CN111666869A - 一种基于宽动态处理的人脸识别方法、装置及电子设备 - Google Patents
一种基于宽动态处理的人脸识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111666869A CN111666869A CN202010493702.3A CN202010493702A CN111666869A CN 111666869 A CN111666869 A CN 111666869A CN 202010493702 A CN202010493702 A CN 202010493702A CN 111666869 A CN111666869 A CN 111666869A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- target
- preset
- face recognition
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种宽动态处理的人脸识别方法、装置及电子设备,所述方法包括:接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。这样可以通过预设图像传感器(普通图像传感器即可)以及预设图像处理芯片对图像视频数据进行宽动态处理,以提高图像视频数据的图像质量,并且通过预设人脸识别模型对进行人脸识别,得到目标人脸凸显对应的目标人脸。本发明能偶实现宽动态效果以及人脸识别的同时,降低硬件成本。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于宽动态处理的人脸识别方法、装置及电子设备。
背景技术
宽动态技术是在非常强烈的对比下让摄像机看到影像的特色而运用的一种技术。当在强光源照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时,摄像机输出的图像会出现明亮区域因曝光过度成为白色,而黑暗区域因曝光不足成为黑色,严重影响到图像质量。宽动态技术在摄像机系统中的运用,使黑暗区域变得明亮,而明亮区域变得柔和,改变视觉效果,提供出有用的可识别图像。
当前行业多数支持宽动态的摄像头只是单纯使用SOC的ISP对图像视频进行宽动态调节,宽动态效果不佳,特别是对于摄像头正对强光或太阳的条件下,人脸较暗,无法满足人脸识别的要求。而有部分则使用支持宽动态的CMOS 图像传感器,虽然宽动态效果能做的很好,但是成本高昂。
发明内容
本发明实施例提供一种基于宽动态处理的人脸识别方法,能够实现宽动态效果以及人脸识别的同时,降低硬件成本。
第一方面,本发明实施例提供一种基于宽动态处理的人脸识别方法,所述方法包括以下步骤:
接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;
基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;
基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。
可选的,所述基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸的步骤包括:
基于预设人脸识别模型确定所述目标人脸图像中的人脸区域;
判断所述人脸区域的图像质量是否满足预设图像质量要求;
若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸;
基于所述区域人脸确认所述目标人脸图像对应的目标人脸。
可选的,所述判断所述人脸区域的图像质量是否满足预设图像质量要求的步骤之后,所述基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸的步骤还包括:
若不满足,则确定所述人脸区域对应的坐标信息;
根据所述坐标信息基于所述预设图像处理芯片对所述人脸区域进行宽动态调节,直到所述人脸区域的图像质量满足预设图像质量要求,并执行所述若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸的步骤。
可选的,所述对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸的步骤包括:
提取所述人脸区域中的区域人脸特征;
将所述区域人脸特征与预设人脸特征进行比较,并判断所述区域人脸特征与所述预设人脸特征是否一致;
若一致,则确定所述预设人脸特征对应的人脸为所述人脸区域对应的区域人脸。
可选的,所述预设图像传感器为普通的CMOS图像传感器。
可选的,所述预设图像处理芯片为SOC芯片,所述SOC芯片内置有ISP 功能。
第二方面,本发明实施例还提供了一种基于宽动态处理的人脸识别装置,所述装置包括以下步骤:
接收模块,用于接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;
处理模块,用于基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;
人脸识别模块,用于基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。
可选的,所述人脸识别模块包括:
第一确定单元,用于基于预设人脸识别模型确定所述目标人脸图像中的人脸区域;
判断单元,用于判断所述人脸区域的图像质量是否满足预设图像质量要求;
人脸识别单元,用于若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸;
确认单元,用于基于所述区域人脸确认所述目标人脸图像对应的目标人脸。
第三方面,本发明实施例还提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的基于宽动态处理的人脸识别方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的基于宽动态处理的人脸识别方法中的步骤。
本发明实施例带来的有益效果:通过接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。这样可以通过预设图像传感器(普通图像传感器即可)以及预设图像处理芯片对图像视频数据进行宽动态处理,以提高图像视频数据的图像质量,并且通过预设人脸识别模型对进行人脸识别,得到目标人脸凸显对应的目标人脸。本发明能偶实现宽动态效果以及人脸识别的同时,降低硬件成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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是本发明实施例提供的一种基于宽动态处理的人脸识别方法的流程图;
图2是本发明实施例中步骤103提供的一种方法流程图;
图3是本发明实施例中步骤103提供的另一种方法流程图;
图4是本发明实施例中步骤203提供的一种方法流程图;
图5是本发明实施例提供的又一种基于宽动态处理的人脸识别方法的流程图;
图6是本发明实施例提供的一种基于宽动态处理的人脸识别装置的结构示意图;
图7是本发明实施例中人脸识别模块提供的一种结构示意图;
图8是本发明实施例中人脸识别模块提供的另一种结构示意图;
图9是本发明实施例中人脸识别单元提供的一种结构示意图;
图10是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述各种单元,但这些单元不应限于这些术语。这些术语仅用来将同一类型的单元彼此区分开。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
请参见图1,图1是本发明实施例提供的一种基于宽动态处理的人脸识别方法的流程图,该基于宽动态处理的人脸识别方法包括以下步骤:
步骤101、接收预设图像传感器采集到的图像视频数据,图像视频数据包括目标人脸图像。
其中,上述预设图像传感器可以为普通图像传感器,比如普通的CMOS 图像传感器(CMOS image sensor),该普通图像传感器可以设置在图像采集设备中,图像采集设备可以是摄像头、摄像机、相机、监控器等设备中,用于对目标进行采集,以得到对应的图像视频数据。
上述图像视频数据可以包括图像、视频等对应的数据。当然了,该图像视频数据中包括目标人脸图像。目标人脸图像可以是目标人员对应的人脸图像,比如,若在摄像机的拍摄范围内出现一目标人员时,通过摄像头中的CMOS 图像传感器采集该目标人员的图像视频数据,进而得到该目标人员对应的人脸图像。
当然了,预设图像传感器还可以是普通的CCD(Charged Coupled Device) 传感器。在本发明实施例中优先使用普通的CMOS图像传感器,普通的CMOS 图像传感器能够实现采集图像视频数据的同时,相对于普通的CCD以及支持宽动态的CMOS图像传感器而言,硬件成本较低。
具体的,可以通过普通的CMOS图像传感器采集目标人员对应的图像视频数据,进而得到目标人员对应的目标人脸图像。
步骤102、基于预设图像处理芯片对图像视频数据进行宽动态处理,得到目标图像视频数据。
其中,上述预设图像处理芯片可以为SOC(System-on-a-Chip)芯片。该 SOC芯片设置在CPU(Central Processing Unit)或GPU(Graphics Processing Unit)中,且一般的SOC芯片都具有ISP(Image Signal Processor)功能,可以对图像视频的效果进行宽动态调节,比如强光抑制、背光补偿等等。当然了, CPU或GPU可以进行宽动态处理外还可以进行格式转换等处理。
ISP即图像处理,主要作用对前端图像传感器输出的图像信号做后期处理,主要功能有线性纠正、噪声去除、坏点去除、绿平衡、自动曝光控制等,依赖于ISP才能在不同的光学条件下都能较好的还原现场细节,ISP技术在很大程度上决定了摄像机的成像质量。具体的,ISP除了能够对图像视频数据进行宽动态处理外,ISP还能够对图像视频数据进行测试图像(TestPattern)、黑电平校正(BlackLevel Correction,BLC)、镜头阴影校正(LensShade Correction, LSC)、坏点校正(Bad Point Correction,BPC)、绿平衡(GreenBalance,GB)、去除噪声(Denoise)、颜色插值(Demosaic)、自动白平衡(Automatic WhiteBalance,AWB)、颜色校正(Color Correction Matrix,CCM)、Gamma校正(RGB Gamma)、RGBToYUV、3DNR、锐化(Sharp)、自动曝光(Automatic Exposure, AE)等等处理。
上述宽动态(wide dynamic range,WDR)意思是宽动态范围。在强光源 (日光、灯具或反光等)照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时,摄像机输出的图像会出现明亮区域因曝光过度成为白色,而黑暗区域因曝光不足成为黑色,严重影响图像质量。摄像机在同一场景中对最亮区域及较暗区域的表现是存在局限的,这种局限就是通常所讲的“动态范围”。由此可知,当图像视频数据存在动态范围时,图像视频数据显示出来的视觉效果较差,进而影响图像视频数据的图像质量。为此,需要对出现动态范围的图像视频数据进行宽动态处理,以改善图像视频数据的图像质量要求。
具体的,接收到图像视频数据后,可以通过SOC芯片的ISP对图像视频数据进行宽动态处理,比如对图像视频数据进行强光抑制、背光补偿等调节,进而可以得到宽动态处理后的目标图像视频数据。目标图像视频数据相对于接收到的图像视频数据,目标图像视频数据的图像质量相对较高,并且基本满足设定的图像质量要求。若目标图像视频数据没有满足设定的图像质量要求,则需要重新对目标图像视频数据再次进行宽动态处理,再次得到新的目标图像视频数据,以满足设定的图像质量要求。
步骤103、基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸。
其中,上述预设人脸识别模型可以是指人脸识别神经网络,用于识别目标图像视频数据中的目标人脸图像的目标人脸。预设人脸识别模型还可以称为人脸算法模型。
具体的,如图2所示,步骤103包括以下步骤:
步骤201、基于预设人脸识别模型确定目标人脸图像中的人脸区域。
步骤202、判断人脸区域的图像质量是否满足预设图像质量要求。
步骤203、若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸。
步骤204、基于区域人脸确认目标人脸图像对应的目标人脸。
更具体的,在接收到目标图像视频数据后,可以通过预设人脸识别模型判断目标人脸图像中的人脸区域的位置,并将人脸区域的图像质量与预设图像质量要求进行比较,进而判断人脸区域的图像质量是否满足预设图像质量要求。预设图像质量要求可以通过图像质量阈值来进行判断,比如,当人脸区域的图像质量大于或等于预设的图像质量阈值时,可以判断该人脸区域满足预设图像质量要求,若人脸区域的图像质量小于预设的图像质量阈值时,说明该人脸区域的图像质量没有满足预设的图像质量要求。
当判断出人脸区域的图像质量满足预设图像质量要求后,便可以对人脸区域进行人脸识别,从而识别出该人脸区域的区域人脸。当确定该人脸区域的区域人脸后,就可以确定该目标人脸图像的对应的目标人脸。
需要说明的是,目标人员可以为一个或多个,当目标人员为多个时,对应的人脸图像中也可能存在一个或多个人脸区域。当存在多个人脸区域时,可以分别对每个人人脸区域的图像质量进行判断,以及人脸识别,得到的区域人脸也为多个,人脸图像对应的目标人脸也对应为多个,且每个人脸区域对应一个目标人脸,且是一一对应的。
作为本发明一实施方式,如图3所示,在图2的基础上,步骤103还包括以下步骤:
步骤301、若不满足,则确定人脸区域对应的坐标信息。
步骤302、根据坐标信息基于预设图像处理芯片对人脸区域进行宽动态调节,直到人脸区域的图像质量满足预设图像质量要求,并执行若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸的步骤。
其中,上述坐标信息可以是人脸区域中的像素点在整个图像视频数据中的位置信息。
具体的,当人脸区域的图像质量小于预设的图像质量阈值时,说明该人脸区域的图像质量没有满足预设的图像质量要求。此时则可以直接将该人脸区域对应的坐标信息发送给预设图像处理芯片(如,SOC芯片),通过预设图像处理芯片对该人脸区域进行宽动态调节,这样可以得到一个图像质量较好的人脸区域,并再次将新的人脸区域的图像质量与预设图像质量要求进行比较,判断新的人脸区域的图像质量是否满足要求,若图像满足,在执行步骤203-304,若新的人脸区域的图像质量还是没有满足预设图像质量要求,则通过预设图像处理芯片循环的基于前一次的人脸区域对人脸区域进行宽动态处理,直到新的人脸区域的图像质量满足预设图像质量要求,才能够对人脸区域中的人脸进行识别,以得到区域人脸,最后才基于区域人脸确定目标人脸图像对应的目标人脸,进而实现人脸识别的过程。
需要说明的是,在判断人脸区域的图像质量不满足预设图像质量要求时,可以将整个目标图像视频数据发送到预设图像处理芯片进行宽动态处理。当然了,为了减少宽动态处理的数据量,可以直接将人脸区域对应的图像视频数据发送到预设图像处理芯片进行宽动态处理,进而可以提高宽动态处理的处理效率,也进一步提高人脸识别的识别效率等。
