CN112381073A - 基于ai人脸检测的iq调整方法及调整模块 - Google Patents

Abstract

本发明公开了一种基于AI人脸检测的IQ调整方法包括：获取图像；获取人脸位置坐标；根据人脸位置坐标绘制人脸框，计算获得人脸框图像的评价值；根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；将人脸框图像的gamma和对比度调整为预定义值；将人脸框图像亮度均匀化；将调整后图片输出进行活体检测。本发明还公开了一种基于AI人脸检测的IQ调整模块。本发明对模糊图像进行人脸检测后，能对检测到人脸框图像进行IQ调整，能提升人脸检测算法的检测和识别率。

Description

基于AI人脸检测的IQ调整方法及调整模块

技术领域

本发明涉及计算机领域，特别是一种基于AI人脸检测的IQ调整方法。本发明还涉及一种基于AI人脸检测的IQ调整模块。

背景技术

对于人脸检测（Face Detection）的研究可以追溯到上个世纪六十年代 ，其主要目标是在图像中确定是否存在人脸。人脸检测是基于人的脸部特征信息进行身份识别的一种生物识别技术。通过采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。近期的人脸检测算法根据具体应用采用不同方法，结合模板匹配、统计学习、主成份分析、肤色信息等等达到特定环境下最优化的人脸检测效果。

目前人脸检测和分类等基于图像的算法，依然受到画面质量的制约，如光照条件、环境、清晰度等对图像全局的影响。现有的图像处理方案是通过主芯片自带的ISP 调试出多组固定的值来对应不同环境中获取的图像进行匹配设置，属于全局性的较为粗略的图像调整,另外产品的ISP参数是通过烧录固件的方式烧录到产品中，不可随环境变化算法需求而变化，更新时必须通过手动固件更新或后台在线更新。随着AI算法对图像的需求，要做到对目标图像进行图像计算，对图像进行自动化更加精细化的调整，并且不依赖传统的固件烧录方式，进行IQ针对性的优化，使得图像能够在各种环境下符合算法所需的图像要求。

YUV是编译true-color颜色空间（color space）的种类，Y'UV, YUV, YCbCr，YPbPr等专有名词都可以称为YUV，彼此有重叠。“Y”表示明亮度（Luminance、Luma），“U”和“V”则是色度与浓度（Chrominance、Chroma）YUV格式有两大类：packed和planar。注：planar还分平面存储和平面打包格式。

RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是运用最广的颜色系统之一。

目前通过sensor直接采集的图像都存在各种不理想性，因此在编码前都会经过一个软件方式处理，这个处理就叫ISP，图像的IQ调试就是研究这些处理算法和实现的。常见的IQ调试技术如：线性纠正、噪声去除、黑电平校正、坏点去除、颜色插补、gamma 校正、RGB2YUV 转换、主动白平衡处理、主动曝光控制、AE评估等。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种基于AI人脸检测能对模糊图像进行人脸检测，并对检测到人脸框图像进行IQ参数在线自动更新优化的方法。

本发明要解决的另一技术问题是提供一种基于AI人脸检测能对模糊图像进行人脸检测，并对检测到人脸框图像进行IQ参数在线自动更新优化的方法模块。

所述模糊图像包括但不限于于YUV图像和RGB图像。

为解决上述技术问题，本发明提供的基于AI人脸检测的IQ调整方法，包括以下步骤：

S1，获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像，此组参数固化在flash里；

S2，获取人脸位置坐标；

S3，根据人脸位置坐标绘制人脸框，计算获得人脸框图像的评价值；

S4，根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；该步骤是重复执行确认的过程，即调整目标曝光值后读取人脸框图像的评价值确认是否满足设计要求（例如亮度要求），若不满足则重复调整目标曝光值，再读取评价值及确认亮度，直至满足人脸框图像的评价值大于评价阈值；

S5，将人脸框图像的gamma和对比度调整为预定义值；

S6，将人脸框图像亮度均匀化；

S7, 将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

S8，将调整后图片输出进行活体检测。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S2包括：

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标，进而绘制出人脸框，例如80*80像素的人脸框。

Gx及Gy分别代表对角方向边缘检测的图像灰度值， i，j 坐标进行边界提取，I：代表原始像素；

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S3包括：

S3.1，对人脸框图像进行灰度均值计算，得出人脸的mean值，mean函数是一个求数组平均值的函数，Mean计算公式如下:

表示像素值，n是像素的总数量，mean值作为将评价值，建议目标mean 值在100~140之间。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S3包括：

S3.1′，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S4包括：

S4.1，基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S4包括：

S4.1′，设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S5包括：

S5.1，对人脸框图像计算variance值，variance值计算公式如下：

表示像素值，n是像素的总数量；

S5.2，通过读取variance值重复调整gamma和对比度直至预定义值；

其中，variance值范围是通过算法训练集图片计算出的范围值。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S6包括：

S6.1，计算人脸亮度均值差，这里计算的方式可以选择左右、上下、以中心点向外来计算的方式得出均差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；

其中，均差范围值是通过算法训练集图片计算出的范围值。

可选择，进一步改进所述基于AI人脸检测的IQ调整方法，步骤S6包括：

S6.1′，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀。

二值化计算公式，

，N为阈值。

为解决上述技术问题，本发明提供一种基于AI人脸检测的IQ调整模块，包括：

图像获取单元，其用于获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像，此组参数固化在flash里；图像获取单元包括但不限于sensor成像；

人脸框检测单元，其用于获取人脸位置坐标，根据人脸位置坐标绘制人脸框；

评价单元，其用于计算获得人脸框图像的评价值；

目标曝光值调整单元，其用于根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；

gamma和对比度调整单元，其用于将人脸框图像的gamma和对比度调整为预定义值；

亮度调整单元，其用于将人脸框图像亮度均匀化；

参数固化单元，其用于将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

输出单元，其用于将调整后图片输出进行活体检测。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，人脸框检测单元采用以下步骤绘制人脸框坐标：

S2.1，通过人脸检测算法获得人脸位置；

相应的，对于图像中物体的检测不限于获得人脸位置，该技术还可以应用于物体位置，例如物体检测算法，物体分类算法等；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标，绘制形成人脸框，例如80*80像素的人脸框。

Gx及Gy分别代表对角方向边缘检测的图像灰度值， i，j 坐标进行边界提取，I：代表原始像素；

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，评价单元采用以下步骤获得评价值：

S3.1，对人脸框图像进行灰度均值计算，得出人脸的mean值，mean函数是一个求数组平均值的函数，Mean计算公式如下:

表示像素值，n是像素的总数量，mean值作为将评价值。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，评价单元采用以下步骤获得评价值：

S3.1′，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1，基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1′，设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，gamma和对比度调整单元采用以下步骤调整gamma和对比度：

S5.1，对人脸框图像计算灰度variance值，灰度variance值计算公式如下：

表示像素值，n是像素的总数量；

S5.2，通过读取灰度variance值调整gamma和对比度；

其中，variance值范围是通过算法训练集图片计算出的范围值。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1，计算人脸亮度均值差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；

其中，均差范围值是通过算法训练集图片计算出的范围值。

可选择的，进一步改进所述基于AI人脸检测的IQ调整模块，亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1′，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀。

本发明通过录入图像并检测到人脸框后针对检测到的人脸框图像进行分析和IQ预处理。对模糊的图像、光线影响的异常图像进行优化使图像清晰、得到更多的人脸信息、外观特征并符合算法所需的图像要求。除了手动设置图像处理参数外，本发明可以通过遍历方式，自动寻找优化图像参数，从而达到理想处理效果。本发明对图像的处理并且不依赖于固件升级和服务器后台升级，在基于基于产品固件自带的初始IQ参数产生的图像后通过本发明的方法/模块能实现IQ参数在线自动更新优化获得满足设计需求的图片来提高人脸检测算法的检测和识别率。

附图说明

本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围，下面结合附图与具体实施方式对本发明作进一步详细的说明：

图1是本发明第一实施例流程示意图。

图2是本发明第二实施例流程示意图。

图3是本发明第三实施例流程示意图。

图4是增加对比度gamma曲线调整示意图。

图5是减少对比度gamma曲线调整示意图。

具体实施方式

以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。

第一实施例；

如图1所示，本发明提供一种基于AI人脸检测的IQ调整方法，包括以下步骤：

S1，获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像；

S2，获取人脸位置坐标；

S3，根据人脸位置坐标绘制人脸框，计算获得人脸框图像的评价值；

S4，根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；

S5，将人脸框图像的gamma和对比度调整为预定义值；

S6，将人脸框图像亮度均匀化；

S7, 将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

S8，将调整后图片输出进行活体检测。

第二实施例；

如图2所示，本发明提供一种基于AI人脸检测的IQ调整方法，包括以下步骤：

S1，获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像；

S2，获取人脸位置坐标，步骤S1包括以下子步骤；

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标；相应的，人脸框完全可以通过现有技术中的人脸检测获得；

S3，根据人脸位置坐标绘制人脸框，对人脸框图像像进行灰度均值计算，得出人脸的mean值，Mean计算公式如下:

表示像素值，n是像素的总数 量，mean值作为将评价值；

S4，根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；

调整目标曝光值采用以下方式：基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写；

S5，将人脸框图像的gamma和对比度调整为预定义值，步骤S5包括以下子步骤：

S5.1,对人脸框图像计算variance值，variance值计算公式如下：

表示像素值，n是像素的总数量；

S5.2，通过读取variance值重复调整gamma和对比度直至预定义值；

S6，计算人脸亮度均值差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；例如，计算人脸框中人脸左右两边脸亮度均值差；

其中，均差范围值是通过算法训练集图片计算出的范围值。

S7, 将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

S8，将调整后图片输出进行活体检测。

第三实施例；

如图3所示，本发明提供一种基于AI人脸检测的IQ调整方法，包括以下步骤：

S1，获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像；

S2，获取人脸位置坐标，步骤S1包括以下子步骤；

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标；

S3，根据人脸位置坐标绘制人脸框，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值；

S4，根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；调整目标曝光值采用以下方式：设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写；

S5，将人脸框图像的gamma和对比度调整为预定义值，步骤S5包括以下子步骤：

S5.1,对人脸框图像计算variance值，variance值计算公式如下：

S5.2，通过读取variance值重复调整gamma和对比度直至预定义值；

可选择的，调整gamma和对比度过程如下（相应的，本领域技术人员可以设定其他调整方法）；

首先,本申请的gamma并不用来对图像的整体色彩单边的加亮或者变暗，而是用它来对目标图像的对比度进行调节，所以要让对比度增加的时候，需要使亮的地方更亮，暗的地方更暗；而要让对比度减小的时候，需要使亮的地方变暗一些，暗的地方亮一些。根据antisproof 算法训练集图片统计计算并建立多组variance值,根据gamma曲线建立excel数据表格.使variance 值与gamma曲线产生对应关系.按照variance值来调整gamma曲线，调节不能幅度过大，调节的值需要围绕sensor的默认曲线，且曲线的趋势不能改变，在这些条件的基础上尝试一些值，以画出平滑的，色彩正常的图像gamma曲线。使用excel的图表功能来尝试一些数据，以画出曲线，最终使用这些曲线值来设置sensor相应寄存器以达到对其目标图像的对比度的调节。

先使用sensor的默认值画出一条这个sensor的默认gamma曲线，一般为一个对数曲线。由于gamma值为0~255，所以鉴定128为图像的明暗分界线。如果要增加对比度，则需要调低默认曲线值低于128的点的值，调高默认曲线值高于128的点的值；要减小对比度，则需要调高默认曲线值低于128的点的值，调低默认曲线值高于128的点的值；基于上述原理，增加对比度gamma曲线调整参考图4所示，曲线1为default,曲线2-5为逐渐调整增加。减少对比度gamma曲线调整参考图5所示，曲线1为default,曲线2-5为逐渐调整减少。

S6，将人脸框图像亮度均匀化，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀；

S7, 将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

S8，将调整后图片输出进行活体检测。

第四实施例；

本发明提供一种基于AI人脸检测的IQ调整模块，其能通过计算机编程技术手段在现有硬件上实现，包括：

图像获取单元，其用于获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像，此组参数固化在flash里；图像获取单元包括但不限于sensor成像；

人脸框检测单元，其用于获取人脸位置坐标，根据人脸位置坐标绘制人脸框；

评价单元，其用于计算获得人脸框图像的评价值；

目标曝光值调整单元，其用于根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；

gamma和对比度调整单元，其用于将人脸框图像的gamma和对比度调整为预定义值；

亮度调整单元，其用于将人脸框图像亮度均匀化；

参数固化单元，其用于将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在lsah中替换并固化；

输出单元，其用于将调整后图片输出进行活体检测。

第五实施例；

本发明提供一种基于AI人脸检测的IQ调整模块，其能通过计算机编程技术手段在现有硬件上实现，包括：

图像获取单元，其用于获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像，此组参数固化在flash里；图像获取单元包括但不限于sensor成像；

人脸框检测单元，其用于获取人脸位置坐标，根据人脸位置坐标绘制人脸框；人脸框检测单元采用以下步骤绘制人脸框坐标：

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标，绘制形成人脸框；

评价单元，其用于计算获得人脸框图像的评价值；评价单元采用以下步骤获得评价值：

S3.1，对人脸框图像进行灰度均值计算，得出人脸的mean值，mean计算公式如下:

mean值作为将评价值，建议mean值为100~140；

目标曝光值调整单元，其用于根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1，基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

gamma和对比度调整单元，其用于将人脸框图像的gamma和对比度调整为预定义值；gamma和对比度调整单元采用以下步骤调整gamma和对比度：

S5.1，对人脸框图像计算灰度variance值，灰度variance值计算公式如下：

S5.2，通过读取灰度variance值调整gamma和对比度；

其中，variance值范围是通过算法训练集图片计算出的范围值；

亮度调整单元，其用于将人脸框图像亮度均匀化；亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1，计算人脸亮度均值差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；

其中，均差范围值是通过算法训练集图片计算出的范围值；

参数固化单元，其用于将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

输出单元，其用于将调整后图片输出进行活体检测。

第六实施例；

本发明提供一种基于AI人脸检测的IQ调整模块，其能通过计算机编程技术手段在现有硬件上实现，包括：

图像获取单元，其用于获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像，此组参数固化在flash里；图像获取单元包括但不限于sensor成像；

人脸框检测单元，其用于获取人脸位置坐标，根据人脸位置坐标绘制人脸框；人脸框检测单元采用以下步骤绘制人脸框坐标：

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标，绘制形成人脸框；

评价单元，其用于计算获得人脸框图像的评价值；评价单元采用以下步骤获得评价值：

S3.1，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值；

目标曝光值调整单元，其用于根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1，设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写；

gamma和对比度调整单元，其用于将人脸框图像的gamma和对比度调整为预定义值；gamma和对比度调整单元采用以下步骤调整gamma和对比度：

S5.1，对人脸框图像计算灰度variance值，灰度variance值计算公式如下：

S5.2，通过读取灰度variance值调整gamma和对比度；

其中，variance值范围是通过算法训练集图片计算出的范围值；

亮度调整单元，其用于将人脸框图像亮度均匀化；亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1′，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀；

其中，均差范围值是通过算法训练集图片计算出的范围值；

参数固化单元，其用于将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

输出单元，其用于将调整后图片输出进行活体检测。

除非另有定义，否则这里所使用的全部术语（包括技术术语和科学术语）都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思， 而不以理想的或过于正式的含义加以解释。

以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

Claims (18)

1.一种基于AI人脸检测的IQ调整方法，其特征在于，包括以下步骤：

S1，获取图像，所述图像是基于产品固件自带的初始IQ参数产生的图像；

S2，获取人脸位置坐标；

S3，根据人脸位置坐标绘制人脸框，计算获得人脸框图像的评价值；

S4，根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价阈值内；

S5，将人脸框图像的gamma和对比度调整为预定义值；

S6，将人脸框图像亮度均匀化；

S7, 将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

S8，将调整后图片输出进行活体检测。

2.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S2包括：

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标。

3.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S3包括：

S3.1，对人脸框图像进行灰度均值计算，得出人脸的mean值，mean计算公式如下:

表示像素值，n是像素的总数量，mean值作为将评价值。

4.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S3包括：

S3.1′，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值。

5.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S4包括：

S4.1，基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

6.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S4包括：

S4.1′，设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

7.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S5包括：

S5.1，对人脸框图像计算variance值，variance值计算公式如下：

表示像素值，n是像素的总数量；

S5.2，通过读取variance值重复调整gamma和对比度直至预定义值；

其中，variance值范围是通过antisproof算法训练集图片计算出的范围值。

8.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S6包括：

S6.1，计算人脸亮度均值差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；

其中，均差范围值是通过antisproof算法训练集图片计算出的范围值。

9.如权利要求1所述基于AI人脸检测的IQ调整方法，其特征在于，步骤S6包括：

S6.1′，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀。

10.一种基于AI人脸检测的IQ调整模块，其特征在于，包括：

图像获取单元，其用于获取图像, 所述图像是基于产品固件自带的初始IQ参数产生的图像；

人脸框检测单元，其用于获取人脸位置坐标，根据人脸位置坐标绘制人脸框；

评价单元，其用于计算获得人脸框图像的评价值；

目标曝光值调整单元，其用于根据评价值重复调整人脸框图像的目标曝光值，直至满足人脸框图像的评价值大于评价阈值；

gamma和对比度调整单元，其用于将人脸框图像的gamma和对比度调整为预定义值；

亮度调整单元，其用于将人脸框图像亮度均匀化；

参数固化单元，其用于将调整后的IQ参数存储到SD卡中，通过寄存器地址替换原有参数并固化，或直接在flsah中替换并固化；

输出单元，其用于将调整后图片输出进行活体检测。

11.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，人脸框检测单元采用以下步骤绘制人脸框坐标：

S2.1，通过人脸检测算法获得人脸位置；

S2.2，通过一阶微分算子和二阶微分算子计算出人脸边界获得人脸框左上角和右下角位置坐标，绘制形成人脸框。

12.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，评价单元采用以下步骤获得评价值：

S3.1，对人脸框图像进行灰度均值计算，得出人脸的mean值，mean计算公式如下：

表示像素值，n是像素的总数量，mean值作为将评价值。

13.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，评价单元采用以下步骤获得评价值：

S3.1′，对人脸框图像统计灰度值概率，灰度概率值计算公式：Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)，i,j表示该像素点的坐标；

将灰度概率值作为评价值。

14.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1，基于主控ISP设置的目标曝光值范围进行目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

15.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，目标曝光值调整单元采用以下步骤调整目标曝光值：

S4.1′，设备目标曝光值寄存器地址，读取当前目标曝光值的并目标曝光值增加或减少，或设置固定的多组目标曝光值进行遍历自动填写。

16.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，gamma和对比度调整单元采用以下步骤调整gamma和对比度：

S5.1，对人脸框图像计算灰度variance值，灰度variance值计算公式如下：

表示像素值，n是像素的总数量；

S5.2，通过读取灰度variance值调整gamma和对比度；

其中，variance值范围是通过antisproof算法训练集图片计算出的范围值。

17.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1，计算人脸亮度均值差，根据均差的范围值来调整gamma曲线，使得人脸框图像亮度均匀达到图像设计要求；

其中，均差范围值是通过antisproof算法训练集图片计算出的范围值。

18.如权利要求10所述基于AI人脸检测的IQ调整模块，其特征在于，亮度调整单元采用以下步骤将人脸框图像亮度均匀化：

S6.1′，对人脸框图像进行二值化计算得出图像中的黑白两色所占面积之比调整gamma曲线，使得人脸框图像亮度均匀。

Images