CN112036375A - 一种检测红外图像与深度图像的方法、装置及人脸识别系统 - Google Patents
一种检测红外图像与深度图像的方法、装置及人脸识别系统 Download PDFInfo
- Publication number
- CN112036375A CN112036375A CN202011065122.0A CN202011065122A CN112036375A CN 112036375 A CN112036375 A CN 112036375A CN 202011065122 A CN202011065122 A CN 202011065122A CN 112036375 A CN112036375 A CN 112036375A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- detected
- face recognition
- depth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000003068 static effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000001360 synchronised effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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]
Abstract
本发明公开了一种检测红外图像与深度图像的方法、装置及人脸识别系统，包括步骤：S100、获取摄像头采集到的包含有目标的待检测图像；S110、对步骤S100中获取的待检测图像进行二值化处理以得到二值化图像；S120、遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；S130、比较连通区域的面积与预设面积阈值的大小，当连通区域的面积大于预设面积阈值时，判断待检测图像为深度图像，当连通区域的面积小于所述预设面积阈值时，判断待检测图像为红外图像。本发明可准确有效地区分出红外图像与深度图像，区分出来后，将其输入对应的人脸识别模型中，由此可提升人脸识别的效率与精确度。
Description
技术领域
本发明涉及数字图像处理技术领域，尤其涉及一种检测红外图像与深度图像的方法、装置及人脸识别系统。
背景技术
人脸识别已经逐渐进入人们的日常生活，比如在安检、交通甚至刷脸支付等多个领域均有所应用。人脸识别是基于人脸的面部特征信息进行身份识别的一种生物识别技术，通过利用摄像机或摄像头采集含有人脸的图像或者视频流数据，根据相应的算法程序进行处理，从而对检测到的人脸进行识别等一系列的活动。
一般来说，RGB图像(彩色图)、IR图像(灰度图)与深度图像(深度图)常用于人脸识别，不同的图像应采用不同的算法进行处理识别；其中，RGB图像需通过采用基于RGB图像的人脸识别算法程序进行处理，而IR图像则需要采用基于IR图像的人脸识别算法程序进行处理，深度图像则需要采用基于深度图像的人脸识别算法程序进行处理。
目前的技术中，IR图像与深度图像通常会共用一个摄像头来采集图像，将采集的图像分别放入对应的人脸识别算法程序中进行处理，完成人脸识别；然而，实际应用中，容易发生误将IR图像当成深度图像从而误放入基于深度图像的活体人脸识别算法中，或将深度图像误放入基于IR图像的人脸识别算法中，从而导致错误的识别结果。
所以针对上述现有技术存在的问题，有必要进行开发一种技术方案，以对IR图像和深度图像进行区分，区分后再分别输入对应的人脸识别算法中，确保得到正确的识别结果。
上述背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明的目的在于提供一种检测红外图像与深度图像的方法、装置及人脸识别系统，以解决上述背景技术问题中的至少一种问题。
为达到上述目的，本发明实施例的技术方案是这样实现的：
一种检测红外图像与深度图像的方法，包括如下步骤：
S100、获取摄像头采集到的包含有目标的待检测图像；
S110、对步骤S100中获取的所述待检测图像进行二值化处理以得到二值化图像；
S120、遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；
S130、比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述预设面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
在一些实施例中，通过红外摄像头采集静态的图像作为所述待检测图像；或者，通过红外摄像头采集连续的视频流，并从采集到的所述视频流中选取一帧或多帧图像作为所述待检测图像。
在一些实施例中，选定所述待检测图像中目标边缘梯度最大的像素值为阈值，将像素点值小于阈值的像素值设为0，将像素点值大于或者等于阈值的像素值设为255，从而得到二值化图像。
