CN110569822A - 图像处理方法及装置、电子设备和存储介质 - Google Patents

图像处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN110569822A
CN110569822A CN201910872325.1A CN201910872325A CN110569822A CN 110569822 A CN110569822 A CN 110569822A CN 201910872325 A CN201910872325 A CN 201910872325A CN 110569822 A CN110569822 A CN 110569822A
Authority
CN
China
Prior art keywords
region
interest
determining
brightness
target 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.)
Pending
Application number
CN201910872325.1A
Other languages
English (en)
Inventor
高哲峰
李若岱
庄南庆
马堃
彭悦
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.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime 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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201910872325.1A priority Critical patent/CN110569822A/zh
Publication of CN110569822A publication Critical patent/CN110569822A/zh
Priority to SG11202112936XA priority patent/SG11202112936XA/en
Priority to JP2021514431A priority patent/JP7152598B2/ja
Priority to PCT/CN2020/099580 priority patent/WO2021051949A1/zh
Priority to KR1020217013139A priority patent/KR20210065180A/ko
Priority to TW109129746A priority patent/TWI755833B/zh
Priority to US17/455,909 priority patent/US20220076006A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中，所述方法包括：对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。本公开实施例可以提高人脸识别的准确率。

Description

图像处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种图像处理法及装置、电子设备和存储介质。
背景技术
计算机视觉技术是通过设备模拟人类的视觉功能的技术，可以应用在人工智能、图像处理等诸多应用中。例如，在人脸识别场景中，可以通过对拍摄的图像进行人脸识别，确定人脸对应的身份。
在人脸识别中，人脸的成像质量是一个主要的影响因素，较高的成像质量有助于提高人脸识别的准确度。但是，在逆光场景下，人脸的成像质量比较差，不利于人脸图像的识别和活体判断。
发明内容
本公开提出了一种图像处理技术方案。
根据本公开的一方面，提供了一种图像处理方法，包括：
对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；
根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；
基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
在一种可能的实现方式中，根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域，包括：
在所述人形检测结果表明所述目标图像存在人脸区域的情况下，根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域，包括：
在所述目标图像存在多个人脸区域的情况下，确定所述多个人脸区域中最大的人脸区域；
将所述最大的人脸区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域，包括：
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，确定所述目标图像的中心图像区域；
将所述中心图像区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值，包括：
确定所述感兴趣区域的平均亮度；
根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度；
根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度；
基于亮度与图像采集参数之间的映射关系，确定所述目标亮度所对应的目标参数值。
在一种可能的实现方式中，确定所述感兴趣区域的平均亮度，包括：
确定所述感兴趣区域中每个像素点对应的权重；
根据所述感兴趣区域中每个像素点对应的权重以及每个像素点的亮度，确定所述感兴趣区域的平均亮度。
在一种可能的实现方式中，所述确定所述感兴趣区域中每个像素点对应的权重，包括：
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，根据所述感兴趣区域中像素点与所述感兴趣区域的区域中心的距离，确定所述感兴趣区域中每个像素点对应的权重；其中，像素点与所述感兴趣区域的区域中心的距离越近，所述像素点对应的权重越大。
在一种可能的实现方式中，所述根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度，包括：
在所述感兴趣区域的亮度分布中，确定亮度参考值范围内对应的像素点个数；
确定所述亮度参考值范围内对应的像素点个数占所述感兴趣区域的像素点总数的像素点比例；
在所述像素点比例大于或等于预设比例的情况下，将所述像素点比例大于或等于预设比例所对应的亮度参考值，确定为所述感兴趣区域的边界亮度。
在一种可能的实现方式中，所述根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度，包括：
获取预设的期望边界亮度；
确定所述期望边界亮度与所述边界亮度的比值；
根据所述期望边界亮度与所述边界亮度的比值以及所述感兴趣区域的平均亮度，确定所述感兴趣区域的目标亮度。
在一种可能的实现方式中，所述方法还包括：
将所述图像采集参数的参数值调整为所述目标参数值；
在所述图像采集参数为所述目标参数值的情况下，对当前场景进行图像采集。
在一种可能的实现方式中，所述图像采集参数包括：
曝光值、曝光时间、增益中的至少一种。
根据本公开的另一方面，提供了一种图像处理装置，包括：
检测模块，用于对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；
第一确定模块，用于根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；
第二确定模块，用于基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
在一种可能的实现方式中，所述第一确定模块，具体用于，
在所述人形检测结果表明所述目标图像存在人脸区域的情况下，根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第一确定模块，具体用于，
在所述目标图像存在多个人脸区域的情况下，确定所述多个人脸区域中最大的人脸区域；
将所述最大的人脸区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第一确定模块，具体用于，
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，确定所述目标图像的中心图像区域；
将所述中心图像区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第二确定模块，具体用于，
确定所述感兴趣区域的平均亮度；
根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度；
根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度；
基于亮度与图像采集参数之间的映射关系，确定所述目标亮度所对应的目标参数值。
在一种可能的实现方式中，所述第二确定模块，具体用于，
确定所述感兴趣区域中每个像素点对应的权重；
根据所述感兴趣区域中每个像素点对应的权重以及每个像素点的亮度，确定所述感兴趣区域的平均亮度。
在一种可能的实现方式中，所述第二确定模块，具体用于，
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，根据所述感兴趣区域中像素点与所述感兴趣区域的区域中心的距离，确定所述感兴趣区域中每个像素点对应的权重；其中，像素点与所述感兴趣区域的区域中心的距离越近，所述像素点对应的权重越大。
在一种可能的实现方式中，所述第二确定模块，具体用于，
在所述感兴趣区域的亮度分布中，确定亮度参考值范围内对应的像素点个数；
确定所述亮度参考值范围内对应的像素点个数占所述感兴趣区域的像素点总数的像素点比例；
在所述像素点比例大于或等于预设比例的情况下，将所述像素点比例大于或等于预设比例所对应的亮度参考值，确定为所述感兴趣区域的边界亮度。
在一种可能的实现方式中，所述第二确定模块，具体用于，
获取预设的期望边界亮度；
确定所述期望边界亮度与所述边界亮度的比值；
根据所述期望边界亮度与所述边界亮度的比值以及所述感兴趣区域的平均亮度，确定所述感兴趣区域的目标亮度。
在一种可能的实现方式中，所述装置还包括：
采集模块，用于将所述图像采集参数的参数值调整为所述目标参数值；在所述图像采集参数为所述目标参数值的情况下，对当前场景进行图像采集。
在一种可能的实现方式中，所述图像采集参数包括：
曝光值、曝光时间、增益中的至少一种。
根据本公开的另一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行上述图像处理方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。
在本公开实施例中，可以获取在当前场景下实时采集的目标图像，然后对目标图像进行人形检测，得到人形检测结果，再根据目标图像的人形检测结果，确定目标图像所包括的感兴趣区域，最后基于确定的感兴趣区域的亮度分布，确定在当前场景下图像采集的采集参数值。这样，即使在逆光或强光等场景的情况下，也可以通过对目标图像进行人形检测得到的人形检测结果，确定当前场景中合适的采集参数值，从而图像采集装置可以根据确定的采集参数值对当前场景进行图像采集，保证采集的图像帧具有较高的人脸质量，提高后续人脸识别的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图。
图2示出根据本公开实施例的确定图像采集参数的目标参数值一示例的流程图。
图3示出根据本公开实施例的图像处理方法一示例的流程图。
图4示出根据本公开实施例的图像处理装置的框图。
图5示出根据本公开实施例的电子设备一示例的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例提供的图像处理方案，可以对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果，根据该目标图像的人形检测结果，可以确定目标图像所包括的感兴趣区域，基于感兴趣区域的亮度分布，可以确定在当前场景下图像采集的采集参数值，这样，可以通过对目标图像进行人形检测的人形检测结果，确定适合当前场景的采集参数值，从而可以根据确定的采集参数对当前场景进行图像采集，即使当前场景是逆光或强光场景，也可以根据确定的采集参数值调整采集参数，从而使拍摄到的图像具有较佳的人脸质量，提高后续人脸识别的准确率。
在相关技术中，在逆光场景下采集的图像帧，图像帧的背景亮度较大，图像帧中的人脸区域较暗，人脸质量较差，会影响人脸识别的效果。本公开实施例提供的图像处理方案，适用于强光、暗光、逆光等不利于拍摄的环境，可以提高各种环境下人脸的成像质量。
图1示出根据本公开实施例的图像处理方法的流程图。该图像处理方法可以由终端设备或其它类型的电子设备执行。其中，终端设备可以为门禁设备、用户设备(UserEquipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以图像处理终端作为执行主体为例对本公开实施例的图像处理方法进行说明。图像处理终端可以是上述终端设备或其它类型的电子设备执行。
如图1所示，所示图像处理方法可以包括以下步骤：
S11，对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果。
在本公开实施例中，图像处理终端可以针对当前场景实时进行图像采集，得到实时采集的目标图像。或者，图像处理终端可以接收其他设备实时采集或拍摄的目标图像，得到目标图像，例如，接收图像采集装置(如相机、图像传感器)、摄像装置(如摄像机、监控器)等其他设备实时采集或拍摄的目标图像，得到实时采集的目标图像。目标图像可以是单独的图像，或者，目标图像可以是视频流中的一个图像帧。图像处理终端在得到目标图像之后，可以对目标图像进行人形检测，得到人形检测结果，该人形检测结果可以是针对目标图像区域检测的检测结果，例如，人脸区域的检测结果、上半身区域的检测结果。
在一种可能的实现方式中，图像处理终端可以利用构建的人形检测网络对目标图像进行人形检测，人形检测网络可以是利用构建的神经网络经过训练得到的。举例来说，可以利用现有的神经网络结构构建神经网络，也可以根据实际的应用场景设计神经网络结构，构建神经网络。构建神经网络之后，可以将训练图像输入构建的神经网络，利用构建的神经网络对训练图像进行人形检测，并得到人形检测结果，然后将该人形检测结果与训练图像的标注结果进行比较，得到比较结果，并利用比较结果对构建的神经网络的模型参数进行调整，使神经网络模型的人形检测结果与标注结果一致，这样，可以由构建的神经网络模型得到人形检测网络。这里，可以将在强光、暗光等恶劣拍摄环境下采集的图像作为训练图像。人形检测网络可以针对目标图像的人形轮廓进行检测，在人脸识别场景中，得到的人形检测结果可以是人脸区域的检测结果。
S12，根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域。
在本公开实施例中，图像处理终端可以根据目标图像的人形检测结果，确定目标图像中是否存在人脸区域。根据目标图像中是否存在人脸区域的不同情况，可以根据不同方式确定目标图像的感兴趣区域，例如，如果目标图像中存在人脸区域，可以将人脸区域作为目标图像的感兴趣区域，如果目标图像中不存在人脸区域，可以将目标图像的某部分图像区域作为目标图像的感兴趣区域，如上半部分图像区域、下半部分图像区域等图像区域作为目标图像的感兴趣区域。这里的感兴趣区域可以理解为图像处理过程中所关注的图像区域，确定目标图像的感兴趣区域可以便于对该区域进行进一步图像处理。
在一种可能的实现方式中，在所述人形检测结果表明所述目标图像存在人脸区域的情况下，根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域。
在该实现方式中，目标图像中可以存在一个以上的人脸区域。如果人形检测结果表明目标图像中存在一个人脸区域，则可以将该人脸区域作为目标图像的感兴趣区域。如果人形检测结果表明目标图像中存在多个人脸区域，则可以在多个人脸区域中选择至少一个人脸区域，将选择的至少一个人脸区域作为目标图像的感兴趣区域，例如，在多个人脸区域中选择位于目标图像中间部分的至少一个人脸区域。这样，可以由目标图像中的人脸区域确定感兴趣区域，进而可以针对确定的感兴趣区域进行进一步的图像处理，提高图像处理的效率以及准确性。
在该实现方式的一个示例中，在所述目标图像存在多个人脸区域的情况下，可以确定所述多个人脸区域中最大的人脸区域，然后将所述最大的人脸区域确定为所述目标图像的感兴趣区域。
在该示例中，如果目标图像中存在多个人脸区域，可以比较多个人脸区域的大小，然后根据比较结果可以确定多个人脸区域中最大的人脸区域，从而可以将最大的人脸区域作为目标图像的感兴趣区域。这样，可以在多个人脸区域中选择一个最关注的人脸区域作为感兴趣区域，从而在图像处理过程中可以不考虑感兴趣区域之外的其他图像区域，使得图像处理的效率以及准确性可以提高。
在一种可能的实现方式中，在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，可以确定所述目标图像的中心图像区域，然后将所述中心图像区域确定为所述目标图像的感兴趣区域。
在该实现方式中，在图像采集过程中，人脸区域通常位于目标图像的中心图像区域，因此，在人形检测中没有检测到的人脸区域，可以将目标图像的中心图像区域作为目标图像的感兴趣区域。举例来说，可以将目标图像划分为多个图像区域，如，将目标图像平均分为9个、25个等多个区域，然后将多个区域中的中心图像区域确定为目标图像的感兴趣区域，如，将9个图像区域中位于目标图像中心的一个图像区域作为感兴趣区域。这样，即使在目标图像中未检测到人脸区域，也可以确定目标图像的感兴趣区域，进而可以针对确定的感兴趣区域进行进一步的图像处理，提高图像处理的效率以及准确性。
S13，基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
在本公开实施例中，在确定目标图像的感兴趣区域之后，可以根据目标图像的感兴趣区域中每个像素点的亮度得到感兴趣区域的亮度分布，该亮度分布可以用亮度直方图等进行表示。然后基于感兴趣区域的亮度分布，可以得到在当前场景下图像采集参数的目标参数值，该目标参数值是适合当前拍摄环境的参数值，在该目标参数值的作用下，可以得到曝光良好、人脸质量较佳的图像，从而可以适应于各种恶劣的拍摄环境，如，强光、暗光等拍摄环境。
这里，图像采集参数可以是图像采集过程中设置的拍摄参数，图像采集参数可以包括曝光值、曝光时间、增益中的一种或多种。其中，曝光值可以是是由快门速度值和光圈值组合表示镜头通光能力的一个参数。曝光时间可以是快门打开到关闭的时间间隔。增益可以是采集的视频信号进行放大的倍数。图像采集参数的参数值可以进行设定，图像采集参数的参数值不同，同一个场景中拍摄得到图像也不同。从而可以通过调整图像采集参数的参数值，得到图像质量较好的图像。
在一种可能的实现方式中，在确定当前场景下图像采集参数的目标参数值之后，还可以将所述图像采集参数的参数值调整为所述目标参数值，然后在所述图像采集参数为所述目标参数值的作用下，对当前场景进行图像采集。
在该实现方式中，图像处理终端可以具有图像采集功能，可以对当前场景进行拍摄。图像处理终端在确定当前场景下图像采集参数的目标参数值之后，可以将图像采集参数的参数值设置为目标参数值，然后在目标参数值的作用下继续对当前场景进行拍摄，得到目标图像之后采集的下一图像，下一图像是在图像采集参数为目标参数值的作用下得到的图像，由于目标参数值是经过优化的参数值，从而该下一图像具有较佳的图像质量，在人脸识别场景中，该下一图像具有较佳的人脸质量，可以提高后续人脸识别的速度以及准确率。
这里，如果图像处理终端不具有图像采集功能，图像处理终端可以将确定的图像采集参数的目标参数值发送给图像采集装置，从而图像采集装置可以将图像采集参数设置为目标参数值，在目标参数值的作用下继续对当前场景进行拍摄。
本公开实施例提供还提供的图像处理方案，可以基于感兴趣区域的亮度分布确定图像采集参数的目标参数值，从而可以解决逆光、强光、弱光等场景下拍摄的人脸质量较差的问题。本公开实施例还提供了确定图像采集参数的目标参数值的一种实现方式。
图2示出根据本公开实施例的确定图像采集参数的目标参数值一示例的流程图。如果2所示，上述步骤S13可以包括以下步骤：
步骤S131，确定所述感兴趣区域的平均亮度。
这里，可以根据感兴趣区域中每个像素点的亮度确定感兴趣区域的平均亮度，例如，可以统计感兴趣区域中所包括的像素点个数，然后将感兴趣区域中所有像素点的亮度进行求和，得到感兴趣区域的总亮度，然后将总亮度除以感兴趣区域中所包括的像素点个数，得到感兴趣区域的平均亮度。
在一种可能的实现方式中，可以确定所述感兴趣区域中每个像素点对应的权重，然后根据所述感兴趣区域中每个像素点对应的权重以及每个像素点的亮度，确定所述感兴趣区域的平均亮度。
在该实现方式中，可以为感兴趣区域中的每个像素点设置相应的权重，例如，为感兴趣区域中重点关注的图像部分包括的像素点设置较大的权重，从而在确定感兴趣区域的平均亮度时，可以使重点关注的图像部分贡献较大的比重。或者，还可以为感兴趣区域中的像素点设置相同的权重，例如，在感兴趣区域是人脸区域的情况下，可以为感兴趣区域中的像素点设置相同的权重8等权重值。在确定感兴趣区域中每个像素点对应的权重之后，可以对每个像素点的亮度进行加权求和，然后再将加权求和得到的总亮度除以感兴趣区域中像素点的权重之和，可以得到感兴趣区域的平均亮度。
在该实现方式的一个示例中，在所述人形检测结果表明所述目标图像存在人脸的情况下，可以根据所述感兴趣区域中像素点与所述感兴趣区域的区域中心的距离，确定所述感兴趣区域中每个像素点对应的权重；其中，像素点与所述感兴趣区域的区域中心的距离越近，所述像素点对应的权重越大。
在该示例中，如果人形检测结果表明所述目标图像不存在人脸区域，感兴趣区域可以是目标图像的中心图像区域，中心图像区域可以理解为感兴趣区域的区域中心所在的区域，从而可以为根据感兴趣区域中像素点与感兴趣区域的区域中心的距离，为感兴趣区域中的像素点设置相应的权重，举例来说，可以为距离区域中心较近的像素点设置较大的权重，为距离区域中心较远的像素点设置较小的权重，即，越处于中间部分的像素点权重越大，中间部分的像素点的权重是8，远离区域中心的外层部分的像素点权重是4，感兴趣区域内最外层部分的像素点权重是1。这里，可以将感兴趣区域划分为多个图像部分，每个图像部分中的像素点可以具有相同的权重。这样，由于人脸区域位于目标图像的中心的概率较大，从而可以将中间部分的像素点的权重设置的较大，尽可能地保留人脸区域的像素点对平均亮度的贡献。
步骤S132，根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度。
这里，感兴趣区域的亮度分布可以用亮度直方图进行表示。亮度直方图的横坐标可以是亮度值，亮度直方图的纵坐标可以是亮度值对应的像素点个数。根据感兴趣区域的亮度分布，可以确定感兴趣区域的边界亮度，该边界亮度可以是一个亮度值，在该亮度值之内对应的像素点可以占据包括感兴趣区域大部分的像素点。或者，该边界亮度可以是一个亮度区间，在该亮度区间内对应的像素点可以占据包括感兴趣区域大部分的像素点。
在一个可能的实现方式中，可以在所述感兴趣区域的亮度分布中，确定亮度参考值范围内对应的像素点个数，然后确定所述亮度参考值范围内对应的像素点个数占所述感兴趣区域的像素点总数的像素点比例，在所述像素点比例大于或等于预设比例的情况下，将所述像素点比例大于或等于预设比例所对应的亮度参考值，确定为所述感兴趣区域的边界亮度。
在该实现方式中，边界亮度可以是一个亮度值，针对感兴趣区域的亮度直方图，可以将任意一个亮度值作为亮度参考值，然后统计该亮度参考值范围内对应的像素点个数，该亮度参考值的范围可以是亮度直方图的最小亮度值到该亮度参考值的亮度范围，如果该亮度参考值范围内对应的像素点个数占感兴趣区域中像素点总数的比例大于或等于预设比例，例如，亮度参考值范围内对应的像素点个数占像素点总数的比例达到99％，则可以将该亮度参考值确定为边界亮度。
步骤S133，根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度。
这里，在确定感兴趣区域的平均亮度以及边界亮度之后，可以根据感兴趣区域的平均亮度以及边界亮度，确定一个适合感兴趣区域的目标亮度，在该目标亮度下，可以认为感兴趣区域内像素点具有合理的亮度值，不会由于曝光过度或者曝光不足使得图像质量较差，从而可以根据确定的目标亮度确定图像采集参数的目标参数值。
在一种可能的实现方式中，可以获取预设的期望边界亮度，然后确定所述期望边界亮度与所述边界亮度的比值，再根据所述期望边界亮度与所述边界亮度的比值以及所述感兴趣区域的平均亮度，确定所述感兴趣区域的目标亮度。
在该实现方式中，期望边界亮度可以是图像在曝光良好的情况下确定的边界亮度，可以根据实际的应用场景进行设置。获取预设的期望边界亮度之后，可以计算期望边界亮度与边界亮度的比值，然后将该比值乘以感兴趣区域的平均亮度，可以得到感兴趣区域的目标亮度。举例来说，假设期望边界亮度是200，感兴趣区域的边界亮度是100，可以表明感兴趣区域的平均亮度较低，感兴趣区域内的图像质量较差，对该感兴趣区域进行人脸识别会存在一定的困难，从而可以将期望边界亮度200与感兴趣区域的边界亮度100的比值2，乘以感兴趣区域的平均亮度，得到一个目标亮度，该目标亮度是平均亮度的2倍，即可以表明，当感兴趣区域的平均亮度达到目标亮度时，感兴趣区域具有较佳的图像质量，进而可以根据确定的目标亮度确定图像采集参数的目标参数值，以在目标参数值的作用下拍摄人脸质量较好的图像。
步骤S134，基于亮度与图像采集参数之间的映射关系，确定所述目标亮度所对应的目标参数值。
这里，图像的亮度与图像采集参数之间可以存在一定的映射关系，例如，图像的曝光时间越长，图像的亮度越大。从而可以根据图像的亮度与图像采集参数之间映射关系，确定目标亮度所对应的图像采集参数的目标参数值，例如，确定曝光值、曝光时间、增益值中的一个或多个图像采集参数的目标参数值，从而图像处理终端可以将图像采集参数调整到最佳的曝光值。
本公开实施例提供的图像处理方案，可以通过对目标图像进行人形检测的人形检测结果，确定适合当前场景的采集参数值，即使当前场景是逆光或强光场景，也可以使拍摄到的图像具有较佳的人脸质量，提高后续人脸识别的准确率。
图3示出根据本公开实施例的图像处理方法一示例的流程图。如果3所示，在一个示例中，图像处理方法可以包括以下步骤：
步骤S301，获取实时采集的目标图像。
这里，图像处理终端可以具有图像采集功能，可以对当前场景进行实时拍摄，例如，在门禁场景中，图像处理终端对门禁前的用户进行实时图像采集，得到目标图像。
步骤S302，利用人形检测网络对目标图像进行人形检测，得到人形检测结果。
这里，人形检测网络可以是利用构建的神经网络经过训练得到的，得到人形检测结果可以是目标图像中人脸区域的检测结果。
步骤S303，根据人形检测结果判断目标图像中是否存在人脸区域。
步骤S304，在目标图像中存在人脸区域的情况下，将一个或多个人脸区域中最大的人脸区域作为感兴趣区域，执行步骤S306。
步骤S305，在目标图像中不存在人脸区域的情况下，将目标图像的中心图像区域作为感兴趣区域，执行步骤S306。
这里，目标图像的中心图像区域可以是感兴趣区域的区域中心所在的区域，例如，将目标图像平均分为9个区域，其中，中心图像区域可以是9个区域中位于中间的区域。
步骤S306，对感兴趣区域进行亮度直方图统计，得到感兴趣区域的亮度直方图。
步骤S307，根据亮度直方图中像素点的亮度以及为像素点设置的权重，计算感兴趣区域的平均亮度。
步骤S308，根据亮度直方图计算亮度参考值范围内的亮度分布，在亮度参考值范围内的亮度分达到感兴趣区域的总亮度分布99％时，将该亮度参考值确定为边界亮度。
步骤S309，根据边界亮度、预设的期望边界亮度以及平均亮度，计算目标亮度。
步骤S310，根据目标亮度计算需要配置的最佳曝光值和/或增益值。
这里，可以利用比例-积分-微分(Proportion-Integral-Differential)控制器由目标亮度得到最佳曝光值和/或增益值。
步骤S311，将得到的最佳曝光值和/或增益值配置到感光芯片中，执行步骤S301。
这里，可以通过图像信号处理(Image Signal Processing，ISP)单元将得到的最佳曝光值和/或增益值配置到相机的感光芯片中，然后利用最佳曝光值和/或增益值继续采集下一个目标图像。
需要说明的是上述的步骤S306和步骤S307的执行并无先后顺序。
本公开实施例提供的图像处理方案，可以利用人形检测网络对目标图像中的人脸区域进行检测，确定感兴趣区域，然后基于感兴趣区域的亮度分布获得最佳的曝光值，从而可以很好的应对逆光、暗光、强光场景的人脸图像采集以及人脸检测，并且不需要增加额外的成本，可以提升用户体验。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例的图像处理装置的框图，如图4所示，所述图像处理装置包括：
检测模块41，用于对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；
第一确定模块42，用于根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；
第二确定模块43，用于基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
在一种可能的实现方式中，所述第一确定模块42，具体用于，
在所述人形检测结果表明所述目标图像存在人脸区域的情况下，根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第一确定模块42，具体用于，
在所述目标图像存在多个人脸区域的情况下，确定所述多个人脸区域中最大的人脸区域；
将所述最大的人脸区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第一确定模块42，具体用于，
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，确定所述目标图像的中心图像区域；
将所述中心图像区域确定为所述目标图像的感兴趣区域。
在一种可能的实现方式中，所述第二确定模块43，具体用于，
确定所述感兴趣区域的平均亮度；
根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度；
根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度；
基于亮度与图像采集参数之间的映射关系，确定所述目标亮度所对应的目标参数值。
在一种可能的实现方式中，所述第二确定模块43，具体用于，
确定所述感兴趣区域中每个像素点对应的权重；
根据所述感兴趣区域中每个像素点对应的权重以及每个像素点的亮度，确定所述感兴趣区域的平均亮度。
在一种可能的实现方式中，所述第二确定模块43，具体用于，
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，根据所述感兴趣区域中像素点与所述感兴趣区域的区域中心的距离，确定所述感兴趣区域中每个像素点对应的权重；其中，像素点与所述感兴趣区域的区域中心的距离越近，所述像素点对应的权重越大。
在一种可能的实现方式中，所述第二确定模块43，具体用于，
在所述感兴趣区域的亮度分布中，确定亮度参考值范围内对应的像素点个数；
确定所述亮度参考值范围内对应的像素点个数占所述感兴趣区域的像素点总数的像素点比例；
在所述像素点比例大于或等于预设比例的情况下，将所述像素点比例大于或等于预设比例所对应的亮度参考值，确定为所述感兴趣区域的边界亮度。
在一种可能的实现方式中，所述第二确定模块43，具体用于，
获取预设的期望边界亮度；
确定所述期望边界亮度与所述边界亮度的比值；
根据所述期望边界亮度与所述边界亮度的比值以及所述感兴趣区域的平均亮度，确定所述感兴趣区域的目标亮度。
在一种可能的实现方式中，所述装置还包括：
采集模块，用于将所述图像采集参数的参数值调整为所述目标参数值；在所述图像采集参数为所述目标参数值的情况下，对当前场景进行图像采集。
在一种可能的实现方式中，所述图像采集参数包括：
曝光值、曝光时间、增益中的至少一种。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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(LAN)或广域网(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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；
根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；
基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
2.根据权利要求1所述的方法，其特征在于，根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域，包括：
在所述人形检测结果表明所述目标图像存在人脸区域的情况下，根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像中的人脸区域，确定所述目标图像的感兴趣区域，包括：
在所述目标图像存在多个人脸区域的情况下，确定所述多个人脸区域中最大的人脸区域；
将所述最大的人脸区域确定为所述目标图像的感兴趣区域。
4.根据权利要求1所述的方法，其特征在于，根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域，包括：
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，确定所述目标图像的中心图像区域；
将所述中心图像区域确定为所述目标图像的感兴趣区域。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值，包括：
确定所述感兴趣区域的平均亮度；
根据所述感兴趣区域的亮度分布，确定所述感兴趣区域的边界亮度；
根据所述感兴趣区域的平均亮度以及所述边界亮度，确定所述感兴趣区域的目标亮度；
基于亮度与图像采集参数之间的映射关系，确定所述目标亮度所对应的目标参数值。
6.根据权利要求5所述的方法，其特征在于，确定所述感兴趣区域的平均亮度，包括：
确定所述感兴趣区域中每个像素点对应的权重；
根据所述感兴趣区域中每个像素点对应的权重以及每个像素点的亮度，确定所述感兴趣区域的平均亮度。
7.根据权利要求6所述的方法，其特征在于，所述确定所述感兴趣区域中每个像素点对应的权重，包括：
在所述人形检测结果表明所述目标图像不存在人脸区域的情况下，根据所述感兴趣区域中像素点与所述感兴趣区域的区域中心的距离，确定所述感兴趣区域中每个像素点对应的权重；其中，像素点与所述感兴趣区域的区域中心的距离越近，所述像素点对应的权重越大。
8.一种图像处理装置，其特征在于，包括：
检测模块，用于对在当前场景下实时采集的目标图像进行人形检测，得到人形检测结果；
第一确定模块，用于根据所述目标图像的人形检测结果，确定所述目标图像的感兴趣区域；
第二确定模块，用于基于所述感兴趣区域的亮度分布，确定在当前场景下图像采集参数的目标参数值。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN201910872325.1A 2019-09-16 2019-09-16 图像处理方法及装置、电子设备和存储介质 Pending CN110569822A (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201910872325.1A CN110569822A (zh) 2019-09-16 2019-09-16 图像处理方法及装置、电子设备和存储介质
SG11202112936XA SG11202112936XA (en) 2019-09-16 2020-06-30 Method and device for image processing, electronic device and storage medium
JP2021514431A JP7152598B2 (ja) 2019-09-16 2020-06-30 画像処理方法及び装置、電子機器並びに記憶媒体
PCT/CN2020/099580 WO2021051949A1 (zh) 2019-09-16 2020-06-30 一种图像处理方法及装置、电子设备和存储介质
KR1020217013139A KR20210065180A (ko) 2019-09-16 2020-06-30 이미지 처리 방법과 장치, 전자 기기 및 저장매체
TW109129746A TWI755833B (zh) 2019-09-16 2020-08-31 一種圖像處理方法、電子設備和儲存介質
US17/455,909 US20220076006A1 (en) 2019-09-16 2021-11-19 Method and device for image processing, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910872325.1A CN110569822A (zh) 2019-09-16 2019-09-16 图像处理方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110569822A true CN110569822A (zh) 2019-12-13

Family

ID=68780166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910872325.1A Pending CN110569822A (zh) 2019-09-16 2019-09-16 图像处理方法及装置、电子设备和存储介质

Country Status (7)

Country Link
US (1) US20220076006A1 (zh)
JP (1) JP7152598B2 (zh)
KR (1) KR20210065180A (zh)
CN (1) CN110569822A (zh)
SG (1) SG11202112936XA (zh)
TW (1) TWI755833B (zh)
WO (1) WO2021051949A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582036A (zh) * 2020-04-09 2020-08-25 天津大学 可穿戴设备下基于形状和姿态的跨视角人物识别方法
CN112101139A (zh) * 2020-08-27 2020-12-18 普联国际有限公司 人形检测方法、装置、设备及存储介质
WO2021051949A1 (zh) * 2019-09-16 2021-03-25 深圳市商汤科技有限公司 一种图像处理方法及装置、电子设备和存储介质
CN112616028A (zh) * 2020-12-15 2021-04-06 深兰人工智能(深圳)有限公司 车载相机参数调整方法、装置、电子设备及存储介质
CN112733650A (zh) * 2020-12-29 2021-04-30 深圳云天励飞技术股份有限公司 目标人脸检测方法、装置、终端设备及存储介质
CN112752031A (zh) * 2020-07-31 2021-05-04 腾讯科技（深圳）有限公司 图像采集检测方法、装置、电子设备及存储介质
CN112800969A (zh) * 2021-01-29 2021-05-14 新疆爱华盈通信息技术有限公司 图像质量调节方法和系统、ai处理方法、门禁系统
CN114845062A (zh) * 2022-04-29 2022-08-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN115086632A (zh) * 2022-05-23 2022-09-20 奥比中光科技集团股份有限公司 三维图像系统、图像传感器的增益调节方法及存储介质
CN112101139B (zh) * 2020-08-27 2024-05-03 普联国际有限公司 人形检测方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115601327B (zh) * 2022-10-18 2023-10-10 上海宇佑船舶科技有限公司 主推进柴油机组的故障检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101247479A (zh) * 2008-03-26 2008-08-20 北京中星微电子有限公司 一种基于图像中目标区域的自动曝光方法
CN101394484A (zh) * 2007-09-18 2009-03-25 奥林巴斯株式会社 摄像装置
CN101399924A (zh) * 2007-09-25 2009-04-01 展讯通信（上海）有限公司 基于亮度直方图的自动曝光方法和装置
CN103888644A (zh) * 2012-12-21 2014-06-25 佳能株式会社 摄像设备及其控制方法
CN107197170A (zh) * 2017-07-14 2017-09-22 维沃移动通信有限公司 一种曝光控制方法及移动终端
CN108462832A (zh) * 2018-03-19 2018-08-28 百度在线网络技术（北京）有限公司 用于获取图像的方法及装置
US20190012776A1 (en) * 2017-07-10 2019-01-10 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Regulation method, terminal equipment and non-transitory computer-readable storage medium for automatic exposure control of region of interest
CN110099222A (zh) * 2019-05-17 2019-08-06 睿魔智能科技（深圳）有限公司 一种拍摄设备的曝光调整方法、装置、存储介质及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4957030B2 (ja) 2006-03-15 2012-06-20 オムロン株式会社 画像処理装置および画像処理方法、並びにプログラム
JP5335452B2 (ja) 2009-01-27 2013-11-06 キヤノン株式会社 撮像装置、撮像装置の制御方法及びプログラム
CN104038704B (zh) * 2014-06-12 2018-08-07 小米科技有限责任公司 逆光人像场景的拍摄处理方法及装置
CN106791472B (zh) 2016-12-29 2019-07-30 努比亚技术有限公司 一种曝光方法及终端
US10990778B2 (en) * 2017-10-30 2021-04-27 Electronics And Telecommunications Research Institute Apparatus and method for recognizing barcode based on image detection
CN109308687A (zh) * 2018-09-06 2019-02-05 百度在线网络技术（北京）有限公司 用于调节图像亮度的方法和装置
CN109472738B (zh) * 2018-10-26 2024-03-08 深圳市商汤科技有限公司 图像光照校正方法及装置、电子设备和存储介质
CN110569822A (zh) * 2019-09-16 2019-12-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101394484A (zh) * 2007-09-18 2009-03-25 奥林巴斯株式会社 摄像装置
CN101399924A (zh) * 2007-09-25 2009-04-01 展讯通信（上海）有限公司 基于亮度直方图的自动曝光方法和装置
CN101247479A (zh) * 2008-03-26 2008-08-20 北京中星微电子有限公司 一种基于图像中目标区域的自动曝光方法
CN103888644A (zh) * 2012-12-21 2014-06-25 佳能株式会社 摄像设备及其控制方法
US20190012776A1 (en) * 2017-07-10 2019-01-10 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Regulation method, terminal equipment and non-transitory computer-readable storage medium for automatic exposure control of region of interest
CN107197170A (zh) * 2017-07-14 2017-09-22 维沃移动通信有限公司 一种曝光控制方法及移动终端
CN108462832A (zh) * 2018-03-19 2018-08-28 百度在线网络技术（北京）有限公司 用于获取图像的方法及装置
CN110099222A (zh) * 2019-05-17 2019-08-06 睿魔智能科技（深圳）有限公司 一种拍摄设备的曝光调整方法、装置、存储介质及设备

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021051949A1 (zh) * 2019-09-16 2021-03-25 深圳市商汤科技有限公司 一种图像处理方法及装置、电子设备和存储介质
CN111582036B (zh) * 2020-04-09 2023-03-07 天津大学 可穿戴设备下基于形状和姿态的跨视角人物识别方法
CN111582036A (zh) * 2020-04-09 2020-08-25 天津大学 可穿戴设备下基于形状和姿态的跨视角人物识别方法
CN112752031A (zh) * 2020-07-31 2021-05-04 腾讯科技（深圳）有限公司 图像采集检测方法、装置、电子设备及存储介质
CN112752031B (zh) * 2020-07-31 2024-02-06 腾讯科技（深圳）有限公司 图像采集检测方法、装置、电子设备及存储介质
CN112101139A (zh) * 2020-08-27 2020-12-18 普联国际有限公司 人形检测方法、装置、设备及存储介质
CN112101139B (zh) * 2020-08-27 2024-05-03 普联国际有限公司 人形检测方法、装置、设备及存储介质
CN112616028A (zh) * 2020-12-15 2021-04-06 深兰人工智能(深圳)有限公司 车载相机参数调整方法、装置、电子设备及存储介质
CN112733650A (zh) * 2020-12-29 2021-04-30 深圳云天励飞技术股份有限公司 目标人脸检测方法、装置、终端设备及存储介质
CN112800969A (zh) * 2021-01-29 2021-05-14 新疆爱华盈通信息技术有限公司 图像质量调节方法和系统、ai处理方法、门禁系统
CN112800969B (zh) * 2021-01-29 2022-04-19 深圳市爱深盈通信息技术有限公司 图像质量调节方法和系统、ai处理方法、门禁系统
CN114845062A (zh) * 2022-04-29 2022-08-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN114845062B (zh) * 2022-04-29 2024-04-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN115086632A (zh) * 2022-05-23 2022-09-20 奥比中光科技集团股份有限公司 三维图像系统、图像传感器的增益调节方法及存储介质

Also Published As

Publication number Publication date
WO2021051949A1 (zh) 2021-03-25
JP2022502893A (ja) 2022-01-11
JP7152598B2 (ja) 2022-10-12
TW202113670A (zh) 2021-04-01
KR20210065180A (ko) 2021-06-03
SG11202112936XA (en) 2021-12-30
US20220076006A1 (en) 2022-03-10
TWI755833B (zh) 2022-02-21

Similar Documents

Publication Publication Date Title
CN110569822A (zh) 图像处理方法及装置、电子设备和存储介质
US9674395B2 (en) Methods and apparatuses for generating photograph
CN106408603B (zh) 拍摄方法及装置
CN107463052B (zh) 拍摄曝光方法及装置
CN111340731B (zh) 图像处理方法及装置、电子设备和存储介质
CN110557547B (zh) 镜头位置调整方法及装置
CN108154466B (zh) 图像处理方法及装置
EP3113071A1 (en) Method and device for acquiring iris image
CN108040204B (zh) 一种基于多摄像头的图像拍摄方法、装置及存储介质
CN110532957B (zh) 人脸识别方法及装置、电子设备和存储介质
CN112188091B (zh) 人脸信息识别方法、装置、电子设备及存储介质
TW202230277A (zh) 目標對象曝光方法、儲存介質及電子設備
CN109145878B (zh) 图像提取方法及装置
CN111586280B (zh) 拍摄方法、装置、终端及可读存储介质
CN112669231B (zh) 图像处理方法、图像处理模型的训练方法、装置、介质
CN110910304B (zh) 图像处理方法、装置、电子设备及介质
CN111277754B (zh) 移动终端拍摄方法及装置
CN113506321A (zh) 图像处理方法及装置、电子设备和存储介质
CN108108668B (zh) 基于图像的年龄预测方法及装置
CN112883791A (zh) 对象识别方法、对象识别装置及存储介质
CN113315903A (zh) 图像获取方法和装置、电子设备、存储介质
CN113014810B (zh) 定位方法及装置、电子设备和存储介质
CN109862252B (zh) 图像拍摄方法及装置
CN110458962B (zh) 一种图像处理方法、装置、电子设备及存储介质
EP3926944A1 (en) Method and apparatus for displaying captured preview image, and medium

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40016219

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20191213

RJ01 Rejection of invention patent application after publication