CN111462125B - 一种增强活体检测图像处理系统 - Google Patents
一种增强活体检测图像处理系统 Download PDFInfo
- Publication number
- CN111462125B CN111462125B CN202010259655.6A CN202010259655A CN111462125B CN 111462125 B CN111462125 B CN 111462125B CN 202010259655 A CN202010259655 A CN 202010259655A CN 111462125 B CN111462125 B CN 111462125B
- Authority
- CN
- China
- Prior art keywords
- brightness
- image
- layer
- infrared
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000001727 in vivo Methods 0.000 title claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000003709 image segmentation Methods 0.000 claims abstract description 8
- 230000001502 supplementing effect Effects 0.000 claims abstract description 7
- 239000013589 supplement Substances 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000011324 bead Substances 0.000 claims description 7
- 230000009123 feedback regulation Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000001228 spectrum Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000003331 infrared imaging Methods 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种增强活体检测图像处理系统,包括红外图像采样装置以及显示端,所述红外图像采样装置包括图像采集器、红外补光器以及图像处理器,所述图像采集器用于采集生物图像,所述红外补光器工作时产生红外光源;所述图像处理器配置有图像处理策略,所述图像处理策略包括初始化步骤、图像分割步骤、亮度估值步骤、图像输出步骤以及反馈调节步骤;在成像时去掉了大部分环境光中可见光的干扰,并补充了近红外光,在图像处理时保证了输出图像值仅仅由近红外波段的光谱决定,大大提高了输出红外图像的准确性和稳定性,从而在源头保证了活体检测的准确性。
Description
技术领域
本发明涉及红外检测技术领域,更具体地说,涉及一种增强活体检测图像处理系统。
背景技术
随着人脸识别技术在各个领域的推广普及,活体检测越来越重要。目前被动活体检测(不需要被检测者做出动作配合)的常见装置和方法有三种:
1、单目活体检测。特点:利用可见光图像进行活体检测,廉价但是准确性较低。原因是由于在可见光光谱段,活体的反射率和其它材料、背景物品的反射率基本一致,所以无法在图像上精确分辨出活体目标。
2、双目活体检测。特点:利用可见光图像和红外图像协同进行活体检测,成本适中,准确性较单目有所提高。本方案中,利用近红外图像进行活体检测。其原理是在近外红波段(波长>800nm)),活体的反射率和其它材料、背景物品的反射率有明显差别。但是,对于常见的bayers图像传感器,其在可见光波段(400nm~750)反射率较高,在近红外光波段反射率较低,所以按照常规图像处理方法成像输出的近红外图像。
3、双目+结构光活体检测。特点:利用可见光图像、结构光和红外图像协同进行活体检测,成本最高,因为加入了深度信息,活体检测准确性有所提高。
由于可见光波段背景光的变化频繁,环境干扰大,其输出值不够稳定,要么过曝光,要么太暗,直接影响了红外成像的质量,对活体检测造成了干扰,目前活体检测的误差主要由这个因素引起。
发明内容
有鉴于此,本发明目的是提供一种增强活体检测图像处理系统。
为了解决上述技术问题,本发明的技术方案是:一种增强活体检测图像处理系统,包括红外图像采样装置以及显示端,所述红外图像采样装置包括图像采集器、红外补光器以及图像处理器,所述图像采集器用于采集生物图像,所述红外补光器工作时产生红外光源;所述图像处理器配置有图像处理策略,所述图像处理策略包括初始化步骤、图像分割步骤、亮度估值步骤、图像输出步骤以及反馈调节步骤;
所述初始化步骤包括根据采集到的生物图像通过RGB算法处理所述生物图像得到初始化图像;
所述图像分割步骤包括根据RGB值将所述图像分为R图层、G图层以及B图层;
所述亮度估值步骤包括亮度计算子步骤以及亮度估值子步骤,所述亮度计算子步骤包括分别计算R图层、G图层以及B图层的亮度值,得到第一亮度图层、第二亮度图层以及第三亮度图层,所述亮度估值步骤配置有估值公式,并根据所述估值公式处理第一亮度图层、第二亮度图层以及第三亮度图层以得到第四亮度图层;所述估值公式为:
所述图像输出步骤包括根据第四亮度图层处理R图层以得到红外图像并将红外图像送至所述显示端;所述显示端显示所述红外图像;
所述反馈调节步骤配置有亮度基准值,包括计算所述第四亮度图层的亮度均值,当所述亮度基准值大于所述亮度均值时,向所述红外补光器输出补光命令,所述红外补光器根据所述补光命令工作。
进一步地,所述补光命令包括所述红外补光器的工作功率,所述红外补光器的工作功率与所述亮度基准值与所述亮度均值的差值成正比。
进一步地,所述红外补光器包括若干工作波长不同的灯珠。
进一步地,所述补光命令包括光源波长,所述红外补光器根据所述光源波长控制不同的灯珠工作;所述光源波长与所述亮度基准值与所述亮度均值的差值成正比。
进一步地,所述图像采集器的镜头上设置有可见光滤光片。
进一步地,所述亮度计算子步骤中,第一亮度图层中每一像点的亮度值为该像点在R图层中的R值乘以0.299;第二亮度图层中每一像点的亮度值为该像点在G图层中的G值乘以0.587;第一亮度图层中每一像点的亮度值为该像点在B图层中的B值乘以0.114。
进一步地,所述反馈调节步骤中还包括自动曝光配置算法,所述自动曝光配置算法根据亮度均值计算得到自动曝光信息,所述自动曝光信息反映图像采集器的曝光参数。
进一步地,所述图像采集器的镜头上设置有近红外滤光片。
进一步地,所述图像采集器配置有第一镜头以及第二镜头,所述第一镜头设置有可见光滤光片以及近红外滤光片。
进一步地,所述亮度计算子步骤和所述亮度估值子步骤之间还设置有滤光子步骤,所述滤光子步骤包括对应每一类型的图层配置有不同的滤光基准值,并分别将第一亮度图层、第二亮度图层、第三亮度图层中像点亮度低于滤光基准值的像点亮度值置为0。
本发明技术效果主要体现在以下方面:本方案中,输出近红外增强图像时,第一在镜头上使用可见光滤光片以及近红外滤光片滤除可见光,第二在自动曝光参考值仅仅使用RGB三个分量中的R分量;第三其输出图像的亮度值仅仅由RGB三个分量中的R分量决定;第四使用近红外波段的补光灯,提高红外光效果。这四点结合,在成像时去掉了大部分环境光中可见光的干扰,并补充了近红外光,在图像处理时保证了输出图像值仅仅由近红外波段的光谱决定,大大提高了输出红外图像的准确性和稳定性,从而在源头保证了活体检测的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1:本发明系统架构图;
图2:本发明流程原理图。
附图标记:1、红外图像采样装置;101、图像采集器;102、红外补光器;103、图像处理器;2、显示端;S1、初始化步骤;S2、图像分割步骤;S3、亮度估值步骤;S4、图像输出步骤;S5、反馈调节步骤。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术方案更易于理解和掌握。
参照图1所示,一种增强活体检测图像处理系统,包括红外图像采样装置1以及显示端2,所述红外图像采样装置1包括图像采集器101、红外补光器102以及图像处理器103,所述图像采集器101用于采集生物图像,所述红外补光器102工作时产生红外光源;所述图像处理器103配置有图像处理策略,所述图像处理策略包括初始化步骤S1、图像分割步骤S2、亮度估值步骤S3、图像输出步骤S4以及反馈调节步骤S5;
所述初始化步骤S1包括根据采集到的生物图像通过RGB算法处理所述生物图像得到初始化图像;首先对采集到的生物图像进行数据处理就可以得到所需的初始化图像;
所述图像分割步骤S2包括根据RGB值将所述图像分为R图层、G图层以及B图层;图像分割步骤S2的原理是通过三个图层进行根据RGB值置为的方式进行分割,得到三个不同额图层。
所述亮度估值步骤S3包括亮度计算子步骤以及亮度估值子步骤,所述亮度计算子步骤包括分别计算R图层、G图层以及B图层的亮度值,得到第一亮度图层、第二亮度图层以及第三亮度图层,所述亮度估值步骤S3配置有估值公式,并根据所述估值公式处理第一亮度图层、第二亮度图层以及第三亮度图层以得到第四亮度图层;所述估值公式为:
其中为第四亮度图层中其中一像点的亮度估值,lR为第一亮度图层中该点的亮
度值,lG为第二亮度图层中该点的亮度值,lB为第三亮度图层中该点的亮度值,a为预设的比
例参数;而这个步骤中,由于涉及到红外成像,所以通过对R图层的亮度换算,得到亮度估
值,由于红外成像的亮度是较为重要的因素,同时影响到成像的结果的清晰度,而通过估值
公式得到需要的亮度图层。所述亮度计算子步骤中,第一亮度图层中每一像点的亮度值为
该像点在R图层中的R值乘以0.299;第二亮度图层中每一像点的亮度值为该像点在G图层中
的G值乘以0.587;第一亮度图层中每一像点的亮度值为该像点在B图层中的B值乘以0.114。
所述亮度计算子步骤和所述亮度估值子步骤之间还设置有滤光子步骤,所述滤光子步骤包
括对应每一类型的图层配置有不同的滤光基准值,并分别将第一亮度图层、第二亮度图层、
第三亮度图层中像点亮度低于滤光基准值的像点亮度值置为0。通过这样设置,避免低亮像
点的光干扰,强化红外成像清晰度提高输出效果。显示端可以设置为显示装置。
所述图像输出步骤S4包括根据第四亮度图层处理R图层以得到红外图像并将红外图像送至所述显示端2;所述显示端2显示所述红外图像;而通过第四亮度图层去调节R图层的亮度,相当于通过G图层和B图层的亮度对R图层进行补偿。以使最后的成像在一个更加合适的亮度范围,保证图像清晰。
所述反馈调节步骤S5配置有亮度基准值,包括计算所述第四亮度图层的亮度均值,当所述亮度基准值大于所述亮度均值时,向所述红外补光器102输出补光命令,所述红外补光器102根据所述补光命令工作。而由于采样的图像是全亮度图像,而经过分割后亮度出现损落,这部分衰减需要进行补偿以使结果成像更加清晰。所述补光命令包括所述红外补光器102的工作功率,所述红外补光器102的工作功率与所述亮度基准值与所述亮度均值的差值成正比。而通过红外补光器102发生红外光源就可以实现。所述红外补光器102包括若干工作波长不同的灯珠。具体可以设置为850nm和940nm波长段之间的红外灯珠。所述补光命令包括光源波长,所述红外补光器102根据所述光源波长控制不同的灯珠工作;所述光源波长与所述亮度基准值与所述亮度均值的差值成正比。需要说明的是,采样是一个持续的过程,反馈调节步骤S5后,图像会进行下一次采样并重新进入初始化步骤S1,以起到实际显示效果。所述反馈调节步骤S5中还包括自动曝光配置算法,所述自动曝光配置算法根据亮度均值计算得到自动曝光信息,所述自动曝光信息反映图像采集器101的曝光参数。曝光参数包括曝光时间、光圈、增益。而亮度均值较低,则说明接收光源较少,所以通过调节曝光参数进行下一次采样,就可以得到亮度在合理区间的图像成像效果。
所述图像采集器101的镜头上设置有可见光滤光片。所述图像采集器101的镜头上设置有近红外滤光片。所述图像采集器101配置有第一镜头以及第二镜头,所述第一镜头设置有可见光滤光片以及近红外滤光片。通过这样设置,可以起到一个双目效果,同时形成红外成像和全成像图像,进行观察。
进一步地,当然,以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围之内。
Claims (10)
1.一种增强活体检测图像处理系统,其特征在于:包括红外图像采样装置以及显示端,所述红外图像采样装置包括图像采集器、红外补光器以及图像处理器,所述图像采集器用于采集生物图像,所述红外补光器工作时产生红外光源;所述图像处理器配置有图像处理策略,所述图像处理策略包括初始化步骤、初始化图像分割步骤、亮度估值步骤、图像输出步骤以及反馈调节步骤;
所述初始化步骤包括根据采集到的生物图像通过RGB算法处理所述生物图像得到初始化图像;
所述初始化图像分割步骤包括根据RGB值将所述初始化图像分为R图层、G图层以及B图层;
所述亮度估值步骤包括亮度计算子步骤以及亮度估值子步骤,所述亮度计算子步骤包括分别计算R图层、G图层以及B图层的亮度值,得到第一亮度图层、第二亮度图层以及第三亮度图层,所述亮度估值步骤配置有估值公式,并根据所述估值公式处理第一亮度图层、第二亮度图层以及第三亮度图层以得到第四亮度图层;所述估值公式为:
所述图像输出步骤包括根据第四亮度图层处理R图层以得到红外图像并将红外图像送至所述显示端;所述显示端显示所述红外图像;
所述反馈调节步骤配置有亮度基准值,包括计算所述第四亮度图层的亮度均值,当所述亮度基准值大于所述亮度均值时,向所述红外补光器输出补光命令,所述红外补光器根据所述补光命令工作。
2.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述补光命令包括所述红外补光器的工作功率,所述红外补光器的工作功率与所述亮度基准值与所述亮度均值的差值成正比。
3.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述红外补光器包括若干工作波长不同的灯珠。
4.如权利要求3所述的一种增强活体检测图像处理系统,其特征在于:所述补光命令包括光源波长,所述红外补光器根据所述光源波长控制不同的灯珠工作;所述光源波长与所述亮度基准值与所述亮度均值的差值成正比。
5.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述图像采集器的镜头上设置有可见光滤光片。
6.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述亮度计算子步骤中,第一亮度图层中每一像点的亮度值为该像点在R图层中的R值乘以0.299;第二亮度图层中每一像点的亮度值为该像点在G图层中的G值乘以0.587;第三亮度图层中每一像点的亮度值为该像点在B图层中的B值 乘以0.114。
7.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述反馈调节步骤中还包括自动曝光配置算法,所述自动曝光配置算法根据亮度均值计算得到自动曝光信息,所述自动曝光信息反映图像采集器的曝光参数。
8.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述图像采集器的镜头上设置有近红外滤光片。
9.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述图像采集器配置有第一镜头以及第二镜头,所述第一镜头设置有可见光滤光片以及近红外滤光片。
10.如权利要求1所述的一种增强活体检测图像处理系统,其特征在于:所述亮度计算子步骤和所述亮度估值子步骤之间还设置有滤光子步骤,所述滤光子步骤包括对应每一类型的图层配置有不同的滤光基准值,并分别将第一亮度图层、第二亮度图层、第三亮度图层中像点亮度低于滤光基准值的像点亮度值置为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010259655.6A CN111462125B (zh) | 2020-04-03 | 2020-04-03 | 一种增强活体检测图像处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010259655.6A CN111462125B (zh) | 2020-04-03 | 2020-04-03 | 一种增强活体检测图像处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462125A CN111462125A (zh) | 2020-07-28 |
CN111462125B true CN111462125B (zh) | 2021-08-20 |
Family
ID=71684413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010259655.6A Active CN111462125B (zh) | 2020-04-03 | 2020-04-03 | 一种增强活体检测图像处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462125B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140369601A1 (en) * | 2012-01-03 | 2014-12-18 | Chung-Ang University Industry-Academy Cooperation Foundation | Apparatus and method for enhancing image using color channel |
CN105510429A (zh) * | 2015-11-06 | 2016-04-20 | 苏州磁星检测设备有限公司 | 基于图像处理的荧光磁粉探伤检测方法和检测系统 |
CN109961101A (zh) * | 2019-03-29 | 2019-07-02 | 京东方科技集团股份有限公司 | 货架状态确定方法及装置、电子设备、存储介质 |
CN110490041A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸图像采集装置及方法 |
CN110533612A (zh) * | 2019-08-27 | 2019-12-03 | 中山大学 | 内窥镜图像的成像方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105806323B (zh) * | 2016-03-24 | 2019-07-02 | 青岛万龙智控科技有限公司 | 标线自动检测系统及方法 |
CN110490044B (zh) * | 2019-06-14 | 2022-03-15 | 杭州海康威视数字技术股份有限公司 | 人脸建模设备和人脸建模方法 |
-
2020
- 2020-04-03 CN CN202010259655.6A patent/CN111462125B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140369601A1 (en) * | 2012-01-03 | 2014-12-18 | Chung-Ang University Industry-Academy Cooperation Foundation | Apparatus and method for enhancing image using color channel |
CN105510429A (zh) * | 2015-11-06 | 2016-04-20 | 苏州磁星检测设备有限公司 | 基于图像处理的荧光磁粉探伤检测方法和检测系统 |
CN109961101A (zh) * | 2019-03-29 | 2019-07-02 | 京东方科技集团股份有限公司 | 货架状态确定方法及装置、电子设备、存储介质 |
CN110490041A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸图像采集装置及方法 |
CN110533612A (zh) * | 2019-08-27 | 2019-12-03 | 中山大学 | 内窥镜图像的成像方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111462125A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8401258B2 (en) | Method to provide automated quality feedback to imaging devices to achieve standardized imaging data | |
CN102647941B (zh) | 用于执行远程光电容积描记的方法和系统 | |
CN103269636B (zh) | 内窥镜装置以及图像处理方法 | |
US8941762B2 (en) | Image processing apparatus and image pickup apparatus using the same | |
US11379958B2 (en) | Diagnosis assisting device, and image processing method in diagnosis assisting device | |
CN108111749B (zh) | 图像处理方法和装置 | |
CN107798652A (zh) | 图像处理方法、装置、可读存储介质和电子设备 | |
US8199229B2 (en) | Color filter, image processing apparatus, image processing method, image-capture apparatus, image-capture method, program and recording medium | |
JP6004221B2 (ja) | 画像処理装置 | |
AU2003277051A1 (en) | Methods and systems for correcting image misalignment | |
CN113676628B (zh) | 成像装置和图像处理方法 | |
CN113533256B (zh) | 一种光谱反射率的确定方法、装置及设备 | |
US9754189B2 (en) | Detection device, learning device, detection method, learning method, and information storage device | |
US20130064470A1 (en) | Image processing apparatus and image processing method for reducing noise | |
WO2012086127A1 (ja) | 画像処理装置、撮像装置、及び画像処理方法 | |
US20220264060A1 (en) | Image processing apparatus, image pickup apparatus, and program | |
US8693803B2 (en) | High linear dynamic range imaging | |
CN109788216A (zh) | 用于tof的抗干扰方法、装置及tof传感器芯片 | |
GB2498491A (en) | Diagnostic system | |
CN102543793A (zh) | 一种用于晶圆聚焦的图像质量反馈系统和方法 | |
WO2022198862A1 (zh) | 一种图像的校正方法及及屏下系统 | |
Wang et al. | A novel low rank smooth flat-field correction algorithm for hyperspectral microscopy imaging | |
CN117314754B (zh) | 一种双摄超光谱图像成像方法、系统及双摄超光谱内窥镜 | |
CN111462125B (zh) | 一种增强活体检测图像处理系统 | |
US8854501B2 (en) | Image processing apparatus and image processing method for processing spectral image data |
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 |