CN111507358B - 一种人脸图像的处理方法、装置、设备和介质 - Google Patents

一种人脸图像的处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN111507358B
CN111507358B CN202010252341.3A CN202010252341A CN111507358B CN 111507358 B CN111507358 B CN 111507358B CN 202010252341 A CN202010252341 A CN 202010252341A CN 111507358 B CN111507358 B CN 111507358B
Authority
CN
China
Prior art keywords
intensity
noise reduction
target
face image
determining
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
CN202010252341.3A
Other languages
English (en)
Other versions
CN111507358A (zh
Inventor
谢鑫鑫
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010252341.3A priority Critical patent/CN111507358B/zh
Publication of CN111507358A publication Critical patent/CN111507358A/zh
Application granted granted Critical
Publication of CN111507358B publication Critical patent/CN111507358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人脸图像的处理方法、装置、设备和介质，该方法中通过当前帧图像的第一亮度值以及预先保存的亮度值与基础强度间的对应关系，确定出第一亮度值对应的第一基础强度；并确定出当前帧图像中人脸图像区域的第二亮度值和第一亮度值的第一目标比值，从而根据第一基础强度和第一目标比值，确定出当前帧图像中人脸图像区域的目标基础强度并对人脸图像区域进行处理，使得确定的人脸图像区域进行处理的目标基础强度更加准确，从而提高了对视频图像进行处理后人脸图像区域的清晰度。

Description

一种人脸图像的处理方法、装置、设备和介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸图像的处理方法、装置、设备和介质。
背景技术
随着监控摄像机的发展，可以识别出监控摄像机拍摄的视频图像中的人脸图像，用户基于人脸图像可以进行人脸识别、表情识别和人脸检测等。为了提高识别率，对人脸图像的清晰度的要求逐渐提高。用户在关注视频图像时，主要关注的其中的人脸图像区域和非人脸的环境图像区域。
目前相关技术中在提高夜间环境下的人脸图像区域的清晰度时，对视频图像进行颜色模型空间的转换，从红绿蓝(Red Green Blue，RGB)颜色模型空间转换到六角椎体(HueSaturation Value，HSV)颜色模型空间，对视频图像的明度V分量进行二维经验模式(Bidimensional Empirical Mode Decomposition，BEMD)分解，从该明度V分量中分解出基本固有模态函数(Intrinsic Mode Function，IMF)分量，该明度V分量分解出的IMF分量的个数为基于一定规则的若干数量，对其中的低频IMF分量进行滤波并去除照射分量，对高频IMF分量进行纹理、细节等信息增强并降噪，把这些经过处理的IMF分量进行重构，即得到降噪与增强后的明度V分量，把处理后的明度V分量进行自适应对比度增强后，与经过小波降噪后的色调H分量、饱和度S分量重构，即可得到降噪与增强处理后的视频图像，该视频图像中的人脸图像区域的清晰度得到提高。
目前相关技术在对视频图像进行处理提高人脸图像区域的清晰度时，由于人脸图像区域部分的亮度的变化，导致对人脸图像区域的清晰度进行优化处理后，人脸图像区域的清晰度仍较低的问题。
发明内容
本发明实施例提供了一种人脸图像的处理方法、装置、设备和介质，用以解决现有技术中对视频图像进行清晰度优化处理后人脸图像区域的清晰度仍较低的问题。
本发明实施例提供了一种人脸图像的处理方法，所述方法包括：
根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；
确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；
根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度；
根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
进一步地，所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；
根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
进一步地，所述根据所述目标基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，所述方法还包括：
基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
进一步地，所述方法还包括：
判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
相应地，本发明实施例提供了一种人脸图像的处理装置，所述装置包括：
确定模块，用于根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度；
处理模块，用于根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
进一步地，所述确定模块，具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述确定模块，具体用于若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述确定模块，具体用于确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
进一步地，所述确定模块，具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述确定模块，具体用于若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述确定模块，还用于基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
所述装置还包括：
扩展模块，用于针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
进一步地，所述装置还包括：
更新模块，用于判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
相应地，本发明实施例提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述人脸图像的处理方法中任一所述方法的步骤。
相应地，本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸图像的处理方法中任一所述方法的步骤。
本发明实施例提供了一种人脸图像的处理方法、装置、设备和介质，该方法中通过当前帧图像的第一亮度值以及预先保存的亮度值与基础强度间的对应关系，确定出第一亮度值对应的第一基础强度；并确定出当前帧图像中人脸图像区域的第二亮度值和第一亮度值的第一目标比值，从而根据第一基础强度和第一目标比值，确定出当前帧图像中人脸图像区域的目标基础强度并对人脸图像区域进行处理，使得确定的人脸图像区域进行处理的目标基础强度更加准确，从而提高了对视频图像进行处理后人脸图像区域的清晰度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种人脸图像的处理方法的过程示意图；
图2为本发明实施例提供的一种人脸图像的处理方法的过程示意图；
图3为本发明实施例提供的一种人脸图像的处理方法的过程示意图；
图4为本发明实施例提供的一种对人脸图像区域进行区域扩展的示意图；
图5为本发明实施例提供的一种人脸图像的处理方法的过程示意图；
图6为本发明实施例提供的一种亮度值和基础强度的对应关系示意图；
图7为本发明实施例提供的一种人脸图像的处理装置的结构示意图；
图8为本发明实施例提供的另一种人脸图像的处理装置的结构示意图；
图9为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的一种人脸图像的处理方法的过程示意图，该过程包括以下步骤：
S101：根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度。
其中，本发明实施例提供的人脸图像的处理方法应用于图像采集设备，也可以应用于其他电子设备，例如PC、移动终端等设备。
该第一亮度值具体可以是当前帧图像中所有像素点的亮度值的平均值；也可以是当前帧图像中所有像素点的亮度值之和；或者是当前帧图像中任一像素点的亮度值，较佳的，该像素点的亮度值为当前帧图像中所有像素点的亮度值的中值。
本发明实施例提供的图像采集设备或其他电子设备中预先保存有亮度值和基础强度的对应关系，该对应关系可以是技术人员通过大量的实验预先确定的。该基础强度包括锐化强度和/或降噪强度，当该基础强度包括锐化强度时，该对应关系即为亮度值与锐化强度间的对应关系；当该基础强度包括降噪强度时，该对应关系即为亮度值与降噪强度间的对应关系；当该基础强度包括锐化强度和降噪强度时，该对应关系包括亮度值与锐化强度间的对应关系，以及亮度值与降噪强度间的对应关系。
在确定出当前帧图像的第一亮度值后，根据该第一亮度值和预先保存的亮度值和基础强度间的对应关系，即可确定出该第一亮度值对应的第一基础强度。
S102：确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值。
本发明实施例是针对图像中的人脸图像进行的处理，因为一般认为视频图像的该当前帧图像中是存在人脸图像区域的，具体的可以通过现有技术的方法识别当前帧图像中的人脸图像区域，具体的，可以基于人脸检测算法确定当前帧图像中的每个人脸图像对应的检测框。
若当前帧图像中包含有多个人脸图像，则识别的人脸图像区域为：确定的所有人脸图像对应的检测框合并区域。
该人脸图像区域也可以是基于人脸检测算法确定的单个人脸图像对应的检测框区域进行扩展后的区域；或是确定的所有人脸图像对应的检测框合并区域进行扩展后的区域；具体的，在基于人脸检测算法确定出检测框对应的人脸图像区域后，可以确定出人脸图像区域的高度值和宽度值以及各个角的坐标，根据预先保存的扩展公式，对人脸图像区域进行扩展。
在本发明实施例中，较佳的，为了确保人脸图像区域中包含所有人脸图像，该人脸图像区域为基于人脸检测算法确定的区域进行扩展后的区域。
当识别到当前帧图像中的人脸图像区域后，确定人脸图像区域的第二亮度值，第二亮度值可以是该当前帧图像中人脸图像区域的所有像素点的亮度值的平均值；也可以是该当前帧图像中人脸图像区域的所有像素点的亮度值之和；或者是该当前帧图像中人脸图像区域的任一像素点的亮度值；较佳的，该像素点的亮度值为当前帧图像中人脸图像区域的所有像素点的亮度值的中值。计算第二亮度值和第一亮度值的比值，将该比值作为第一目标比值。
在本发明实施例中，较佳的，该第二亮度值与该第一亮度值属于相同性质的亮度值，即该第二亮度值和该第一亮度值均属于亮度值的平均值，或该第二亮度值和该第一亮度值均属于亮度值的和值，或该第二亮度值和第一亮度值均属于任一像素点的亮度值，或该第二亮度值与该第一亮度值均为像素点的亮度值的中值。
S103：根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度。
在确定出该第一目标比值后，根据该第一基础强度和第一目标比值，确定该第一基础强度对应的目标基础强度。具体的，在本发明实施例中预先设置有确定目标基础强度的函数关系，该目标基础强度与第一基础强度和第一目标比值相关。
具体的，在确定目标基础强度时，可以对该第一目标比值加1后得到的数值取底数为2的对数后的值，与该第一基础强度的乘积作为该目标基础强度。
S104：根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
在确定出该第一基础强度对应的目标基础强度后，基于该目标基础强度对当前帧图像中人脸图像区域进行处理。
具体的，若该目标基础强度为目标锐化强度时，根据该目标锐化强度对当前帧图像中人脸图像区域进行锐化处理；若该目标基础强度为目标降噪强度时，根据该目标降噪强度对当前帧图像中人脸图像区域进行降噪处理。其中，进行锐化处理和降噪处理的方法为现有技术，具体的，可以采用现有的图像信号处理(Image Signal Processing，ISP)方法。
在本发明实施例中，通过当前帧图像的第一亮度值以及预先保存的亮度值与基础强度间的对应关系，确定出第一亮度值对应的第一基础强度；并确定出当前帧图像中人脸图像区域的第二亮度值和第一亮度值的第一目标比值，从而根据第一基础强度和第一目标比值，确定出当前帧图像中人脸图像区域的目标基础强度并对人脸图像区域进行处理，使得确定的人脸图像区域进行处理的目标基础强度更加准确，从而提高了对视频图像进行处理后人脸图像区域的清晰度。
实施例2：
为了准确地确定出人脸图像区域的目标基础强度，在上述实施例的基础上，在本发明实施例中，所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
由于基础强度包括锐化强度和降噪强度中的至少一种，因此，根据基础强度包含的不同，有不同的确定目标基础强度的方法。
对于亮度较高的人脸图像区域，由于高亮度区域的信噪比较好，噪声的影响较低，故通过增加锐化强度，并降低降噪强度，使人脸图像区域对应目标的轮廓变的清晰，可以减少拖影对人脸图像清晰度的影响，提高人脸图像的识别成功率；而对于亮度较低的人脸图像区域，由于低亮度区域的信噪比较差，导致噪声的影响较大，故要增加降噪强度，降低锐化强度，从而降低噪声对于人脸图像区域的清晰度的影响。
当基础强度包含锐化强度，也就是该第一基础强度为第一锐化强度时，根据该第一锐化强度和第一目标比值的乘积，确定其为该第一锐化强度对应的目标锐化强度；或者，在确定该第一锐化强度对应的目标锐化强度时，目标锐化强度＝第一锐化强度*log2(1+第二亮度值/第一亮度值)。
当基础强度包含降噪强度，也就是该第一基础强度为第一降噪强度时，根据该第一降噪强度和该第一目标比值倒数的乘积，确定其为该第一降噪强度对应的目标降噪强度；或者，在确定该第一降噪强度对应的目标降噪强度时，目标降噪强度＝第一降噪强度*log2(1+第一亮度值/第二亮度值)。
其中，该降噪强度包括时域降噪强度和/或空域降噪强度，作为一种可能的实施方式，在确定出时域降噪强度和空域降噪强度后，还可以根据确定出的时域降噪强度和空域降噪强度做map映射得到的新的降噪强度，从而将空域降噪强度和时域降噪强度做一个平衡。从而保证在降低和增加降噪强度时，整体的噪声强度会出现一个稳定的水平。时域降噪为对比图像前后的差异，进行画面加回，通过时域降噪，可以有效降低图像的噪声强度；而空域降噪是针对单帧图像进行降噪。
当基础强度同时包含锐化强度和降噪强度时，分别确定出第一锐化强度对应的目标锐化强度和第一降噪强度对应的目标降噪强度；根据第一锐化强度确定目标锐化强度和根据第一降噪强度确定目标降噪强度的过程与上述过程相同，在此不再赘述。
实施例3：
为了更准确地确定出人脸图像区域的目标降噪强度，在上述各实施例的基础上，在本发明实施例中，所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
该第一基础强度为第一降噪强度时，由于该第一降噪强度可能包括时域降噪强度和空域降噪强度，因此，在该第一基础强度包括第一时域降噪强度和第一空域降噪强度时，确定该第一基础强度对应的目标降噪强度时，确定该第一时域降噪强度和该第一目标比值倒数的乘积，将该乘积确定为该第一时域降噪强度对应的目标时域降噪强度；确定该第一空域降噪强度和该第一目标比值倒数的乘积，将该乘积确定为该第一空域降噪强度对应的目标空域降噪强度。
具体的，在本发明实施例中，在确定该第一时域降噪强度对应的目标时域降噪强度时，目标时域降噪强度＝第一时域降噪强度*(第一亮度值/第二亮度值)；在确定该第一空域降噪强度对应的目标空域降噪强度时，目标空域降噪强度＝第一空域降噪强度*(第一亮度值/第二亮度值)。
作为一种可能的实时方式，在本发明实施例中，在该第一基础强度包括第一时域降噪强度和第一空域降噪强度时，确定该第一基础强度对应的目标降噪强度时，确定该第一目标比值倒数与1的和取底为2的log函数的结果，确定该第一时域降噪强度和该结果的乘积，将该乘积确定为该第一时域降噪强度对应的目标时域降噪强度；确定该第一空域降噪强度和该结果的乘积，将该乘积确定为该第一空域降噪强度对应的目标空域降噪强度。
具体的，在确定该第一时域降噪强度对应的目标时域降噪强度时，目标时域降噪强度＝第一时域降噪强度*log2(1+第一亮度值/第二亮度值)；在确定该第一空域降噪强度对应的目标空域降噪强度时，目标空域降噪强度＝第一空域降噪强度*log2(1+第一亮度值/第二亮度值)。
在本发明实施例中，预先保存有时域降噪强度、空域降噪强度与降噪强度的第一函数关系，根据确定出的该目标时域降噪强度和目标空域降噪强度，将该目标时域降噪强度和目标空域降噪强度代入该第一函数关系中，确定出该目标时域降噪强度和该目标空域降噪强度对应的目标降噪强度。
具体的，该第一函数关系可以是目标降噪强度等于目标时域降噪强度和目标空域降噪强度的平均值，也可以是目标降噪强度等于目标时域降噪强度和目标空域降噪强度的加权平均值。
实施例4：
由于人脸图像区域对应目标的移动速度对人脸图像区域的清晰度存在一定的影响，为了更准确地确定出人脸图像区域的目标基础强度，在上述各实施例的基础上，在本发明实施例中，所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；
根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
针对监控场景进行的视频采集，监控场景中存在的一般为运动目标，也就是说人一般在监控场景中是处于运动状态的，而运动速度的不同，对人脸图像区域的清晰度影响不同，因此对人脸图像区域进行处理时采用的目标基础强度也不同。在本发明实施例中，当识别到当前帧图像中人脸图像区域后，针对人脸图像区域对应的目标，确定该目标的移动速度，具体的移动速度的确定方法为现有技术。
本发明实施例提供的图像采集设备或其他电子设备中预先保存有基础速度，该基础速度可以是技术人员根据大量的实验预先确定的。在确定出当前帧图像中人脸图像区域对应目标的移动速度后，确定该移动速度与预先保存的基础速度的比值，并将该比值作为第二目标比值。
在确定出该第二目标比值后，根据该第一基础强度、第一目标比值及第二目标比值，确定该第一基础强度对应的目标基础强度。具体的，在本发明实施例中预先设置有确定目标基础强度的函数关系，该目标基础强度与第一基础强度、第一目标比值和第二目标比值相关。
具体的，在确定目标基础强度时，目标基础强度＝第一基础强度*log2(1+第一目标比值*第二目标比值)。
图2为本发明实施例提供的一种人脸图像的处理方法的过程示意图，具体的，如图2所示：
S201：确定当前帧图像中的人脸图像对应的检测框，将人脸图像对应的检测框区域确定为人脸图像的人脸图像区域。
S202：对当前帧图像中的人脸图像区域进行扩展，确定扩展后的人脸图像区域。
S203：判断当前帧图像的人脸图像区域是否有重合，若是，则进入S204，若否，则进入S205。
S204：将重合的人脸图像区域合并为新的人脸图像区域。
S205：确定当前帧图像的亮度值和当前帧图像的人脸图像区域的亮度值和该人脸图像区域对应目标的移动速度。
S206：确定当前帧图像的人脸图像区域的锐化强度和降噪强度。
S207：进行图像ISP处理。
在本发明实施例中，由于现有技术中是根据差分等级来粗略地判断速度，即以静止，低速，快速3个阈值判断噪声的影响，导致无法准确地确定出降噪强度，且现有技术中在考虑降噪强度时未考虑到锐化强度，导致对人脸图像区域进行处理后的清晰度仍较低。而在本发明实施例中，通过确定出的人脸图像对应目标地移动速度可以更准确地确定出降噪强度和锐化强度。
实施例5：
为了更准确地确定出人脸图像区域的目标基础强度，在上述各实施例的基础上，在本发明实施例中，所述根据所述目标基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度。
由于基础强度包括锐化强度和降噪强度中的至少一种，因此，根据基础强度包含的不同，考虑到人脸图像区域对应目标的移动速度的影响，有不同的确定目标基础强度的方法。
对于该人脸图像区域对应目标的移动速度高时的图像，由于传感器的曝光性质会导致人脸图像区域对应目标的轮廓变的模糊，其中，传感器的曝光是一个积分值，将一定时间内对应区域的光电子都收集在一起，速度较快的时候，轮廓信息被收集的较少，会出现模糊的现象；所以需要提高锐化强度，降低降噪强度，使轮廓更加清晰。
当基础强度包含锐化强度，也就是该第一基础强度为第一锐化强度时，根据该第一锐化强度与该第一目标比值的乘积乘以该第二目标比值的结果，确定其为该第一锐化强度对应的目标锐化强度；或者，在确定该第一锐化强度对应的目标锐化强度时，目标锐化强度＝第一锐化强度*log2(1+(第二亮度值/第一亮度值)*(基础速度/移动速度))。
当基础强度包含降噪强度，也就是该第一基础强度为第一降噪强度时，根据该第一降噪强度和该第一目标比值倒数的乘积乘以该第二目标比值倒数的结果，确定其为该第一降噪强度对应的目标降噪强度；或者，在确定该第一降噪强度对应的目标降噪强度时，目标降噪强度＝第一降噪强度*log2(1+(第一亮度值/第二亮度值)*(移动速度/基础速度))。
当基础强度同时包含锐化强度和降噪强度时，分别确定出第一锐化强度对应的目标锐化强度和第一降噪强度对应的目标降噪强度；根据第一锐化强度确定目标锐化强度和根据第一降噪强度确定目标降噪强度的过程与上述过程相同，在此不再赘述。
图3为本发明实施例提供的一种人脸图像的处理方法的过程示意图，具体的，如图3所示：
S301：首先进行人脸检测，具体检测时，根据人脸检测算法确定当前帧图像的人脸图像区域。
S302：进行区域亮度统计，具体确定的是当前帧图像中人脸图像区域的第二亮度值。
进行全局亮度统计，确定当前帧图像的第一亮度值。
进行人体速度检测，确定当前帧图像中人脸图像区域对应目标的移动速度。
S303：根据第一亮度值以及预先确定的亮度值和时域降噪强度值的对应关系，确定出第一时域降噪强度，根据确定的第一时域降噪强度、确定的第一亮度值、第二亮度值、速度值以及降噪强度确定公式，确定当前帧图像中人脸图像区域的时域降噪强度。
S304：根据第一亮度值以及预先确定的亮度值和空域降噪强度值的对应关系，确定出第一空域降噪强度，根据确定的第一空域降噪强度、确定的第一亮度值、第二亮度值、速度值以及降噪强度确定公式，确定当前帧图像中人脸图像区域的空域降噪强度。
S305：根据第一亮度值以及预先确定的亮度值和锐化强度值的对应关系，确定出第一锐化强度，根据确定的第一锐化强度、确定的第一亮度值、第二亮度值、速度值以及锐化强度确定公式，确定当前帧图像中人脸图像区域的锐化强度。
S306：根据确定的时域降噪强度、空域降噪强度和锐化强度，对当前帧图像的人脸图像区域进行锐化处理和降噪处理。
实施例6：
为了更准确地确定出人脸图像区域的目标降噪强度，在上述各实施例的基础上，在本发明实施例中，所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
该第一基础强度为第一降噪强度时，由于该第一降噪强度可能包括时域降噪强度和空域降噪强度，因此，在该第一基础强度包括第一时域降噪强度和第一空域降噪强度时，确定该第一基础强度对应的目标降噪强度。
具体的，根据该第一降噪强度和该第一目标比值倒数的乘积乘以该第二目标比值倒数的结果，确定该第一时域降噪强度和该第一目标比值倒数的乘积乘以该第二目标比值倒数的结果，将该结果确定为该第一时域降噪强度对应的目标时域降噪强度；确定该第一空域降噪强度和该第一目标比值倒数的乘积乘以该第二目标比值倒数的结果，将该结果确定为该第一空域降噪强度对应的目标空域降噪强度。
具体的，在本发明实施例中，在确定该第一时域降噪强度对应的目标时域降噪强度时，目标时域降噪强度＝第一时域降噪强度*(第一亮度值/第二亮度值)*(移动速度/基础速度)；在确定该第一空域降噪强度对应的目标空域降噪强度时，目标空域降噪强度＝第一空域降噪强度*(第一亮度值/第二亮度值)*(移动速度/基础速度)。
作为一种可能的实时方式，在本发明实施例中，在该第一基础强度包括第一时域降噪强度和第一空域降噪强度时，确定该第一基础强度对应的目标降噪强度时，确定该第一目标比值倒数与该第二目标比值倒数的乘积与1的和值，确定该和值取底为2的log函数的结果，确定该第一时域降噪强度和该结果的乘积，将该乘积确定为该第一时域降噪强度对应的目标时域降噪强度；确定该第一空域降噪强度和该结果的乘积，将该乘积确定为该第一空域降噪强度对应的目标空域降噪强度。
具体的，在确定该第一时域降噪强度对应的目标时域降噪强度时，目标时域降噪强度＝第一时域降噪强度*log2(1+(第一亮度值/第二亮度值)*(移动速度/基础速度))；在确定该第一空域降噪强度对应的目标空域降噪强度时，目标空域降噪强度＝第一空域降噪强度*log2(1+(第一亮度值/第二亮度值)*(移动速度/基础速度))。
在本发明实施例中，预先保存有时域降噪强度、空域降噪强度与降噪强度的第一函数关系，根据确定出的该目标时域降噪强度和目标空域降噪强度，将该目标时域降噪强度和目标空域降噪强度代入该第一函数关系中，确定出该目标时域降噪强度和该目标空域降噪强度对应的目标降噪强度。
实施例7：
为了扩展人脸图像区域，在上述各实施例的基础上，在本发明实施例中，所述确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，所述方法还包括：
基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
为了确定人脸图像区域的第二亮度值，在确定当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，还需要确定出当前帧图像中的人脸图像区域。
具体的，将获取到的当前帧图像输入到该预先训练完成的人脸检测模型，基于该预先训练完成的人脸检测模型对视频监控图像进行识别，确定该当前帧图像中存在的每个人脸图像区域的位置信息。
其中，基于该预先训练完成的人脸检测模型，可以确定出当前帧图像中的人脸图像区域的位置信息，该位置信息可以是指人脸图像区域的各个角的坐标值，也可以是指人脸图像区域的中心点的坐标值。
在确定出当前帧图像中存在的每个人脸图像区域后，为了更准确地确定出人脸图像区域的亮度值，还需要对每个人脸图像区域进行区域扩展。具体的，针对当前帧图像中的每个人脸图像区域的位置信息，确定每个人脸图像区域的长和宽，并对每个人脸图像区域的长和宽分别进行调大处理，确定调大后的长和宽，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
例如，图4为本发明实施例提供的一种对人脸图像区域进行区域扩展的示意图，在区域扩展时，分别将人脸图像区域的高度和宽度进行扩展，具体扩展时可以根据以下公式进行：
top＝top-MAX(50，height/2)，其中，该height代表的是区域扩展前的人脸图像区域的高度值，等号左边的top是指区域扩展后的人脸图像区域的左下角的纵坐标值，等号右边的top是指区域扩展前的人脸图像区域的左下角的纵坐标值；
height＝height+2*MAX(50，height/2)，其中，该等号左边的height为区域扩展后的人脸图像区域的高度值，该等号右边的height为区域扩展前的人脸图像区域的高度值；
left＝left-MAX(50,width/2)；其中，该width代表的是区域扩展前的人脸图像区域的宽度值，等号左边的left是指区域扩展后的人脸图像区域的左下角的横坐标值，等号右边的left是指区域扩展前的人脸图像区域的左下角的横坐标值；
width＝width+2*MAX(50,width/2)；其中，该等号左边的width为区域扩展后的人脸图像区域的宽度值，该等号右边的width为区域扩展前的人脸图像区域的宽度值。
实施例8：
为了更新人脸图像区域，在上述各实施例的基础上，在本发明实施例中，所述方法还包括：
判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
在确定出当前帧图像中的人脸图像区域后，为了更新人脸图像区域，还需要将存在重叠的两个人脸图像区域合并。具体的，判断确定出的当前帧图像中任意相邻的两个人脸图像区域是否存在重叠，即判断确定出的当前帧图像中任意一个人脸图像区域的部分区域是否是该人脸图像区域相邻的人脸图像区域。
若任意相邻的两个人脸图像区域是否存在重叠，则将存在重叠的两个人脸图像区域合并，确定合并后的人脸图像区域，将合并后的人脸图像区域作为更新后的人脸图像区域。
实施例9：
图5为本发明实施例提供的一种人脸图像的处理方法的过程示意图，该方法应用于安防相机，针对安防相机在不同的亮度情况下，安防相机的感光度(InternationalStandards Organization，ISO)增加一倍，调试不同的锐化以及降噪的参数为基准参数保证画面整体效果最优，开启人脸锐化算法，调试光照均匀下行人的移动速度为基础速度时图像的锐化强度和降噪强度，根据不同的光照强度确定出图像的亮度值与强度间的对应关系。
S501：安防相机采集到图像raw数据，经过图像ISP处理后，基于人脸检测算法确定当前帧图像的前15帧内是否检测到人脸图像，若是，则进入下一步，若否，则不对当前帧图像进行处理。
S502：根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和降噪强度。
具体的，图6为本发明实施例提供的一种亮度值和基础强度的对应关系示意图，在如图6所示的示意图中，横轴代表亮度值，纵轴代表强度值，亮度值与强度值的对应关系为阶梯状，在确定出图像的亮度值后，根据该亮度值以及该对应关系，可以确定出该亮度值对应的强度值。
S503：确定当前帧图像中的人脸图像对应的检测框，将人脸图像对应的检测框区域确定为人脸图像的人脸图像区域。
S504：判断当前帧图像的人脸图像区域是否有重合，若是，则进入S505，若否，则进入S506。
S505：将重合的人脸图像区域合并为新的人脸图像区域，进入S406。
S506：对当前帧图像中的人脸图像区域进行扩展，确定扩展后的人脸图像区域。
S507：确定当前帧图像中人脸图像区域的第二亮度值和第一亮度值的第一目标比值。
S508：确定当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值。
S509：根据第一锐化强度与第一目标比值的乘积乘以第二目标比值的结果，确定第一锐化强度对应的目标锐化强度；根据第一降噪强度与第一目标比值倒数的乘积乘以第二目标比值倒数的结果，确定第一降噪强度对应的目标降噪强度。
S510：根据确定的目标锐化强度和目标降噪强度，对当前帧图像的人脸图像区域进行锐化处理和降噪处理，对该人脸图像区域的四周做平滑处理。
实施例6：
图7为本发明实施例提供的一种人脸图像的处理装置的结构示意图，在上述各实施例的基础上，本发明实施例还提供的一种人脸图像的处理装置，所述装置包括：
确定模块701，用于根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度；
处理模块702，用于根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
所述确定模块701，具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
所述确定模块701，具体用于若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
所述确定模块701，具体用于确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
所述确定模块701，具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
所述确定模块701，具体用于若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
所述确定模块701，还用于基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
所述装置还包括：
扩展模块703，用于针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
所述装置还包括：
更新模块704，用于判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
具体的，该人脸图像的处理装置位于图像采集设备中。
下面结合图像采集设备的模块，对本发明实施例的人脸图像的处理装置进行说明。
图8为本发明实施例提供的图像采集设备的模块示意图，该图像采集设备包括：实时画面预览模块801，人脸检测模块802和图像ISP处理模块803。
实时画面预览模块801，用于将画面实时发送给人脸检测模块802，在本发明实施例中，由于确定模块701在确定当前帧图像的人脸图像区域前，首先需要获取到当前帧图像，实时画面预览模块801起到了获取当前帧图像的功能，故实时画面预览模块801包括确定模块701。
人脸检测模块802，用于确定人脸图像的坐标，并确定出人脸图像区域，将人脸图像区域的坐标发送给图像ISP处理模块803，由于本发明实施例中确定模块701还用于确定当前帧图像中人脸图像区域，扩展模块703用于对当前帧图像中人脸图像区域进行区域扩展的功能，更新模块704用于对当前帧图像中的人脸图像区域进行更新，因此人脸检测模块802起到了确定人脸图像区域以及对人脸图像区域进行区域扩展和更新的功能，故人脸检测模块802包括确定模块701、扩展模块703和更新模块704。
图像ISP处理模块803，用于根据人脸图像的坐标确定的人脸图像区域，确定人脸图像区域的亮度值和人脸图像区域对应目标的移动速度；并根据亮度值和移动速度，确定人脸图像区域的锐化强度和降噪强度；并根据确定出的锐化强度和降噪强度对人脸图像进行图像ISP处理。由于在本发明实施例中确定模块701还用于确定当前帧人脸图像区域的锐化强度和降噪强度，处理模块702用于根据确定出的强度值，对人脸图像区域进行处理。因此，图像ISP处理模块803起到了确定模块701中的确定强度的功能和处理模块702中的图像处理的功能，故图像ISP处理模块803包括确定模块701和处理模块702。
实施例7：
图9为本发明实施例提供的一种电子设备结构示意图，在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信；
所述存储器903中存储有计算机程序，当所述程序被所述处理器901执行时，使得所述处理器901执行如下步骤：
根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；
确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；
根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度；
根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
进一步地，所述处理器901具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述处理器901具体用于若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述处理器901具体用于确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；
根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
进一步地，所述处理器901具体用于若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
进一步地，所述处理器901具体用于若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
进一步地，所述处理器901，还用于确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，所述方法还包括：
基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
进一步地，所述处理器901，还用于判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口902用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例8：
在上述各实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行如下步骤：
根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；
确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；
根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度；
根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
所述根据所述第一基础强度及所述第一目标比值，确定所述第一基础强度对应的目标基础强度，包括：
确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；
根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度。
所述根据所述目标基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
所述确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，所述方法还包括：
基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
所述方法还包括：
判断任意相邻的两个人脸图像区域是否存在重叠，如是，将该存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (7)

1.一种人脸图像的处理方法，其特征在于，所述方法包括：
根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；
确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；
确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；
根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度；
根据确定的所述目标基础强度，对所述人脸图像区域进行处理；
其中，所述根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度，包括：
若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；
若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度，包括：
若所述第一基础强度包括第一时域降噪强度和第一空域降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一时域降噪强度对应的目标时域降噪强度以及所述第一空域降噪强度对应的目标空域降噪强度；
根据预先保存的时域降噪强度、空域降噪强度与降噪强度的第一函数关系，确定所述目标时域降噪强度和所述目标空域降噪强度对应的目标降噪强度。
3.根据权利要求1所述的方法，其特征在于，所述确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值之前，所述方法还包括：
基于预先训练完成的人脸检测模型，确定所述当前帧图像中的每个人脸图像区域的位置信息；
针对所述当前帧图像中的每个人脸图像区域的位置信息，对该人脸图像区域的长、宽分别进行调大处理，将调大后的长宽确定的区域作为扩展后的该人脸图像区域。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
判断任意相邻的两个人脸图像区域是否存在重叠，如是，将存在重叠的两个人脸图像区域合并，作为更新后的人脸图像区域。
5.一种人脸图像的处理装置，其特征在于，所述装置包括：
确定模块，用于根据确定的当前帧图像的第一亮度值、预先保存的亮度值与基础强度的对应关系，确定所述第一亮度值对应的第一基础强度，其中，所述基础强度包括锐化强度和/或降噪强度；确定所述当前帧图像中人脸图像区域的第二亮度值和所述第一亮度值的第一目标比值；确定所述当前帧图像中人脸图像区域对应目标的移动速度与预先保存的基础速度的第二目标比值；根据所述第一基础强度、所述第一目标比值及所述第二目标比值，确定所述第一基础强度对应的目标基础强度；其中，若所述第一基础强度为第一锐化强度，根据所述第一锐化强度与所述第一目标比值的乘积乘以所述第二目标比值的结果，确定所述第一锐化强度对应的目标锐化强度；若所述第一基础强度为第一降噪强度，根据所述第一降噪强度与所述第一目标比值倒数的乘积乘以所述第二目标比值倒数的结果，确定所述第一降噪强度对应的目标降噪强度；其中，所述第一降噪强度包括第一时域降噪强度和第一空域降噪强度中的至少一种；
处理模块，用于根据确定的所述目标基础强度，对所述人脸图像区域进行处理。
6.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-4中任一所述人脸图像的处理方法的步骤。
7.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述人脸图像的处理方法的步骤。
CN202010252341.3A 2020-04-01 2020-04-01 一种人脸图像的处理方法、装置、设备和介质 Active CN111507358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010252341.3A CN111507358B (zh) 2020-04-01 2020-04-01 一种人脸图像的处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010252341.3A CN111507358B (zh) 2020-04-01 2020-04-01 一种人脸图像的处理方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN111507358A CN111507358A (zh) 2020-08-07
CN111507358B true CN111507358B (zh) 2023-05-16

Family

ID=71864674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010252341.3A Active CN111507358B (zh) 2020-04-01 2020-04-01 一种人脸图像的处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN111507358B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
CN106165390A (zh) * 2014-03-28 2016-11-23 富士胶片株式会社 图像处理装置、摄影装置、图像处理方法及程序
CN106874878A (zh) * 2017-02-21 2017-06-20 深圳市金立通信设备有限公司 一种图像降噪方法及终端
CN107194374A (zh) * 2017-06-16 2017-09-22 广东欧珀移动通信有限公司 人脸区域的去油光方法、装置及终端
CN108734676A (zh) * 2018-05-21 2018-11-02 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN109348088A (zh) * 2018-11-22 2019-02-15 Oppo广东移动通信有限公司 图像降噪方法、装置、电子设备及计算机可读存储介质
CN109639982A (zh) * 2019-01-04 2019-04-16 Oppo广东移动通信有限公司 一种图像降噪方法、装置、存储介质及终端
CN109741280A (zh) * 2019-01-04 2019-05-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN109862282A (zh) * 2019-02-18 2019-06-07 Oppo广东移动通信有限公司 人物图像处理方法和装置
CN110072051A (zh) * 2019-04-09 2019-07-30 Oppo广东移动通信有限公司 基于多帧图像的图像处理方法和装置
WO2019192320A1 (zh) * 2018-04-04 2019-10-10 杭州海康威视数字技术股份有限公司 曝光方法、装置及摄像设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101499461B1 (ko) * 2013-06-28 2015-03-16 전남대학교산학협력단 히스토그램 압축을 이용한 히스토그램 평활화 장치
US9747514B2 (en) * 2015-08-31 2017-08-29 Apple Inc. Noise filtering and image sharpening utilizing common spatial support

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
CN106165390A (zh) * 2014-03-28 2016-11-23 富士胶片株式会社 图像处理装置、摄影装置、图像处理方法及程序
CN106874878A (zh) * 2017-02-21 2017-06-20 深圳市金立通信设备有限公司 一种图像降噪方法及终端
CN107194374A (zh) * 2017-06-16 2017-09-22 广东欧珀移动通信有限公司 人脸区域的去油光方法、装置及终端
WO2019192320A1 (zh) * 2018-04-04 2019-10-10 杭州海康威视数字技术股份有限公司 曝光方法、装置及摄像设备
CN108734676A (zh) * 2018-05-21 2018-11-02 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN109348088A (zh) * 2018-11-22 2019-02-15 Oppo广东移动通信有限公司 图像降噪方法、装置、电子设备及计算机可读存储介质
CN109639982A (zh) * 2019-01-04 2019-04-16 Oppo广东移动通信有限公司 一种图像降噪方法、装置、存储介质及终端
CN109741280A (zh) * 2019-01-04 2019-05-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN109862282A (zh) * 2019-02-18 2019-06-07 Oppo广东移动通信有限公司 人物图像处理方法和装置
CN110072051A (zh) * 2019-04-09 2019-07-30 Oppo广东移动通信有限公司 基于多帧图像的图像处理方法和装置

Also Published As

Publication number Publication date
CN111507358A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
US9330446B2 (en) Method and apparatus for processing image
KR101662846B1 (ko) 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법
US8923612B2 (en) Image processing apparatus and method, and program
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
US11108970B2 (en) Flicker mitigation via image signal processing
CN112308095A (zh) 图片预处理及模型训练方法、装置、服务器及存储介质
WO2013168618A1 (ja) 画像処理装置及び画像処理方法
KR102317613B1 (ko) 로컬라이징된 콘트라스트 향상을 위한 시스템들 및 방법들
CN111368785B (zh) 一种摄像头遮挡判断方法、装置、设备及存储介质
CN101853497A (zh) 一种图像增强方法和装置
JP2008523454A (ja) 背景領域および前景領域をモデリングする方法
CN115278104B (zh) 一种图像亮度调整方法、装置、电子设备及存储介质
CN112330544A (zh) 图像拖影的处理方法、装置、设备及介质
JP2020504383A (ja) 画像前景の検出装置、検出方法及び電子機器
CN113628202B (zh) 一种确定方法、清洁机器人和计算机存储介质
US20150249779A1 (en) Smoothing of ghost maps in a ghost artifact detection method for hdr image creation
CN104715456B (zh) 一种图像的去雾方法
Hu et al. A low illumination video enhancement algorithm based on the atmospheric physical model
CN111507358B (zh) 一种人脸图像的处理方法、装置、设备和介质
CN110136085B (zh) 一种图像的降噪方法及装置
CN115719314A (zh) 一种去拖影方法、去拖影装置及电子设备
CN116189037A (zh) 一种火焰检测的识别方法、装置及终端设备
JP2020108058A (ja) 付着物検出装置および付着物検出方法
JP5822739B2 (ja) 画像処理装置、方法、及びプログラム
CN111754417B (zh) 视频图像的降噪方法、视频抠像方法、装置和电子系统

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