CN109389111A - 图像采集处理方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明实施例提供了一种图像采集处理方法、装置及计算机可读存储介质，涉及图像采集技术领域。其中，该图像采集处理方法应用于电子设备，该电子设备包括弱红光补光灯，电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述方法包括：当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。使最终输出的图像数据具备贴近真实的颜色，避免光污染的同时，丰富输出图像的呈现信息。

Description

图像采集处理方法、装置及计算机可读存储介质

技术邻域

本发明涉及图像采集领域，具体而言，涉及一种图像采集处理方法、装置及计算机可读存储介质。

背景技术

近年来，虽然图像采集技术飞速发展，但光线条件依然是图像采集技术的限制条件。为了使图像采集技术在任何应用场景下均能正常运行，通常会为图像采集设备增加一补光装置，以辅助图像采集设备在光线条件差的情况下进行图像采集。特别是当图像采集技术应用于室外场景时，补光装置就显得十分必要，例如，应用于智能交通中的卡口抓拍时。

通常补光装置大致分为白光爆闪灯及红外爆闪灯。然而，白光爆闪灯的亮度较高，容易造成光污染，例如，应用在高速路卡口的白光爆闪灯，在夜间对过往车辆进行采集时，强亮度的光线会给驾驶员带来了很大的困扰，甚至引发安全事故。另外，红外爆闪灯在夜间使用时，则会出现色彩丢失，使输出图像数据呈现为黑白画面，无法提供令用户满意的采集图像。

发明内容

本发明的目的在于提供一种图像采集处理方法、装置及计算机可读存储介质，用以改善上述问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种图像采集处理方法，应用于电子设备，所述电子设备包括弱红光补光灯，所述电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述方法包括：当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

第二方面，本发明实施例提供了一种图像采集处理装置，应用于电子设备，所述电子设备包括弱红光补光灯，所述电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述装置包括：提取模块，用于当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；判断模块，用于依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；渲染模块，用于利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机指令，该些计算机指令被处理器执行时实现前述方法的步骤。

与现有技术的区别在于，本发明实施例提供的一种图像采集处理方法通过采用弱红光补光灯配合电子设备进行待处理图像数据的采集，改善采集过程中，由大量可见光造成的光污染。并利用从待处理图像数据的感兴趣区域中提取均值亮度信息，结合与弱红光补光灯的补光波长对应的颜色分类模型，判断感兴趣区域对应的颜色信息，并基于判断出的颜色信息对感兴趣区域进行色彩渲染，克服单一的红外光补光造成的图像颜色特征丢失，使最终输出的图像数据具备贴近真实的颜色，避免光污染的同时，丰富输出图像的呈现信息。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本邻域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例提供的一种电子设备的结构示意图。

图2示出了本发明实施例提供的一种图像采集处理方法的步骤流程图。

图3为图2中步骤S102的一种子步骤流程图。

图4示出了本发明实施例提供的一种图像采集处理方法的另一部分流程图。

图5示出了本发明实施例提供的图像采集处理装置的功能模块示意图。

图标：100-电子设备；111-存储器；112-处理器；113-通信单元；114-弱红光补光灯；200-图像采集处理装置；201-提取模块；202-判断模块；203-渲染模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本邻域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参考图1，本发明实施例提供的一种电子设备100。上述电子设备100可以是图像采集设备、智能移动终端等。优选地，电子设备100为图像采集设备，例如，卡口摄像头。可选地，上述电子设备100包括图像采集处理装置200、存储器111、处理器112、通信单元113、弱红光补光灯114。

所述存储器111、处理器112、通信单元113以及弱红光补光灯114各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器111用于固化在电子设备100的操作系统(Operating System，OS)中的软件功能模块，存储器111内还存储至少一与弱红光补光灯114发出的补光波长匹配的颜色分类模型。所述处理器112用于执行所述存储器111中存储的可执行模块，例如，存储器111内存储的图像采集处理装置200的程序段，以实现本实施例中提供的图像采集处理方法。

其中，所述存储器111可以是，但不限于，随机存取存储器111(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。可选地，该电子设备100的存储器111中可以预先存储的颜色分类模型。

所述通信单元113用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。

所述弱红光补光灯114，用于在电子设备100进行采集时发出指定波段的补光。需要说明的是，指定波段中既包括部分红光波段(主要为弱红光波段)，还包括红外光波段，使弱红光补光灯114发出的补光中既包括弱红光也包括红外光。例如，指定波段可以是700nm～1000nm。当然，此仅为举例，并不作为对方案的限定，指定波段的最小波长还可以在650～750nm之间选择，指定波段的最大波长还可以在大于1000nm的范围内选择。可选地，弱红光补光灯114上可以加设一滤镜，用于滤去指定波段以外的光波，确保弱红光补光灯114发出的光线满足要求，提高弱红光补光灯114的可靠性。需要说明的是，滤镜依据设计的弱红光补光灯114的指定波长范围选择，使通过滤镜的光波仅保留指定波长范围内的光。整体而言，可以被选用的滤镜均可以过滤小于弱红光波长的光线，还可过滤超过红外光波长的光线。

第一实施例

请参考图2，图2示出本发明较佳实施例提供的图像采集处理方法。上述图像采集处理方法可以应用于图1示出的电子设备100中。可选地，所述方法包括：

步骤S101，当获取到配合弱红光补光灯114采集的待处理图像数据时，从待处理图像数据的感兴趣区域中提取均值亮度信息。

在本发明实施例中，在电子设备100进行一次采集，可以启用弱红光补光灯114进行爆闪，通过发出补光，辅助电子设备100进行图像采集。作为一种方式，上述弱红光补光灯114的启用可以是在电子设备100感知到的环境光线条件不满足图像采集要求后。当然可以理解的是，也可以不考虑环境光线条件，直接在每一次图像采集时，均启用弱红光补光灯114进行爆闪，对此不做限定。

可选地，在电子设备100通过采用弱红光补光灯114配合采集到一待处理图像数据后，则从待处理图像数据的感兴趣区域中提取均值亮度信息。可选地，上述待处理图像数据可以是电子设备100中的sensor感知到的由被采集场景反射回的反射光生成的bayer数据。上述感兴趣区域可以是用户预先选定的目标对象在待处理图像数据中所占区域，例如，应用在智能交通场景下，选定的目标对象可以是车辆，感兴趣区域可以是待处理图像数据中出现的车辆所占区域。需要说明的是，目标对象可以依据该图像采集处理方法的应用场景不同而选择不同，即使感兴趣区域不同、目标对象不同，但其处理原理均相同，因此，在本发明实施例中对此并不做限定，但是为了方便说明，在本发明实施例中，主要以该图像采集处理方法应用在智能交通场景下，对过往交通卡口的车辆进行图像采集为例进行描述。

进一步地，从待处理图像数据的感兴趣区域中提取均值亮度信息的方式可以是，从感兴趣区域确定各像素点之间的亮度差异在预设阈值内的处理区域。例如，通常可以是从车辆的前脸补光充分的区域上确定处理区域。上述处理区域的大小可以依据预先存储的车辆类型与处理区域的尺寸之间的对应关系确定。在确定处理区域后，再将处理区域分为多个子区域，例如，尺寸为m×n的处理区域，可以依次划分为m×n个子区域。最后，统计每个子区域的亮度信息，并基于此获得均值亮度信息。

步骤S102，依据均值亮度信息，结合颜色分类模型，判断感兴趣区域对应的颜色信息。

在本发明实施例中，上述颜色分类模型可以基于反光亮度及RGB分量信息，对弱红光补光灯114进行补光的目标对象的颜色进行识别。

作为一种实施方式，可以对每一张待处理图像数据直接采用颜色分类模型，基于对应的均值亮度信息和RGB分量信息，评估出对应的颜色信息。

作为另一种实施方式，由于部分颜色(例如，白色和黄色)在弱红光补光灯下对应的平均亮度值较其他颜色明显高出许多，同时在弱红光补光灯下对应的平均亮度值较其他颜色又极暗，同时，在现在市场上黑、白车辆占比很高，为了有效的缩短分辨时间，可以基于黑色在弱红光补光灯下对应的亮度均值预先设置第一亮度阈值。可选地，如图3所示，上述步骤S102可以包括以下子步骤：

子步骤S1021，若对应的均值亮度信息未超过预设的第一亮度阈值，则判断所述感兴趣区域对应的颜色信息为黑色。

子步骤S1022，若对应的均值亮度信息超过预设的第一亮度阈值，利用所述颜色分类模型，基于均值亮度信息及从所述感兴趣区域中获取的RGB分量信息，评估所述感兴趣区域对应的颜色信息。

在本发明实施例中，上述RGB分量信息可以处理区域中电子设备100的sensor在弱红光补光灯114的补光下感知到的反射光的Red分量、Green分量及Blow分量。

需要说明的是，如果是采用常用的白光进行补光，则sensor输出的RGB分量信息比较接近实际环境的色彩，但是白光对环境污染大，特别是应用在夜间的车辆采集时，会影响到驾驶人员，存在安全隐患。如果是单一的红外光进行补光，由于电子设备100的sensor对红外光的反射光的RGB分量的响应一致，导致直接由sensor输出的所有色彩均呈现为黑白图像，难以还原实际环境的色彩。如果是弱红光进行补光，虽然sensor对弱红光的反射光的RGB分量与实际色彩之间存在失真，但是，发明人通过大量针对弱红光对各类颜色的反射实验，部分实验数据可以如下表所示：

通过上表可以看出，在弱红光下相同颜色、相同亮度对应的RGB分量信息基本一致，仅存在微小波动，且不同颜色之间RGB存在较大差异。

因此，本发明实施例中，则利用了弱红光和红外光对环境污染小，对人视觉影响不大，且弱红光可以对不同颜色区分的特性，利用对应的颜色分类模型，基于均值亮度信息及RGB分量信息进行颜色识别。

可以理解地，上述颜色分类模型可以是预先训练好的一深度学习模型，也可以是基于预先存储于电子设备100中深度学习模型，通过构建自主学习场景通过自学习生成。

以识别车辆颜色的颜色分类模型为例，若采用通过自学习的方式生成颜色分类模型，则本发明实施例提供在图像采集处理方法在刚搭建的使用环境下投入使用的一段时间内，如图4所示，还可以包括以下步骤：

步骤S201，在弱红光补光灯114的配合下采集多张出现车辆的学习图像。

步骤S202，利用车身颜色确定单元确定所述学习图像中出现的所述车辆的车身颜色。

在本发明实施例中，电子设备100还包括车身颜色确定单元，通过车身颜色确定单元可以得到学习图像中出现的车辆的真实的车身颜色。例如，车身颜色确定单元可以是先提取出学习图像中出现车辆的车型信息或车牌信息等，再通过查询确定出车辆的真实车身颜色。

步骤S203，提取学习图像中车辆对应的所述均值亮度信息及RGB分量信息。

在本发明实施例中，可以是从学习图像中的车辆前脸确定一补光充分且亮度均匀的处理区域，再将依据处理区域的尺寸大小，将其划分为多个子区域，再基于每子区域的亮度信息，计算处理区域对应的均值亮度。最后获取学习图像中车辆对弱红光的反射光的RGB分量信息。

步骤S204，构建车身颜色、均值亮度信息及RGB分量信息之间的映射关系，以训练得到所述颜色分类模型。

在本发明实施例中，建立特定亮度的RGB分量大小与实际车身颜色之间的一一对应的映射关系，从而基于映射关系训练颜色分类模型。

需要说明的是，上述整个训练过程可以是整个实际投入运行的过程。也就是，上述颜色分类模型可以在使用中不断自主学习，提升对车辆颜色识别的准确性，更加的智能。

进一步地，本发明实施例中，还可以基于反光度高的多个指定颜色类别(例如，白色和黄色)在弱红光补光灯下对应的亮度均值预先设置第二亮度阈值，上述第二亮度阈值高于第一亮度阈值。上述颜色分类模型也可以包括第一模型及第二模型。上述第二模型用于分辨反光度高的多个指定颜色类别。上述第一模型用于分辨不属于指定颜色类别及黑色的其他颜色。当然可以理解的，为了更加细分识别颜色的范围，颜色分类模型也不仅限于仅包括第一模型和第二模型，还可以包括可针对更多特定颜色进行识别的模型。

具体地，前述子步骤S1022可以是：

在均值亮度信息未超过预设的第二亮度阈值时，采用所述第一模型，结合所述均值亮度信息及所述RGB分量信息，评估所述感兴趣区域对应的颜色信息。

在所述均值亮度信息超过所述第二亮度阈值时，采用所述第二模型，结合所述均值亮度信息及所述RGB分量信息，评估所述感兴趣区域对应的颜色信息所属的所述指定颜色类别。

需要说明的是，通过上述子步骤S1021和子步骤S1022，可以借助均值亮度信息进行颜色的初步分类，提高识别的准确性。同时，在对车辆进行颜色区分时，由于在用的黑、白车辆占比较大，采用均值亮度进行初步筛选可有效减小识别耗时。

步骤S103，利用颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

在发明实施例中，可以是采用确定的颜色信息，对感兴趣区域中的目标对象进行渲染处理，将被渲染处理后的待处理图像数据作为最终的采集数据输出。例如，利用确定的颜色信息，对感兴趣区域中的车辆进行颜色渲染，以使最终输出的采集图像中的车辆具备贴近真实的颜色。

本发明实施例中，在进行图像采集时，采用弱红光补光灯114进行补光，补光光线中具有少量可见红光及一定量红外光。通过较强且对环境友好的红外光照射获取目标对象的图像信息(例如，车辆及车辆内驾驶人员等信息)，再通过少量可见红光对目标对象的颜色(例如，车辆车身的颜色)进行区分确定，最终通过图像编码将采集到的原待处理图像信息中的目标对象的颜色渲染为实际颜色，以作为最终输出的采集图像。该方案在避免光污染的同时通过渲染正确颜色达到图像伪彩色效果，丰富图像呈现信息。同时，在采用颜色分类模型进行颜色辨识之前，还可以根据确定的处理区域的亮度分布情况判断目标对象的反光程度(即均值亮度信息)，并据此将先将目标对象的颜色划分为特定颜色范畴(例如，特定颜色范畴可以包括白色或黄色、黑色、除黄白黑以外的其他颜色等三类)内，采用其特定颜色范畴对应的颜色分类模型进行识别，从而不仅提高辨识的准确性，同时，由于黑色无需采用颜色分类模型进行识别，因此，一定程度上还提高辨别的速度。

第二实施例

请参照图5，本发明实施例提供的一种图像采集处理装置200。该图像采集处理装置200应用于电子设备100中。可选地，如图5所示，该图像采集处理装置200包括：提取模块201、判断模块202及渲染模块203。

提取模块201，用于当获取到配合所述弱红光补光灯114采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息。

判断模块202，用于依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息。

优选地，上述判断模块202具体用于：

在所述均值亮度信息超过预设的第一亮度阈值时，利用所述颜色分类模型，基于所述均值亮度信息及从所述感兴趣区域中获取的RGB分量信息，评估所述感兴趣区域对应的颜色信息。

在所述均值亮度信息未超过预设的第一亮度阈值时，判断所述感兴趣区域对应的颜色信息为黑色。

渲染模块203，用于利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

本发明实施例还揭示了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器112执行时实现本发明前述实施例揭示的图像采集处理方法。

综上所述，本发明实施例提供了一种图像采集处理方法、装置及计算机可读存储介质。其中，上述图像采集处理方法、装置及计算机可读存储介质应用于电子设备，所述电子设备包括弱红光补光灯，所述电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述方法包括：当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。使最终输出的图像数据具备贴近真实的颜色，避免光污染的同时，丰富输出图像的呈现信息。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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)执行本发明各个实施例所述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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本邻域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (10)

1.一种图像采集处理方法，应用于电子设备，其特征在于，所述电子设备包括弱红光补光灯，所述电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述方法包括：

当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；

依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；

利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

2.如权利要求1所述的方法，其特征在于，所述依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息的步骤包括：

在所述均值亮度信息超过预设的第一亮度阈值时，利用所述颜色分类模型，基于所述均值亮度信息及从所述感兴趣区域中获取的RGB分量信息，评估所述感兴趣区域对应的颜色信息。

3.如权利要求2所述的方法，其特征在于，所述依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息的步骤还包括：

在所述均值亮度信息未超过预设的第一亮度阈值时，判断所述感兴趣区域对应的颜色信息为黑色。

4.如权利要求2所述的方法，其特征在于，所述颜色分类模型至少包括第一模型及第二模型，所述第二模型用于分辨反光度高的多个指定颜色类别；所述利用所述颜色分类模型，基于所述均值亮度信息及从所述感兴趣区域中获取的RGB分量信息，评估所述感兴趣区域对应的颜色信息的方式包括：

在所述均值亮度信息未超过预设的第二亮度阈值时，采用所述第一模型，结合所述均值亮度信息及所述RGB分量信息，评估所述感兴趣区域对应的颜色信息；其中，所述第二亮度阈值大于所述第一亮度阈值；

在所述均值亮度信息超过所述第二亮度阈值时，采用所述第二模型，结合所述均值亮度信息及所述RGB分量信息，评估所述感兴趣区域对应的颜色信息所属的所述指定颜色类别。

5.如权利要求1所述的方法，其特征在于，所述感兴趣区域包括车辆，所述电子设备还包括车身颜色确定单元，所述颜色分类模型的获得方式包括：

在所述弱红光补光灯的配合下采集多张出现车辆的学习图像；

利用所述车身颜色确定单元确定所述学习图像中出现的所述车辆的车身颜色；

提取所述学习图像中所述车辆对应的所述均值亮度信息及RGB分量信息；

构建所述车身颜色、均值亮度信息及RGB分量信息之间的映射关系，以训练得到所述颜色分类模型。

6.如权利要求1所述的方法，其特征在于，从所述待处理图像数据的感兴趣区域中提取均值亮度信息的步骤包括：

从所述感兴趣区域确定各像素点之间的亮度差异在预设阈值内的处理区域；

将所述处理区域分为多个子区域；

依据每个子区域的亮度信息，获得所述均值亮度信息。

7.如权利要求1所述的方法，其特征在于，所述弱红光补光灯上设置一滤镜，所述滤镜用于过滤小于弱红光波长的光线及过滤超过红外光波长的光线。

8.一种图像采集处理装置，应用于电子设备，其特征在于，所述电子设备包括弱红光补光灯，所述电子设备内预先设置至少一颜色分类模型，所述颜色分类模型与所述弱红光补光灯采用的补光波长匹配，所述装置包括：

提取模块，用于当获取到配合所述弱红光补光灯采集的待处理图像数据时，从所述待处理图像数据的感兴趣区域中提取均值亮度信息；

判断模块，用于依据所述均值亮度信息，结合所述颜色分类模型，判断所述感兴趣区域对应的颜色信息；

渲染模块，用于利用所述颜色信息对所述感兴趣区域进行渲染处理，以得到输出采集图像。

9.如权利要求8所述的装置，其特征在于，所述判断模块具体用于：

在所述均值亮度信息超过预设的第一亮度阈值时，利用所述颜色分类模型，基于所述均值亮度信息及从所述感兴趣区域中获取的RGB分量信息，评估所述感兴趣区域对应的颜色信息；

在所述均值亮度信息未超过预设的第一亮度阈值时，判断所述感兴趣区域对应的颜色信息为黑色。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该些计算机指令被处理器执行时实现权利要求1至权利要求7中任意一项所述方法的步骤。