在一些实施例中，还包括如下步骤：
S140、将所述待检测图像输入对应的人脸识别模型中进行人脸识别。
在一些实施例中，当所述待检测图像为红外图像时，将该红外图像输入红外人脸识别模型中；而当所述待检测图像为深度图像时，则将该深度图像输入深度人脸识别模型中。
本发明实施例另一技术方案为：
一种检测红外图像与深度图像的装置，包括：
红外摄像头，用于采集包含有目标的待检测图像；
处理器，用于对所述待检测图像进行二值化处理以得到二值化图像，遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；及比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
在一些实施例中，所述红外摄像头包括有红外发射模块以及摄像模块；其中，所述红外发射模块发出红外光线照射目标，所述摄像模块采集经目标反射得到的图像。
在一些实施例中，通过所述处理器选定所述待检测图像中目标边缘梯度最大的像素值为阈值，将像素点值小于阈值的像素值设为0，将像素点值大于或者等于阈值的像素值设为255，从而得到所述二值化图像。
本发明实施例又一技术方案为：
一种人脸识别系统，包括前述任一实施例技术方案所述的检测红外图像与深度图像的装置、以及人脸识别装置；其中，所述检测红外图像与深度图像的装置用于辨识采集的待检测图像并将所述待检测图像输入所述人脸识别装置；所述人脸识别装置用于对输入的所述待检测图像进行人脸识别。
在一些实施例中，所述人脸识别装置包括：
红外人脸识别模型，用于对输入的红外图像进行人脸识别；
深度人脸识别模型，用于对输入的深度图像进行人脸识别。
本发明技术方案的有益效果是：
相较于现有技术，本发明检测红外图像与深度图像的方法、装置及人脸识别系统可准确有效地区分出红外图像与深度图像，区分出红外图像与深度图像后，再将区分出红外图像和深度图像分别输入对应的人脸识别模型中，由此可提升人脸识别的效率与精确度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明一个实施例检测红外图像与深度图像的方法的流程图示。
图2是根据本发明一个实施例检测红外图像与深度图像的装置的原理框图。
图3是采用图2实施例检测红外图像与深度图像的装置的人脸识别系统的原理框图。
图4是根据本发明另一个实施例检测红外图像与深度图像的方法的流程图示。
图5是根据本发明另一个实施例检测红外图像与深度图像的装置的原理框图。
图6是采用图5实施例检测红外图像与深度图像的装置的人脸识别系统的原理框图。
图7是根据本发明又一个实施例检测红外图像与深度图像的方法的流程图示。
图8是根据本发明又一个实施例检测红外图像与深度图像的方法装置的原理框图。
图9是采用图8实施例检测红外图像与深度图像的装置的人脸识别系统的原理框图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接即可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
参照图1所示，图1为本申请其中一实施例提供的一种检测红外图像与深度图像的方法的流程图，该方法包括如下步骤：
S100、获取摄像头采集到的包含有目标的待检测图像；
在一个实施例中，利用红外摄像头采集图像；其中，红外摄像头可以采集静态的图像，如JPEG，TIFF，BMP，GIF，PNG，RAW等格式的图片。或者，红外摄像头也可以采集连续的视频流，再从采集到的视频流中选取一帧或多帧图像作为待检测图像；相应地，待检测图像可以为静态图像或者视频帧图像，在此不做限定。
S110、对所获取的待检测图像进行二值化处理以得到二值化图像；
为便于理解，对数字图像进行简要说明，数字图像是将连续的模拟图像经过离散化处理后得到的，计算机能够辨识的点阵图像，每幅数字图像均是由若干像素点组成，每一个像素点都具有颜色、灰度等属性。其中，RGB图像中，每个像素点的颜色有R、G、B三个分量，每个分量有255种取值；而IR图像，即灰度图像是只含亮度信息，无彩色信息的图像，灰度图中每一个像素点的变化范围有256种，即，图像由256种不同灰度级的颜色组成，一般0表示纯黑，255表示纯白，中间的颜色是由黑慢慢变白，即数字0到255的增长即为亮度的增长。
图像的二值化处理就是将图像上像素点的灰度值定义为0或255(实际编码映射到0和1)；其中，0为纯黑，1为纯白，使整个图像呈现出明显的黑白效果，即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像；具体的，确定阈值，遍历0～255灰度图像的每一个像素点，如果像素点的灰度值大于阈值，那么置为1，否则置为0。图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，所以使处理变得简单，而且数据的处理和压缩量小。
具体的，在一个实施例中，选定待检测图像中目标边缘梯度最大的像素值K，使用像素值法对待检测图像进行二值化，像素点值小于K的像素值设为0，而像素点值大于或者等于K的像素值设为255，得到二值化图像。应该说明的是，上述待检测图像中也可以不包含目标物体，即采集得到的图像可以为纯背景图像，因此也可使用其它方法对图像进行二值化处理，在此不做限制。
S120、遍历并计算二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；
S130、比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述预设面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
可以理解的是，在红外摄像头采集图像时，红外摄像头会自动对像素值进行补偿，因此在红外图像中极少会出现连续像素值为0的情况。而对于深度图像，在图像的首行会有大片数值为0的情况，其中，无法测得深度的像素点的深度值为0。因此，可以通过计算像素值连续为0的像素点构成的连通区域的面积来判断待检测图像为红外图像还是为深度图像。
在一些实施例中，上述方法还包括如下步骤：
S140、将所述待检测图像输入对应的人脸识别模型中进行人脸识别。
根据步骤S130中比较判断的结果，确定待检测图像，并将所述待检测图像输入到对应的人脸识别模型中进行人脸识别。具体的，例如：当待检测图像为红外图像时，则将该红外图像输入红外人脸识别模型中；而当上述待检测图像为深度图像时，则将该深度图像输入深度人脸识别模型中。一般来说，人脸检测包括活体检测与特征比对两个步骤，不同的图像使用的活体检测与特征比对算法不同，如果将红外图像输入深度人脸识别模型中或将深度图像输入红外人脸识别模型中均会大大影响识别效果。因此，在本发明实施例中，先对图像进行区分，识别出是红外图像还是为深度图像，再将识别出的红外图像和深度图像分别输入对应的人脸识别模型中，从而提升人脸识别的效率与精度。
参照图2所示，图2为本申请另一实施例提供的一种检测红外图像与深度图像的装置200，装置包括：红外摄像头，用于采集包含有目标的待检测图像；处理器，用于对所述待检测图像进行二值化处理以得到二值化图像，遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；及比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
在一些实施例中，红外摄像头包括有红外发射模块以及摄像模块；其中，红外发射模块发出红外光线照射目标，所述摄像模块采集经目标反射得到的图像。
在一些实施例中，通过处理器选定所述待检测图像中目标边缘梯度最大的像素值为阈值，像素点值小于阈值的像素值设为0，而像素点值大于或者等于阈值的像素值设为255，从而得到二值化图像。
需要说明的是，图2实施例检测红外图像与深度图像的装置200用于执行图1实例的方法，具体的描述参见图1实施实例，在此不再赘述。
参照图3所示，图3为本申请另一实施例提供的一种人脸识别系统300，包括上述实施例方案记载的检测红外图像与深度图像的装置200以及人脸识别装置210；其中，所述检测红外图像与深度图像的装置200用于辨识采集的待检测图像并将其输入人脸识别装置210；所述人脸识别装置210包括：红外人脸识别模型211，用于对输入的红外图像进行人脸识别；深度人脸识别模型212，用于对输入的深度图像进行人脸识别。其中，将不同的图像输入到对应的人脸识别模型，由此可提升人脸识别效率和精确度。
可以理解的是，红外图像中像素点的像素值代表灰度，深度图像中像素点的像素值代表深度(距离)，例如8bit的红外图像，灰度值范围为[0,255]，在红外图像中不会存在灰度值大于255的像素点，因此对于在某些距离范围内采集的图像，可以通过遍历不存在于红外图像中的像素点来区分红外图像和深度图像。
参照图4所示，图4所示为本申请另一实施例一种检测红外图像与深度图像的方法，方法包括如下步骤：
S200、获取摄像头在预设距离范围内采集到的包含有目标的待检测图像；
在一个实施例中，利用红外摄像头采集图像，其中，红外摄像头可以采集静态的图像，如JPEG，TIFF，BMP，GIF，PNG，RAW等格式的图片。或者，红外摄像头也可以采集连续的视频流，再从采集到的视频流中选取一帧或多帧图像作为待检测图像；相应地，待检测图像可以为静态图像或者视频帧图像，在此不做限定。
S210、遍历所述待检测图像的像素点，检测是否存在预设距离范围内的像素点，若存在，则判断所述待检测图像为深度图像；若不存在，则判断所述待检测图像为红外图像；其中，所述预设距离范围的最小值大于所述红外图像的最大像素值。
在一些实施例中，摄像头与目标的之间的距离范围是已知的，例如在某些三维重建或刷脸支付的场景中，由于摄像头FOV(Filed Of View，视场)的限制，目标与摄像头必须在某个距离范围内才能获得较理想的图像。假设目标与摄像头之间的距离范围是[300mm，1000mm]，那么对于8bit的红外图像，不可能存在像素值范围在[300，1000]内的像素点，此时可遍历待检测的图像中是否存在像素值为[300，1000]的像素点，若不存在，则可以判定待检测图像为红外图像，反之则为深度图像。
需要理解的是，采集到的图像都需要经过图像数字化变成数字图像后才能被处理器(计算机)识别和处理，图像数字化就是将连续图像离散化，主要包括取样和量化两方面的处理。采样就是把一幅连续图像在空间上分割成M×N个网格，一个网格称为一个像素，每个网格用一亮度值来表示。量化就是把采样点上对应的亮度连续变化区间转换为单个特定数码的过程。上述8bit的红外图像，指的是8bit量化，其对应的灰度级一般为[0,255]；因此也可以对图像进行10bit量化处理，则其对应的灰度级一般为[0,1023]，此时目标与摄像头之间的距离范围的最小值应该大于1023，实际应用中可根据实际情况进行处理，在此不做限制。
在一些实施例中，上述方法还包括如下步骤：
S220、将上述待检测图像输入对应的人脸识别模型中进行人脸识别。
根据步骤S210中比较判断的结果，确定待检测图像是深度图像或者是红外图像，并将所述待检测图像输入到对应的人脸识别模型中进行人脸识别。具体的，例如当上述待检测图像为红外图像时，则将该红外图像输入红外人脸识别模型中；而当上述待检测图像为深度图像时，则将该深度图像输入深度人脸识别模型中。一般来说，人脸检测包括活体检测与特征比对两个步骤，不同的图像使用的活体检测与特征比对算法不同，如果将红外图像输入深度人脸识别模型中或者将深度图像输入红外人脸识别模型中均会大大影响识别效果。因此，在本发明实施例中，首先对图像进行区分，识别出红外图像和深度图像，再将识别出的红外图像和深度图像分别输入对应的人脸识别模型中，可极大提升人脸识别的效率与精度。
参照图5所示，图5为本申请另一实施例提供的一种检测红外图像与深度图像的装置500，装置包括：红外摄像头，用于在预设距离范围内采集包含有目标的待检测图像；处理器，用于遍历所述待检测图像的像素点，检测是否存在预设距离范围内的像素点，若存在，则判断所述待检测图像为深度图像，若不存在，则判断所述待检测图像为红外图像；其中，所述预设距离范围的最小值大于红外图像的最大像素值。在一些实施例中，红外摄像头包括有红外发射模块以及摄像模块，红外发射模块发出红外光线照射目标，经目标反射被摄像模块采集得到目标的图像。
需要说明的是，处理器可以是单个的处理器，也可以包含多个处理器单元，比如由不同功能的处理器单元组成。在一些实施例中，处理器也可以是集成片上系统(SOC)，包含中央处理单元、片上存储器、控制器、通信接口等，此处不做限制。
需要说明的是，图5实施例检测红外图像与深度图像的装置200用于执行图4实例的方法，具体的描述参见图4实施实例，在此不再赘述。
参照图6所示，图6为本申请另一实施例提供的一种人脸识别系统600，包括图5所示实施例方案中的检测红外图像与深度图像的装置500，用于辨别采集的待检测图像；以及，人脸识别装置510，用于接收检测红外图像与深度图像的装置500输出的图像，其包括红外人脸识别模型511，用于对输入的红外图像进行人脸识别；深度人脸识别模型512，用于对输入的深度图像进行人脸识别。其中，不同的图像输入至对应的人脸识别模型，由此可提升人脸识别效率和精确度。
图4所示的检测红外图像与深度图像的方法中，对于摄像头与目标的距离范围有一定的限制，因此一旦其距离落在红外图像对应的灰度值范围内，则该方法将会失效；而图1所示的检测红外图像与深度图像的方法中，虽然对摄像头与目标的距离未作限制，但是其对于在所有距离处采集的图像都需要做同样的处理，占用大量资源，不够简洁。
参照图7所示，作为本申请另一实施例，还提供一种检测红外图像与深度图像的方法，图7为本申请另一实施例一种检测红外图像与深度图像的方法的流程图，方法包括如下步骤如：
S300、获取摄像头采集到的包含有目标的待检测图像；
在一个实施例中，利用红外摄像头采集图像；其中，红外摄像头可以采集静态的图像，如JPEG，TIFF，BMP，GIF，PNG，RAW等格式的图片。或者，红外摄像头也可以采集连续的视频流，然后从采集到的视频流中选取一帧或多帧图像作为待检测图像；相应地，待检测图像可以为静态图像或者视频帧图像，在此不作限定。
S310、根据所述待检测图像估计所述目标与所述摄像头之间的距离值d；
在一个实施例中，估计所述目标与摄像头之间的距离值d包括如下步骤：
S3101、计算目标占待检测图像的比例；
S3102、根据所述比例及预设的距离系数计算所述距离值d；其中，所述距离系数与摄像头发射的红外光的强度有关，红外光的强度越大，所述距离系数就越小。
需要说明是，也可以通过其它方法估计所述距离d,在本发明实施例中不作限制，任何其它适用的方法也可以用于本申请中。
S320、判断所述距离值d是否在红外图像的像素值范围内，根据判断结果对待检测图像进行检测，以确定待检测图像为深度图像或者是红外图像。
步骤S320中，若距离值d在红外图像的像素值范围内，则对待检测图像进行检测包括如下步骤：
S3201、对所获取的待检测图像进行二值化处理以得到二值化图像；
在一个实施例中，选定待检测图像中目标边缘梯度最大的像素值K，使用像素值法对待检测图像进行二值化，像素点值小于K的像素值设为0，而像素点值大于或者等于K的像素值设为255，从而得到二值化图像。
S3202、遍历并计算二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；
S3203、比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述预设面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，则判断所述待检测图像为红外图像。
可以理解的是，在红外摄像头采集图像时，红外摄像头会自动对像素值进行补偿，因此在红外图像中极少会出现连续像素值为0的情况。而对于深度图像，在图像的首行会有大片数值为0的情况，其中，无法测得深度的像素点的深度值为0。因此，可以通过计算像素值连续为0的像素点构成的连通区域的面积来判断为红外图像还是为深度图像。
步骤S320中，若距离值d不在红外图像的像素值范围内，则对待检测图像进行检测包括如下步骤：
S3210、遍历所述待检测图像的像素点，检测是否存在预设距离范围内的像素点，若存在，则判断所述待检测图像为深度图像，若不存在，则判断所述待检测图像为红外图像；其中，所述预设距离范围的最小值大于所述红外图像的最大像素值。
在一些实施例中，上述方法还包括如下步骤：
S330、将所述待检测图像输入对应的人脸识别模型中进行人脸识别。
根据步骤S320中的检测确定待检测图像是深度图像或者是红外图像，将检测确定的深度图像和红外图像分别输入对应的人脸识别模型中进行人脸识别。具体的，例如当上述待检测图像为红外图像时，则将该红外图像输入红外人脸识别模型中；而当上述待检测图像为深度图像时，则将该深度图像输入深度人脸识别模型中。一般来说，人脸检测包括活体检测与特征比对两个步骤，不同的图像使用的活体检测与特征比对算法不同，如果将红外图像输入深度人脸识别模型中或者将深度图像输入红外人脸识别模型中均会大大影响识别效果。因此，在本发明实施例中，首先对图像进行区分，区分出图像是红外图像还是深度图像，再将区分出的红外图像和深度图像分别输入对应的人脸识别模型中，从而提升了人脸识别的效率与精度。
参照图8所示，图8为本申请另一实施例提供的一种检测红外图像与深度图像的装置700，装置包括：红外摄像头，用于采集包含有目标的待检测图像；处理器，用于根据待检测图像估计所述目标与红外摄像头之间的距离值d，并判断所述距离值d是否在红外图像的像素值范围内，根据判断结果对待检测图像进行检测，以确定待检测图像为深度图像或者是红外图像。在一些实施例中，红外摄像头包括有红外发射模块以及摄像模块；其中，红外发射模块发出红外光线照射目标，所述摄像模块采集经目标反射得到的图像。
具体的，当判断结果为所述距离值d在红外图像的像素值范围内时，所述处理器还用于对所述待检测图像进行二值化处理以得到二值化图像，遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；及比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
当判断结果为所述距离值d不在红外图像的像素值范围内时，所述处理器还用于遍历所述待检测图像的像素点，检测是否存在预设距离范围内的像素点，若存在，则判断所述待检测图像为深度图像，若不存在，则判断所述待检测图像为红外图像；其中，所述预设距离范围的最小值大于红外图像的最大像素值。
需要说明的是，处理器可以是单个的处理器，也可以包含多个处理器单元，比如由不同功能的处理器单元组成。在一些实施例中，处理器也可以是集成片上系统(SOC)，包含中央处理单元、片上存储器、控制器、通信接口等，此处不做限制。
需要说明的是，图8实施例检测红外图像与深度图像的装置200用于执行图7实例的方法，具体的描述参见图7实施实例，在此不再赘述。
参照图9所示，图9为本申请另一实施例提供的一种人脸识别系统800，包括图8所示实施例方案中的检测红外图像与深度图像的装置700以及人脸识别装置710；其中，检测红外图像与深度图像的装置700用于辨别采集的待检测图像并将其输入人脸识别装置710；人脸识别装置710包括红外人脸识别模型711，用于对输入的红外图像进行人脸识别；深度人脸识别模型712，用于对输入的深度图像进行人脸识别。其中，不同的图像输入对应的人脸识别模型，由此可提升人脸识别效率和精确度。
本发明实施例还提供一种存储介质，用于存储计算机程序，该计算机程序被执行时至少执行前述任何一实施例方案记载的检测红外图像与深度图像的方法。
所述存储介质可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，FerromagneticRandom Access Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，SynchronousStatic Random Access Memory)、动态随机存取存储器(DRAM，DynamicRandom AccessMemory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic RandomAccessMemory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double DataRateSynchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本发明的实施例可以包括或利用包括计算机硬件的专用或通用计算机，如下面更详细讨论的。在本发明的范围内的实施例还包括用于携带或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这样的计算机可读介质可以是可以被通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是物理存储介质。携带计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本发明的实施例可以包括至少两种截然不同的计算机可读介质：物理计算机可读存储介质和传输计算机可读介质。
本申请实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以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，其中，所述处理器执行所述计算机程序时至少实现前述任一实施例方案中所述的检测红外图像与深度图像的方法。
可以理解的是，以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中，参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。
在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点，但应当理解，在不脱离由所附权利要求限定的范围的情况下，可以在本文中进行各种改变、替换和变更。
此外，本发明的范围不旨在限于说明书中所述的过程、机器、制造、物质组成、手段、方法和步骤的特定实施例。本领域普通技术人员将容易理解，可以利用执行与本文所述相应实施例基本相同功能或获得与本文所述实施例基本相同结果的目前存在的或稍后要开发的上述披露、过程、机器、制造、物质组成、手段、方法或步骤。因此，所附权利要求旨在将这些过程、机器、制造、物质组成、手段、方法或步骤包含在其范围内。
Claims (10)
1.一种检测红外图像与深度图像的方法，其特征在于，包括如下步骤：
S100、获取摄像头采集到的包含有目标的待检测图像；
S110、对步骤S100中获取的所述待检测图像进行二值化处理以得到二值化图像；
S120、遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；
S130、比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述预设面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述预设面积阈值时，判断所述待检测图像为红外图像。
2.如权利要求1所述的检测红外图像与深度图像的方法，其特征在于：步骤S100中，通过红外摄像头采集静态的图像作为所述待检测图像；或者，通过红外摄像头采集连续的视频流，并从采集到的所述视频流中选取一帧或多帧图像作为所述待检测图像。
3.如权利要求1所述的检测红外图像与深度图像的方法，其特征在于：步骤S110中，选定所述待检测图像中目标边缘梯度最大的像素值为阈值，将像素点值小于阈值的像素值设为0，将像素点值大于或者等于阈值的像素值设为255，从而得到所述二值化图像。
4.如权利要求1所述的检测红外图像与深度图像的方法，其特征在于，还包括如下步骤：
S140、将所述待检测图像输入对应的人脸识别模型中进行人脸识别。
5.如权利要求4所述的检测红外图像与深度图像的方法，其特征在于：当所述待检测图像为红外图像时，将该红外图像输入红外人脸识别模型中；而当所述待检测图像为深度图像时，则将该深度图像输入深度人脸识别模型中。
6.一种检测红外图像与深度图像的装置，其特征在于，包括：
红外摄像头，用于采集包含有目标的待检测图像；
处理器，用于对所述待检测图像进行二值化处理以得到二值化图像，遍历并计算所述二值化图像的目标区域中像素值连续为0的像素点构成的连通区域的面积；及比较所述连通区域的面积与预设面积阈值的大小，当所述连通区域的面积大于所述面积阈值时，判断所述待检测图像为深度图像，当所述连通区域的面积小于所述面积阈值时，判断所述待检测图像为红外图像。
7.如权利要求6所述的检测红外图像与深度图像的装置，其特征在于：所述红外摄像头包括有红外发射模块以及摄像模块；其中，所述红外发射模块发出红外光线照射目标，所述摄像模块采集经所述目标反射得到的图像。
8.如权利要求6所述的检测红外图像与深度图像的装置，其特征在于：通过所述处理器选定所述待检测图像中目标边缘梯度最大的像素值为阈值，将像素点值小于阈值的像素值设为0，将像素点值大于或者等于阈值的像素值设为255，从而得到所述二值化图像。
9.一种人脸识别系统，其特征在于，包括权利要求6-8任一项所述的检测红外图像与深度图像的装置、以及人脸识别装置；其中，所述检测红外图像与深度图像的装置用于辨识采集的待检测图像并将所述待检测图像输入所述人脸识别装置；所述人脸识别装置用于对输入的所述待检测图像进行人脸识别。
10.如权利要求9所述的人脸识别系统，其特征在于：所述人脸识别装置包括：
红外人脸识别模型，用于对输入的红外图像进行人脸识别；
深度人脸识别模型，用于对输入的深度图像进行人脸识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011065122.0A CN112036375B (zh) | 2020-10-01 | 2020-10-01 | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011065122.0A CN112036375B (zh) | 2020-10-01 | 2020-10-01 | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112036375A true CN112036375A (zh) | 2020-12-04 |
| CN112036375B CN112036375B (zh) | 2024-05-07 |
Family
ID=73572973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011065122.0A Active CN112036375B (zh) | 2020-10-01 | 2020-10-01 | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036375B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116052209A (zh) * | 2022-12-14 | 2023-05-02 | 长沙观谱红外科技有限公司 | 一种红外图像和标准3d人体模型的处理方法及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858384A (zh) * | 2019-01-08 | 2019-06-07 | 平安科技（深圳）有限公司 | 人脸图像的捕捉方法、计算机可读存储介质及终端设备 |
| CN110659617A (zh) * | 2019-09-26 | 2020-01-07 | 杭州艾芯智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
| CN111091063A (zh) * | 2019-11-20 | 2020-05-01 | 北京迈格威科技有限公司 | 活体检测方法、装置及系统 |
| CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
| CN111582197A (zh) * | 2020-05-07 | 2020-08-25 | 贵州省邮电规划设计院有限公司 | 一种基于近红外和3d摄像技术的活体以及人脸识别系统 |
-
2020
- 2020-10-01 CN CN202011065122.0A patent/CN112036375B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
| CN109858384A (zh) * | 2019-01-08 | 2019-06-07 | 平安科技（深圳）有限公司 | 人脸图像的捕捉方法、计算机可读存储介质及终端设备 |
| CN110659617A (zh) * | 2019-09-26 | 2020-01-07 | 杭州艾芯智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
| CN111091063A (zh) * | 2019-11-20 | 2020-05-01 | 北京迈格威科技有限公司 | 活体检测方法、装置及系统 |
| CN111582197A (zh) * | 2020-05-07 | 2020-08-25 | 贵州省邮电规划设计院有限公司 | 一种基于近红外和3d摄像技术的活体以及人脸识别系统 |
Non-Patent Citations (2)
| Title |
|---|
| 徐灿明: "红外焦平面的光谱响应测试技术研究", 中国优秀硕士论文电子期刊网 * |
| 金珂: "基于深度信息的复杂场景下手势识别关键技术研究", 中国优秀硕士论文电子期刊网 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116052209A (zh) * | 2022-12-14 | 2023-05-02 | 长沙观谱红外科技有限公司 | 一种红外图像和标准3d人体模型的处理方法及存储介质 |
| CN116052209B (zh) * | 2022-12-14 | 2024-03-29 | 长沙观谱红外科技有限公司 | 一种红外图像和标准3d人体模型的处理方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112036375B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4772839B2 (ja) | 画像識別方法および撮像装置 | |
| CN113766125B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
| CN1825984B (zh) | 信息处理方法和装置 | |
| CN109949347B (zh) | 人体跟踪方法、装置、系统、电子设备和存储介质 | |
| CN111368601B (zh) | 活体检测方法和装置、电子设备和计算机可读存储介质 | |
| CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
| KR101906796B1 (ko) | 딥러닝 기반 영상 분석 장치 및 영상 분석 방법 | |
| CN109327626B (zh) | 图像采集方法、装置、电子设备和计算机可读存储介质 | |
| US11244429B2 (en) | Method of providing a sharpness measure for an image | |
| CN101142812A (zh) | 图像处理装置和方法、程序、及记录介质 | |
| JP4389602B2 (ja) | 物体検出装置、物体検出方法、プログラム | |
| JP2010003177A (ja) | 画像処理装置 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN100380911C (zh) | 图像处理方法以及图像处理装置 | |
| US8718370B2 (en) | Optical information-reading apparatus and optical information-reading method | |
| CN112036375B (zh) | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 | |
| CN1042981C (zh) | 符号信息读取装置 | |
| KR101695246B1 (ko) | 광원 추정 장치 및 광원 추정 방법 | |
| KR101769741B1 (ko) | 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치 | |
| CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
| CN112036376A (zh) | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 | |
| CN112070065A (zh) | 一种检测红外图像与深度图像的方法、装置及人脸识别系统 | |
| JP4641902B2 (ja) | 画像センサ | |
| KR20220118339A (ko) | 치아색 결정 방법 | |
| CN112070771B (zh) | 基于hs通道的自适应阈值分割方法、装置和存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 11-13 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000 Applicant after: Obi Zhongguang Technology Group Co.,Ltd. Address before: 11-13 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000 Applicant before: SHENZHEN ORBBEC Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant |