CN112188075A - 抓拍机、图像处理设备及图像处理方法 - Google Patents
抓拍机、图像处理设备及图像处理方法 Download PDFInfo
- Publication number
- CN112188075A CN112188075A CN201910605320.2A CN201910605320A CN112188075A CN 112188075 A CN112188075 A CN 112188075A CN 201910605320 A CN201910605320 A CN 201910605320A CN 112188075 A CN112188075 A CN 112188075A
- Authority
- CN
- China
- Prior art keywords
- image
- face image
- quality
- scoring
- shot
- 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
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
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种抓拍机、图像处理设备及图像处理方法,属于智能监控领域。所述抓拍机包括图像传感器和至少一个处理器;所述图像传感器,用于采集N张拍摄图像,所述N为正整数;所述至少一个处理器,用于根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。本申请可以使得确定出的至少一张最佳人脸图像更加准确,进而使得对目标人脸图像对应的身份信息的确定更加准确。
Description
技术领域
本申请涉及智能监控领域,特别涉及一种抓拍机、图像处理设备及图像处理方法。
背景技术
人脸识别是一种基于人脸特征信息进行身份信息确定的生物识别技术。也就是说,可以根据人脸识别技术从视频中检测出人脸图像,并确定这个人脸图像对应的身份信息。
可以从多个视频帧图像包括的目标人脸图像中,选择成像质量最好的最佳目标人脸图像去匹配身份信息。也就是从人脸数据库中检索与最佳目标人脸图像相似度最高的一个人脸图像,并将检索出的人脸图像对应的身份信息确定为目标人脸图像对应的身份信息。
然而,由于一张图像的边缘区域的成像质量通常低于图像的中心区域的成像质量,所以在边缘区域检测到的人脸图像的成像质量通常低于在中心区域检测到的人脸图像的成像质量。因此,直接将成像质量最好的图像作为最佳目标人脸图像,反而可能导致确定出的目标人脸图像对应的身份信息的准确性较低。
发明内容
本申请提供了一种抓拍机、图像处理设备及图像处理方法,可以解决相关技术中由于图像的边缘区域的成像质量低于图像的中心区域的成像质量,而导致确定出的目标人脸图像对应的身份信息的准确性较低的问题。所述技术方案如下:
一方面,提供了一种抓拍机,所述抓拍机包括图像传感器和至少一个处理器;
所述图像传感器,用于采集N张拍摄图像,所述N为正整数;
所述至少一个处理器,用于根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
可选地,所述抓拍机还包括参数设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置每张拍摄图像被划分的区域的数量M,所述M大于或等于2。
可选地,所述参数设置模块,还用于设置所述M个区域的区域位置、形状和大小。
可选地,所述抓拍机还包括参数设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置所述图像区域与质量评分参数之间的对应关系。
可选地,所述质量评分参数包括进行质量评分的评分项的权重。
可选地,所述质量评分参数包括进行质量评分的评分项。
可选地,所述抓拍机还包括设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置质量评分阈值。
另一方面,提供了一种图像处理设备,所述图像处理设备包括图像获取模块和至少一个处理器;
所述图像获取模块,用于获取抓拍机拍摄到的N张拍摄图像,所述N为正整数;
所述至少一个处理器,用于根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
另一方面,提供了一种图像处理方法,所述方法包括:
获取N张拍摄图像,所述N为正整数;
根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
可选地,所述根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像,包括:
将每张拍摄图像划分为成像质量不同的M个区域,所述M为大于或等于2的整数;
从每张拍摄图像包括的M个区域中确定所述目标人脸图像所处的区域;
根据所述目标人脸图像在每张拍摄图像中所处的区域,以及所述图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
另一方面,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指令,所述指令被处理器执行时实现上述图像处理方法的步骤。
另一方面,提供了一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述图像处理方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果:
在本申请中,由于拍摄镜头的镜头畸变等原因,使得每张拍摄图像的成像质量不均匀,因此可以根据设置的图像区域与质量评分参数之间的对应关系,从每张拍摄图像包括的目标人脸图像中选择至少一个最佳人脸图像作为抓拍图像。也即是,通过用户针对不同的图像区域设置的质量评分参数,可能更能够准确地确定目标人脸图像的质量评分,这样可以保证选择出的至少一张最佳人脸图像可能更加准确,进而可以保证确定出的身份信息更加准确。
附图说明
为了更清楚地说明本申请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单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的一种实施环境的示意图。
图2是本申请实施例提供的一种抓拍机的结构示意图。
图3是本申请实施例提供的一种拍摄图像的划分区域的示意图。
图4是本申请实施例提供的另一种抓拍机的结构示意图。
图5是本申请实施例提供的一种区域设置界面的示意图。
图6是本申请实施例提供的另一种区域设置界面的示意图。
图7是本申请实施例提供的又一种区域设置界面的示意图。
图8是本申请实施例提供的一种评分模式设置界面的示意图。
图9是本申请实施例提供的一种图像处理设备的结构示意图。
图10是本申请实施例提供的另一种图像处理设备的结构示意图。
图11是本申请实施例提供的一种图像处理方法的流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与本申请的一些方面相一致的装置和方法的例子。
在对本申请实施例进行详细的解释说明之前,先对本申请实施例的实施环境进行介绍:
图1是本申请实施例提供的一种实施环境的示意图,参见图1,该实施环境包括抓拍机101和图像处理设备102。抓拍机101和图像处理设备102之间通过网络连接。其中,图像处理设备102是为抓拍机101提供后台服务的设备,可以为一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心,本申请实施例对此不做限定。
在一种可能的实现方式中,抓拍机101可以拍摄图片或视频,还可以设置进行区域划分的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系。抓拍机101还可以根据M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一个最佳人脸图像作为抓拍图像发送给图像处理设备102。之后,图像处理设备102可以根据该至少一张最佳人脸图像确定目标人脸图像对应的身份信息。
在另一种可能的实现方式中,抓拍机101可以拍摄图片或视频,将所拍摄的图片或视频发送给图像处理设备102。抓拍机101还可以设置进行区域划分的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,然后将数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系发送给图像处理设备102。图像处理设备102可以根据抓拍机101所拍摄的图片或视频,确定拍摄图像。作为一种示例,图像处理设备102可以将抓拍机101所拍摄的图片作为拍摄图像,图像处理设备102还可以将抓拍机101所拍摄的视频包括的视频帧图像作为拍摄图像。之后,图像处理设备102可以根据确定出的拍摄图像,按照抓拍机101设置的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,确定至少一张最佳人脸图像,然后根据该至少一张最佳人脸图像确定目标人脸图像对应的身份信息。
在另一种可能的实现方式中,抓拍机101可以拍摄图片或视频,将所拍摄的图片或视频发送给图像处理设备102。图像处理设备102可以设置进行区域划分的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,然后根据数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,按照本申请实施例提供的方法确定至少一张最佳人脸图像。根据该至少一张最佳人脸图像,确定目标人脸图像对应的身份信息。
综上,抓拍机101可以根据设置的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,确定至少一张最佳人脸图像。图像处理设备102也可以根据设置的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,确定至少一张最佳人脸图像。其中,数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系可以由抓拍机101来设置,也可以由图像处理设备102来设置。
基于上述描述,根据设置的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系,确定至少一张最佳人脸图像的执行主体可以为抓拍机,也可以为图像处理设备。而且,数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系可以由抓拍机101来设置,也可以由图像处理设备102来设置。接下来将分为多个实施例对本申请实施例提供的抓拍机、图像处理设备,以及图像处理方法进行详细地解释说明。
图2是本申请实施例提供的一种抓拍机的结构示意图,参见图2,该抓拍机包括图像传感器201和至少一个处理器202。其中,图2中以两个处理器为例。
图像传感器201,用于采集N张拍摄图像,N为正整数。
至少一个处理器202,用于根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
需要说明的是,N张拍摄图像可以为抓拍机所拍摄的图像,也可以为抓拍机所拍摄的视频中的N个视频帧图像。
在一些实施例中,至少一个处理器202根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像的操作可以分为如下几个步骤:
(1)将每张拍摄图像划分为成像质量不同的M个区域,M大于或等于2。
由于拍摄镜头通常会存在镜头畸变,所以容易使所拍摄的图片或者视频的成像质量不均匀,也即容易使拍摄图像的成像质量不均匀。在一些实施例中,镜头畸变会使拍摄图像中位于边缘区域的物体或人物出现扭曲或失真等现象。也即表现为拍摄图像中靠近边缘区域的成像质量低于拍摄图像中靠近中心区域的成像质量。因此可以根据拍摄图像中不同区域具有不同的成像质量,将每张拍摄图像划分为M个区域,每个区域各自的成像质量可以看做是相同的。
在一些实施例中,可以获取数量M、M个区域的区域位置、形状和大小。之后,按照数量M、M个区域的区域位置、形状和大小,将每张拍摄图像划分为成像质量不同的M个区域。
在另一些实施例中,按照成像质量与位置信息之间的对应关系,将每张拍摄图像划分为成像质量不同的M个区域。其中,成像质量与位置信息之间的对应关系可以是用户事先设置的,也可以是通过统计历史拍摄图像中的每个区域的成像质量和位置信息之后得到的。
在一种可能的情况中,每张拍摄图像的中心位置的成像质量最高,从中心位置向边缘位置扩散的方向,成像质量逐渐降低,也即边缘位置的成像质量最低。示例性地,参见图3,根据成像质量与位置信息之间的对应关系,可以在拍摄图像中确定一个矩形框,该矩形框的中心位置与拍摄图像的中心位置重合,该矩形框内的区域可以称为区域A,该矩形框外的区域可以称为区域B。
(2)从每张拍摄图像包括的M个区域中确定目标人脸图像所处的区域。
需要说明的是,目标人脸图像是指待确定身份信息的人脸图像。目标人脸图像是可以呈现出目标人脸的面部特征的图像。
(3)根据目标人脸图像在每张拍摄图像中所处的区域,以及图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
在一些实施例中,质量评分参数包括进行质量评分的评分项、评分项的权重以及质量评分阈值。而且,根据目标人脸图像在每张拍摄图像中所处的区域,以及图像区域与质量评分参数之间的对应关系,可以按照三种不同的方式,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。接下来将分三种情况分别进行说明。
第一种可能的实现方式包括如下步骤(11)-(13)
(11)从N张拍摄图像包括的目标人脸图像中,选择处于成像质量最高的区域内的至少一张人脸图像。
由于N张拍摄图像中每张拍摄图像包括的M个区域是根据成像质量不同而划分的,所以每张图像包括的M个区域可以按照成像质量的高低进行排序,从而可以确定出M个区域中成像质量最高的区域。对于N张拍摄图像包括的目标人脸图像,处于成像质量最高的区域内的至少一张人脸图像,也即是N张拍摄图像包括的目标人脸图像中成像质量最高的至少一张人脸图像。
(12)根据图像区域与质量评分参数之间的对应关系,确定选择出的至少一张人脸图像中每张人脸图像的质量评分。
由于图像区域与质量评分参数之间的对应关系中,针对拍摄图像中的不同区域可能对应相同的评分项,每个评分项的权重可能相同,也可能不同。当然,针对拍摄图像中的不同区域也可能对应不同的评分项,每个评分项的权重也可能不同。而且,选择出的至少一张人脸图像均是处于成像质量最高的区域内,所以,可以从图像区域与质量评分参数之间的对应关系中确定针对成像质量最高的这个区域所采用的评分项,以及每个评分项的权重。之后,对于选择出的至少一张人脸图像中的每张人脸图像,可以按照每张人脸图像中各个评分项的值,然后将各个评分项的值与各个评分项的权重进行加权运算,得到每张人脸图像的质量评分。
(13)根据至少一张人脸图像的质量评分,从至少一张人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
需要说明的是,最佳人脸图像可以是N张拍摄图像包括的目标人脸图像中,最能够清楚且完整地呈现出目标人脸的面部特征的图像。比如在N张拍摄图像包括的目标人脸图像中,最佳人脸图像呈现出的目标人脸的五官最为清楚,并且目标人脸没有被其他物体或人物遮挡等。而且,在一些实施例中,至少一张人脸图像中可能存在质量评分相同的人脸图像,也即是,可能存在成像质量相同的人脸图像。因此,可以从至少一张人脸图像中,选择质量评分最高的至少一张人脸图像作为最佳人脸图像。
第二种可能的实现方式包括如下步骤(21)-(22)
(21)根据图像区域与质量评分参数之间的对应关系,确定每张拍摄图像包括的目标人脸图像的质量评分。
基于上述第一种可能的实现方式中的步骤(12)的描述,图像区域与质量评分参数之间的对应关系中,针对拍摄图像中的不同区域可能对应相同的评分项,每个评分项的权重可能相同,也可能不同。当然,针对拍摄图像中的不同区域,也可能对应不同的评分项,每个评分项的权重也可能不同。也即是,可以采用同一种质量评分算法来确定拍摄图像包括的目标人脸图像的质量评分,也可以针对拍摄图像中的不同区域采用不同的质量评分算法来确定拍摄图像包括的目标人脸图像的质量评分。接下来将分为以下两种情况,对确定每张拍摄图像包括的目标人脸图像的质量评分进行说明。
第一种情况,确定图像区域与质量评分参数之间的对应关系中的至少两个评分项,以及每个评分项的权重。之后,确定每张拍摄图像包括的目标人脸图像在该至少两个评分项上的值。将每张拍摄图像包括的目标人脸图像在该至少两个评分项上的值和每个评分项的权重进行加权运算,得到每张拍摄图像包括的目标人脸图像的质量评分。
也即是,不管目标人脸图像处于拍摄图像包括的M个区域中的哪个区域,均采用同一种质量评分算法来确定拍摄图像包括的目标人脸图像的质量评分。
第二种情况,每张拍摄图像的M个区域包括第一区域和第二区域,第一区域的成像质量高于第二区域的成像质量。确定图像区域与质量评分参数之间的对应关系中第一区域对应的至少两个评分项,以及每个评分项的权重,以及图像区域与质量评分参数之间的对应关系中第二区域对应的至少两个评分项,以及每个评分项的权重。为了便于描述,将图像区域与质量评分参数之间的对应关系中第一区域对应的至少两个评分项称为至少两个第一评分项,将图像区域与质量评分参数之间的对应关系中第二区域对应的至少两个评分项称为至少两个第二评分项。对于当前拍摄图像而言,当目标人脸图像在当前拍摄图像中处于第一区域时,确定当前拍摄图像包括的目标人脸图像在至少两个第一评分项上的值,将至少两个第一评分项上的值与每个第一评分项的权重进行加权运算,得到当前拍摄图像包括的目标人脸图像的质量评分,当前拍摄图像为N张拍摄图像中的任一张图像。当目标人脸图像在当前拍摄图像中处于第二区域时,确定当前拍摄图像包括的目标人脸图像在至少两个第二评分项上的值,将至少两个第二评分项上的值与每个第二评分项的权重进行加权运算,得到当前拍摄图像包括的目标人脸图像的质量评分。也即是,针对拍摄图像中的不同区域采用不同的质量评分算法来确定拍摄图像包括的目标人脸图像的质量评分。
对于第二种情况,示例性地,第一区域可以为每张拍摄图像中包括中心位置的区域,第二区域可以为位于第一区域之外包括边缘位置的区域。例如,参见图3,图3中的区域A表示第一区域,区域B表示第二区域。
(22)根据目标人脸图像在每张拍摄图像中所处的区域,以及每张拍摄图像包括的目标人脸图像的质量评分,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
在每张拍摄图像被划分为第一区域和第二区域的条件下,步骤(22)可以通过如下步骤(221)-步骤(223)来实现。
(221)当目标人脸图像在N张拍摄图像包括的L张拍摄图像中处于第一区域时,根据L张拍摄图像包括的目标人脸图像的质量评分,从L张拍摄图像包括的目标人脸图像中,选择质量评分最高的目标人脸图像作为第一候选人脸图像,L为小于N的正整数。
也即是,从所有处于第一区域的目标人脸图像中,选择最能够清楚且完整地呈现出目标人脸的面部特征的目标人脸图像作为第一候选人脸图像。
(222)当目标人脸图像在N张拍摄图像包括的K张拍摄图像中处于第二区域时,根据K张拍摄图像包括的目标人脸图像的质量评分,从K张拍摄图像包括的目标人脸图像中,选择质量评分最高的目标人脸图像作为第二候选人脸图像,K为小于N的正整数,且K与L之和等于N。
也即是,从所有处于第二区域的目标人脸图像中,选择最能够清楚且完整地呈现出目标人脸的面部特征的目标人脸图像作为第二候选人脸图像。
(223)根据第一候选人脸图像的质量评分和第二候选人脸图像的质量评分,从第一候选人脸图像和第二候选人脸图像中选择至少一张最佳人脸图像。
在一些实施例中,可以确定第一评分差值,当第一评分差值等于评分阈值时,将第一候选人脸图像和第二候选人脸图像均确定为最佳人脸图像。当第一评分差值大于评分阈值时,确定第二候选人脸图像为最佳人脸图像。当第一评分差值小于评分阈值时,确定第一候选人脸图像为最佳人脸图像。
需要说明的是,第一评分差值为第二候选人脸图像的质量评分和第一候选人脸图像的质量评分之间的差值。由于第二区域的成像质量低于第一区域的成像质量。因此,对于同一拍摄图像包括的目标人脸图像而言,处于第二区域内的目标人脸图像的成像质量低于处于第一区域内的目标人脸图像的成像质量。所以处于第二区域内的目标人脸图像的质量评分低于处于第一区域内的目标人脸图像的质量评分,才能够体现出该目标人脸图像处于第二区域和处于第一区域的差别。也即是,处于第二区域内的目标人脸图像的质量评分需要加上评分阈值才能够等于处于第一区域内的目标人脸图像的质量评分。所以,当第二候选人脸图像的质量评分和第一候选人脸图像的质量评分之间的差值等于评分阈值时,可以将第一候选人脸图像和第二候选人脸图像均确定为最佳人脸图像。当第二候选人脸图像的质量评分和第一候选人脸图像的质量评分之间的差值大于评分阈值时,表明第二候选人脸图像与第一候选人脸图像相比,能够更加清楚和完整地呈现目标人脸的面部特征。因此,可以确定第二候选人脸图像为最佳人脸图像,相对地,当第二候选人脸图像的质量评分和第一候选人脸图像的质量评分之间的差值小于评分阈值时,表明第一候选人脸图像与第二候选人脸图像相比,能够更加清楚和完整地呈现目标人脸的面部特征。因此,可以确定第一候选人脸图像为最佳人脸图像。
第三种可能的实现方式包括如下步骤(31)-(34)
(31)从N张拍摄图像中选择一张拍摄图像,根据图像区域与质量评分参数之间的对应关系,确定选择出的拍摄图像包括的目标人脸图像的质量评分。
需要说明的是,根据图像区域与质量评分参数之间的对应关系,确定选择出的拍摄图像包括的目标人脸图像的质量评分与上述步骤(21)中确定拍摄图像包括的目标人脸图像的质量评分类似,此处不再赘述。
(32)根据目标人脸图像在选择出的拍摄图像中所处的区域、选择出的拍摄图像包括的目标人脸图像的质量评分、上一时刻确定的候选人脸图像所处的区域,以及上一时刻确定的候选人脸图像的质量评分,确定当前时刻的候选人脸图像。
其中,每张拍摄图像的M个区域可以包括第一区域和第二区域。第一区域和第二区域已在上述做过说明,此处不再赘述。在每张拍摄图像的M个区域包括第一区域和第二区域的条件下,步骤(32)可以通过如下步骤(321)-步骤(325)来实现。
(321)当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域相同,且选择出的拍摄图像包括的目标人脸图像的质量评分与上一时刻确定出的候选人脸图像的质量评分不相同时,从选择出的拍摄图像包括的目标人脸图像和上一时刻确定出的候选人脸图像中,选择质量评分最高的人脸图像作为当前时刻的候选人脸图像。
需要说明的是,当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域相同时,表明选择出的拍摄图像包括的目标人脸图像与上一时刻确定出的候选人脸图像的成像质量相同。因此,当选择出的拍摄图像包括的目标人脸图像的质量评分与上一时刻确定出的候选人脸图像的质量评分不相同时,可以直接从选择出的拍摄图像包括的目标人脸图像和上一时刻确定出的候选人脸图像中,选择质量评分最高的人脸图像作为当前时刻的候选人脸图像。
(322)当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域不相同,且上一时刻确定出的候选人脸图像所处的区域为第一区域时,确定第二评分差值。
需要说明的是,第二评分差值为选择出的拍摄图像包括的目标人脸图像的质量评分与上一时刻确定出的候选人脸图像的质量评分之间的差值。当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域不相同,且上一时刻确定出的候选人脸图像所处的区域为第一区域时,也即选择出的拍摄图像包括的目标人脸图像处于第二区域。这样,目标人脸图像在选择出的拍摄图像中所处的成像质量,低于上一时刻确定出的候选人脸图像所处的区域的成像质量。因此,需要确定出选择出的拍摄图像包括的目标人脸图像的质量评分与上一时刻确定出的候选人脸图像的质量评分之间的差值,以便于根据此差值来选择当前时刻的候选人脸图像。
(323)当第二评分差值大于评分阈值时,将选择出的拍摄图像包括的目标人脸图像作为当前时刻的候选人脸图像。
需要说明的是,当第二评分差值大于评分阈值时,也即是选择出的拍摄图像包括的目标人脸图像的质量评分与上一时刻确定出的候选人脸图像的质量评分之间的差值大于评分阈值时,表明选择出的拍摄图像包括的目标人脸图像与上一时刻确定出的候选人脸图像相比能够更加清楚和完整地呈现目标人脸的面部特征。因此,可以将选择出的拍摄图像包括的目标人脸图像作为当前时刻的候选人脸图像,也可以理解为,对候选的人脸图像进行了更新。相对地,当第二评分差值小于或等于评分阈值时,可以将上一时刻确定的候选人脸图像作为当前时刻的候选人脸图像。换句话说,当第二评分差值大于评分阈值时,对候选的人脸图像进行更新;当第二评分差值小于或等于评分阈值时,不对候选的人脸图像进行更新。
(324)当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域不相同,且目标人脸图像在选择出的拍摄图像中所处的区域为第一区域时,确定第三评分差值。
需要说明的是,第三评分差值为上一时刻确定出的候选人脸图像的质量评分与选择出的拍摄图像包括的目标人脸图像的质量评分之间的差值。当目标人脸图像在选择出的拍摄图像中所处的区域与上一时刻确定出的候选人脸图像所处的区域不相同,且目标人脸图像在选择出的拍摄图像中所处的区域为第一区域时,也即上一时刻确定出的候选人脸图像处于第二区域。这样,目标人脸图像在选择出的拍摄图像中所处的成像质量,高于上一时刻确定出的候选人脸图像所处的区域的成像质量,因此,需要确定出上一时刻确定出的候选人脸图像的质量评分与选择出的拍摄图像包括的目标人脸图像的质量评分之间的差值,以便于根据此差值来选择当前时刻的候选人脸图像。
(325)当第三评分差值小于或等于评分阈值时,将选择出的拍摄图像包括的目标人脸图像作为当前时刻的候选人脸图像。
需要说明的是,当第三评分差值小于或等于评分阈值时,也即是上一时刻确定出的候选人脸图像的质量评分与选择出的拍摄图像包括的目标人脸图像的质量评分之间的差值小于或等于评分阈值,表明选择出的拍摄图像包括的目标人脸图像与上一时刻确定出的候选人脸图像相比,能够更加清楚和完整地呈现目标人脸的面部特征。因此,可以将选择出的拍摄图像包括的目标人脸图像作为当前时刻的候选人脸图像,也可以理解为,对候选的人脸图像进行了更新。相对地,当第三评分差值大于评分阈值时,可以将上一时刻确定的候选人脸图像作为当前时刻的候选人脸图像。换句话说,当第三评分差值大于评分阈值时,不对候选的人脸图像进行更新;当第三评分差值小于或等于评分阈值时,对候选的人脸图像进行更新。
(33)判断是否已处理完N张拍摄图像,如果是,则执行步骤(34),如果否,则从N张拍摄图像包括的未处理的拍摄图像中选择一张拍摄图像,返回步骤(31)。
(34)将当前时刻确定出的候选人脸图像作为最佳人脸图像。
值得说明的是,上述步骤(31)-步骤(34)通过不断地从N张拍摄图像中选择一张拍摄图像,来确定当前时刻的候选人脸图像,实现了对当前时刻的候选人脸图像的迭代更新。当已处理完N张拍摄图像时,即可直接确定出最佳人脸图像,使得确定最佳人脸图像的过程更加简洁和高效。
需要说明的是,每张拍摄图像被划分的区域的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系中的一个或多个可以由用户来设置。也即是,在一些实施例中,参见图4,抓拍机还包括参数设置模块203,参数设置模块203可以用来设置数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系中的一个或多个。
作为一种示例,参数设置模块204可以包括触摸选项和/或物理按键。参数设置模块204,用于设置每张拍摄图像被划分的区域的数量M。
示例性地,可以显示区域设置界面,该区域设置界面中包括数量编辑框。通过触摸选项和/或物理按键,用户可以在该数量编辑框内输入数量M。
在显示区域设置界面之后,用户可以在该区域设置界面包括的数量编辑框中输入想要划分的区域的数量。这样,可以按照用户输入的数量,将每张拍摄图像划分为成像质量不同的M个区域,从而保证划分出的M个区域能够满足用户的需求,灵活性较高。示例性地,可以显示如图5所示的区域设置界面,该区域设置界面中可以包括数量编辑框。假设,用户在该数量编辑框中输入的数量为2,那么,可以表明用户想要将每张拍摄图像划分为成像质量不同的2个区域。
需要说明的是,按照用户输入的数量,将每张拍摄图像划分为成像质量不同的M个区域时,还需要确定该M个区域的区域位置、形状和大小。在一些实施例中,参数设置模块,还用于设置M个区域的区域位置、形状和大小。示例性地,显示的区域设置界面中还可以包括区域位置编辑框、形状编辑框和大小比例编辑框。这样,在抓拍机显示区域设置界面之后,还可以获取区域位置编辑框、形状编辑框和大小比例编辑框内输入的内容。然后,按照获取的内容将每张拍摄图像划分为成像质量不同的M个区域。示例性地,参见图6,区域设置界面中还可以包括比例编辑框。假设,用户在比例编辑框中输入的比例为4:1,那么可以表明用户想要将每张拍摄图像划分为4:1的2个区域。
值得注意的是,通过用户设置需要划分的区域的数量,以及各个区域的位置、形状和大小只是一种实现方式。在某些情况下,用户也可以不用设置。这样,可以按照默认的数量位置、形状和大小,将每张拍摄图像划分为成像质量不同的M个区域。
基于上述描述,通常情况下,拍摄图像中靠近边缘区域的成像质量低于拍摄图像中靠近中心区域的成像质量,因此,划分出的M个区域的中心点均可以为拍摄图像的中心点,也即是,该M个区域的中心点可以重合。示例性地,如图3所示,可以将每张拍摄图像划分为两个区域,分别为区域A和区域B,区域A的中心点和区域B的中心点重合,且均为拍摄图像的中心位置,区域A包括拍摄图像的中心区域,区域B包括拍摄图像的边缘区域。当然,还可以通过其他方式将每张拍摄图像划分为成像质量不同的M个区域,本申请实施例对此不做限定。
作为一种示例,参数设置模块204包括触摸选项和/或物理按键。参数设置模块204,用于设置图像区域与质量评分参数之间的对应关系。
在一些实施例中,质量评分参数可以包括进行质量评分的评分项的权重。在这种情况下,可以认为每个图像区域的评分项和质量评分阈值是事先设置的,而评分项的权重可以由用户当前来设置。在另一些实施例中,质量评分参数可以包括进行质量评分的评分项和每个评分项的权重。在这种情况,可以认为质量评分阈值是事先设置的,而每个图像区域的评分项和评分项的权重都是用户当前设置的。在其他一些实施例中,质量评分参数可以包括进行质量评分的评分项、每个评分项的权重和质量评分阈值。在这种情况,可以认为每个图像区域的评分项、评分项的权重和质量评分阈值都是用户当前设置的。
需要说明的是,图像区域与质量评分参数之间的对应关系用于指示对处于该M个区域内的目标人脸图像进行质量评分时所用到的参数,也即是,采用哪些评分项,每个评分项对应的权重分别为多少。评分项是能够评价人脸的面部特征的评分项,用于确定每张拍摄图像包括的目标人脸图像的质量评分。评分项可以包括目标人脸的瞳距和目标人脸相对于拍摄镜头的偏转角度等。每个评分项的权重可以是每个评分项在多个评分项中所占的比例。某个评分项在多个评分项中所占的比例越大,这个评分项在多个评分项中的权重越大,即这个评分项在多个评分项中的重要程度越高。
在一些实施例中,可以显示多个质量评分模式。当检测到该多个质量评分模式中任一质量评分模式的选择操作时,根据该选择操作所选择的质量评分模式中涉及的评分项和每个评分项的权重生成图像区域与质量评分参数之间的对应关系。
也即是,可以事先存储有多个质量评分模式。当生成图像区域与质量评分参数之间的对应关系时,可以显示这多个质量评分模式。这样,用户可以从该多个质量评分模式中选择一个质量评分模式,根据选择的这个质量模式中涉及的评分项和每个评分项的权重生成图像区域与质量评分参数之间的对应关系。
当然,还可以设置该多个质量评分模式的编号。这样,区域设置界面中还可以包括模式设置编辑框。从模式设置编辑框中可以获取输入的编号,将获取的编号对应的质量评分模式确定为用户选择的质量评分模式。示例性地,如图7所示,区域设置界面中还可以包括模式设置编辑框。假设,用户在模式设置编辑框中输入的编号为2,那么,可以表明用户想要将编号为2的质量评分模式确定为用户选择的质量评分模块,然后按照编号为2的质量评分模式涉及的评分项和每个评分项的权重生成图像区域与质量评分参数之间的对应关系。
在另一些实施例中,可以显示评分模式设置界面,该评分模式设置界面中包括与M个区域一一对应的M个权重设置区域,每个权重设置区域包括与至少两个评分项一一对应的至少两个权重编辑框。可以获取每个权重设置区域包括的至少两个权重编辑框内输入的权重。根据每个权重设置区域包括的至少两个权重编辑框内输入的权重,确定图像区域与质量评分参数之间的对应关系。
也即是,可以显示评分模式设置界面,这样,用户可以根据自己的需求,设置质量评分模式,然后按照用户设置的质量评分模式生成图像区域与质量评分参数之间的对应关系。示例性地,可以显示如图8所示的评分模式设置界面,该评分模式设置界面中包括两个权重设置区域,分别为区域A的权重设置区域和区域B的权重设置区域。这两个权重设置区域中均包括四个权重编辑框,分别为瞳距的权重编辑框、清晰度的权重编辑框、旋转角度的权重编辑框和俯仰角度的权重编辑框。假设,在区域A的权重设置区域中,用户在瞳距的权重编辑框中输入的数值为0.2,在清晰度的权重编辑框中输入的数值为0.3,在旋转角度的权重编辑框中输入的数值为0.4,在俯仰角度的权重编辑框中输入的数值为0.1。在区域B的权重设置区域中,用户在瞳距的权重编辑框中输入的数值为0.2,在清晰度的权重编辑框中输入的数值为0.3,在旋转角度的权重编辑框中输入的数值为0.3,在俯仰角度的权重编辑框中输入的数值为0.2。那么,可以表明用户设置的质量评分模式为:
区域A:0.2*瞳距+0.3*清晰度+0.4*旋转角度+0.1*俯仰角
区域B:0.2*瞳距+0.3*清晰度+0.3*旋转角度+0.2*俯仰角
其中,当用户按照上述方法设置图像区域与质量评分参数之间的对应关系时,至少两个目标评分项可以是固定的,也即是,不管什么时候需要确定哪个人脸图像对应的身份信息,以及这个人脸图像处于哪个区域,至少两个目标评分项都是固定的,用户只能对至少两个目标评分项的权重进行设置。
但是,在一些实施例中,用户也可以按照自己的需求设置至少两个评分项。也即是,在显示评分模式设置界面之前,还可以显示多个评分项。当检测到该多个评分项中至少两个评分项的选择操作时,将该选择操作所选择的评分项确定为用于进行质量评分的至少两个评分项。这样,对于不同的人脸图像可以设置不同的评分项。
示例性地,当检测到该多个评分项中的至少两个评分项的选择操作时,假设,用户选择的是瞳距和清晰度这两个评分项,那么,抓拍机可以将瞳距和清晰度这两个评分项确定为用于进行质量评分的至少两个评分项。
由于上述方法对于同一人脸图像,不管这个人脸图像处于哪个区域,对应的还是相同的评分项。因此,在另一些实施例中,用户还可以按照自己的需要,对于不同的区域设置不同的评分项。也即是,在显示评分模式设置界面之前,还可以显示与M个区域一一对应的M个评分项设置区域,每个评分项设置区域中显示有多个评分项。对于该M个评分项设置区域中的第一评分项设置区域,假设第一评分设置区域对应划分出的M个区域中的第一区域,那么,当检测到针对显示的多个评分项中至少两个评分项的选择操作时,可以将该选择操作所选择的评分项确定为第一区域对应的至少两个评分项。对于其他的区域,也是按照相同的方式来设置。
需要说明的是,当用户未设置图像区域与质量评分参数之间的对应关系时,抓拍机可以按照默认的质量评分参数来进行质量评分。
需要说明的是,上述评分阈值可以是事先设置的,也可以为用户在确定目标人脸图像对应的身份信息时,按照自己的需求设置的。也即是,根据目标人脸图像在每张拍摄图像中所处的区域和图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像之前,还可以显示阈值设置界面,该阈值设置界面中包括阈值编辑框。获取阈值编辑框中输入的数值,将获取的数值作为评分阈值。
在本申请实施例中,由于拍摄镜头的镜头畸变等原因,使得每张拍摄图像的成像质量不均匀,因此可以根据设置的图像区域与质量评分参数之间的对应关系,从每张拍摄图像包括的目标人脸图像中选择至少一个最佳人脸图像作为抓拍图像。也即是,通过用户针对不同的图像区域设置的质量评分参数,可能更能够准确地确定目标人脸图像的质量评分,这样可以保证选择出的至少一张最佳人脸图像可能更加准确,进而可以保证确定出的身份信息更加准确。
图9是本申请实施例提供的一种图像处理设备的结构示意图。参见图9,该图像处理设备包括图像获取模块901和至少一个处理器902。其中,图9中以两个处理器为例。
图像获取模块901,用于获取抓拍机拍摄到的N张拍摄图像,N为正整数;
至少一个处理器902,用于根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
需要说明的是,抓拍机在拍摄到图像或者视频之后,可以将拍摄到的图像或者视频发送给图像处理设备。这样,图像处理设备可以从抓拍机发送的图像或者视频中选择N张图像作为上述的N张拍摄图像。
另外,至少一个处理器902根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像的方式,可以参考上述抓拍机中的至少一个处理器202选择最佳人脸图像的方式,本申请实施例对此不再赘述。
而且,参见图10,图像处理设备还可以包括参数设置模块903,参数设置模块903设置的质量评分参数可以与上述抓拍机中的参数设置模块203的参数相同,而且参数的设置方式也可以与上述抓拍机中的参数设置模块203的设置方式相同。
进一步地,至少一个处理器902还可以根据该至少一张最佳人脸图像确定目标人脸图像对应的身份信息。
在一些实施例中,可以根据该至少一张最佳人脸图像,先从人脸数据库中检索与该至少一张最佳人脸图像相似度最高的相似人脸图像。其中,该人脸数据库中存储有多个人脸图像,以及每个人脸图像对应的身份信息。然后将相似人脸图像对应的身份信息确定为目标人脸图像对应的身份信息。当然,也可以通过其他方式根据至少一张最佳人脸图像确定目标人脸图像对应的身份信息,本申请实施例对此不做具体限定。
需要说明的是,在一些实施例中,进行区域划分的数量M、M个区域的区域位置、形状和大小,以及图像区域与质量评分参数之间的对应关系可以由抓拍机来设置,但是,从N张拍摄图像中确定至少一个最佳人脸图像,以及根据最佳人脸图像确定目标人脸图像对应的身份信息可以由图像处理设备来执行。对于这种情况,抓拍机可以包括传感器201和参数设置模块203,图像处理设备可以包括图像获取模块901和至少一个处理器902。具体的实现功能可以参见上述实施例的内容。
图11是本申请实施例提供的一种图像处理方法的流程图,参见图10,该方法包括如下几个步骤:
步骤1101:获取N张拍摄图像,N为正整数。
步骤1102:根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
可选地,根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像,包括:
将每张拍摄图像划分为成像质量不同的M个区域,M为大于或等于2的整数;
从每张拍摄图像包括的M个区域中确定目标人脸图像所处的区域;
根据目标人脸图像在每张拍摄图像中所处的区域,以及图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
需要说明的是,本申请实施例提供的图像处理方法的执行主体可以为抓拍机,也可以为图像处理设备。而且,根据图像区域与质量评分参数之间的对应关系,从N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像的方法可以参见上述实施例中的内容。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种抓拍机,其特征在于,所述抓拍机包括图像传感器和至少一个处理器;
所述图像传感器,用于采集N张拍摄图像,所述N为正整数;
所述至少一个处理器,用于根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像作为抓拍图像。
2.如权利要求1所述的抓拍机,其特征在于,所述抓拍机还包括参数设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置每张拍摄图像被划分的区域的数量M,所述M大于或等于2。
3.如权利要求2所述的抓拍机,其特征在于,所述参数设置模块,还用于设置所述M个区域的区域位置、形状和大小。
4.如权利要求1所述的抓拍机,其特征在于,所述抓拍机还包括参数设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置所述图像区域与质量评分参数之间的对应关系。
5.如权利要求4所述的抓拍机,其特征在于,所述质量评分参数包括进行质量评分的评分项的权重。
6.如权利要求4或5所述的抓拍机,其特征在于,所述质量评分参数包括进行质量评分的评分项。
7.如权利要求1所述的抓拍机,其特征在于,所述抓拍机还包括参数设置模块,所述参数设置模块包括触摸选项和/或物理按键;
所述参数设置模块,用于设置质量评分阈值。
8.一种图像处理设备,其特征在于,所述图像处理设备包括图像获取模块和至少一个处理器;
所述图像获取模块,用于获取抓拍机拍摄到的N张拍摄图像,所述N为正整数;
所述至少一个处理器,用于根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
9.一种图像处理方法,其特征在于,所述方法包括:
获取N张拍摄图像,所述N为正整数;
根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
10.如权利要求9所述的方法,其特征在于,所述根据图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像,包括:
将每张拍摄图像划分为成像质量不同的M个区域,所述M为大于或等于2的整数;
从每张拍摄图像包括的M个区域中确定所述目标人脸图像所处的区域;
根据所述目标人脸图像在每张拍摄图像中所处的区域,以及所述图像区域与质量评分参数之间的对应关系,从所述N张拍摄图像包括的目标人脸图像中选择至少一张最佳人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910605320.2A CN112188075B (zh) | 2019-07-05 | 2019-07-05 | 抓拍机、图像处理设备及图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910605320.2A CN112188075B (zh) | 2019-07-05 | 2019-07-05 | 抓拍机、图像处理设备及图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112188075A true CN112188075A (zh) | 2021-01-05 |
CN112188075B CN112188075B (zh) | 2023-04-18 |
Family
ID=73914708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910605320.2A Active CN112188075B (zh) | 2019-07-05 | 2019-07-05 | 抓拍机、图像处理设备及图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112188075B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177917A (zh) * | 2021-04-25 | 2021-07-27 | 重庆紫光华山智安科技有限公司 | 一种抓拍图像优选方法、系统、设备及介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212702A (zh) * | 2006-12-29 | 2008-07-02 | 华晶科技股份有限公司 | 影像评分系统与方法 |
CN103686425A (zh) * | 2013-12-20 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 用户可见的图像质量参数的调整方法及装置 |
CN103729819A (zh) * | 2014-01-13 | 2014-04-16 | 江苏金智教育信息技术有限公司 | 一种基于二维码的教学质量评分方法、装置及系统 |
CN104185981A (zh) * | 2013-10-23 | 2014-12-03 | 华为终端有限公司 | 从连拍图像中选择图像的方法和终端 |
KR20150059423A (ko) * | 2013-11-22 | 2015-06-01 | 동의대학교 산학협력단 | 깊이 정보를 이용한 가상의 터치 센서 및 그의 제어 방법 |
CN105227802A (zh) * | 2015-09-29 | 2016-01-06 | 深圳大学 | 一种面向最佳质量图像快速扫描的自适应控制方法及系统 |
CN106155593A (zh) * | 2016-08-01 | 2016-11-23 | 惠州Tcl移动通信有限公司 | 一种基于拍摄质量删除照片的方法及系统 |
CN106303245A (zh) * | 2016-08-22 | 2017-01-04 | 四川美亚达光电科技有限公司 | 一种自动设置拍摄模式的方法 |
CN106331336A (zh) * | 2016-08-22 | 2017-01-11 | 四川美亚达光电科技有限公司 | 一种自动设置拍摄模式的装置 |
CN107590461A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
WO2018101380A1 (ja) * | 2016-11-30 | 2018-06-07 | 富士フイルム株式会社 | 撮影装置及びその制御方法 |
CN108198177A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 图像获取方法、装置、终端及存储介质 |
US20180350106A1 (en) * | 2017-06-05 | 2018-12-06 | Qualcomm Incorporated | Systems and methods for producing image feedback |
CN109889720A (zh) * | 2018-11-15 | 2019-06-14 | 乐蜜有限公司 | 一种视频拍摄方法、装置、电子设备及存储介质 |
CN111767757A (zh) * | 2019-03-29 | 2020-10-13 | 杭州海康威视数字技术股份有限公司 | 身份信息确定方法及装置 |
-
2019
- 2019-07-05 CN CN201910605320.2A patent/CN112188075B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212702A (zh) * | 2006-12-29 | 2008-07-02 | 华晶科技股份有限公司 | 影像评分系统与方法 |
CN104185981A (zh) * | 2013-10-23 | 2014-12-03 | 华为终端有限公司 | 从连拍图像中选择图像的方法和终端 |
KR20150059423A (ko) * | 2013-11-22 | 2015-06-01 | 동의대학교 산학협력단 | 깊이 정보를 이용한 가상의 터치 센서 및 그의 제어 방법 |
CN103686425A (zh) * | 2013-12-20 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 用户可见的图像质量参数的调整方法及装置 |
CN103729819A (zh) * | 2014-01-13 | 2014-04-16 | 江苏金智教育信息技术有限公司 | 一种基于二维码的教学质量评分方法、装置及系统 |
CN105227802A (zh) * | 2015-09-29 | 2016-01-06 | 深圳大学 | 一种面向最佳质量图像快速扫描的自适应控制方法及系统 |
CN106155593A (zh) * | 2016-08-01 | 2016-11-23 | 惠州Tcl移动通信有限公司 | 一种基于拍摄质量删除照片的方法及系统 |
CN106303245A (zh) * | 2016-08-22 | 2017-01-04 | 四川美亚达光电科技有限公司 | 一种自动设置拍摄模式的方法 |
CN106331336A (zh) * | 2016-08-22 | 2017-01-11 | 四川美亚达光电科技有限公司 | 一种自动设置拍摄模式的装置 |
WO2018101380A1 (ja) * | 2016-11-30 | 2018-06-07 | 富士フイルム株式会社 | 撮影装置及びその制御方法 |
US20180350106A1 (en) * | 2017-06-05 | 2018-12-06 | Qualcomm Incorporated | Systems and methods for producing image feedback |
CN107590461A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN108198177A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 图像获取方法、装置、终端及存储介质 |
CN109889720A (zh) * | 2018-11-15 | 2019-06-14 | 乐蜜有限公司 | 一种视频拍摄方法、装置、电子设备及存储介质 |
CN111767757A (zh) * | 2019-03-29 | 2020-10-13 | 杭州海康威视数字技术股份有限公司 | 身份信息确定方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177917A (zh) * | 2021-04-25 | 2021-07-27 | 重庆紫光华山智安科技有限公司 | 一种抓拍图像优选方法、系统、设备及介质 |
CN113177917B (zh) * | 2021-04-25 | 2023-10-13 | 重庆紫光华山智安科技有限公司 | 一种抓拍图像优选方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112188075B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11747898B2 (en) | Method and apparatus with gaze estimation | |
CN112492388B (zh) | 视频处理方法、装置、设备以及存储介质 | |
EP1958149B1 (en) | Stereoscopic image display method and apparatus, method for generating 3d image data from a 2d image data input and an apparatus for generating 3d image data from a 2d image data input | |
JP5229744B2 (ja) | 画像分類装置および画像分類プログラム | |
US6792134B2 (en) | Multi-mode digital image processing method for detecting eyes | |
CN110533609A (zh) | 适用于内窥镜的图像增强方法、装置和存储介质 | |
US20100246939A1 (en) | Image Processing Apparatus and Method, Learning Apparatus and Method, and Program | |
CN104794462A (zh) | 一种人物图像处理方法及装置 | |
CN111353506A (zh) | 自适应的视线估计方法和设备 | |
KR20010080219A (ko) | 화상 처리 장치 및 화상 처리 방법 및, 기록 매체 | |
US20190066311A1 (en) | Object tracking | |
CN111553880A (zh) | 模型生成方法、标签标注方法、虹膜图像质量评价方法及装置 | |
US20090116731A1 (en) | Method and system for detection of concha and intertragal notch point in 3D undetailed ear impressions | |
JP2020160543A (ja) | 情報処理システムおよび情報処理方法 | |
CN112188075B (zh) | 抓拍机、图像处理设备及图像处理方法 | |
JP2015094973A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び記録媒体 | |
JP7312026B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2016219879A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN111767757B (zh) | 身份信息确定方法及装置 | |
JP6855175B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2019170881A (ja) | コンピュータプログラム、分類装置、分類方法、画像出力装置及び画像出力装置の動作方法 | |
JP2018022416A (ja) | 顔方向推定装置及びそのプログラム | |
JP6717769B2 (ja) | 情報処理装置及びプログラム | |
JP2016162421A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US11809994B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium |
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 |