CN110263721A - 车灯设置方法及设备 - Google Patents

Abstract

本公开实施例提供一种车灯设置方法及设备，该方法包括：检测目标图片中车辆的所在区域；根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置；获取所述车辆车灯的所在位置处的亮度数据，并根据所述亮度数据确定所述车辆车灯对应的车灯图像；根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置，能够使车辆车灯在不同的亮度条件下呈现不同的显示效果，解决现有拍摄的车辆照片、视频等，无法满足用户的个性化需求，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频概率的问题。

Description

车灯设置方法及设备

技术领域

本公开实施例涉及车辆设备技术领域，尤其涉及一种车灯设置方法及设备。

背景技术

随着经济的不断发展，人们的生活水平不断提高，越来越多的人开始使用汽车作为代步工具，汽车给人们的出现带来很大便利。

目前用户在使用汽车时，大多喜欢与汽车拍照，或者拍摄汽车的相关视频。很多用户还将自己拍摄获得的车辆照片、视频等，通过一些应用平台上传，与他人共享，这样可以结交到志同道合的朋友，也可以及时了解车辆相关信息，丰富人们生活。

然而，现有由于车辆外观的不变性，尤其是车辆车灯部分，不管是熄灭状态还是点亮状态，很多车辆都是相似的，甚至是千篇一律的，导致拍摄的车辆照片、视频等，无法满足用户的个性化需求(例如对拍摄的车辆车灯要求不同的显示效果)，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频的概率。

发明内容

本公开实施例提供一种车灯设置方法及设备，以克服现有拍摄的车辆照片、视频等，无法满足用户的个性化需求，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频概率的问题。

第一方面，本公开实施例提供一种车灯设置方法，包括：

检测目标图片中车辆的所在区域；

根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置；

获取所述车辆车灯的所在位置处的亮度数据；

根据所述亮度数据确定所述车辆车灯对应的车灯图像；以及

根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

在一种可能的设计中，上述的方法，还包括：

对所述目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种；

所述检测目标图片中车辆的所在区域，包括：

采用预设车辆检测模型检测所述目标图片中车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

在一种可能的设计中，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；

根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

在一种可能的设计中，所述根据所述车辆车灯的关键点确定所述车辆车灯的所在位置，包括：

对所述车辆车灯的关键点进行连接，根据关键点连接结果确定所述车辆车灯的所在位置；

或者

根据所述目标图片中包括所述车辆车灯的关键点的图形面积，以及预设车辆车灯面积，确定所述车辆车灯的所在位置。

在一种可能的设计中，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；

根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

在一种可能的设计中，所述根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点，包括：

根据所述车辆的所在区域中每个像素点的像素值，对所述车辆的所在区域的所有像素点进行聚类；

根据聚类结果和所述预设车辆车灯像素点的像素值，确定所述车辆车灯像素点。

在一种可能的设计中，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

在一种可能的设计中，所述亮度数据包括平均亮度值；

所述获取所述车辆车灯的所在位置处的亮度数据，包括：

获取所述车辆车灯的所在位置处的所有像素点的亮度值，根据获取的亮度值确定所述车辆车灯的所在位置处的平均亮度值；

所述根据所述亮度数据确定所述车辆车灯对应的车灯图像，包括：

根据预设车灯亮度值与车灯图像的对应关系，确定所述平均亮度值对应的车灯图像。

在一种可能的设计中，所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置，包括：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

在一种可能的设计中，在所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置之后，还包括：

根据设置结果显示预览图像；

生成车灯图像是否更换提示；

响应接收到车灯图像更换请求；

根据所述车灯图像更换请求显示预存的车灯图像；

响应接收到携带图像标识的图像选择请求；

根据所述图像标识从所述预存的车灯图像确定目标车灯图像；

将所述目标车灯图像作为新的车灯图像，以执行所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置的步骤。

第二方面，本公开实施例提供一种车灯设置设备，包括：

车辆区域检测模块，用于检测目标图片中车辆的所在区域；

车灯位置确定模块，用于根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置；

亮度数据获取模块，用于获取所述车辆车灯的所在位置处的亮度数据；

车灯图像确定模块，用于根据所述亮度数据确定所述车辆车灯对应的车灯图像；

车灯设置模块，用于根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

在一种可能的设计中，所述的设备，还包括：

预处理模块，用于对所述目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种；

所述车辆区域检测模块具体用于：

采用预设车辆检测模型检测所述目标图片中车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

在一种可能的设计中，所述车灯位置确定模块具体用于：

基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；

根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块根据所述车辆车灯的关键点确定所述车辆车灯的所在位置，包括：

对所述车辆车灯的关键点进行连接，根据关键点连接结果确定所述车辆车灯的所在位置；

或者

根据所述目标图片中包括所述车辆车灯的关键点的图形面积，以及预设车辆车灯面积，确定所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块具体用于：

根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；

根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点，包括：

根据所述车辆的所在区域中每个像素点的像素值，对所述车辆的所在区域的所有像素点进行聚类；

根据聚类结果和所述预设车辆车灯像素点的像素值，确定所述车辆车灯像素点。

在一种可能的设计中，所述车灯位置确定模块具体用于：

基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

在一种可能的设计中，所述亮度数据包括平均亮度值；

所述亮度数据获取模块具体用于：

获取所述车辆车灯的所在位置处的所有像素点的亮度值，根据获取的亮度值确定所述车辆车灯的所在位置处的平均亮度值；

所述车灯图像确定模块具体用于：

根据预设车灯亮度值与车灯图像的对应关系，确定所述平均亮度值对应的车灯图像。

在一种可能的设计中，所述车灯设置模块具体用于：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

在一种可能的设计中，在所述车灯设置模块还用于：

根据设置结果显示预览图像；

生成车灯图像是否更换提示；

响应接收到车灯图像更换请求；

根据所述车灯图像更换请求显示预存的车灯图像；

响应接收到携带图像标识的图像选择请求；

根据所述图像标识从所述预存的车灯图像确定目标车灯图像；

将所述目标车灯图像作为新的车灯图像，以执行所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置的步骤。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的车灯设置方法。

第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的车灯设置方法。

本实施例提供的车灯设置方法及设备，该方法通过对目标图片进行检测，获得目标图片中车辆的所在区域，再根据车辆的所在区域确定目标图片中车辆车灯的所在位置，获取车辆车灯的所在位置处的亮度数据，并根据该亮度数据确定车辆车灯对应的车灯图像，最后根据上述车灯图像在目标图片中对车辆车灯进行设置，能够使车辆车灯在不同的亮度条件下呈现不同的显示效果，解决现有拍摄的车辆照片、视频等，无法满足用户的个性化需求，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频概率的问题。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，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为本公开实施例提供的车灯设置系统架构示意图；

图2为本公开实施例提供的车灯设置方法的流程示意图一；

图3为本公开实施例提供的车灯设置方法的流程示意图二；

图4为本公开实施例提供的车灯设置设备的结构示意图一；

图5为本公开实施例提供的车灯设置设备的结构示意图二；

图6为本公开实施例提供的车灯设置设备的硬件结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

目前，用户在使用汽车时，大多喜欢与汽车拍照，或者拍摄汽车的相关视频。很多用户还将自己拍摄获得的车辆照片、视频等，通过一些应用平台上传，与他人共享，这样可以结交到志同道合的朋友，也可以及时了解车辆相关信息，丰富人们生活。然而，现有由于车辆外观的不变性，尤其是车辆车灯部分，不管是熄灭状态还是点亮状态，很多车辆都是相似的，甚至是千篇一律的，导致拍摄的车辆照片、视频等，无法满足用户的个性化需求(例如对拍摄的车辆车灯要求在不同情况下显示效果不同)，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频的概率。

因此，考虑到上述问题，本公开提供一种车灯设置方法，通过对目标图片进行检测，获得目标图片中车辆的所在区域，再根据车辆的所在区域确定目标图片中车辆车灯的所在位置，获取车辆车灯的所在位置处的亮度数据，并根据该亮度数据确定车辆车灯对应的车灯图像，最后根据上述车灯图像在目标图片中对车辆车灯进行设置，能够使车辆车灯在不同的亮度条件下呈现不同的显示效果，满足用户的个性化需求，并提高用户使用某些应用平台上传车辆照片、视频的概率。

本公开提供的一种车灯设置方法，可以适用于图1所示的车灯设置系统架构示意图，如图1所示，终端101可以检测目标图片101中车辆的所在区域，可以根据所述车辆的所在区域确定所述目标图片102中车辆车灯的所在位置，可以获取所述车辆车灯的所在位置处的亮度数据，并根据所述亮度数据确定所述车辆车灯对应的车灯图像，还可以根据所述车灯图像在所述目标图片102中对所述车辆车灯进行设置。

其中，目标图片102可以为一个或多个需要进行车灯设置的车辆图片。需要说明的是，上述多个需要进行车灯设置的车辆图片可以多个连续的图片，也可以为多个独立的图片。

下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

图2为本公开实施例提供的车灯设置方法的流程示意图一，本实施例的执行主体可以为图1所示实施例中的终端，也可以为其它执行主体，例如处理器、服务器、应用平台等，本实施例此处不做特别限制。如图2所示，该方法可以包括：

S201：检测目标图片中车辆的所在区域。

在本实施例中，以终端为执行主体为例。用户可以将拍摄的车辆照片、视频等信息上传终端进行存储，以对某一图片进行车灯设置为例，用户可以发送图片选择指令至终端，其中，该图片选择指令可以携带图片标识，终端在接收到上述图片选择指令后，根据上述图片标识在存储的信息中确定目标图片。

另外，用户也可以直接上传需要进行车灯设置的车辆照片、视频等信息，终端在接收到这些信息后，进行相应的车灯设置处理。

可选的，上述的方法，还包括：

对所述目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种；

所述检测目标图片中车辆的所在区域，包括：

采用预设车辆检测模型检测所述目标图片中车辆的所在区域，获得所述车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

这里，如果上述目标图片是车辆的原始彩色图片，可以对原始彩色图片进行预处理(比如，旋转、裁切、去噪、灰度处理等)，去除图片中无用的信息，保证后续处理准确进行。

在本实施例中采用预设车辆检测模型对图片上的车辆进行检测，获得车辆的所在区域。其中，该预设车辆检测模型可以通过机器学的方法训练获得，具体的，可以先获取一定数量的车辆图片，并对每张图片上的车辆进行标注得到训练样本，再将训练样本输入预先设定的模型，利用模型对图片上的车辆进行检测，并根据检测结果不断修改模型的参数，当模型能够准确检测所有训练样本时，停止训练，得到上述预设车辆检测模型。当然，这里仅为一种示例性的训练方法，并不是唯一的训练方法，实际上，上述预设车辆检测模型可以采用现有任意一种可行的训练方法训练获得。

另外，可以采用上述预设车辆检测模型对预处理后的目标图片进行多次检测，根据多次检测结果确定图片中车辆的所在区域，避免一次检测出现的误差。

S202：根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置。

可选的，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；

根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

可选的，所述根据所述车辆车灯的关键点确定所述车辆车灯的所在位置，包括：

对所述车辆车灯的关键点进行连接，根据关键点连接结果确定所述车辆车灯的所在位置；

或者

根据所述目标图片中包括所述车辆车灯的关键点的图形面积，以及预设车辆车灯面积，确定所述车辆车灯的所在位置。

这里，可以基于预设的关键点检测模型在上述车辆的所在区域检测获得车灯的多个关键点，并根据该多个关键点所在的位置确定车灯所在的位置。具体的，在一种可能的设计中，可以对上述车辆车灯的关键点进行连接，根据关键点连接结果和预设车灯图形，确定车灯所在的位置，例如根据关键点连接结果获得多个图形，将获得的图形与预设车灯图形进行比较，根据比较结果确定车灯所在位置，其中，如果上述有多个图形与预设车灯图形的比较结果相同，例如上述有多个图形与预设车灯图形的图形相似度达到预设阈值，则可以进一步将上述多个图形的面积与预设车灯图形的面积进行比较，根据比较结果确定车灯所在位置。这里，上述预设车灯图形、上述预设车灯图形的面积可以由相关人员输入终端。

在另一种可能的设计中，可以将包括所有车灯关键点的图形(比如，矩形，椭圆形等)的面积和预设车辆车灯面积，确定车辆车灯的所在位置，其中，预设车辆车灯面积中可以携带车辆信息，例如车辆类型信息。这里，终端可以先根据目标图片中车辆的类型确定其车辆车灯面积，然后根据该面积和上述包括所有车灯关键点的图形的面积，确定车辆车灯的所在位置，其中，目标图片中车辆的类型也可以由相关人员输入终端。

可选的，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；

根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

可选的，所述根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点，包括：

根据所述车辆的所在区域中每个像素点的像素值，对所述车辆的所在区域的所有像素点进行聚类；

根据聚类结果和所述预设车辆车灯像素点的像素值，确定所述车辆车灯像素点。

这里，可以通过图像分割的方法从车辆所在的区域中分割获得车灯所在的位置，比如，可以通过遍历的方法对车辆所在区域中的每个像素点的像素值进行判断，从车辆所在区域中判断出车灯像素点，进而根据车灯像素点的位置分割获得车灯的位置。其中，可以结合聚类分析的方法从车辆所在的区域分割获得车灯的位置，比如在一种可能的设计中，可通过对车辆所在区域中的像素点进行分析，将相互之间距离在预设范围内，像素值在同一范围内的像素点聚为一类，然后将像素值符合预设车辆车灯像素点像素值的那一类像素点所在的区域确定为车灯所在的区域。其中，预设车辆车灯像素点的像素值可以由相关人员设置，例如根据统计的大量车辆车灯像素点的像素值设置。

可选的，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

示例性的，终端可以预存多个车辆的预设车辆车灯检测模型，例如预存车辆类型与预设车辆车灯检测模型的对应关系，在上述基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置之前，终端可以先获取目标图片中车辆的类型，然后根据上述对应关系，确定目标图片中车辆的类型对应的预设车辆车灯检测模型，再根据该预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，其中，上述目标图片中车辆的类型可以由相关人员输入。另外，上述预设车辆车灯检测模型也可以通过上述机器学的方法训练获得。

S203：获取所述车辆车灯的所在位置处的亮度数据。

S204：根据所述亮度数据确定所述车辆车灯对应的车灯图像。

具体的，可以采用统计分析的方法获取车灯所在位置处的亮度数据。比如，在一种可能的设计中，可以对车灯位置上的所有像素点的亮度值进行求和后再求平均，得到车灯所在位置的平均亮度值。

终端可以根据预设车灯亮度值与车灯图像的对应关系，确定上述平均亮度值对应的车灯图像。

其中，预设的车灯亮度值与车灯图像的对应关系可以由相关人员设置，不同的车灯亮度设置不同的车灯图像，以增强视频的趣味性，比如，当车灯的亮度大于预设阈值时，可以设置车灯图像为眨眼睛图像。当车灯的亮度小于预设阈值时，可以设置车灯图像为闭眼图像。当然这里仅为示例说明而不是对本公开的唯一限定。

S205：根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

可选的，所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置，包括：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

这里，如果上述目标图片为多张连续图片，当车辆的位置发生变化时，终端可以通过跟踪车灯上的关键点来对车灯的位置进行跟踪，从而使得车灯图像能够始终设置在车灯上。

可选的，在所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置之后，还包括：

根据设置结果显示预览图像；

生成车灯图像是否更换提示；

响应接收到车灯图像更换请求；

根据所述车灯图像更换请求显示预存的车灯图像；

响应接收到携带图像标识的图像选择请求；

根据所述图像标识从所述预存的车灯图像确定目标车灯图像；

将所述目标车灯图像作为新的车灯图像，以执行所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置的步骤。

具体的，在根据上述车灯图像在目标图片中对车辆车灯进行设置之后，还可以生成预览图像由相关人员查看、审核，如果需要更改相应的车灯图像，相关人员可以发送相应请求至终端，终端根据该请求重新确定车灯图像进行设置，满足用户的多样化需求。

从上述描述可知，本实施例通过对目标图片进行检测，获得目标图片中车辆的所在区域，再根据车辆的所在区域确定目标图片中车辆车灯的所在位置，获取车辆车灯的所在位置处的亮度数据，并根据该亮度数据确定车辆车灯对应的车灯图像，最后根据上述车灯图像在目标图片中对车辆车灯进行设置，能够使车辆车灯在不同的亮度条件下呈现不同的显示效果，解决现有拍摄的车辆照片、视频等，无法满足用户的个性化需求，甚至还会进一步影响用户使用某些应用平台上传车辆照片、视频概率的问题。

图3为本公开实施例提供的车灯设置方法的流程示意图二，本实施例在图2实施例的基础上，对本实施例的具体实现过程进行了详细说明。如图3所示，该方法包括：

S301、对目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种。

在本实施例中，还是以终端为执行主体为例。终端对目标图片进行的预处理可以根据实际情况设置，除上述旋转、裁切、去噪和灰度处理外，还可以包括其它处理，例如滤波。

S302、采用预设车辆检测模型检测所述目标图片中车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

这里，在获得所述车辆的所在区域之后，终端可以根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置。具体的，确定目标图片中车辆车灯的所在位置的方式可以有多种，步骤S303、步骤S304和步骤S305给出了其中三种，具体请参见下述描述。

S303、基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

这里，终端可以基于预设的关键点检测模型在上述车辆的所在区域检测获得车灯的多个关键点，并根据该多个关键点所在的位置确定车灯所在的位置。其中，预设的关键点检测模型也可以通过机器学的方法训练获得，具体的，可以先获取一定数量的车辆图片，并对每张图片上的车辆车灯进行标注得到训练样本，再将训练样本输入设定的模型，利用模型对图片上的车辆进行检测，并根据检测结果不断修改模型的参数，当模型能够准确检测所有训练样本时，停止训练，得到上述预设关键点检测模型。

具体的，终端可以对上述车辆车灯的关键点进行连接得到车灯所在的位置，也可以将包括所有车灯关键点的图形的面积和预设车辆车灯面积，确定车辆车灯的所在位置。

S304、根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

终端可以通过图像分割的方法从车辆所在的区域中分割获得车灯所在的位置，这里，可以通过遍历的方法对车辆所在区域中的每个像素点的像素值进行判断，从车辆所在区域中判断出车灯像素点，进而根据车灯像素点的位置分割获得车灯的位置。

其中，终端可以结合聚类的方法从车辆所在的区域分割获得车灯的位置，可通过对车辆所在区域中的像素点进行聚类，将聚类后像素值符合预设车辆车灯像素点像素值的那一类像素点所在的区域确定为车灯所在的区域。其中，聚类指将物理或抽象对象的集合分组为由类似的对象组成的多个类的过程。

S305、基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

其中，上述预设车辆车灯检测模型也可以通过上述机器学的方法训练获得。当然，这里仅为一种示例性的训练方法，并不是唯一的训练方法，实际上，上述预设车辆车灯检测模型可以采用现有任意一种可行的训练方法训练获得。

S306、获取所述车辆车灯的所在位置处的所有像素点的亮度值，根据获取的亮度值确定所述车辆车灯的所在位置处的平均亮度值。

这里，除获取车辆车灯的所在位置处的平均亮度值外，终端还可以获取其它亮度参数，例如获取车辆车灯的所在位置处的总亮度值，具体获取哪种亮度值可以根据实际情况确定。

S307、根据预设车灯亮度值与车灯图像的对应关系，确定所述平均亮度值对应的车灯图像。

其中，车灯图像可以为相关人员设置，例如根据统计的大量车灯图像确定用户使用较多的图像，将这些图像设置为车灯图像，或者，由用户上传相应图像作为车灯图像等。

具体的，车灯图像的大小、亮暗等信息也可以由相关人员设置，这里，可以根据图片中车辆车灯的相应信息进行设置，例如将车灯图像的大小设置等于图片中车辆车灯的大小。

S308、根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

具体的，所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置，包括：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

从上述描述可知，在对目标图片进行检测后，获得目标图片中车辆的所在区域，再根据车辆的所在区域确定目标图片中车辆车灯的所在位置，获取车辆车灯的所在位置处的平均亮度值，并根据该平均亮度值确定车辆车灯对应的车灯图像，最后根据上述车灯图像在目标图片中对车辆车灯进行设置，能够使车辆车灯在不同的亮度条件下呈现不同的显示效果，满足用户的个性化需求，进一步提高用户使用某些应用平台上传车辆照片、视频概率。

图4为本公开实施例提供的车灯设置设备的结构示意图一。如图4所示，该车灯设置设备40包括：车辆区域检测模块401、车灯位置确定模块402、亮度数据获取模块403、车灯图像确定模块404以及车灯设置模块405。

其中，车辆区域检测模块401，用于检测目标图片中车辆的所在区域。

车灯位置确定模块402，用于根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置。

亮度数据获取模块403，用于获取所述车辆车灯的所在位置处的亮度数据。

车灯图像确定模块404，用于根据所述亮度数据确定所述车辆车灯对应的车灯图像。

车灯设置模块405，用于根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

本实施例提供的设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图5为本公开实施例提供的车灯设置设备的结构示意图二。如图5所示，本实施例在图4实施例的基础上，还包括：预处理模块406。

在一种可能的设计中，所述预处理模块406，用于对所述目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种。

所述车辆区域检测模块401具体用于：

采用预设车辆检测模型检测所述目标图片中车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

在一种可能的设计中，所述车灯位置确定模块402具体用于：

基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；

根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块402根据所述车辆车灯的关键点确定所述车辆车灯的所在位置，包括：

对所述车辆车灯的关键点进行连接，根据关键点连接结果确定所述车辆车灯的所在位置；

或者

根据所述目标图片中包括所述车辆车灯的关键点的图形面积，以及预设车辆车灯面积，确定所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块402具体用于：

根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；

根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

在一种可能的设计中，所述车灯位置确定模块402根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点，包括：

根据所述车辆的所在区域中每个像素点的像素值，对所述车辆的所在区域的所有像素点进行聚类分析；

根据聚类分析结果和所述预设车辆车灯像素点的像素值，确定所述车辆车灯像素点。

在一种可能的设计中，所述车灯位置确定模块402具体用于：

基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

在一种可能的设计中，所述亮度数据包括平均亮度值；

所述亮度数据获取模块403具体用于：

获取所述车辆车灯的所在位置处的所有像素点的亮度值，根据获取的亮度值确定所述车辆车灯的所在位置处的平均亮度值。

所述车灯图像确定模块404具体用于：

根据预设车灯亮度值与车灯图像的对应关系，确定所述平均亮度值对应的车灯图像。

在一种可能的设计中，所述车灯设置模块405具体用于：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

在一种可能的设计中，在所述车灯设置模块405还用于：

根据设置结果显示预览图像；

生成车灯图像是否更换提示；

响应接收到车灯图像更换请求；

根据所述车灯图像更换请求显示预存的车灯图像；

响应接收到携带图像标识的图像选择请求；

根据所述图像标识从所述预存的车灯图像确定目标车灯图像；

将所述目标车灯图像作为新的车灯图像，以执行所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置的步骤。

本实施例提供的设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图，该电子设备600可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable MediaPlayer，简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(Read Only Memory，简称ROM)602中的程序或者从存储装置608加载到随机访问存储器(Random Access Memory，简称RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。

Claims (13)

1.一种车灯设置方法，其特征在于，包括：

检测目标图片中车辆的所在区域；

根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置；

获取所述车辆车灯的所在位置处的亮度数据；

根据所述亮度数据确定所述车辆车灯对应的车灯图像；以及

根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

2.根据权利要求1所述的方法，其特征在于，还包括：

对所述目标图片进行预处理，所述预处理包括旋转、裁切、去噪和灰度处理中的至少一种；

所述检测目标图片中车辆的所在区域，包括：

采用预设车辆检测模型检测所述目标图片中车辆的所在区域，所述预设车辆检测模型根据图片以及图片中车辆的所在区域训练得到。

3.根据权利要求1所述的方法，其特征在于，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设关键点检测模型在所述车辆的所在区域获得车辆车灯的关键点，所述预设关键点检测模型根据车辆图片以及车辆车灯关键点训练得到；

根据所述车辆车灯的关键点确定所述车辆车灯的所在位置。

4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆车灯的关键点确定所述车辆车灯的所在位置，包括：

对所述车辆车灯的关键点进行连接，根据关键点连接结果确定所述车辆车灯的所在位置；

或者

根据所述目标图片中包括所述车辆车灯的关键点的图形面积，以及预设车辆车灯面积，确定所述车辆车灯的所在位置。

5.根据权利要求1所述的方法，其特征在于，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点；

根据所述车辆车灯像素点获得所述车辆车灯的所在位置。

6.根据权利要求5所述的方法，其特征在于，所述根据所述车辆的所在区域中每个像素点的像素值和预设车辆车灯像素点的像素值，确定车辆车灯像素点，包括：

根据所述车辆的所在区域中每个像素点的像素值，对所述车辆的所在区域的所有像素点进行聚类；

根据聚类结果和所述预设车辆车灯像素点的像素值，确定所述车辆车灯像素点。

7.根据权利要求1所述的方法，其特征在于，所述根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置，包括：

基于预设车辆车灯检测模型在所述车辆的所在区域确定所述车辆车灯的所在位置，所述预设车辆车灯检测模型根据车辆的所在区域以及车辆车灯位置训练得到。

8.根据权利要求1所述的方法，其特征在于，所述亮度数据包括平均亮度值；

所述获取所述车辆车灯的所在位置处的亮度数据，包括：

获取所述车辆车灯的所在位置处的所有像素点的亮度值，根据获取的亮度值确定所述车辆车灯的所在位置处的平均亮度值；

所述根据所述亮度数据确定所述车辆车灯对应的车灯图像，包括：

根据预设车灯亮度值与车灯图像的对应关系，确定所述平均亮度值对应的车灯图像。

9.根据权利要求3所述的方法，其特征在于，所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置，包括：

通过跟踪所述车辆车灯的关键点来对所述车辆车灯的所在位置进行跟踪；

根据跟踪结果和根据所述车灯图像，在所述目标图片中对所述车辆车灯进行设置。

10.根据权利要求1所述的方法，其特征在于，在所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置之后，还包括：

根据设置结果显示预览图像；

生成车灯图像是否更换提示；

响应接收到车灯图像更换请求；

根据所述车灯图像更换请求显示预存的车灯图像；

响应接收到携带图像标识的图像选择请求；

根据所述图像标识从所述预存的车灯图像确定目标车灯图像；

将所述目标车灯图像作为新的车灯图像，以执行所述根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置的步骤。

11.一种车灯设置设备，其特征在于，包括：

车辆区域检测模块，用于检测目标图片中车辆的所在区域；

车灯位置确定模块，用于根据所述车辆的所在区域确定所述目标图片中车辆车灯的所在位置；

亮度数据获取模块，用于获取所述车辆车灯的所在位置处的亮度数据；

车灯图像确定模块，用于根据所述亮度数据确定所述车辆车灯对应的车灯图像；

车灯设置模块，用于根据所述车灯图像在所述目标图片中对所述车辆车灯进行设置。

12.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至10任一项所述的车灯设置方法。

13.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至10任一项所述的车灯设置方法。