CN109389582B - 一种图像主体亮度的识别方法及装置 - Google Patents

一种图像主体亮度的识别方法及装置 Download PDF

Info

Publication number
CN109389582B
CN109389582B CN201811058502.4A CN201811058502A CN109389582B CN 109389582 B CN109389582 B CN 109389582B CN 201811058502 A CN201811058502 A CN 201811058502A CN 109389582 B CN109389582 B CN 109389582B
Authority
CN
China
Prior art keywords
subject
main body
image
brightness
selected 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
Application number
CN201811058502.4A
Other languages
English (en)
Other versions
CN109389582A (zh
Inventor
邓立邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Intellvision Technology Co ltd
Original Assignee
Guangdong Intellvision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Intellvision Technology Co ltd filed Critical Guangdong Intellvision Technology Co ltd
Priority to CN201811058502.4A priority Critical patent/CN109389582B/zh
Publication of CN109389582A publication Critical patent/CN109389582A/zh
Application granted granted Critical
Publication of CN109389582B publication Critical patent/CN109389582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Abstract

本发明公开了一种图像主体亮度的识别方法及装置，方法包括，提取选定图像的特征向量得到第一卷积特征图，将第一卷积特征图与训练好的第二卷积特征图进行对比，确定选定图像中的主体图像所属的主体类别，计算各主体类别对应的所有主体图像与选定图像的面积比，将面积比超过预设阈值的主体类别作为第一主体类别，按预设的优先级从第一主体类别中确定第二主体类别，提取第二主体类别中所有主体的所有像素点的色调值，若色调值的分布范围小于预设的范围，则确定选定图像的主体亮度不足；否则，确定主体亮度充足。通过实施本发明的实施例能自动识别图像主体亮度，提高图像识别的精准度。

Description

一种图像主体亮度的识别方法及装置
技术领域
本发明涉及数字图像处理领域，具体涉及一种基于图像主体亮度的识别的图像筛选方法及装置。
背景技术
图像作为人类感知世界的视觉基础，是所有视觉信息的载体，是人类获取信息、表达信息和传递信息的重要手段。诸多技术领域都是基于对图像的处理而开展的如人脸识别、视频分析、智能驾驶和工业视觉检测等。而采集图像往往存在较大的环境亮度干扰，导致采集图像的主体亮度较暗。
在现有技术中，人们根据自己的直观感受来挑选图像，凭直观感觉剔除主体亮度较暗的图像，保留主体亮度较亮的图像。但人工挑选的方法效率较低，且主观性较强，不同的人的判别标准不同，导致精准度较低。
发明内容
本发明实施例提供一种图像主体亮度的识别方法及装置，能够自动识别图像主体亮度，提高图像识别的精准度。
本发明第一实施例提供一种图像主体亮度的识别方法，包括：
获取选定图像，并通过CNN的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；
将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为所述选定图像的第一主体类别；
根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；
提取所述第二主体类别中所有主体的所有像素点的色调值；
若所述所有色调值的分布范围小于预设的范围，则确定所述选定图像的图像主体亮度不足；否则，确定所述选定图像的图像主体亮度充足。
进一步的，所述选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。
进一步的，所述主体类别包括：人、物和风景。
进一步的，所述预设阈值为0.15。
进一步的，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。
相应的，在本发明第一实施例的基础上提供了第二实施例。
本发明第二实施例提供了一种图像主体亮度的识别装置，包括图像处理模块、图像分类模块、第一主体识别模块、第二主体识别模块、色调值提取模块和亮度判断模块；
所述图像处理模块用于获取选定图像，并通过CNN的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；
所述图像分类模块将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
所述第一主体识别模块用于根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为所述选定图像的第一主体类别；
所述第二主体识别模块用于根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；
所述色调值提取模块用于提取所述第二主体类别中所有主体的所有像素点的色调值；
所述亮度判断模块用于若所述所有色调值的分布范围小于预设的范围，则确定所述选定图像的图像主体亮度不足；否则，确定所述选定图像的图像主体亮度充足。
进一步的，所述选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。
进一步的，所述主体类别包括：人、物和风景。
进一步的，所述预设阈值为0.15。
进一步的，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。
通过实施本发明的实施例，有如下有益效果：
本发明实施例提供了一种图像主体亮度的识别方法及装置，通过CNN的卷积层提取选定图像的特征向量的到第一卷积特征图，将第一卷积特征图与训练好的第二卷积特征图进行对比，确定所述选定图像中的主体图像所属的主体类别，计算各主体类别对应的所有主体图像与选定图像的面积比，将面积比超过预设阈值的主体类别作为第一主体类别，按预设的优先级从第一主体类别中确定第二主体类别，进而提取第二主体类别中所有主体的所有像素点的色调值，若色调值的分布范围小于预设的范围，则确定选定图像的主体亮度不足；否则，确定所述选定图像的图像主体亮度充足。从而实现自动识别图像主体亮度，提高图像识别的精准度的功能。
附图说明
图1是本发明第一实施例提供的一种图像主体亮度的识别方法的流程示意图；
图2是本发明第二实施例提供的一种图像主体亮度的识别装置的结构示意图；
附图标记说明：101、图像处理模块；102、图像分类模块；103、第一主体识别模块；104、第二主体识别模块；105、色调值提取模块；106、亮度判断模块。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
如图1所示，本发明第一实施例提供的一种图像主体亮度的识别方法包括步骤：
S101、获取选定图像，并通过CNN的卷积层提取选定图像的特征向量，得到第一卷积特征图；
S102、将第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
S103、根据若干个主体图像的面积，确定每个主体类别对应的所有主体图像与选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为选定图像的第一主体类别；
S104、根据预设的类别优先级，从第一主体类别中提取优先级最高的主体类别作为选定图像的第二主体类别；
S105、提取第二主体类别中所有主体的所有像素点的色调值。
S106、若所有色调值的分布范围小于预设的范围，则确定选定图像的图像主体亮度不足；否则，确定选定图像的图像主体亮度充足。
对于步骤S101、具体的，从网络媒体或现场拍摄的图像中，任选一张图像作为选定图像，继而将该图像输入到已训练好的CNN中，并通过CNN中的卷积层提取选定图像的特征向量，得到第一卷积特征图。需要说明的是，提取的特征向量可以但不限于为以下任意一种或多种组合：外形、颜色、纹理或材质。需要补充的是，本发明首选根据各种人、动物、物件、山水的外形、颜色纹理材质或其任意多种组合的特征，提取出各种人、动物、物件、山水的主体类别的特征向量输入到CNN网络进行训练，得到已训练好的CNN模型，其中提取的特征向量可以根据实际情况进行调整，提取的主体类别也可以为人、动物、物件，山水间的任意组合，可以根据实际需要进行随时的调整。
对于步骤S102、主体类别可以但不限于为人、物和风景。可以理解的是,选定图像中可能存在多个主体类别，每个主体类别中可能有多个主体。
对于步骤S103、优选的，所于预设的阈值可以但不限于为，0.15或0.2；具体的值可以根据实际情况进行设定。具体的，在确定选定图像中主体所属的类别后，计算属于同一主体类型的主体的总面积，并分别与选定图像的总面积进行比对，将主体类别中主体面积占选定图像总面积15％或20％以上的主体类别，作为选定图像的第一主体类别。
对于步骤S104、优选的，预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。具体的，若第一主体类别中包含，人类、物类和风景类，则选定人类为选定图像的第二主体类别。
对于步骤S105、具体的，取第二主体类别中所有的主体的色调值，即HSV值中的H值。
对于步骤S106、具体为：在提取第二主体类别中所有主体色调值之后，将所有色调值由大到小进行排列，得到所有色调值的分布范围，若得到的分布范围小于预设的范围，则判断图像中主体的亮度不足，剔除选定图像。
在本发明第一实施例的基础上，对应提供了第二实施例。
如图2所示：本发明第二实施例提供了一种图像主体亮度的识别包括：图像处理模块101、图像分类模块102、第一主体识别模块103、第二主体识别模块104、色调值提取模块105和亮度判断模块106；
图像处理模块101用于获取选定图像，并通过CNN的卷积层提取选定图像的特征向量，得到第一卷积特征图；
图像分类模块102将第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
第一主体识别模块103用于根据若干个主体图像的面积，确定每个主体类别对应的所有主体图像与选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为选定图像的第一主体类别；
第二主体识别模块104用于根据预设的类别优先级，从第一主体类别中提取优先级最高的主体类别作为选定图像的第二主体类别；
色调值提取模块105用于提取第二主体类别中所有主体的所有像素点的色调值；
亮度判断模块106用于若所有色调值的分布范围小于预设的范围，则确定选定图像的图像主体亮度不足；否则，确定选定图像的图像主体亮度充足。
进一步的，选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。
进一步的，主体类别包括：人、物和风景。
进一步的，预设阈值为0.15，或0.2。
进一步的，预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。
通过实施本发明的实施例，有如下有益效果：
本发明实施例提供了一种图像主体亮度的识别方法及装置，通过CNN的卷积层提取选定图像的特征向量的到第一卷积特征图，将第一卷积特征图与训练好的第二卷积特征图进行对比，确定选定图像中的主体图像所属的主体类别，计算各主体类别对应的所有主体图像与选定图像的面积比，将面积比超过预设阈值的主体类别作为第一主体类别，按预设的优先级从第一主体类别中确定第二主体类别，进而提取第二主体类别中所有主体的所有像素点的色调值，若色调值的分布范围小于预设的范围，则确定选定图像的主体亮度不足；否则，确定选定图像的图像主体亮度充足。从而实现自动识别图像主体亮度，提高图像识别的精准度的功能。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。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。
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种图像主体亮度的识别方法，其特征在于，包括：
获取选定图像，并通过卷积神经网络的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；
将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为所述选定图像的第一主体类别；
根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；
提取所述第二主体类别中所有主体的所有像素点的色调值；
若所提取的色调值的分布范围小于预设的范围，则确定所述选定图像的图像主体亮度不足；否则，确定所述选定图像的图像主体亮度充足。
2.如权利要求1所述的图像主体亮度的识别方法，其特征在于，所述选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。
3.如权利要求1所述的图像主体亮度的识别方法，其特征在于，所述主体类别包括：人、物和风景。
4.如权利要求1所述的图像主体亮度的识别方法，其特征在于，所述预设阈值为0.15。
5.如权利要求1所述的图像主体亮度的识别方法，其特征在于，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。
6.一种图像主体亮度的识别装置，其特征在于，包括：图像处理模块、图像分类模块、第一主体识别模块、第二主体识别模块、色调值提取模块和亮度判断模块；
所述图像处理模块用于获取选定图像，并通过卷积神经网络的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；
所述图像分类模块将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；
所述第一主体识别模块用于根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过预设阈值的所有主体类别作为所述选定图像的第一主体类别；
所述第二主体识别模块用于根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；
所述色调值提取模块用于提取所述第二主体类别中所有主体的所有像素点的色调值；
所述亮度判断模块用于在所提取的色调值的分布范围小于预设的范围时，确定所述选定图像的图像主体亮度不足；否则，确定所述选定图像的图像主体亮度充足。
7.如权利要求6所述的图像主体亮度的识别装置，其特征在于，所述选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。
8.如权利要求6所述的图像主体亮度的识别装置，其特征在于，所述主体类别包括：人、物和风景。
9.如权利要求6所述的图像主体亮度的识别装置，其特征在于，所述预设阈值为0.15。
10.如权利要求6所述的图像主体亮度的识别装置，其特征在于，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。
CN201811058502.4A 2018-09-11 2018-09-11 一种图像主体亮度的识别方法及装置 Active CN109389582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811058502.4A CN109389582B (zh) 2018-09-11 2018-09-11 一种图像主体亮度的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811058502.4A CN109389582B (zh) 2018-09-11 2018-09-11 一种图像主体亮度的识别方法及装置

Publications (2)

Publication Number Publication Date
CN109389582A CN109389582A (zh) 2019-02-26
CN109389582B true CN109389582B (zh) 2020-06-26

Family

ID=65418696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811058502.4A Active CN109389582B (zh) 2018-09-11 2018-09-11 一种图像主体亮度的识别方法及装置

Country Status (1)

Country Link
CN (1) CN109389582B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103577840A (zh) * 2013-10-30 2014-02-12 汕头大学 物品识别方法
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN103985114A (zh) * 2014-03-21 2014-08-13 南京大学 一种监控视频人物前景分割与分类的方法
CN104658014A (zh) * 2015-02-10 2015-05-27 重庆金山科技（集团）有限公司 一种检测活体内色度异常的方法
CN106851123A (zh) * 2017-03-09 2017-06-13 广东欧珀移动通信有限公司 曝光控制方法、曝光控制装置及电子装置
CN108460389A (zh) * 2017-02-20 2018-08-28 阿里巴巴集团控股有限公司 一种识别图像中对象的类型预测方法、装置及电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334835B (zh) * 2008-07-28 2011-01-12 上海高德威智能交通系统有限公司 颜色识别方法
CN105631455B (zh) * 2014-10-27 2019-07-05 阿里巴巴集团控股有限公司 一种图像主体提取方法及系统
CN106780612B (zh) * 2016-12-29 2019-09-17 浙江大华技术股份有限公司 一种图像中的物体检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103577840A (zh) * 2013-10-30 2014-02-12 汕头大学 物品识别方法
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN103985114A (zh) * 2014-03-21 2014-08-13 南京大学 一种监控视频人物前景分割与分类的方法
CN104658014A (zh) * 2015-02-10 2015-05-27 重庆金山科技（集团）有限公司 一种检测活体内色度异常的方法
CN108460389A (zh) * 2017-02-20 2018-08-28 阿里巴巴集团控股有限公司 一种识别图像中对象的类型预测方法、装置及电子设备
CN106851123A (zh) * 2017-03-09 2017-06-13 广东欧珀移动通信有限公司 曝光控制方法、曝光控制装置及电子装置

Also Published As

Publication number Publication date
CN109389582A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN108206917B (zh) 图像处理的方法及装置、存储介质、电子装置
CN106682601B (zh) 一种基于多维信息特征融合的驾驶员违规通话检测方法
CN108875619B (zh) 视频处理方法和装置、电子设备、计算机可读存储介质
CN108776819A (zh) 一种目标识别方法、移动终端及计算机可读存储介质
CN107944359A (zh) 基于视频的火焰检测方法
CN109101934A (zh) 车型识别方法、装置与计算机可读存储介质
CN109918971B (zh) 监控视频中人数检测方法及装置
CN101673402A (zh) 用于图像处理的设备和方法以及程序
CN109345547A (zh) 基于深度学习多任务网络的交通车道线检测方法及装置
CN109766828A (zh) 一种车辆目标分割方法、装置及通信设备
CN108268832A (zh) 电力作业监测方法、装置、存储介质和计算机设备
CN105809131A (zh) 一种基于图像处理技术进行车位积水检测的方法及系统
CN101477625A (zh) 人体上半身检测方法和系统
CN111695373B (zh) 斑马线的定位方法、系统、介质及设备
CN102881160A (zh) 一种低照度场景下的户外交通标志识别方法
CN111815528A (zh) 基于卷积模型和特征融合的恶劣天气图像分类增强方法
CN111160194B (zh) 一种基于多特征融合的静态手势图像识别方法
CN113781421A (zh) 基于水下的目标识别方法、装置及系统
CN114885119A (zh) 一种基于计算机视觉的智能监控报警系统及方法
CN107491714B (zh) 智能机器人及其目标物体识别方法和装置
CN112101260B (zh) 一种作业人员安全带识别方法、装置、设备和存储介质
CN109410169B (zh) 一种图像背景干扰度的识别方法及装置
CN106920266A (zh) 验证码的背景生成方法和装置
CN109389582B (zh) 一种图像主体亮度的识别方法及装置
CN107341456B (zh) 一种基于单幅户外彩色图像的天气晴阴分类方法

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