CN107492074A - 图像采集处理方法、装置及终端设备 - Google Patents
图像采集处理方法、装置及终端设备 Download PDFInfo
- Publication number
- CN107492074A CN107492074A CN201710602088.8A CN201710602088A CN107492074A CN 107492074 A CN107492074 A CN 107492074A CN 201710602088 A CN201710602088 A CN 201710602088A CN 107492074 A CN107492074 A CN 107492074A
- Authority
- CN
- China
- Prior art keywords
- image
- preliminary images
- processing
- object region
- gray level
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000013135 deep learning Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 241000282452 Ailuropoda melanoleuca Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Abstract
本发明适用于图像处理及采集技术领域，提供了一种图像采集处理方法、装置及终端设备。该方法包括：对采集到的初步图像进行预处理；对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；对所述初步图像中的第一目标区域进行图像采集优化处理，并生成目标图像。该图像采集处理方法、装置及终端设备，根据深度学习或特征提取的方法确定所述初步图像中的第一目标区域，然后对初步图像中的第一区域进行图像采集优化调整，而对图像中特定区域范围之外的区域不做图像采集优化处理，从而能够极大提高针对特定目标采集的图像效果。
Description
技术领域
本发明属于图像处理及采集技术领域，尤其涉及一种图像采集处理方法、装置及终端设备。
背景技术
目前的摄像机和照相机，都是根据整幅画面的亮度、色彩等信息调节快门的曝光时间、光圈和对焦等参数，以实现对采集的整副图像的处理。发明人在实现本发明的过程中发现现有技术至少存在以下不足：在某些特定的场景下，对采集的整幅图像进行调整参数比较浪费资源，导致对图像的处理效率较低，且不能突出特定区域的效果。
发明内容
有鉴于此，本发明实施例提供了一种图像采集处理方法、装置及终端设备，以解决现有技术中在某些特定的场景下，对采集的整幅图像进行调整参数比较浪费资源，导致对图像的处理效率较低的问题。
本发明实施例的第一方面，提供了一种图像采集处理方法，包括：
对采集到的初步图像进行预处理；
对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
可选的，所述对采集到的初步图像进行预处理具体为：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像；
所述对经过所述预处理后的初步图像采用特征提取的方法确定所述初步图像中的第一目标区域具体为：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
可选的，所述根据预设特征集合确定所述灰度图像中的第二目标区域包括：
将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域；
将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
可选的，所述对所述初步图像中的第一目标区域进行图像采集优化处理具体为：
对所述初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理。
可选的，还包括：生成所述预设特征信息集合；
所述生成所述预设特征信息集合具体为：获取样本图像，将所述样本图像转换为灰度图像，并从所述样本图像的灰色图像中提取特征信息，生成所述预设特征信息集合。
本发明实施例的第二方面，提供了一种图像采集处理装置，包括：
预处理模块，用于对采集到的初步图像进行预处理；
检测模块，用于对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
控制模块，用于对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
本发明实施例的第三方面，提供了一种图像采集处理终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
对采集到的初步图像进行预处理；
对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
可选的，所述对采集到的初步图像进行预处理具体为：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像；
所述对经过所述预处理后的初步图像采用特征提取的方法确定所述初步图像中的第一目标区域具体为：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
可选的，所述根据预设特征集合确定所述灰度图像中的第二目标区域包括：
将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域；
将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
可选的，所述对所述初步图像中的第一目标区域进行图像采集优化处理具体为：
对所述初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理。
可选的，所述处理器执行所述计算机程序时还实现：生成所述预设特征信息集合；
所述生成所述预设特征信息集合具体为：获取样本图像，将所述样本图像转换为灰度图像，并从所述样本图像的灰色图像中提取特征信息，生成所述预设特征信息集合。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有图像采集处理系统，所述图像采集处理系统可被至少一个处理器执行，以使所述至少一个处理器执行上述任意一种图像采集处理方法的步骤。
本发明实施例相对于现有技术所具有的有益效果：本发明实施例，根据深度学习或特征提取的方法确定所述初步图像中的第一目标区域，然后对初步图像中的第一区域进行图像采集优化调整，而对图像中特定区域范围之外的区域不做图像采集优化处理，从而能够极大提高针对特定目标采集的图像效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的图像采集处理方法的流程示意图；
图2是本发明实施例提供的对采集到的初步图像进行预处理，生成初步图像的灰度图像的流程图；
图3是图1中步骤S102的实现流程图；
图4是本发明实施例提供的图像采集处理方法的又一流程示意图；
图5是本发明实施例提供的图像采集处理装置的结构框图；
图6是本发明实施例提供的图像采集处理终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的图像采集处理方法的实现流程，详述如下：
步骤S101，对采集到的初步图像进行预处理。
其中，本步骤中的初步图像为彩色图像。作为一种可实施方式，所述对采集到的初步图像进行预处理具体可以为：对采集到的初步图像进行预处理，以生成所述初步图像的灰度图像。
其中，所述对采集到的初步图像进行预处理，生成初步图像的灰度图像的过程可以包括：
步骤S201，将颜色空间坐标系转换为球形坐标系，在所述彩色图像的图像空间中选取初始的投影轴。
步骤S202，根据所述投影轴将所述彩色图像转换为灰度图像，并计算所述灰度图像的灰度图像评价指标。
步骤S203，变换所述投影轴。重复执行步骤S202和步骤S203，直至使用过的投影轴的集合覆盖了所述图像空间的预定空间范围，从而获得多个灰度图像和分别与所述多个灰度图像相对应的多个灰度图像评价指标。
步骤S204，确定多个灰度图像评价指标中的最佳的灰度图像评价指标，并将与所述最佳的灰度图像评价指标相对应的灰度图像确定为所述彩色图像应转换为的灰度图像。
需要说明的是，图2仅为将初步图像转换为灰度图像的一个示例，并不以此为限。在其他实施例中，还可以通过其他方法将初步图像转换为灰度图像。
作为另一种可实施方式，所述对初步图像进行预处理还可以具体为：将所述初步图像进行预处理，以转换为可以通过深度学习等方法直接进行图像彩色学习的图像，然后后续步骤通过深度学习等方法，对经过预处理的图像进行彩色学习，以识别初步图像中的第一目标区域。
步骤S102，对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域。
一个实施例中，所述对采集到的初步图像进行预处理具体为：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像。所述对经过所述预处理后的初步图像采用特征提取的方法确定所述初步图像中的第一目标区域具体为：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
其中，预设特征信息用于表征图像中的目标特征。具体的，对于需要从图像中确定人体动作、人体肢体、目标物体等情况时，预设特征信息可以分别用于表征人体动作的特征信息、人体肢体的特征信息或目标物体的特征信息。
例如，对于火车站或机场的卡口，需要进行人脸识别，则只要针对人脸区域进行拍摄优化处理即可；对于监控大熊猫的区域，需要对图像上大熊猫的位置进行优化处理；监控老人小孩儿是否跌倒的场景下，需要对老人小孩儿跌倒的动作位置进行特定位置的拍摄优化处理等。
可以理解的，在监控老人小孩儿是否跌倒的场景时，预设特征信息集合中的预设特征信息为能够表征老人小孩儿是否跌倒的特征信息，例如腿部特征信息；在需要进行人脸识别的场景时，预设特征信息集合中的预设特征信息为能够表征人脸的特征信息，例如人类面部特征信息。通过预设特征信息确定初步图像中的相应特定区域的部分进行后续图像优化处理，而对特定区域之外的部分可以不进行图像优化处理，以节省资源，提高对图像采集处理的效率。
具体的，参见图3，步骤S102中的所述根据预设特征集合确定所述灰度图像中的目标区域可以通过以下步骤实现：
步骤S301，将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域。
本步骤中，预设大小可以为像素大小，例如10*10，即每个图像块的长和宽均为10个像素。当然，也可以以其他单位，并不进行限制。
需要说明的是，对于不同的需要，预设大小可以不同。例如，对于在监控老人小孩儿是否跌倒的场景时，预设大小可以设置稍大一些，为20个像素*20个像素；在需要进行人脸识别的场景时，预设大小可以设置稍小一些，为10个像素*10个像素，以提高划分精度。
步骤S302，将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
本步骤中，可以设置匹配度阈值，在目标特征信息与预设特征集合中的某个预设特征信息的匹配度大于所述匹配度阈值时，则可以判定目标特征信息与该预设特征信息匹配成功，否则判定目标特征信息与该预设特征信息匹配不成功。
需要说明的是，对于不同的需要，匹配度阈值的大小可以不同。例如，对于在监控老人小孩儿是否跌倒的场景时，匹配度阈值可以设置稍小一些，为60％；在需要进行人脸识别的场景时，匹配度阈值可以设置稍小一些，为80％。
步骤S103，对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
作为一种可实施方式，在步骤S103中，所述对所述初步图像中的目标区域对应的第一区域进行图像采集优化处理具体为：对所述初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理，而对所述初步图像中的第一目标区域范围之外的区域不做图像采集优化处理，从而能够极大提高针对特定目标采集的图像效果。
具体的，可以对初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的一种处理，也可以对初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的两种处理，也可以对初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的三种图像优化处理，以获得满足要求的目标图像。
需要说明的是，对初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理，可以使得生成的目标图像中的特定区域能够明显显示，以实现对特定区域的图像优化处理，从而能够更高效率地监控老人小孩儿是否跌倒、进行人脸识别、监测特定物体等。
可选的，在步骤S102之前，该图像采集处理方法还可以包括：生成所述预设特征信息集合。具体的，所述生成所述预设特征信息集合具体可以为：获取样本图像，将所述样本图像转换为灰度图像，并从所述样本图像的灰色图像中提取特征信息，生成所述预设特征信息集合。
其中，预设特征信息用于表征图像中的目标特征。具体的，对于需要从图像中确定人体动作、人体肢体、目标物体等情况时，预设特征信息可以分别用于表征人体动作的特征信息、人体肢体的特征信息或目标物体的特征信息。
例如，对于火车站或机场的卡口，需要进行人脸识别，则只要针对人脸区域进行拍摄优化处理即可；对于监控大熊猫的区域，需要对图像上大熊猫的位置进行优化处理；监控老人小孩儿是否跌倒的场景下，需要对老人小孩儿跌倒的动作位置进行特定位置的拍摄优化处理等。
可以理解的，在监控老人小孩儿是否跌倒的场景时，预设特征信息集合中的预设特征信息为能够表征老人小孩儿是否跌倒的特征信息，例如腿部特征信息；在需要进行人脸识别的场景时，预设特征信息集合中的预设特征信息为能够表征人脸的特征信息，例如人类面部特征信息。通过预设特征信息确定初步图像中的相应特定区域的部分进行后续图像优化处理，而对特定区域之外的部分可以不进行图像优化处理，以节省资源，提高对图像采集处理的效率。
具体的，所述生成所述预设特征信息集合可以通过以下过程实现：
获取训练图片，可以通过摄像机或照相机等图像采集设备采集；
在训练图片上标定待识别的区域位置，可以通过编辑训练图片实现；
根据训练图片生成训练样本，可以按照训练图片直接生成训练样本，也可以将训练图片转换成灰度图像后，根据灰度图像创建训练样本；
根据训练样本生成预设特征信息集合。
另外，对于采用深度学习等方法对所述初步图像进行色彩学习后，可以根据预设要求确定所述初步图像中的特定区域，然后对所述初步图像中的特定区域进行图像采集优化处理，生成目标图像。具体如何通过深度学习等方法对所述初步图像进行色彩学习后，可以根据预设要求确定所述初步图像中的特定区域，可以采用本领域技术人员所熟知的技术，在此不做进一步说明。
可选的，所述对所述初步图像中的特定区域进行图像采集优化处理具体可以为：对所述初步图像中的特定区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理，而对所述初步图像中的特定区域范围之外的区域不做图像采集优化处理，从而能够极大提高针对特定目标采集的图像效果。
图4示出了本发明实施例提供的图像采集处理方法的又一流程图，详述如下：
步骤S401，获取样本图像，将样本图像转换为灰色图像，并从样本图像的灰色图像中提取特征信息，生成预设信息特征集合。
步骤S402，对采集到的初步图像进行预处理，生成所述初步图像的灰度图像。
步骤S403，根据预设特征集合确定所述灰度图像中的第二目标区域，所述预设特征集合包括至少一条预设特征信息。
步骤S404，对所述初步图像中与所述灰度图像的第二目标区域对应的第一目标区域进行图像采集优化处理，生成目标图像。
上述图像采集处理方法，根据深度学习或特征提取的方法确定所述初步图像中的第一目标区域，然后对初步图像中的第一区域进行图像采集优化调整处理，而对图像中特定区域范围之外的区域不做图像采集优化调整处理，从而能够极大提高针对特定目标采集的图像效果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的图像采集处理方法，图5示出了本发明实施例提供的图像采集处理装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分。
参照图5，该装置包括预处理模块501、检测模块502和控制模块503。
预处理模块501，用于对采集到的初步图像进行预处理。检测模块502，用于对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域。控制模块503，用于对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
可选的，预处理模块501具体用于：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像。检测模块502具体用于：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
可选的，检测模块502可以包括特征信息提取单元和处理单元。特征信息提取单元，用于将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域。处理单元，用于将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
作为一种可实施方式，控制模块503具体用于：对所述初步图像中与所述灰度图像的目标区域对应的区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种优化处理。
可选的，该装置还可以包括特征信息生成模块504。特征信息生成模块504，用于生成所述预设特征信息集合。具体的，特征信息生成模块504可以包括获取单元和生成单元。
其中，所述获取单元，用于获取样本图像。所述生成单元，用于将所述样本图像转换为灰度图像，并从所述样本图像的灰色图像中提取特征信息，生成所述预设特征信息集合。
图6是本发明一实施例提供的图像采集处理终端设备60的示意图。如图6所示，该实施例的图像采集处理终端设备60包括：处理器600、存储器601以及存储在所述存储器601中并可在所述处理器600上运行的计算机程序602，例如图像采集处理程序。所述处理器600执行所述计算机程序602时实现上述各个图像采集处理方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，所述处理器600执行所述计算机程序602时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至503的功能。
示例性的，所述计算机程序602可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器601中，并由所述处理器600执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序602在所述图像采集处理终端设备60中的执行过程。例如，所述计算机程序602可以被分割成预处理模块、检测模块和控制模块，各模块具体功能如下：
预处理模块，用于对采集到的初步图像进行预处理。检测模块，用于对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域。控制模块，用于对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
所述图像采集处理终端设备60可以是摄像机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像采集处理终端设备可包括，但不仅限于，处理器600、存储器601。本领域技术人员可以理解，图6仅仅是图像采集处理终端设备60的示例，并不构成对图像采集处理终端设备60的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述图像采集处理终端设备60还可以包括输入输出设备、网络接入设备、总线等。
所称处理器600可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器601可以是所述图像采集处理终端设备60的内部存储单元，例如图像采集处理终端设备60的硬盘或内存。所述存储器601也可以是所述图像采集处理终端设备60的外部存储设备，例如所述图像采集处理终端设备60上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器601还可以既包括所述图像采集处理终端设备60的内部存储单元也包括外部存储设备。所述存储器601用于存储所述计算机程序以及所述图像采集处理终端设备所需的其他程序和数据。所述存储器601还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像采集处理方法，其特征在于，包括：
对采集到的初步图像进行预处理；
对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
2.根据权利要求1所述的图像采集处理方法，其特征在于，所述对采集到的初步图像进行预处理具体为：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像；
所述对经过所述预处理后的初步图像采用特征提取的方法确定所述初步图像中的第一目标区域具体为：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
3.根据权利要求2所述的图像采集处理方法，其特征在于，所述根据预设特征集合确定所述灰度图像中的第二目标区域包括：
将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域；
将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
4.根据权利要求1至3中任一项所述的图像采集处理方法，其特征在于，所述对所述初步图像中的第一目标区域进行图像采集优化处理具体为：
对所述初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理。
5.一种图像采集处理装置，其特征在于，包括：
预处理模块，用于对采集到的初步图像进行预处理；
检测模块，用于对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
控制模块，用于对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
6.一种图像采集处理终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
对采集到的初步图像进行预处理；
对经过所述预处理后的初步图像采用深度学习或特征提取的方法确定所述初步图像中的第一目标区域；
对所述初步图像中的第一目标区域进行图像采集优化处理，生成目标图像。
7.根据权利要求6所述的图像采集处理终端设备，其特征在于，所述对采集到的初步图像进行预处理具体为：对采集到的初步图像进行预处理，生成所述初步图像的灰度图像；
所述对经过所述预处理后的初步图像采用特征提取的方法确定所述初步图像中的第一目标区域具体为：根据预设特征集合确定所述灰度图像中的第二目标区域，并将所述初步图像中与所述灰度图像中的第二目标区域对应的区域作为所述第一目标区域；所述预设特征集合中包括至少一条预设特征信息。
8.根据权利要求7所述的图像采集处理终端设备，其特征在于，所述根据预设特征集合确定所述灰度图像中的第二目标区域包括：
将所述灰度图像划分为多个预设大小的图像块，并提取每个所述图像块中的目标特征信息；每个目标特征信息对应至少一个图像块，每个图像块对应一个区域；
将提取出的每个所述目标特征信息与所述预设特征集合进行匹配，将匹配成功的各个所述目标特征信息所对应的区域作为所述第二目标区域。
9.根据权利要求6至8中任一项所述的图像采集处理终端设备，其特征在于，所述对所述初步图像中的第一目标区域进行图像采集优化处理具体为：
对所述初步图像中的第一目标区域进行曝光时间调整、焦距调整和白平衡调整中的至少一种处理。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有图像采集处理系统，所述图像采集处理系统可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1至4中任一项所述的图像采集处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710602088.8A CN107492074A (zh) | 2017-07-21 | 2017-07-21 | 图像采集处理方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710602088.8A CN107492074A (zh) | 2017-07-21 | 2017-07-21 | 图像采集处理方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107492074A true CN107492074A (zh) | 2017-12-19 |
Family
ID=60643632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710602088.8A Pending CN107492074A (zh) | 2017-07-21 | 2017-07-21 | 图像采集处理方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107492074A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108701214A (zh) * | 2017-12-25 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 图像数据处理方法、装置及设备 |
| CN108734678A (zh) * | 2018-05-22 | 2018-11-02 | 任阿毛 | 餐桌开口封闭控制系统 |
| CN108765690A (zh) * | 2018-04-28 | 2018-11-06 | 深圳怡化电脑股份有限公司 | 图像传感器数据处理方法、装置、系统及自助金融设备 |
| CN109903324A (zh) * | 2019-04-08 | 2019-06-18 | 京东方科技集团股份有限公司 | 一种深度图像获取方法及装置 |
| WO2019128366A1 (zh) * | 2017-12-29 | 2019-07-04 | 江苏金恒信息科技股份有限公司 | 一种试样槽口定位方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
| CN103679684A (zh) * | 2012-09-10 | 2014-03-26 | 富士通株式会社 | 用于检测图像中的云的装置、方法以及电子设备 |
| CN106327475A (zh) * | 2016-08-26 | 2017-01-11 | 曾美枝 | 图像处理方法和装置 |
| 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 |
| CN106682620A (zh) * | 2016-12-28 | 2017-05-17 | 北京旷视科技有限公司 | 人脸图像采集方法及装置 |
-
2017
- 2017-07-21 CN CN201710602088.8A patent/CN107492074A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
| CN103679684A (zh) * | 2012-09-10 | 2014-03-26 | 富士通株式会社 | 用于检测图像中的云的装置、方法以及电子设备 |
| CN106327475A (zh) * | 2016-08-26 | 2017-01-11 | 曾美枝 | 图像处理方法和装置 |
| 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 |
| CN106682620A (zh) * | 2016-12-28 | 2017-05-17 | 北京旷视科技有限公司 | 人脸图像采集方法及装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108701214A (zh) * | 2017-12-25 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 图像数据处理方法、装置及设备 |
| WO2019128366A1 (zh) * | 2017-12-29 | 2019-07-04 | 江苏金恒信息科技股份有限公司 | 一种试样槽口定位方法及装置 |
| CN108765690A (zh) * | 2018-04-28 | 2018-11-06 | 深圳怡化电脑股份有限公司 | 图像传感器数据处理方法、装置、系统及自助金融设备 |
| CN108734678A (zh) * | 2018-05-22 | 2018-11-02 | 任阿毛 | 餐桌开口封闭控制系统 |
| CN109903324A (zh) * | 2019-04-08 | 2019-06-18 | 京东方科技集团股份有限公司 | 一种深度图像获取方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107492074A (zh) | 图像采集处理方法、装置及终端设备 | |
| TWI687879B (zh) | 伺服器、客戶端、用戶核身方法及系統 | |
| CN112232293A (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
| CN112446302B (zh) | 一种人体姿态检测方法、系统、电子设备和存储介质 | |
| CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
| CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
| CN111612842B (zh) | 生成位姿估计模型的方法和装置 | |
| CN105022999A (zh) | 一种人码伴随实时采集系统 | |
| WO2020164266A1 (zh) | 一种活体检测方法、系统及终端设备 | |
| WO2022089143A1 (zh) | 模拟图像生成的方法、电子设备及存储介质 | |
| CN109819176A (zh) | 一种拍摄方法、系统、装置、电子设备及存储介质 | |
| CN109121267A (zh) | 灯光控制方法、设备以及存储介质 | |
| CN109598250A (zh) | 特征提取方法、装置、电子设备和计算机可读介质 | |
| CN107622497A (zh) | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 | |
| JP5430636B2 (ja) | データ取得装置、方法及びプログラム | |
| CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| CN110321378A (zh) | 一种移动监控图像识别系统及方法 | |
| CN113191189A (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
| CN108171205A (zh) | 用于识别人脸的方法和装置 | |
| CN112329736B (zh) | 人脸识别方法及金融系统 | |
| CN111353470B (zh) | 图像的处理方法、装置、可读介质和电子设备 | |
| CN112950641A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN113505844A (zh) | 标签生成方法、装置、设备、存储介质及程序产品 | |
| CN108446653B (zh) | 用于处理面部图像的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |