 |
CN111083385A (zh) * | 2019-12-10 | 2020-04-28 | 珠海亿智电子科技有限公司 | 一种双目或多目摄像头曝光方法、系统和存储介质 |
CN111083385B (zh) * | 2019-12-10 | 2021-04-02 | 珠海亿智电子科技有限公司 | 一种双目或多目摄像头曝光方法、系统和存储介质 |
CN112351217A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪技术研究中心有限公司 | 图像增强型防水云台图像采集系统与方法 |
CN112857587B (zh) * | 2021-02-04 | 2022-03-04 | 上海航天控制技术研究所 | 一种基于场景清晰度评价的短波红外探测器成像控制方法 |
CN112857587A (zh) * | 2021-02-04 | 2021-05-28 | 上海航天控制技术研究所 | 一种基于场景清晰度评价的短波红外探测器成像控制方法 |
CN113686878A (zh) * | 2021-09-03 | 2021-11-23 | 太原理工大学 | 一种特钢棒材表面缺陷多级联合检测方法及系统 |
CN113686878B (zh) * | 2021-09-03 | 2024-02-09 | 太原理工大学 | 一种特钢棒材表面缺陷多级联合检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103702015B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103702015A (zh) | 一种近红外条件下人脸图像采集系统的曝光控制方法 | |
CN104978715B (zh) | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 | |
CN103514441B (zh) | 基于移动平台的人脸特征点定位跟踪方法 | |
CN103258332B (zh) | 一种抗光照变化的运动目标的检测方法 | |
CN102073852B (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN109584204A (zh) | 一种图像噪声强度估计方法、存储介质、处理及识别装置 | |
CN102202163A (zh) | 一种监控视频的自适应增强方法及其装置 | |
CN101916446A (zh) | 基于边缘信息和均值移位的灰度目标跟踪算法 | |
CN108537756A (zh) | 基于图像融合的单幅图像去雾方法 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN104463165A (zh) | 一种融合Canny算子与Vibe算法的目标检测方法 | |
CN102855617A (zh) | 自适应图像处理方法及系统 | |
CN102592288A (zh) | 一种光照环境变化情况下的行人目标匹配跟踪方法 | |
CN104598914A (zh) | 一种肤色检测的方法及装置 | |
CN104809706A (zh) | 一种基于图像颜色平缓变化先验的单透镜计算成像方法 | |
CN105447890A (zh) | 一种抗光照影响的运动车辆检测方法 | |
CN102081799B (zh) | 基于邻域相似性及双窗口滤波的sar图像变化检测方法 | |
CN103985106A (zh) | 用于对强噪声图像进行多帧融合的设备和方法 | |
KR101803340B1 (ko) | 영상 기반 주행거리 측정 시스템 및 방법 | |
CN105046670A (zh) | 一种图像去雨方法及系统 | |
CN104851111B (zh) | 一种使用连续变焦探测器的目标跟踪方法 | |
CN116453198B (zh) | 一种基于头部姿态差异的视线校准方法和装置 | |
CN106204537A (zh) | 一种复杂环境下生猪图像分割方法 | |
TW201026081A (en) | Method for image processing | |
CN110111368B (zh) | 一种基于人体姿态识别的相似移动目标的检测跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170412 Termination date: 20211220 |