作为本发明另一实施方式,如图4所示,步骤203包括以下步骤:
步骤401、提取人脸区域中的区域人脸特征。
步骤402、将区域人脸特征与预设人脸特征进行比较,并判断区域人脸特征与预设人脸特征是否一致。
步骤403、若一致,则确定预设人脸特征对应的人脸为人脸区域对应的区域人脸。
具体的,在人脸区域的图像质量满足预设图像质量要求后,可以对满足图像质量要求的人脸区域进行区域人脸特征提取,进而得到对应的区域人脸特征。区域人脸特征可以是指该人脸区域对应的人脸特征,比如,鼻子、眼睛、嘴巴、眉毛等的大小特征、或者鼻子、眼睛、嘴巴、眉毛之间的位置特征等。提取到区域人脸特征后,将提取到的区域人脸特征与预设人脸特征进行比较判断,并判断区域人脸特征与预设人脸特征是否一致,若一致,则说明区域人脸特征与预设人脸特征基本符合,可以判断为同一目标人员的人脸特征。这样也就可以基于预设人脸特征与对应人脸之间的映射关系,确定该预设人脸特征对应的人脸为人脸区域对应的区域人脸,进而可以基于区域人脸来确定目标人脸图像对应的目标人脸。
需要说明的是,判断区域人脸特征与预设人脸特征是否一致可以通过计算区域人脸特征与预设人脸特征之间的相似度,若相似度满足预设相似度则可以判断区域人脸特征与预设人脸特征是一致。若相似度不满足预设相似度则判断区域人脸特征与预设人脸特征不一致。
在本发明另一实施方式中,当识别出目标人脸图像中的目标人脸后,可以根据识别出的目标人脸识别出该目标人员的目标身份信息。当然了身份信息可以包括其对应的姓名、联系方式、身份证件、人脸图像档案等信息。这样就可以通过目标人脸识别出对应目标人员的身份,便于对目标人员的管理。身份信息可以是存储在具有权威的机构或单位中,这样可以得到可靠的、权威的身份信息。
在本发明又一实施方式中,参见图5,图5是本发明实施例提供的又一种基于宽动态处理的人脸识别方法的流程图,基于宽动态处理的人脸识别方法包括以下步骤:
步骤501、开始。
步骤502、CMOS采集图像视频数据。
步骤503、SOC对图像视频数据进行宽动态调节。
步骤504、人脸识别模型预处理单元。
步骤505、判断图像质量。
步骤506、进行人脸识别。
步骤507、完成人脸识别。
具体的,通过CMOS图像传感器采集图像视频数据,给到CPU进行格式转换、宽动态处理,一般通用SOC芯片都具有ISP功能,对图片视频的效果进行调节,比如强光抑制、背光补偿等等。CPU将经过ISP处理过的图像视频给到人脸算法模块,人脸算法的预处理模块判断人脸位置,并确认图像质量是否符合要求,如质量不符合要求,给出人脸坐标到SOC,由SOC对人脸部分进行宽动态调节,直到满足人脸算法对图像质量的要求。对符合人脸识别算法要求的图像或视频处理提取特征、对比等,完成人脸识别的过程。进而实现基于宽动态处理的人脸识别过程。
在本发明实施例中,通过接收预设图像传感器采集到的图像视频数据,图像视频数据包括目标人脸图像;基于预设图像处理芯片对图像视频数据进行宽动态处理,得到目标图像视频数据;基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸。这样可以通过预设图像传感器(普通图像传感器即可)以及预设图像处理芯片对图像视频数据进行宽动态处理,以提高图像视频数据的图像质量,并且通过预设人脸识别模型对进行人脸识别,得到目标人脸凸显对应的目标人脸。本发明能偶实现宽动态效果以及人脸识别的同时,降低硬件成本。
参见图6,图6是本发明实施例提供的一种基于宽动态处理的人脸识别装置的结构示意图,该基于宽动态处理的人脸识别装置600包括以下步骤:
接收模块601,用于接收预设图像传感器采集到的图像视频数据,图像视频数据包括目标人脸图像。
处理模块602,用于基于预设图像处理芯片对图像视频数据进行宽动态处理,得到目标图像视频数据。
人脸识别模块603,用于基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸。
可选的,如图7所示,人脸识别模块603包括:
第一确定单元6031,用于基于预设人脸识别模型确定目标人脸图像中的人脸区域。
判断单元6032,用于判断人脸区域的图像质量是否满足预设图像质量要求。
人脸识别单元6033,用于若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸。
确认单元6034,用于基于区域人脸确认目标人脸图像对应的目标人脸。
可选的,如图8所示,判断单元6032之后,人脸识别模块603还包括:
第二确定单元6035,用于若不满足,则确定人脸区域对应的坐标信息。
调节单元6036,用于根据坐标信息基于预设图像处理芯片对人脸区域进行宽动态调节,直到人脸区域的图像质量满足预设图像质量要求,并执行若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸的步骤。
可选的,如图9所示,人脸识别单元6033包括:
提取子单元60331,用于提取人脸区域中的区域人脸特征。
比较子单元60332,用于将区域人脸特征与预设人脸特征进行比较,并判断区域人脸特征与预设人脸特征是否一致。
确定子单元60333,用于若一致,则确定预设人脸特征为人脸区域对应的区域人脸。
可选的,预设图像传感器为普通的CMOS图像传感器。
可选的,预设图像处理芯片为SOC芯片,SOC芯片内置有ISP功能。
本发明实施例提供的基于宽动态处理的人脸识别装置600能够实现上述方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
参见图10,图10是本发明实施例提供的一种电子设备的结构示意图,该电子设备700包括:存储器702、处理器701及存储在存储器702上并可在处理器701上运行的计算机程序,处理器701执行计算机程序时实现上述实施例提供的基于宽动态处理的人脸识别方法中的步骤,处理器701执行以下步骤:
接收预设图像传感器采集到的图像视频数据,图像视频数据包括目标人脸图像;
基于预设图像处理芯片对图像视频数据进行宽动态处理,得到目标图像视频数据;
基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸。
可选的,处理器701执行的基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸的步骤包括:
基于预设人脸识别模型确定目标人脸图像中的人脸区域;
判断人脸区域的图像质量是否满足预设图像质量要求;
若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸;
基于区域人脸确认目标人脸图像对应的目标人脸。
可选的,处理器701执行的判断人脸区域的图像质量是否满足预设图像质量要求的步骤之后,基于预设人脸识别模型对目标图像视频数据进行人脸识别,以得到目标人脸图像对应的目标人脸的步骤还包括:
若不满足,则确定人脸区域对应的坐标信息;
根据坐标信息基于预设图像处理芯片对人脸区域进行宽动态调节,直到人脸区域的图像质量满足预设图像质量要求,并执行若满足,则对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸的步骤。
可选的,处理器701执行的对人脸区域进行人脸识别,以识别出人脸区域对应的区域人脸的步骤包括:
提取人脸区域中的区域人脸特征;
将区域人脸特征与预设人脸特征进行比较,并判断区域人脸特征与预设人脸特征是否一致;
若一致,则确定预设人脸特征对应的人脸为人脸区域对应的区域人脸。
可选的,处理器701执行的预设图像传感器为普通的CMOS图像传感器。
可选的,处理器701执行的预设图像处理芯片为SOC芯片,SOC芯片内置有ISP功能。
本发明实施例提供的电子设备700能够实现上述方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例提供的基于宽动态处理的人脸识别方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
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来指令相关的硬件来完成,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例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存取存储器(Random AccessMemory,简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种基于宽动态处理的人脸识别方法,其特征在于,所述方法包括以下步骤:
接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;
基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;
基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。
2.如权利要求1所述的基于宽动态处理的人脸识别方法,其特征在于,所述基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸的步骤包括:
基于预设人脸识别模型确定所述目标人脸图像中的人脸区域;
判断所述人脸区域的图像质量是否满足预设图像质量要求;
若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸;
基于所述区域人脸确认所述目标人脸图像对应的目标人脸。
3.如权利要求2所述的基于宽动态处理的人脸识别方法,其特征在于,所述判断所述人脸区域的图像质量是否满足预设图像质量要求的步骤之后,所述基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸的步骤还包括:
若不满足,则确定所述人脸区域对应的坐标信息;
根据所述坐标信息基于所述预设图像处理芯片对所述人脸区域进行宽动态调节,直到所述人脸区域的图像质量满足预设图像质量要求,并执行所述若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸的步骤。
4.如权利要求2所述的基于宽动态处理的人脸识别方法,其特征在于,所述对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸的步骤包括:
提取所述人脸区域中的区域人脸特征;
将所述区域人脸特征与预设人脸特征进行比较,并判断所述区域人脸特征与所述预设人脸特征是否一致;
若一致,则确定所述预设人脸特征对应的人脸为所述人脸区域对应的区域人脸。
5.如权利要求1-4所述的基于宽动态处理的人脸识别方法,其特征在于,所述预设图像传感器为普通的CMOS图像传感器。
6.如权利要求1-4所述的基于宽动态处理的人脸识别方法,其特征在于,所述预设图像处理芯片为SOC芯片,所述SOC芯片内置有ISP功能。
7.一种基于宽动态处理的人脸识别装置,其特征在于,所述装置包括以下步骤:
接收模块,用于接收预设图像传感器采集到的图像视频数据,所述图像视频数据包括目标人脸图像;
处理模块,用于基于预设图像处理芯片对所述图像视频数据进行宽动态处理,得到目标图像视频数据;
人脸识别模块,用于基于预设人脸识别模型对所述目标图像视频数据进行人脸识别,以得到所述目标人脸图像对应的目标人脸。
8.如权利要求7所述的基于宽动态处理的人脸识别装置,其特征在于,所述人脸识别模块包括:
第一确定单元,用于基于预设人脸识别模型确定所述目标人脸图像中的人脸区域;
判断单元,用于判断所述人脸区域的图像质量是否满足预设图像质量要求;
人脸识别单元,用于若满足,则对所述人脸区域进行人脸识别,以识别出所述人脸区域对应的区域人脸;
确认单元,用于基于所述区域人脸确认所述目标人脸图像对应的目标人脸。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于宽动态处理的人脸识别方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于宽动态处理的人脸识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010493702.3A CN111666869B (zh) | 2020-06-03 | 2020-06-03 | 一种基于宽动态处理的人脸识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010493702.3A CN111666869B (zh) | 2020-06-03 | 2020-06-03 | 一种基于宽动态处理的人脸识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666869A true CN111666869A (zh) | 2020-09-15 |
CN111666869B CN111666869B (zh) | 2023-05-30 |
Family
ID=72385665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010493702.3A Active CN111666869B (zh) | 2020-06-03 | 2020-06-03 | 一种基于宽动态处理的人脸识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666869B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112218049A (zh) * | 2020-09-29 | 2021-01-12 | 北京环境特性研究所 | 一种视频监控装置 |
CN112584044A (zh) * | 2020-12-07 | 2021-03-30 | 上海商米科技集团股份有限公司 | 一种根据人脸光线环境自动调节摄像机画面亮度的系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2806373A2 (en) * | 2013-05-22 | 2014-11-26 | ASUSTeK Computer Inc. | Image processing system and method of improving human face recognition |
CN108564558A (zh) * | 2018-01-05 | 2018-09-21 | 广州广电运通金融电子股份有限公司 | 宽动态图像处理方法、装置、设备和存储介质 |
CN110969046A (zh) * | 2018-09-28 | 2020-04-07 | 深圳云天励飞技术有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
-
2020
- 2020-06-03 CN CN202010493702.3A patent/CN111666869B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2806373A2 (en) * | 2013-05-22 | 2014-11-26 | ASUSTeK Computer Inc. | Image processing system and method of improving human face recognition |
CN108564558A (zh) * | 2018-01-05 | 2018-09-21 | 广州广电运通金融电子股份有限公司 | 宽动态图像处理方法、装置、设备和存储介质 |
CN110969046A (zh) * | 2018-09-28 | 2020-04-07 | 深圳云天励飞技术有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
王飞;程威;余斌;: "基于人脸识别的智能门禁系统" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112218049A (zh) * | 2020-09-29 | 2021-01-12 | 北京环境特性研究所 | 一种视频监控装置 |
CN112584044A (zh) * | 2020-12-07 | 2021-03-30 | 上海商米科技集团股份有限公司 | 一种根据人脸光线环境自动调节摄像机画面亮度的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111666869B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402135B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
JP4234195B2 (ja) | 画像分割方法および画像分割システム | |
CN110033418B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
US20170261319A1 (en) | Building height calculation method, device, and storage medium | |
US8917938B2 (en) | Method for estimating blur degree of image and method for evaluating image quality | |
CN108734676A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
JP2014053855A (ja) | 画像処理装置および方法、並びにプログラム | |
WO2018233637A1 (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN105100632A (zh) | 成像设备自动曝光的调整方法及装置、成像设备 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN103699877A (zh) | 提高人脸识别效果的方法和系统 | |
CN110047060B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111666869B (zh) | 一种基于宽动态处理的人脸识别方法、装置及电子设备 | |
EP3068122B1 (en) | Image processing apparatus and image processing method | |
CN104966266A (zh) | 自动模糊身体部位的方法及系统 | |
CN107705279B (zh) | 实现双重曝光的图像数据实时处理方法及装置、计算设备 | |
US9338354B2 (en) | Motion blur estimation and restoration using light trails | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN114627562A (zh) | 多光谱人脸识别模组及方法 | |
CN111126191B (zh) | 一种虹膜图像的采集方法、装置及存储介质 | |
US20140327796A1 (en) | Method for estimating camera response function | |
JP4496005B2 (ja) | 画像処理方法および画像処理装置 | |
CN113691735A (zh) | 一种摄像机及红外光补光方法、装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A facial recognition method, device, and electronic device based on wide dynamic processing Granted publication date: 20230530 Pledgee: Shenzhen Rural Commercial Bank Co.,Ltd. Futian Sub branch Pledgor: Shenzhen Wancheng Wulian Technology Co.,Ltd. Registration number: Y2024980005826 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |