CN108764040B - 一种图像检测方法、终端及计算机存储介质 - Google Patents
一种图像检测方法、终端及计算机存储介质 Download PDFInfo
- Publication number
- CN108764040B CN108764040B CN201810375144.3A CN201810375144A CN108764040B CN 108764040 B CN108764040 B CN 108764040B CN 201810375144 A CN201810375144 A CN 201810375144A CN 108764040 B CN108764040 B CN 108764040B
- Authority
- CN
- China
- Prior art keywords
- region
- detection
- detected
- terminal
- current 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/168—Feature extraction; Face representation
Abstract
本申请公开了一种图像检测方法、终端及计算机存储介质,上述图像检测方法包括:在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像检测方法、终端及计算机存储介质。
背景技术
目前,常见的模糊图像检测方法主要包括基于挑帧技术的检测方法和基于拉普拉斯算子、边缘检测算子、梯度算子的检测方法。其中,基于挑帧技术的检测方法要求对多帧图像进行检测,具体地,终端在连续拍摄多张照片之后,利用梯度算子对多张图片进行卷积计算,最后根据计算获得的梯度值大小来评定图像的模糊程度。另一方面,基于拉普拉斯算子、边缘检测算子、梯度算子的检测方法主要是利用拉普拉斯算子、边缘检测算子、梯度算子对整张图像进行统计或方差分析,最后根据方差的大小对图像的模糊程度进行评定,理论上方差越大,表征图像的边缘越明显,即图像越清晰。
现有技术中,基于挑帧技术的检测方法,需要终端在拍摄阶段进行处理,且如果终端仅仅拍摄获得一帧图像,便无法进行图像检测;另一方面,基于拉普拉斯算子、边缘检测算子、梯度算子的检测方法并不能有效地对纯色区域进行模糊检测。且由于模糊图像的检测受制于复杂的拍照场景,现有的模糊检测方法在对图像是否模糊进行检测和评定时难以有统一的评定系统,因此并不能获得较为准确的检测结果,存在检测效率低的问题。
发明内容
有鉴于此,本申请提供一种图像检测方法、终端及计算机存储介质,在对一帧包含有人脸的图像进行模糊检测时,能够保证检测结果的准确性,有效地提高模糊检测效率。
本申请的技术方案是这样实现的:
本申请提供了一种图像检测方法,所述方法包括:
在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,所述待检测区域为所述面部区域中存在生物特征的区域;
提取所述待检测区域对应的特征数量和梯度信息;
根据所述特征数量和所述梯度信息进行模糊检测,获得所述当前图像对应的模糊检测结果。
本申请提供了一种终端,所述终端包括:检测单元和提取单元,
所述检测单元,用于在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,所述待检测区域为所述面部区域中存在生物特征的区域;
所述提取单元,用于提取所述待检测区域对应的特征数量和梯度信息;
所述检测单元,还用于根据所述特征数量和所述梯度信息进行模糊检测,获得所述当前图像对应的模糊检测结果。
本申请提供了一种终端,所述终端包括处理器、存储有所述处理器可执行指令的存储器、通信接口,和用于连接所述处理器、所述存储器以及所述通信接口的总线,当所述指令被执行时,所述处理器执行时实现如上所述的图像检测方法。
本申请提供了一种计算机可读存储介质,其上存储有程序,应用于终端中,所述程序被第一处理器执行时实现如上所述的图像检测方法。
由此可见,本申请提供了一种图像检测方法、终端及计算机存储介质,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请提出的一种图像检测方法、终端及计算机存储介质,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
附图说明
图1为本申请实施例提出的一种图像检测方法的实现流程示意图一;
图2为本申请实施例中待检测区域的示意图;
图3为本申请实施例提出的一种图像检测方法的实现流程示意图二;
图4为本申请实施例中发送重新拍摄请求的示意图;
图5为本申请实施例中显示模糊检测结果的示意图;
图6为本申请实施例中当前图像的示意图一;
图7为本申请实施例中当前图像的示意图二;
图8为本申请实施例提出的终端的组成结构示意图一;
图9为本申请实施例提出的终端的组成结构示意图二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关申请相关的部分。
实施例一
本申请实施例提供了一种图像检测方法,图1为本申请实施例提出的一种图像检测方法的实现流程示意图一,如图1所示,在本申请的实施例中,终端进行图像检测的方法可以包括以下步骤:
步骤101、在当前图像对应的面部区域中进行特征检测,获得待检测区域。
在本申请的实施例中,上述终端可以先在上述当前图像对应的面部区域中进行特征检测,获得待检测区域。需要说明的是,在本申请的实施例中,上述终端可以为具有摄像装置的多种终端,具体地,上述终端可以包括智能手机、平板电脑、智能相机、智能手表、便携式电脑以及掌上游戏设备等等。
需要说明的是,在本申请的实施例中,上述待检测区域为上述当前图像对应的上述面部区域中的,包括有生物特征的区域。
具体地,在本申请的实施例中,上述当前图像可以为上述终端通过配置的拍摄装置进行拍摄获得的一帧预览图像,上述当前图像还可以为上述终端存储的一帧图像。
需要说明的是,在本申请的实施例中,上述终端在上述面部区域中进行特征检测,可以获得上述面部区域中的目标特征。具体地,上述目标特征可以为上述面部区域中的各种生物特征,例如,上述目标特征可以为上述面部区域中的眼睛、鼻子、嘴巴、耳朵等。
进一步地,在本申请的实施例中,由于面部的生物特征具有固定的形状和大小,因此面部的生物特征是人像拍摄中最能体现一张图片是否模糊的特征,采用面部的生物特征进行模糊检测,可以有效的避免复杂环境对滤波算子的影响,增强了模糊检测算法的准确性。
进一步地,在本申请的实施例中,上述终端在上述面部区域中检测到上述目标特征之后,可以在上述当前图像中对上述目标特征进行区域分割,从而可以获得上述当前图像中的待检测区域。
图2为本申请实施例中待检测区域的示意图,如图2所示,上述终端在面部区域A中检测到目标特征为眼睛,并对目标特征进行分割,从而获得待检测区域B。
进一步地,在本申请的实施例中,上述终端在上述面部区域中进行特征检测,获得上述待检测区域之后,还可以根据预设标准尺度对上述待检测区域进行尺度缩放。
需要说明的是,在本申请的实施例中,上述预设标准尺度为上述终端预先设置的,用于进行模糊检测所需要的尺度标准,具体地,上述预设标准尺度可以为尺寸大小,也可以为像素大小。
进一步地,在本申请的实施例中,上述终端在获得上述待检测区域之后,可以对上述待检测区域中的尺度参数进行检测,如果上述待检测区域中的尺度参数不等于上述预设标准尺度,那么上述终端可以对上述待检测区域进行尺度缩放。
进一步地,在本申请的实施例中,如果上述待检测区域中的特征数量小于上述预设标准尺度,那么上述终端可以根据上述预设标准尺度对上述待检测区域进行尺度放大;相应地,如果上述待检测区域中的特征数量大于上述预设标准尺度,那么上述终端可以根据上述预设标准尺度对上述待检测区域进行尺度缩小。
在本申请的实施例中,进一步地,上述终端在根据上述预设标准尺度对上述待检测区域进行尺度缩放之后,可以对上述待检测区域进行预处理。
需要说明的是,在本申请的实施例中,上述终端在对上述当前图像进行特征数量和梯度信息的提取之前,还可以对上述待检测区域进行预处理。具体地,上述终端在提取上述待检测区域对应的特征数量和梯度信息之前,即步骤102之前,可以对上述待检测区域进行白化处理和降噪处理。
需要说明的是,在本申请的实施例中,环境感光或图像噪声所造成的图像模糊与终端拍摄时抖动等因素造成的图像模糊是不同的,且针对环境感光或图像噪声所造成的图像模糊也可以经过图像处理技术进行减弱或消除,而终端拍摄时抖动等因素造成的图像模糊则无法经过后期处理有效消除,因此,上述终端在提取上述待检测区域对应的特征数量和梯度信息之前,先对上述待检测区域进行预处理,可以有效地去除环境感光或图像噪声所造成的图像模糊,进而可以更加准确地确定出上述当前图像是否为拍摄时抖动等因素造成的模糊图像。
进一步地,在本申请的实施例中,上述终端可以对上述待检测区域进行白化处理,从而可以消除环境光线、上述终端的摄影装置等因素对上述当前图像带来的动态影响。
进一步地,在本申请的实施例中,上述终端还可以对上述待检测区域进行降噪处理,从而可以消除成像设备与外部环境噪声干扰的影响。
步骤102、提取待检测区域对应的特征数量和梯度信息。
在本申请的实施例中,上述终端在对上述待检测区域进行预处理,获得上述待检测区域之后,可以先提取上述待检测区域对应的特征数量和梯度信息。
具体地,在本申请的实施例中,上述终端可以分别对上述待检测区域进行上述特征数量的提取和上述梯度信息的提取,具体地,上述终端可以根据边缘算子提取上述待检测区域的上述特征数量;同时,上述终端可以根据拉普拉斯算子提取上述梯度信息。
需要说明的是,在本申请的实施例中,上述特征数量与上述梯度信息均可以用数值进行表示。具体地,在本申请的实施例中,上述特征数量可以为上述待检测区域中、梯度值满足预设梯度阈值的有效特征点的数量之和;相应地,在本申请的实施例中,上述梯度信息可以为上述待检测区域中有效特征点的梯度值之和。
步骤103、根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。
在本申请的实施例中,上述终端在提取上述待检测区域对应的上述特征数量和上述梯度信息之后,可以根据上述特征数量和上述梯度信息进行模糊检测,便可以获得上述当前图像对应的模糊检测结果。
进一步地,在本申请的实施例中,上述终端在获得上述特征数量和上述梯度信息之后,可以结合上述特征数量、上述梯度信息以及尺度缩放系数,进一步确定上述模糊检测结果。
需要说明的是,在本申请的实施例中,上述尺度缩放系数为上述终端在对上述待检测区域进行尺度缩放时的缩放系数。
本申请提供了一种图像检测方法,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请实施例提出的一种图像检测方法,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
实施例二
基于上述实施例一,图3为本申请实施例提出的一种图像检测方法的实现流程示意图二,如图3所示,在本申请的实施例中,上述终端提取上述待检测区域对应的上述特征数量和上述梯度信息之前,可以根据预设标准尺度对待检测区域进行尺度缩放,具体的尺度缩放方法可以包括以下步骤:
步骤104、获取待检测区域的尺度参数。
在本申请的实施例中,上述终端在上述面部区域中进行特征检测,获得上述待检测区域之后,可以先获取上述待检测区域的尺度参数。
进一步地,在本申请的实施例中,上述待检测区域的尺度参数可以为上述待检测区域对应的尺寸参数,也可以为上述待检测区域对应的像素参数。
步骤105、根据尺度参数和预设标准尺度,对待检测区域进行尺度缩放处理。
在本申请的实施例中,上述终端在获取上述待检测区域的上述尺度参数之后,可以根据上述尺度参数和上述预设标准尺度确定上述尺度缩放系数,便可以根据上述尺度缩放系数对上述待检测区域进行尺度缩放处理。
进一步地,在本申请的实施例中,上述终端在提取上述尺度参数之后,如果上述尺度参数不等于上述预设标准尺度,那么上述终端可以根据上述尺度参数和上述预设标准尺度进一步计算获得上述尺度缩放系数。
具体地,在本申请的实施例中,上述尺度缩放系数为大于0的实数。
需要说明的是,在本申请的实施例中,如果上述尺度参数等于上述预设标准尺度,那么上述终端可以认为上述尺度缩放系数为1。
需要说明的是,在本申请的实施例中,上述尺度参数和上述预设标准尺度为相同的尺度单位。具体地,如果上述预设标准尺度为尺寸大小,那么上述尺度参数为上述待检测区域对应的尺寸参数;相应地,如果上述预设标准尺度为像素大小,那么上述尺度参数为上述待检测区域对应的像素参数。
进一步地,在本申请的实施例中,上述终端在根据上述尺度参数和上述预设标准尺度确定上述尺度缩放系数之后,便可以根据上述尺度缩放系数对上述待检测区域进行尺度缩放。
进一步地,在本申请的实施例中,如果上述尺度缩放系数小于1,那么上述终端便可以根据上述尺度缩放系数对上述待检测区域进行尺度缩小;相应地,如果上述尺度缩放系数大于1,那么上述终端便可以根据上述尺度缩放系数对上述待检测区域进行尺度放大。
在本申请的实施例中,进一步地,上述终端在根据所述尺度参数和预设标准尺度,对所述待检测区域进行尺度缩放处理之后,根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果的方法可以包括以下步骤:
步骤201、对特征数量和梯度信息进行加法运算,获得求和结果。
在本申请的实施例中,上述终端在提取待检测区域对应的上述特征数量和上述梯度信息之后,可以先对上述特征数量和上述梯度信息进行加法计算,从而获得上述特征数量和上述梯度信息之和,即获得上述求和结果。
具体地,在本申请的实施例中,上述终端在获得上述特征数量和上述梯度信息之后,也可以先对上述特征数量和上述梯度信息分配预先设置的不同系数参数,然后再结合上述系数参数进行求和计算。
步骤202、获取所述尺度缩放处理对应的尺度缩放系数,并对求和结果和尺度缩放系数进行除法运算,获得第一检测评分。
在本申请的实施例中,上述终端在对上述特征数量和上述梯度信息进行加法计算,获得上述求和结果之后,可以再对上述求和结果和上述尺度缩放系数进行除法运算,从而可以获得上述求和结果与上述尺度缩放系数之商,即获得上述第一检测评分。
步骤203、根据第一检测评分和预设评分阈值,获得当前图像对应的模糊检测结果。
在本申请的实施例中,上述终端在对上述求和结果和上述尺度缩放系数进行除法运算,获得上述第一检测评分之后,可以根据上述第一检测评分和预设评分阈值,获得上述当前图像对应的上述模糊检测结果。
需要说明的是,在本申请的实施例中,上述预设评分阈值可以为上述终端预先设置的,用于判定一帧图像是否为模糊图像的数值。具体地,在本申请的实施例中,上述终端可以将上述第一检测评分与上述预设评分阈值进行比较,从而根据比较结果获得上述模糊检测结果。
需要说明的是,在本申请的实施例中,如果上述终端没有根据所述尺度参数和预设标准尺度,对所述待检测区域进行尺度缩放处理,那么上述终端根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果时,则是直接对上述特征数量和上述梯度信息进行加法计算,从而获得上述特征数量和上述梯度信息之和,即获得第二检测评分,然后可以根据上述第二检测评分和预设评分阈值,获得上述当前图像对应的上述模糊检测结果。
需要说明的是,在本申请的实施例中,上述预设评分阈值可以为上述终端预先设置的,用于判定一帧图像是否为模糊图像的数值。具体地,在本申请的实施例中,上述终端可以将上述第二检测评分与上述预设评分阈值进行比较,从而根据比较结果获得上述模糊检测结果。
在本申请的实施例中,进一步地,上述终端根据第一检测评分和预设评分阈值,获得当前图像对应的模糊检测结果的方法可以包括以下步骤:
步骤301、当第一检测评分小于或者等于预设评分阈值时,确定模糊检测结果为图像模糊。
在本申请的实施例中,上述终端在将上述第一检测评分与上述预设评分阈值进行比较之后,如果上述第一检测评分小于或者等于上述预设评分阈值,那么上述终端可以确定上述模糊检测结果为图像模糊。
需要说明的是,在本申请的实施例中,上述第一检测评分越小,上述终端可以认为上述当前图像越模糊,即在上述第一检测评分小于或者等于上述预设评分阈值时,上述终端确定上述模糊检测结果为图像模糊。
步骤302、当第一检测评分大于预设评分阈值时,确定模糊检测结果为图像清晰。
在本申请的实施例中,上述终端在将上述第一检测评分与上述预设评分阈值进行比较之后,如果上述第一检测评分大于上述预设评分阈值,那么上述终端可以确定上述模糊检测结果为图像清晰。
需要说明的是,在本申请的实施例中,上述第一检测评分越大,上述终端可以认为上述当前图像越清晰,即在上述第一检测评分大于上述预设评分阈值时,上述终端确定上述模糊检测结果为图像清晰。
本申请提供了一种图像检测方法,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请实施例提出的一种图像检测方法,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
实施例三
基于上述实施例一和实施例二,在本申请的实施例中,进一步地,上述终端根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果之后,即步骤103之后,终端进行图像检测的方法还可以包括以下步骤:
步骤106、当模糊检测结果为图像模糊时,发送重新拍摄请求。
在本申请的实施例中,上述终端在提取待检测区域对应的特征数量和梯度信息,并根据上述特征数量和上述梯度信息进行模糊检测,获得上述当前图像对应的上述模糊检测结果之后,如果上述模糊检测结果为图像模糊,那么上述终端可以发送重新拍摄请求。
进一步地,在本申请的实施例中,上述终端在通过上述模糊检测确定上述当前图像不清晰之后,可以发送用于提醒用户重新拍摄的上述重新拍摄请求。具体的,如果上述当前图像为预览图像,那么上述终端可以在上述当前图像对应的拍摄界面中发送上述重新拍摄请求,从而可以大大提高成片概率。
图4为本申请实施例中发送重新拍摄请求的示意图,如图4所示,如果当前图像为一帧预览图像,上述终端在判定当前图像的模糊检测结果为图像模糊时,可以在终端的拍摄界面中向用户发送“请重新拍摄”的重新拍摄请求。
在本申请的实施例中,进一步地,上述终端根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果之后,即步骤103之后,终端进行图像检测的方法还可以包括以下步骤:
步骤107、显示模糊检测结果。
在本申请的实施例中,上述终端在提取待检测区域对应的特征数量和梯度信息,并根据上述特征数量和上述梯度信息进行模糊检测,获得上述当前图像对应的上述模糊检测结果之后,上述终端可以显示上述模糊检测结果。
进一步地,在本申请的实施例中,上述终端在通过上述模糊检测确定上述当前图像对应的上述模糊检测结果之后,可以对上述模糊检测结果进行显示,以便用户知晓上述模糊检测结果。具体的,如果上述当前图像为预览图像,上述终端可以在上述当前图像对应的拍摄界面中显示上述模糊检测结果,从而可以大大提升用户体验。
图5为本申请实施例中显示模糊检测结果的示意图,如图5所示,如果当前图像为一帧预览图像,上述终端在确定出当前图像的模糊检测结果为图像清晰时,可以将“图像清晰”的糊检测结果在终端的拍摄界面中显示。
进一步地,在本申请的实施例中,如果上述当前图像为上述终端存储的至少一帧图像中的任一帧图像,上述终端可以在上述当前图像对应的显示界面中显示上述模糊检测结果,以帮助用户确定对上述当前图像进行删除或者保存处理,从而可以大大提升用户体验。
本申请提供了一种图像检测方法,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请实施例提出的一种图像检测方法,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
实施例四
基于上述实施例一,在本申请的实施例中,当前图像对应的面部区域中进行特征检测,上述终端获得待检测区域之前,即步骤101之前,终端进行图像检测的方法还可以包括以下步骤:
步骤108、当当前图像中存在面部区域时,计算面部区域对应的区域面积。
在本申请的实施例中,当上述当前图像中存在上述面部区域时,上述终端可以先计算上述面部区域对应的区域面积。
需要说明的是,在本申请的实施例中,上述面部区域可以为上述当前图像中包括人脸的最小区域,上述区域面积即为上述面部区域在上述当前图像中所占用的面积参数。
在本申请的实施例中,当当前图像中存在面部区域时,上述终端可以根据上述面部区域和上述当前图像对应的图像面积判断是否对上述当前图像开启上述特征检测流程。
步骤109、对区域面积和当前图像对应的图像面积进行比例运算,获得面积比值。
在本申请的实施例中,上述终端在计算上述面部区域对应的上述区域面积之后,可以对上述区域面积和上述当前图像对应的图像面积进行比例运算,获得面积比值。
需要说明的是,在本申请的实施例中,上述终端对上述区域面积和上述图像面积进行比例运算之后获得的上述面积比值,可以用于表征上述面部区域在上述当前图像中所占用的面积比例。具体地,上述面积比值越大,可以认为上述面部区域在上述当前图像中所占用的面积比例越大;相应地,上述面积比值越小,可以认为上述面部区域在上述当前图像中所占用的面积比例越小。
步骤1010、当面积比值大于或者等于预设比例参数时,进入特征检测流程。
在本申请的实施例中,上述终端在对上述区域面积和上述图像面积进行比例运算,获得上述面积比值之后,如果上述面积比值大于或者等于预设比例参数,上述终端则进入上述特征检测流程。
需要说明的是,在本申请的实施例中,上述预设比例参数为上述终端预先设置的,用于判定上述面部区域在上述当前图像中所占比例大小的参数。具体地,如果上述面积比值大于或者等于上述预设比例参数,即可以说明上述面部区域在上述当前图像中所占比例足够大,那么上述终端便可以进入上述特征检测流程,以进一步进行上述模糊检测。
进一步地,在本申请的实施例中,如果上述面积比值小于上述预设比例参数,即可以说明上述面部区域在上述当前图像中所占比例较小,也就是说,上述终端从上述面部区域中获取的特征数量也相应较少,那么上述终端便可以不进入上述特征检测流程。
在本申请的实施例中,当当前图像中存在面部区域时,上述计算计算面部区域对应的区域面积之前,即步骤109之前,终端进行图像检测的方法还可以包括以下步骤:
步骤1011、获取当前图像。
在本申请的实施例中,上述终端可以先获取上述当前图像。
需要说明的是,在本申请的实施例中,上述终端可以为配置有拍摄装置的智能终端,因此上述终端可以通过上述拍摄装置获取上述当前图像。
进一步地,在本申请的实施例中,上述终端在获得上述当前图像之后,便可以对上述当前图像中是否存在人脸进行检测,从而进一步确定上述当前图像中是否存在面部区域。图6为本申请实施例中当前图像的示意图一,如图6所示,当前图像中不存在人脸,因此终端无法在当前图像中获得面部区域;图7为本申请实施例中当前图像的示意图二,如图7所示,当前图像中存在人脸,因此终端可以在当前图像中获得面部区域A。
步骤1012、对当前图像进行面部特征检测,获得特征检测结果。
在本申请的实施例中,上述终端在获取上述当前图像之后,可以对上述当前图像进行面部特征检测,从而获得特征检测结果。
进一步地,在本申请的实施例中,上述终端在对上述当前图像进行面部特征检测之后,如果在上述当前图像中检测到人脸,则可以确定上述特征检测结果为存在面部特征;相应地,如果在上述当前图像中没有检测到人脸,则可以确定上述特征检测结果为不存在面部特征。
需要说明的是,在本申请的实施例中,上述当前图像中可能存在至少一个人脸,如果上述终端在上述当前图像中检测到多个人脸,上述终端可以选择任一个人脸进行上述面部区域的确定。
步骤1013、根据特征检测结果判断当前图像中是否存在面部区域。
在本申请的实施例中,上述终端在对上述当前图像进行面部特征检测,从而获得特征检测结果之后,可以根据上述特征检测结果判断上述当前图像中是否存在上述面部区域。
具体地,在本申请的实施例中,如果上述特征检测结果为存在面部特征,那么上述终端可以判定在上述当前图像中存在上述面部区域;相应地,如果上述特征检测结果为不存在面部特征,那么上述终端可以判定在上述当前图像中不存在上述面部区域。
进一步地,在本申请的实施例中,上述终端在确定上述当前图像中存在上述面部区域时,可以进一步根据上述面部区域在上述当前图像中所占的面积比例对是否进入特征检测流程进行确定。
需要说明的是,在本申请的实施例中,如果上述面部区域在上述当前图像中所占用的面积比例较小,即上述面部区域面积较小,那么上述终端从上述面部区域中获取的特征数量也相应较少,因此上述终端需要先根据上述面部区域和上述当前图像对应的图像面积对是否进入特征检测流程进行确定。
本申请提供了一种图像检测方法,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请实施例提出的一种图像检测方法,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
实施例五
基于上述实施例一至实施例四的同一发明构思下,图8为本申请实施例提出的终端的组成结构示意图一,如图8所示,本申请实施例提出的终端1可以包括检测单元11和提取单元12。
检测单元11,用于在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域。
提取单元12,用于在缩放单元12根据预设标准尺度对待检测区域进行尺度缩放,获得待检测区域之后,提取待检测区域对应的特征数量和梯度信息。
检测单元11,还用于在提取单元13提取待检测区域对应的特征数量和梯度信息之后,根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:缩放单元13。
缩放单元13,用于在检测单元11在当前图像对应的面部区域中进行特征检测,获得待检测区域之后,根据预设标准尺度对待检测区域进行尺度缩放。
进一步地,在本申请的实施例中,缩放单元13,具体用于获取待检测区域的尺度参数;以及根据尺度参数和预设标准尺度,对所述待检测区域进行尺度缩放处理。
进一步地,在本申请的实施例中,检测单元11,具体用于对特征数量和梯度信息进行加法运算,获得求和结果;以及获取所述尺度缩放处理对应的尺度缩放系数,并对求和结果和尺度缩放系数进行除法运算,获得第一检测评分;以及根据第一检测评分和预设评分阈值,获得当前图像对应的模糊检测结果。
进一步地,在本申请的实施例中,检测单元11,还具体用于当第一检测评分小于或者等于预设评分阈值时,确定模糊检测结果为图像模糊;以及当第一检测评分大于预设评分阈值时,确定模糊检测结果为图像清晰。
进一步地,在本申请的实施例中,检测单元11,还具体用于对所述特征数量和所述梯度信息进行加法运算,获得第二检测评分;以及根据所述第二检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:发送单元14。
发送单元14,用于根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果之后,当模糊检测结果为图像模糊时,发送重新拍摄请求。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:显示单元15。
显示单元15,用于根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果之后,显示模糊检测结果。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:计算单元16和开启单元17。
计算单元16,用于当当前图像中存在面部区域时,计算面部区域对应的区域面积;以及对区域面积和当前图像对应的图像面积进行比例运算,获得面积比值。
开启单元17,用于当面积比值大于或者等于预设比例参数时,开启特征检测功能。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:获取单元18和判断单元19。
获取单元18,用于当当前图像中存在面部区域时,计算面部区域对应的区域面积之前,获取当前图像。
检测单元11,还用于在获取单元18获取当前图像之后,对当前图像进行面部特征检测,获得特征检测结果。
判断单元19,用于在检测单元11对当前图像进行面部特征检测,获得特征检测结果之后,根据特征检测结果判断当前图像中是否存在面部区域。
在本申请的实施例中,进一步地,如图8所示,本申请实施例提出的终端1还可以包括:预处理单元110。
预处理单元110,用于提取待检测区域对应的特征数量和梯度信息之前,对待检测区域进行预处理。
图9为本申请实施例提出的终端的组成结构示意图二,如图9所示,本申请实施例提出的终端1还可以包括处理器111、存储有处理器111可执行指令的存储器112、通信接口113,和用于连接处理器111、存储器112以及通信接口113的总线114。
在本申请的实施例中,上述处理器111可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgRAMmable Logic Device,PLD)、现场可编程门阵列(Field ProgRAMmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。终端1还可以包括存储器112,该存储器112可以与处理器111连接,其中,存储器112用于存储可执行程序代码,该程序代码包括计算机操作指令,存储器112可能包含高速RAM存储器,也可能还包括非易失性存储器,例如,至少两个磁盘存储器。
在本申请的实施例中,总线114用于连接通信接口113、处理器111以及存储器112以及这些器件之间的相互通信。
在本申请的实施例中,存储器112,用于存储指令和数据。
进一步地,在本申请的实施例中,上述处理器111,用于在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。
在实际应用中,上述存储器112可以是易失性第一存储器(volatile memory),例如随机存取第一存储器(Random-Access Memory,RAM);或者非易失性第一存储器(non-volatile memory),例如只读第一存储器(Read-Only Memory,ROM),快闪第一存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的第一存储器的组合,并向处理器111提供指令和数据。
另外,在本实施例中的各功能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模块的形式实现。
集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,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,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提出的一种终端,在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,待检测区域为面部区域中存在生物特征的区域;提取待检测区域对应的特征数量和梯度信息;根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。也就是说,本申请实施例提出的一种终端,可以先从面部区域中寻找用于模糊检测的目标特征,并对该目标特征对应的待检测区域进行模糊检测,以获得该当前图像的模糊检测结果。由于人脸中的生物特征在复杂拍摄环境中的图像特征较为稳定,因此终端在对任一帧包含有人脸的图像进行模糊检测时,根据目标特征的待检测区域对应的特征数量和梯度信息进行检测,能够获得统一的评分标准,从而可以保证检测结果的准确性,有效地提高模糊检测效率。
本申请实施例提供第一计算机可读存储介质,其上存储有程序,该程序被第一处理器执行时实现如实施例一至实施例四的方法。
具体来讲,本实施例中的一种图像检测方法对应的程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种图像检测方法对应的程序指令被一电子设备读取或被执行时,包括如下步骤:
在当前图像对应的面部区域中进行特征检测,获得待检测区域;;其中,待检测区域为面部区域中存在生物特征的区域;
提取待检测区域对应的特征数量和梯度信息;
根据特征数量和梯度信息进行模糊检测,获得当前图像对应的模糊检测结果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的实现流程示意图和/或方框图来描述的。应理解可由计算机程序指令实现流程示意图和/或方框图中的每一流程和/或方框、以及实现流程示意图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (10)
1.一种图像检测方法,其特征在于,所述方法包括:
在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,所述待检测区域为所述面部区域中存在生物特征的区域;
提取所述待检测区域对应的特征数量和梯度信息;
对所述特征数量和所述梯度信息进行加法运算,获得求和结果;
获取所述待检测区域的尺度缩放处理对应的尺度缩放系数,并对所述求和结果和所述尺度缩放系数进行除法运算,获得第一检测评分;
根据所述第一检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果。
2.根据权利要求1所述的方法,其特征在于,所述提取所述待检测区域对应的特征数量和梯度信息之前,所述方法还包括:
获取所述待检测区域的尺度参数;
根据所述尺度参数和预设标准尺度,对所述待检测区域进行尺度缩放处理。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果,包括:
当所述第一检测评分小于或者等于所述预设评分阈值时,确定所述模糊检测结果为图像模糊;
当所述第一检测评分大于所述预设评分阈值时,确定所述模糊检测结果为图像清晰。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果之后,所述方法还包括:
当所述模糊检测结果为所述图像模糊时,发送重新拍摄请求。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果之后,所述方法还包括:
显示所述模糊检测结果。
6.根据权利要求1所述的方法,其特征在于,所述在当前图像对应的面部区域中进行特征检测,获得待检测区域之前,所述方法还包括:
当所述当前图像中存在所述面部区域时,计算所述面部区域对应的区域面积;
对所述区域面积和所述当前图像对应的图像面积进行比例运算,获得面积比值;
当所述面积比值大于或者等于预设比例参数时,进入特征检测流程。
7.根据权利要求1所述的方法,其特征在于,所述提取所述待检测区域对应的特征数量和梯度信息之后,获得所述模糊检测结果的方法替换为:
对所述特征数量和所述梯度信息进行加法运算,获得第二检测评分;
根据所述第二检测评分和所述预设评分阈值,获得所述当前图像对应的模糊检测结果。
8.一种终端,其特征在于,所述终端包括:检测单元和提取单元,
所述检测单元,用于在当前图像对应的面部区域中进行特征检测,获得待检测区域;其中,所述待检测区域为所述面部区域中存在生物特征的区域;
所述提取单元,用于提取所述待检测区域对应的特征数量和梯度信息;
所述检测单元,还用于对所述特征数量和所述梯度信息进行加法运算,获得求和结果;获取所述待检测区域的尺度缩放处理对应的尺度缩放系数,并对所述求和结果和所述尺度缩放系数进行除法运算,获得第一检测评分;根据所述第一检测评分和预设评分阈值,获得所述当前图像对应的模糊检测结果。
9.一种终端,其特征在于,所述终端包括处理器、存储有所述处理器可执行指令的存储器、通信接口,和用于连接所述处理器、所述存储器以及所述通信接口的总线,当所述指令被执行时,所述处理器执行时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有程序,应用于终端中,其特征在于,所述程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810375144.3A CN108764040B (zh) | 2018-04-24 | 2018-04-24 | 一种图像检测方法、终端及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810375144.3A CN108764040B (zh) | 2018-04-24 | 2018-04-24 | 一种图像检测方法、终端及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764040A CN108764040A (zh) | 2018-11-06 |
CN108764040B true CN108764040B (zh) | 2021-11-23 |
Family
ID=64011535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810375144.3A Active CN108764040B (zh) | 2018-04-24 | 2018-04-24 | 一种图像检测方法、终端及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764040B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503180B (zh) * | 2019-08-14 | 2021-09-14 | Oppo广东移动通信有限公司 | 模型处理方法、装置以及电子设备 |
CN112950525A (zh) * | 2019-11-22 | 2021-06-11 | 华为技术有限公司 | 图像检测方法、装置及电子设备 |
CN114067370B (zh) * | 2022-01-17 | 2022-06-21 | 北京新氧科技有限公司 | 一种脖子遮挡检测方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920756B2 (en) * | 2006-07-04 | 2011-04-05 | Seiko Epson Corporation | Image blur detection using cumulative blur widths |
CN102708361A (zh) * | 2012-05-11 | 2012-10-03 | 哈尔滨工业大学 | 远距离人脸采集方法 |
CN103413311A (zh) * | 2013-08-19 | 2013-11-27 | 厦门美图网科技有限公司 | 一种基于边缘的模糊检测方法 |
CN105550694A (zh) * | 2015-12-01 | 2016-05-04 | 厦门瑞为信息技术有限公司 | 一种度量人脸图像模糊程度的方法 |
CN105654451A (zh) * | 2014-11-10 | 2016-06-08 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
CN106228568A (zh) * | 2016-10-11 | 2016-12-14 | 北京京东尚科信息技术有限公司 | 模糊图片检测方法和装置 |
US9576210B1 (en) * | 2014-09-29 | 2017-02-21 | Amazon Technologies, Inc. | Sharpness-based frame selection for OCR |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8922662B1 (en) * | 2012-07-25 | 2014-12-30 | Amazon Technologies, Inc. | Dynamic image selection |
-
2018
- 2018-04-24 CN CN201810375144.3A patent/CN108764040B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920756B2 (en) * | 2006-07-04 | 2011-04-05 | Seiko Epson Corporation | Image blur detection using cumulative blur widths |
CN102708361A (zh) * | 2012-05-11 | 2012-10-03 | 哈尔滨工业大学 | 远距离人脸采集方法 |
CN103413311A (zh) * | 2013-08-19 | 2013-11-27 | 厦门美图网科技有限公司 | 一种基于边缘的模糊检测方法 |
US9576210B1 (en) * | 2014-09-29 | 2017-02-21 | Amazon Technologies, Inc. | Sharpness-based frame selection for OCR |
CN105654451A (zh) * | 2014-11-10 | 2016-06-08 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
CN105550694A (zh) * | 2015-12-01 | 2016-05-04 | 厦门瑞为信息技术有限公司 | 一种度量人脸图像模糊程度的方法 |
CN106228568A (zh) * | 2016-10-11 | 2016-12-14 | 北京京东尚科信息技术有限公司 | 模糊图片检测方法和装置 |
Non-Patent Citations (5)
Title |
---|
"A blind blur detection scheme using statistical features of phase congruency and gradient magnitude";Tiwari S等;《Advances in Electrical Engineering》;20141231;全文 * |
"人脸图像的光照和清晰度质量无参考评价及应用";尹渺源;《中国优秀硕士学位论文全文数据库·信息科技辑》;20160615;第2016年卷(第6期);全文 * |
"基于关键标记点高频分析的模糊人脸图像鉴别";李月龙等;《小型微型计算机系统》;20180228;第39卷(第2期);第386-392页 * |
"基于能量估计的局部运动模糊检测";赵森祥等;《计算机应用》;20161010;第36卷(第10期);全文 * |
"融合二级评价指标的人脸图像质量评价方法";邹国锋等;《山东大学学报(工学版)》;20160430;第46卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108764040A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10949952B2 (en) | Performing detail enhancement on a target in a denoised image | |
AU2017261537B2 (en) | Automated selection of keeper images from a burst photo captured set | |
JP6961797B2 (ja) | プレビュー写真をぼかすための方法および装置ならびにストレージ媒体 | |
CN106372629B (zh) | 一种活体检测方法和装置 | |
KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
EP3480784B1 (en) | Image processing method, and device | |
WO2020018359A1 (en) | Three-dimensional living-body face detection method, face authentication recognition method, and apparatuses | |
EP3358298A1 (en) | Building height calculation method and apparatus, and storage medium | |
CN108764040B (zh) | 一种图像检测方法、终端及计算机存储介质 | |
CN108108415B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN111028170B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN109190617B (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN107820019B (zh) | 虚化图像获取方法、装置及设备 | |
US20200112685A1 (en) | Focus Region Display Method and Apparatus, and Storage Medium | |
CN106258009A (zh) | 一种采集指纹的方法、指纹采集器以及终端 | |
CN112036311A (zh) | 基于眼部状态检测的图像处理方法、装置及存储介质 | |
CN109729231B (zh) | 一种文件扫描方法、装置及设备 | |
CN108259769B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111669492A (zh) | 一种终端对拍摄的数字图像进行处理的方法及终端 | |
CN108289176B (zh) | 一种拍照搜题方法、搜题装置及终端设备 | |
CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
US20210281742A1 (en) | Document detections from video images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |