CN110710194B - 一种曝光方法、装置及摄像模组、电子设备 - Google Patents
一种曝光方法、装置及摄像模组、电子设备 Download PDFInfo
- Publication number
- CN110710194B CN110710194B CN201980001756.9A CN201980001756A CN110710194B CN 110710194 B CN110710194 B CN 110710194B CN 201980001756 A CN201980001756 A CN 201980001756A CN 110710194 B CN110710194 B CN 110710194B
- Authority
- CN
- China
- Prior art keywords
- exposure
- global
- picture
- local
- global picture
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例涉及电子信息技术领域,公开了一种曝光方法、装置及摄像模组、电子设备。其中,曝光方法包括:获取全局图片;检测所述全局图片是否存在物体;若未检测到所述物体,则确定所述全局图片中是否存在活动目标;若所述全局图片中存在所述活动目标,则进行区域局部曝光;若所述全局图片中不存在所述活动目标,则进行全局曝光。通过上述方式,本申请实施例能够减少图片局部过曝光或欠曝光情况的出现,保证摄像模组的拍摄效果。
Description
技术领域
本申请实施例涉及电子信息技术领域,特别是涉及一种曝光方法、装置及摄像模组、电子设备。
背景技术
随着深度学习技术和海量数据在机器视觉中的普及,越来越多基于摄像模组的机器视觉产品走向成熟。然而,基于视觉检测和识别的产品的稳定性除了受深度神经网络及海量训练数据的影响外,还受摄像模组本身的硬件影响。比如,在一些复杂光照条件下,如低照度或逆光情况下,摄像模组获取的图片质量较差,则会严重制约计算机视觉算法的准确性。因此,摄像模组通常需要进行曝光处理,以提高所获取图片的质量。
目前,摄像模组进行曝光处理时,通常进行全局曝光处理,但发明人在实现本申请的过程中发现:全局曝光处理缺少对图片细节处的曝光处理,容易导致图片局部仍存在过曝光或欠曝光的情况,无法得到清晰的图片。
发明内容
本申请实施例旨在提供一种曝光方法、装置及摄像模组、电子设备,能够减少图片局部过曝光或欠曝光情况的出现,保证摄像模组的拍摄效果。
为解决上述技术问题,本申请实施例采用的一个技术方案是:提供一种曝光方法,包括:
获取全局图片;
检测所述全局图片是否存在物体;
若未检测到所述物体,则确定所述全局图片中是否存在活动目标;
若所述全局图片中存在所述活动目标,则进行区域局部曝光;
若所述全局图片中不存在所述活动目标,则进行全局曝光。
可选地,所述确定所述全局图片中是否存在活动目标,包括:
建立混合高斯背景模型;
根据所述混合高斯背景模型和所述全局图片生成二值图像,所述二值图像包括白色像素点和黑色像素点;
根据所述二值图像确定所述全局图片中是否存在所述活动目标。
可选地,所述根据所述二值图像确定所述全局图片中是否存在所述活动目标,包括:
将所述二值图像等分为多个第一区域,所述多个第一区域横向排列;
确定每个所述第一区域的变化幅度是否小于幅度阈值;
若每个所述第一区域的变化幅度均小于所述幅度阈值,则确定所述全局图片中不存在所述活动目标;
若至少一个所述第一区域的变化幅度不小于所述幅度阈值,则确定所述全局图片中存在所述活动目标。
可选地,所述确定每个所述第一区域的变化幅度是否小于幅度阈值,包括:
确定每个所述第一区域中像素点的总数以及白色像素点的数量;
若所述第一区域中白色像素点的数量与像素点的总数的比值小于所述幅度阈值,则确定所述第一区域的变化幅度小于所述幅度阈值;
若所述第一区域中白色像素点的数量与像素点的总数的比值不小于所述幅度阈值,则确定所述第一区域的变化幅度不小于所述幅度阈值。
可选地,所述进行区域局部曝光,包括:
确定所述变化幅度最大的第一区域作为目标区域;
根据所述目标区域进行区域局部曝光。
可选地,所述根据所述目标区域进行区域局部曝光,包括:
将所述全局图片等分为多个第二区域,所述第二区域与所述第一区域一一对应;
确定与所述目标区域对应的第二区域作为中心区域;
依次提取以所述中心区域为中心的2t+1个第二区域进行区域局部曝光,其中,t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2,n为所述第二区域的数量。
可选地,在所述进行区域局部曝光或所述进行全局曝光的步骤之前,所述方法还包括:
停止更新所述混合高斯背景模型。
可选地,所述方法还包括:
若检测到所述物体,则获取包括所述物体的局部图片;
计算所述局部图片的局部平均灰度值;
判断所述局部平均灰度值是否满足预设局部目标灰度条件;
若不满足,则根据所述局部平均灰度值进行物体局部曝光;
否则,进行全局曝光。
为解决上述技术问题,本申请实施例采用的另一个技术方案是:提供一种曝光装置,包括:
获取模块,用于获取全局图片;
检测模块,用于检测所述全局图片是否存在物体;
确定模块,用于在未检测到所述物体时,确定所述全局图片中是否存在活动目标;
曝光模块,用于在所述全局图片中存在所述活动目标时,进行区域局部曝光;以及
用于在所述全局图片中不存在所述活动目标时,进行全局曝光。
可选地,所述确定模块具体用于:
建立混合高斯背景模型;
根据所述混合高斯背景模型和所述全局图片生成二值图像,所述二值图像包括白色像素点和黑色像素点;
根据所述二值图像确定所述全局图片中是否存在所述活动目标。
可选地,所述确定模块具体用于:
将所述二值图像等分为多个第一区域,所述多个第一区域横向排列;
确定每个所述第一区域的变化幅度是否小于幅度阈值;
若每个所述第一区域的变化幅度均小于所述幅度阈值,则确定所述全局图片中不存在所述活动目标;
若至少一个所述第一区域的变化幅度不小于所述幅度阈值,则确定所述全局图片中存在所述活动目标。
可选地,所述确定模块具体用于:
确定每个所述第一区域中像素点的总数以及白色像素点的数量;
若所述第一区域中白色像素点的数量与像素点的总数的比值小于所述幅度阈值,则确定所述第一区域的变化幅度小于所述幅度阈值;
若所述第一区域中白色像素点的数量与像素点的总数的比值不小于所述幅度阈值,则确定所述第一区域的变化幅度不小于所述幅度阈值。
可选地,所述曝光模块具体用于:
确定所述变化幅度最大的第一区域作为目标区域;
根据所述目标区域进行区域局部曝光。
可选地,所述曝光模块具体用于:
将所述全局图片等分为多个第二区域,所述第二区域与所述第一区域一一对应;
确定与所述目标区域对应的第二区域作为中心区域;
依次提取以所述中心区域为中心的2t+1个第二区域进行区域局部曝光,其中,t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2,n为所述第二区域的数量。
可选地,所述曝光装置还包括:
停止模块,用于在进行区域局部曝光或进行全局曝光之前,停止更新所述混合高斯背景模型。
可选地,
所述获取模块还用于若检测到所述物体,则获取包括所述物体的局部图片;
所述曝光装置还包括:
计算模块,用于计算所述局部图片的局部平均灰度值;
判断模块,用于判断所述局部平均灰度值是否满足预设局部目标灰度条件;
若不满足,则所述曝光模块还用于根据所述局部平均灰度值进行物体局部曝光;
否则,所述曝光模块还用于进行全局曝光。
为解决上述技术问题,本申请实施例采用的另一个技术方案是:提供一种摄像模组,包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行以上所述的方法。
为解决上述技术问题,本申请实施例采用的另一个技术方案是:提供一种电子设备,包括以上所述的摄像模组。
为解决上述技术问题,本申请实施例采用的另一个技术方案是:提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使摄像模组执行以上所述的方法。
本申请实施例的有益效果是:区别于现有技术的情况下,本申请实施例提供一种曝光方法、装置及摄像模组、电子设备,在曝光方法中,获取全局图片后,检测所获取的全局图片是否存在物体,若未检测到物体,则确定全局图片中是否存在活动目标,若存在,则进行区域局部曝光,若不存在,则进行全局曝光。即本申请能够在未检测到全局图片中的物体时,通过对活动目标的检测来触发区域局部曝光,提高了对局部细节进行曝光处理的几率,进而减少图片局部过曝光或欠曝光情况的出现,使得摄像模组能够得到清晰的图片,保证了摄像模组的拍摄效果。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本申请实施例提供的一种曝光方法的流程示意图;
图2是本申请实施例提供的二值图像的结构示意图;
图3是本申请实施例提供的全局图片的结构示意图;
图4是本申请另一实施例提供的一种曝光方法的流程示意图;
图5是本申请实施例提供的一种曝光装置的结构示意图;
图6是本申请另一实施例提供的一种曝光装置的结构示意图;
图7是本申请又一实施例提供的一种曝光装置的结构示意图;
图8是本申请实施例提供的一种摄像模组的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外,下面所描述的本申请各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请提供了一种曝光方法及装置,该方法及装置应用于摄像模组,从而使得摄像模组能够提高对图片进行局部曝光处理的几率,减少图片局部过曝光或欠曝光情况的出现,以得到清晰的图片,保证拍摄效果。
其中,摄像模组为能够拍摄视频图像的器件,该摄像模组可以为照相机、摄像机等,也可以为摄像头模块等。
该摄像模组能够应用于无人飞行器、机器人等电子设备中,以使电子设备能够基于摄像模组实现视觉检测和识别。
下面,将通过具体实施例对本申请进行具体阐述。
请参阅图1,是本申请实施例提供的一种曝光方法的流程示意图,该曝光方法由摄像模组执行,用于提高对图片进行局部曝光处理的几率,保证拍摄效果。
具体地,该曝光方法包括:
S100:获取全局图片。
其中,全局图片为摄像模组直接获取到的完整图片,该全局图片可以为摄像模组拍摄的视频的图像帧,也可以为摄像模组拍摄的图像。
举例而言,摄像模组采集图像时,能够采集m*n大小的图像,则该m*n大小的图像即为全局图片。
具体地,该全局图片能够通过摄像模组的摄像头获取。
S200:检测全局图片是否存在物体。
在本申请实施例中,上述“物体”为人脸,检测全局图片是否存在物体亦即检测全局图片是否存在人脸。当然,在一些实施例中,该物体还可以为风景、宠物等,可以根据实际应用进行设定。
当检测全局图片是否存在人脸时,可采用基于深度学习的人脸检测算法,检测全局图片中是否存在与人脸特征匹配的特征。若全局图片中存在与人脸特征匹配的特征,则确定检测到人脸;若全局图片中不存在与人脸特征匹配的特征,则确定未检测到人脸。
S300:若未检测到物体,则确定全局图片中是否存在活动目标,若是,则转到步骤S400;若否,则转到步骤S500。
由于检测全局图片中是否存在物体时,若物体处于过曝光或欠曝光的状态,会导致物体的特征不明显,容易出现未检测到物体的情况,使得检测结果不准确,影响局部曝光,因此,为了进一步提高局部曝光的几率,在未检测到物体时,会确定全局图片中是否存在活动目标,以根据活动目标触发局部曝光。
其中,活动目标为全局图片中存在运动的物体。可以通过帧差法确定全局图片中是否存在活动目标,也可以通过混合高斯背景模型确定全局图片中是否存在活动目标。
当通过帧差法确定全局图片中是否存在活动目标时,提取全局图片的前一帧图像,将全局图片与前一帧图像对应的像素点的灰度值进行相减操作,若对应像素点的灰度值相减后的绝对值大于预设阈值,则将像素点的灰度值确定为255,若对应像素点的灰度值相减后的绝对值小于或等于预设阈值,则将像素点的灰度值确定为0,以生成包括黑色像素点(0)和白色像素点(255)的二值图像,此时,若二值图像中存在白色像素点,则确定全局图片中存在活动目标,否则,确定全局图片中不存在活动目标。
当通过混合高斯背景模型确定全局图片中是否存在活动目标时,建立混合高斯背景模型,并根据混合高斯背景模型和全局图片生成二值图像,然后根据二值图像确定全局图片中是否存在活动目标。其中,二值图像包括白色像素点和黑色像素点。
具体地,建立混合高斯背景模型时,初始化每个高斯模型矩阵参数,并提取T帧图像用来训练高斯混合背景模型;对于第一帧图像的第一个像素点,使用第一均值和第一方差构造第一高斯模型;对于后面来的像素点,如果该像素点的灰度值在3倍的第一方差内,则该像素点属于第一高斯模型,更新参数;如果该像素点的灰度值不在3倍的第一方差内,则根据该像素点重新构造第二高斯模型。
根据混合高斯背景模型和全局图片生成二值图像时,用全局图片中的每个像素点与混合高斯背景模型进行匹配,将匹配成功的像素点的灰度值确定为255(白色像素点),将匹配失败的像素点的灰度值确定为0(黑色像素点),以生成包括黑色像素点(0)和白色像素点(255)的二值图像。
其中,若像素点的灰度值与混合高斯背景模型中的每个高斯模型的均值之差都大于对应高斯模型的方差的2倍,则确定该像素点匹配成功,否则,确定像素点匹配失败。
举例而言,混合高斯背景模型中包括第一高斯模型(第一均值,第一方差)、第二高斯模型(第二均值,第二方差)以及第三高斯模型(第三均值,第三方差),对于像素点A,若该像素点A的灰度值与第一均值之差大于第一方差的2倍,且该像素点A的灰度值与第二均值之差大于第二方差的2倍,且该像素点A的灰度值与第三均值之差大于第三方差的2倍,则确定该像素点匹配成功。
根据二值图像确定全局图片中是否存在活动目标时,将二值图像等分为多个第一区域(如图2所示),然后确定每个第一区域的变化幅度是否小于幅度阈值,若每个第一区域的变化幅度均小于幅度阈值,则确定全局图片中不存在活动目标;若至少一个第一区域的变化幅度不小于幅度阈值,则确定全局图片中存在活动目标。其中,多个第一区域横向排列,并且每个第一区域的尺寸均相等。
举例而言,请参阅图2,将二值图像等分为8个第一区域,包括第一区域A至H;确定第一区域A的变化幅度是否小于幅度阈值,确定第一区域B的变化幅度是否小于幅度阈值,确定第一区域C的变化幅度是否小于幅度阈值,确定第一区域D的变化幅度是否小于幅度阈值,确定第一区域E的变化幅度是否小于幅度阈值,确定第一区域F的变化幅度是否小于幅度阈值,确定第一区域G的变化幅度是否小于幅度阈值,确定第一区域H的变化幅度是否小于幅度阈值;若第一区域A至H的变化幅度均小于幅度阈值,则确定全局图片中不存在活动目标;若第一区域A至H中至少一个区域的变化幅度不小于幅度阈值,则确定全局图片中存在活动目标。
其中,确定每个第一区域的变化幅度是否小于幅度阈值时,确定每个第一区域中像素点的总数以及白色像素点的数量,若第一区域中白色像素点的数量与像素点的总数的比值小于幅度阈值,则确定第一区域的变化幅度小于幅度阈值;若第一区域中白色像素点的数量与像素点的总数的比值不小于幅度阈值,则确定第一区域的变化幅度不小于幅度阈值。
由于每个第一区域的尺寸均相等,因此,每个第一区域中像素点的总数均相等,且每个第一区域中像素点的总数等于白色像素点的数量与黑色像素点的数量之和。
举例而言,请参阅图2,分别确定第一区域A中像素点的总数M1和白色像素点的数量m1、第一区域B中像素点的总数M2和白色像素点的数量m2、第一区域C中像素点的总数M3和白色像素点的数量m3、第一区域D中像素点的总数M4和白色像素点的数量m4、第一区域E中像素点的总数M5和白色像素点的数量m5、第一区域F中像素点的总数M6和白色像素点的数量m6、第一区域G中像素点的总数M7和白色像素点的数量m7、第一区域H中像素点的总数M8和白色像素点的数量m8;然后,根据白色像素点的数量m1与像素点的总数M1的比值(m1/M1)确定第一区域A的变化幅度,根据白色像素点的数量m2与像素点的总数M2的比值(m2/M2)确定第一区域B的变化幅度,根据白色像素点的数量m3与像素点的总数M3的比值(m3/M3)确定第一区域C的变化幅度,根据白色像素点的数量m4与像素点的总数M4的比值(m4/M4)确定第一区域D的变化幅度,根据白色像素点的数量m5与像素点的总数M5的比值(m5/M5)确定第一区域E的变化幅度,根据白色像素点的数量m6与像素点的总数M6的比值(m6/M6)确定第一区域F的变化幅度,根据白色像素点的数量m7与像素点的总数M7的比值(m7/M7)确定第一区域G的变化幅度,根据白色像素点的数量m8与像素点的总数M8的比值(m8/M8)确定第一区域H的变化幅度。其中,M1=M2=M3=M4=M5=M6=M7=M8。
其中,幅度阈值为预先存储于摄像模组中的经验值,可以根据实际应用情况进行设定。在本申请实施例中,该幅度阈值优选为1%,当第一区域中白色像素点的数量与像素点的总数的比值小于1%,则确定第一区域的变化幅度小于幅度阈值;若第一区域中白色像素点的数量与像素点的总数的比值不小于1%,则确定第一区域的变化幅度不小于幅度阈值。
S400:进行区域局部曝光。
具体地,进行区域局部曝光时,在变化幅度不小于幅度阈值的第一区域中,确定变化幅度最大的第一区域作为目标区域,并根据目标区域进行区域局部曝光。
比如,请参阅图2,在第一区域A至H中,第一区域A至C的变化幅度小于幅度阈值,第一区域D至H的变化幅度不小于幅度阈值,则在第一区域D至H中确定变化幅度最大的第一区域作为目标区域,由于第一区域E的变化幅度最大,因此,将第一区域E确定为目标区域。
其中,将白色像素点的数量与像素点的总数的比值最大的第一区域确定为变化幅度最大的第一区域。由于每个第一区域中像素点的总数均相等,因此,能够将白色像素点的数量最多的第一区域确定为变化幅度最大的第一区域。
进一步地,根据目标区域进行区域局部曝光时,首先,将全局图片等分为多个第二区域(如图3所示)。
其中,全局图片等分为与第一区域一致的多个第二区域。即,当全局图片与二值图像中心对应重叠时,第二区域与第一区域一一对应。
比如,请参阅图3,将全局图片等分为8个第二区域,包括第二区域A至H,其中,第二区域A与第一区域A对应,第二区域B与第一区域B对应,第二区域C与第一区域C对应,第二区域D与第一区域D对应,第二区域E与第一区域E对应,第二区域F与第一区域F对应,第二区域G与第一区域G对应,第二区域H与第一区域H对应。
然后,确定与目标区域对应的第二区域作为中心区域。
由于第二区域与第一区域一一对应,当确定目标区域后,就能够确定与目标区域对应的第二区域。
比如,当将第一区域E确定为目标区域时,由于第一区域E与第二区域E对应,因此,将第二区域E确定为中心区域。
最后,依次提取以中心区域为中心的2t+1个第二区域进行区域局部曝光,其中,t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2,n为第二区域的数量。
可以理解的是,依次提取以中心区域为中心的2t+1个第二区域进行区域局部曝光,即按照t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2的顺序依次提取2t+1个第二区域进行区域局部曝光,其中,所提取的第二区域以中心区域为中心。
比如,请参阅图3,假设第二区域的数量n=8,中心区域为第二区域E时,能够确定t=2,1,0,1,2。此时,按照t=2,1,0,1,2的顺序依次提取2t+1个第二区域进行区域局部曝光,即依次提取5个第二区域(P区域)、3个第二区域(Q区域)、1个第二区域(R区域)、3个第二区域(Q区域)和5个第二区域(P区域)进行区域局部曝光,亦即,先对P区域进行区域局部曝光,再对Q区域进行区域局部曝光,其次对R区域进行区域局部曝光,然后对Q区域进行区域局部曝光,最后对P区域进行区域局部曝光。其中,由于所提取的第二区域以中心区域为中心,因此,P区域包括第二区域C至G,Q区域包括第二区域D至F,R区域包括第二区域E(中心区域)。
按照上述由大区域到小区域再到大区域的顺序进行区域局部曝光,能够防止直接对小区域进行曝光所导致的亮度急剧跳变,实现亮度平滑过渡。
其中,对各区域进行区域局部曝光时,计算要进行区域局部曝光的区域的区域平均灰度值,若区域平均灰度值大于预设区域目标灰度条件,则采用预设调节方法,调低摄像模组的曝光时间和增益值;若区域平均灰度值小于预设区域目标灰度条件,则采用预设调节方法,调高摄像模组的曝光时间和增益值。该预设区域目标灰度条件可以为预设区域目标灰度值,也可以为预设区域目标灰度范围。
比如,当对P区域进行区域局部曝光时,则计算P区域的区域平均灰度值;当对Q区域进行区域局部曝光时,则计算Q区域的区域平均灰度值。
S500:进行全局曝光。
具体地,计算全局图片的全局平均灰度值,若全局平均灰度值大于预设全局目标灰度条件,则采用预设调节方法,调低摄像模组的曝光时间和增益值;若全局平均灰度值小于预设全局目标灰度条件,则采用预设调节方法,调高摄像模组的曝光时间和增益值。该预设全局目标灰度条件可以为预设全局目标灰度值,也可以为预设全局目标灰度范围。
可以理解的是,在一些实施例中,为了防止曝光后背景亮度的变化对活动目标的检测造成影响,在执行步骤S400或步骤S500之前,会停止更新混合高斯背景模型,并在执行步骤S400或步骤S500之后,重新建立混合高斯背景模型。
进一步地,请参阅图4,在一些实施例中,该曝光方法还包括:
S600:若检测到物体,则获取包括物体的局部图片;
S700:计算局部图片的局部平均灰度值;
S800:判断局部平均灰度值是否满足预设局部目标灰度条件,若不满足,则转到步骤S900;若满足,则转到步骤S500。
具体地,若局部平均灰度值等于预设局部目标灰度条件,则确定局部平均灰度值满足预设局部目标灰度条件;若局部平均灰度值不等于预设局部目标灰度条件,则确定局部平均灰度值不满足预设局部目标灰度条件。
其中,预设局部目标灰度条件可以为预设局部目标灰度值,也可以为预设局部目标灰度范围。
当预设局部目标灰度条件为预设局部目标灰度范围时,若局部平均灰度值位于预设局部目标灰度范围内,则局部平均灰度值等于预设局部目标灰度条件;若局部平均灰度值超出预设局部目标灰度范围,则局部平均灰度值不等于预设局部目标灰度条件。
S900:根据局部平均灰度值进行物体局部曝光。
具体地,若局部平均灰度值大于预设局部目标灰度条件,则采用预设调节方法,调低摄像模组的曝光时间和增益值;若局部平均灰度值小于预设局部目标灰度条件,则采用预设调节方法,调高摄像模组的曝光时间和增益值。
可以理解的是,在一些实施例中,若摄像模组在确定全局图片中是否存在活动目标的过程中检测到物体,则停止确定全局图片中是否存在活动目标的步骤,并执行步骤S600-S800。
进一步地,在一些实施例中,调节摄像模组的曝光时间和增益值时,能够根据摄像模组的性能调整曝光频率,实现平滑曝光。
在本申请实施例中,通过在未检测到所获取的全局图片中的物体时对活动目标进行检测来触发区域局部曝光,提高了对局部细节进行曝光处理的几率,进而减少图片局部过曝光或欠曝光情况的出现,使得摄像模组能够得到清晰的图片,保证了摄像模组的拍摄效果。
进一步地,请参阅图5,是本申请实施例提供的一种曝光装置的结构示意图,该曝光装置各个模块的功能由摄像模组执行,用于提高对图片进行局部曝光处理的几率,保证拍摄效果。
值得注意的是,本申请实施例所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能被构想的。
具体地,该曝光装置包括:
获取模块10,用于获取全局图片;
检测模块20,用于检测所述全局图片是否存在物体;
确定模块30,用于在未检测到所述物体时,确定所述全局图片中是否存在活动目标;
曝光模块40,用于在所述全局图片中存在所述活动目标时,进行区域局部曝光;以及
用于在所述全局图片中不存在所述活动目标时,进行全局曝光。
在一些实施例中,该确定模块30具体用于:
建立混合高斯背景模型;
根据所述混合高斯背景模型和所述全局图片生成二值图像,所述二值图像包括白色像素点和黑色像素点;
根据所述二值图像确定所述全局图片中是否存在所述活动目标。
在一些实施例中,该确定模块30具体用于:
将所述二值图像等分为多个第一区域,所述多个第一区域横向排列;
确定每个所述第一区域的变化幅度是否小于幅度阈值;
若每个所述第一区域的变化幅度均小于所述幅度阈值,则确定所述全局图片中不存在所述活动目标;
若至少一个所述第一区域的变化幅度不小于所述幅度阈值,则确定所述全局图片中存在所述活动目标。
在一些实施例中,该确定模块30具体用于:
确定每个所述第一区域中像素点的总数以及白色像素点的数量;
若所述第一区域中白色像素点的数量与像素点的总数的比值小于所述幅度阈值,则确定所述第一区域的变化幅度小于所述幅度阈值;
若所述第一区域中白色像素点的数量与像素点的总数的比值不小于所述幅度阈值,则确定所述第一区域的变化幅度不小于所述幅度阈值。
在一些实施例中,该曝光模块40具体用于:
确定所述变化幅度最大的第一区域作为目标区域;
根据所述目标区域进行区域局部曝光。
在一些实施例中,该曝光模块40具体用于:
将所述全局图片等分为多个第二区域,所述第二区域与所述第一区域一一对应;
确定与所述目标区域对应的第二区域作为中心区域;
依次提取以所述中心区域为中心的2t+1个第二区域进行区域局部曝光,其中,t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2,n为所述第二区域的数量。
在一些实施例中,请参阅图6,该曝光装置还包括:
停止模块50,用于在进行区域局部曝光或进行全局曝光之前,停止更新所述混合高斯背景模型。
在一些实施例中,获取模块10还用于若检测到所述物体,则获取包括所述物体的局部图片;
请参阅图7,曝光装置还包括:
计算模块60,用于计算所述局部图片的局部平均灰度值;
判断模块70,用于判断所述局部平均灰度值是否满足预设局部目标灰度条件;
若不满足,则曝光模块40还用于根据所述局部平均灰度值进行物体局部曝光;
否则,曝光模块40还用于进行全局曝光。
由于装置实施例和方法实施例是基于同一构思,在内容不互相冲突的前提下,装置实施例的内容可以引用方法实施例的,在此不再一一赘述。
在其他一些可替代实施例中,上述获取模块10、检测模块20、确定模块30、曝光模块40、停止模块50、计算模块60以及判断模块70可以为摄像模组的处理芯片。
在本申请实施例中,通过在未检测到所获取的全局图片中的物体时对活动目标进行检测来触发区域局部曝光,提高了对局部细节进行曝光处理的几率,进而减少图片局部过曝光或欠曝光情况的出现,使得摄像模组能够得到清晰的图片,保证了摄像模组的拍摄效果。
进一步地,请参阅图8,是本申请实施例提供的一种摄像模组的硬件结构示意图,包括:
一个或多个处理器110以及存储器120。其中,图8中以一个处理器110为例。
处理器110和存储器120可以通过总线或者其他方式连接,图8中以通过总线连接为例。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请上述实施例中的一种曝光方法对应的程序指令以及一种曝光装置对应的模块(例如,获取模块10、检测模块20、确定模块30、曝光模块40、停止模块50、计算模块60以及判断模块70等)。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及模块,从而执行一种曝光方法的各种功能应用以及数据处理,即实现上述方法实施例中的一种曝光方法以及上述装置实施例的各个模块的功能。
存储器120可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种曝光装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据,包括预设局部目标灰度条件、预设区域目标灰度条件、预设全局目标灰度条件、预设阈值、预设调节方法、幅度阈值等。
此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至处理器110。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器120中,当被所述一个或者多个处理器110执行时,执行上述任意方法实施例中的一种曝光方法的各个步骤,或者,实现上述任意装置实施例中的一种曝光装置的各个模块的功能。
上述产品可执行本申请上述实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请上述实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图8中的一个处理器110,可使得计算机执行上述任意方法实施例中的一种曝光方法的各个步骤,或者,实现上述任意装置实施例中的一种曝光装置的各个模块的功能。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被一个或多个处理器执行,例如图8中的一个处理器110,可使得计算机执行上述任意方法实施例中的一种曝光方法的各个步骤,或者,实现上述任意装置实施例中的一种曝光装置的各个模块的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述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单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施方法的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的范围。
Claims (11)
1.一种曝光方法,其特征在于,包括:
获取全局图片;
检测所述全局图片是否存在物体,所述物体为人脸;
若未检测到所述物体,则确定所述全局图片中是否存在活动目标,所述活动目标是所述全局图片中存在运动的物体;
若所述全局图片中存在所述活动目标,则进行区域局部曝光,其中,所述进行区域局部曝光是将目标区域进行局部曝光,所述目标区域是变化幅度最大的第一区域,所述第一区域是根据所述全局图片生成二值图像后,将所述二值图像进行等分处理后得到的多个子区域;
若所述全局图片中不存在所述活动目标,则进行全局曝光。
2.根据权利要求1所述的方法,其特征在于,所述确定所述全局图片中是否存在活动目标,包括:
建立混合高斯背景模型;
根据所述混合高斯背景模型和所述全局图片生成二值图像,所述二值图像包括白色像素点和黑色像素点;
根据所述二值图像确定所述全局图片中是否存在所述活动目标。
3.根据权利要求2所述的方法,其特征在于,所述根据所述二值图像确定所述全局图片中是否存在所述活动目标,包括:
将所述二值图像等分为多个第一区域,所述多个第一区域横向排列;
确定每个所述第一区域的变化幅度是否小于幅度阈值;
若每个所述第一区域的变化幅度均小于所述幅度阈值,则确定所述全局图片中不存在所述活动目标;
若至少一个所述第一区域的变化幅度不小于所述幅度阈值,则确定所述全局图片中存在所述活动目标。
4.根据权利要求3所述的方法,其特征在于,所述确定每个所述第一区域的变化幅度是否小于幅度阈值,包括:
确定每个所述第一区域中像素点的总数以及白色像素点的数量;
若所述第一区域中白色像素点的数量与像素点的总数的比值小于所述幅度阈值,则确定所述第一区域的变化幅度小于所述幅度阈值;
若所述第一区域中白色像素点的数量与像素点的总数的比值不小于所述幅度阈值,则确定所述第一区域的变化幅度不小于所述幅度阈值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标区域进行区域局部曝光,包括:
将所述全局图片等分为多个第二区域,所述第二区域与所述第一区域一一对应;
确定与所述目标区域对应的第二区域作为中心区域;
依次提取以所述中心区域为中心的2t+1个第二区域进行区域局部曝光,其中,t=n/2-2,n/2-3,...,1,0,1,...,n/2-3,n/2-2,n为所述第二区域的数量。
6.根据权利要求2至4中任一项所述的方法,其特征在于,在所述进行区域局部曝光或所述进行全局曝光的步骤之前,所述方法还包括:
停止更新所述混合高斯背景模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若检测到所述物体,则获取包括所述物体的局部图片;
计算所述局部图片的局部平均灰度值;
判断所述局部平均灰度值是否满足预设局部目标灰度条件;
若不满足,则根据所述局部平均灰度值进行物体局部曝光;
否则,进行全局曝光。
8.一种曝光装置,其特征在于,包括:
获取模块,用于获取全局图片;
检测模块,用于检测所述全局图片是否存在物体,所述物体为人脸;
确定模块,用于在未检测到所述物体时,确定所述全局图片中是否存在活动目标,所述活动目标是所述全局图片中存在运动的物体;
曝光模块,用于在所述全局图片中存在所述活动目标时,进行区域局部曝光;以及
用于在所述全局图片中不存在所述活动目标时,进行全局曝光,其中,所述进行区域局部曝光是将目标区域进行局部曝光,所述目标区域是变化幅度最大的第一区域,所述第一区域是根据所述全局图片生成二值图像后,将所述二值图像进行等分处理后得到的多个子区域。
9.一种摄像模组,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1至7中任一项所述的方法。
10.一种电子设备,其特征在于,包括如权利要求9所述的摄像模组。
11.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使摄像模组执行如权利要求1至7中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/103836 WO2021035729A1 (zh) | 2019-08-30 | 2019-08-30 | 一种曝光方法、装置及摄像模组、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110710194A CN110710194A (zh) | 2020-01-17 |
CN110710194B true CN110710194B (zh) | 2021-10-22 |
Family
ID=69193015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980001756.9A Active CN110710194B (zh) | 2019-08-30 | 2019-08-30 | 一种曝光方法、装置及摄像模组、电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110710194B (zh) |
WO (1) | WO2021035729A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163101B (zh) * | 2020-01-22 | 2023-02-28 | 浙江宇视科技有限公司 | 图像曝光调整方法、装置、设备和介质 |
CN113179375A (zh) * | 2021-06-09 | 2021-07-27 | 北京澎思科技有限公司 | 曝光处理方法、装置、电子设备、存储介质及程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008278430A (ja) * | 2007-05-07 | 2008-11-13 | Fujifilm Corp | 撮像装置、撮像方法、及びプログラム |
CN105225254A (zh) * | 2015-09-25 | 2016-01-06 | 凌云光技术集团有限责任公司 | 一种自动追踪局部目标的曝光方法及系统 |
CN105516589A (zh) * | 2015-12-07 | 2016-04-20 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及系统 |
CN106131449A (zh) * | 2016-07-27 | 2016-11-16 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
CN106485729A (zh) * | 2016-09-29 | 2017-03-08 | 江苏云光智慧信息科技有限公司 | 一种基于混合高斯模型的运动目标检测方法 |
CN106484257A (zh) * | 2016-09-22 | 2017-03-08 | 广东欧珀移动通信有限公司 | 拍照控制方法、装置和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201025147A (en) * | 2008-12-19 | 2010-07-01 | Micro Star Int Co Ltd | Method for adjusting light source threshold value for face recognition |
JP5898466B2 (ja) * | 2011-11-11 | 2016-04-06 | キヤノン株式会社 | 撮像装置、その制御方法、及びプログラム |
CN103051844B (zh) * | 2012-12-31 | 2016-05-18 | 青岛中星微电子有限公司 | 一种图像背光补偿的方法及装置 |
CN106603933A (zh) * | 2016-12-16 | 2017-04-26 | 中新智擎有限公司 | 一种曝光方法和装置 |
CN107172364B (zh) * | 2017-04-28 | 2021-01-26 | 努比亚技术有限公司 | 一种图像曝光补偿方法、装置和计算机可读存储介质 |
CN107147823A (zh) * | 2017-05-31 | 2017-09-08 | 广东欧珀移动通信有限公司 | 曝光方法、装置、计算机可读存储介质和移动终端 |
CN108881710A (zh) * | 2017-12-28 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
-
2019
- 2019-08-30 CN CN201980001756.9A patent/CN110710194B/zh active Active
- 2019-08-30 WO PCT/CN2019/103836 patent/WO2021035729A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008278430A (ja) * | 2007-05-07 | 2008-11-13 | Fujifilm Corp | 撮像装置、撮像方法、及びプログラム |
CN105225254A (zh) * | 2015-09-25 | 2016-01-06 | 凌云光技术集团有限责任公司 | 一种自动追踪局部目标的曝光方法及系统 |
CN105516589A (zh) * | 2015-12-07 | 2016-04-20 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及系统 |
CN106131449A (zh) * | 2016-07-27 | 2016-11-16 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
CN106484257A (zh) * | 2016-09-22 | 2017-03-08 | 广东欧珀移动通信有限公司 | 拍照控制方法、装置和电子设备 |
CN106485729A (zh) * | 2016-09-29 | 2017-03-08 | 江苏云光智慧信息科技有限公司 | 一种基于混合高斯模型的运动目标检测方法 |
Non-Patent Citations (1)
Title |
---|
基于运动行人目标分割的高动态影像生成;朱吉 等;《地理空间信息》;20190619;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110710194A (zh) | 2020-01-17 |
WO2021035729A1 (zh) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3611915A1 (en) | Method and apparatus for image processing, and mobile terminal | |
US9330446B2 (en) | Method and apparatus for processing image | |
CN112308095A (zh) | 图片预处理及模型训练方法、装置、服务器及存储介质 | |
US20210150251A1 (en) | Method and apparatus for calculating a luminance value of a region of interest | |
CN110798592B (zh) | 基于视频图像的物体移动侦测方法、装置、设备及存储介质 | |
CN108335272B (zh) | 一种拍摄图片的方法及设备 | |
CN110710194B (zh) | 一种曝光方法、装置及摄像模组、电子设备 | |
CN111917991B (zh) | 图像的质量控制方法、装置、设备及存储介质 | |
CN113177438B (zh) | 图像处理方法、设备及存储介质 | |
CN115278103B (zh) | 一种基于环境感知的安防监控图像补偿处理方法及系统 | |
CN110557628A (zh) | 一种检测摄像头遮挡的方法、装置及电子设备 | |
CN110599516A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN114979497B (zh) | 一种基于杆载的无人机联动跟踪方法、系统及云平台 | |
CN113409353B (zh) | 运动前景检测方法、装置、终端设备及存储介质 | |
CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
CN112101148B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN110807403B (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN111491103A (zh) | 一种图像亮度的调节方法、监控设备及存储介质 | |
US20230146016A1 (en) | Method and apparatus for extreme-light image enhancement | |
CN115170679A (zh) | 路侧相机的标定方法、装置及电子设备、存储介质 | |
CN112752031A (zh) | 图像采集检测方法、装置、电子设备及存储介质 | |
CN111104870A (zh) | 基于卫星视频的运动检测方法、装置、设备和存储介质 | |
CN110580707A (zh) | 一种对象跟踪方法及系统 | |
CN116489317B (zh) | 基于摄像装置的物体侦测方法、系统以及存储介质 | |
CN115713489A (zh) | 光学器件的检测方法、检测设备以及计算机可读存储介质 |
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 |