CN112395915A - 图像识别方法、装置、电子设备及计算机设备 - Google Patents

Abstract

本申请涉及一种图像识别方法、装置、电子设备及计算机设备，通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

Description

图像识别方法、装置、电子设备及计算机设备

技术领域

本申请涉及成像技术领域，特别是涉及一种图像识别方法、装置、电子设备及计算机设备。

背景技术

随着科学技术的飞速发展，3D成像技术也越来越发展成熟，常见的3D成像技术主要分为三类，即飞行时间测距法(Time Of Flight，TOF)、RGB双目和结构光。TOF技术通过传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。RGB双目类似人类的双眼，不对外主动投射光线发射器，完全依靠拍摄的两张彩色RGB图片来计算深度，进而根据深度信息得到物体的3D图像信息。结构光则是通过投影仪投射特定的光信息到物体表面后及背景后，由摄像头采集，根据物体造成的光信号的变化来计算物体的位置和深度等信息，进而复原整个三维空间，得到物体的3D图像信息。

TOF技术的测量距离较远，但是在工作时容易受到功率范围的影响；RGB双目和结构光虽然不受功率范围的影响，但RGB双目和结构光两种方式的测量距离较近，无法满足远距离成像的要求。传统的3D成像解锁技术无法兼顾距离与功率范围，存在成像操作可靠性差的缺点。

发明内容

基于此，有必要针对传统的3D成像解锁技术成像操作可靠性差的问题，提供一种图像识别方法、装置、电子设备及计算机设备。

一种图像识别方法，所述方法包括：获取待识别物体表面反射的探测光线以形成识别图像，所述探测光线为光线发射器向所述待识别物体表面投射并反射的光线；根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态；根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功。通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

在一个实施例中，所述根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态的步骤，包括：对所述识别图像进行灰度处理，得到对应的灰度分布图；根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值，所述灰度中心值根据对各所述灰度值进行中值计算得到。通过灰度处理得到识别图像对应的灰度分布图，能够直观的根据灰度分布图得到各个像素点对应的灰度值以及相应的灰度中心值，从而方便得到对应的灰度变化状态(即灰度变化值)。

在一个实施例中，所述对所述识别图像进行灰度处理，得到对应的灰度分布图的步骤，包括：对所述识别图像进行图像分割处理得到区域图像，并对各所述区域图像分别进行灰度处理得到相应的区域灰度分布图；所述根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值的步骤，包括：分别根据各所述区域灰度分布图得到各所述区域灰度分布图中，各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值。对于一个待识别物体，在进行图像识别时可以根据图像的特征等对图像进行分割处理，然后对于不同的区域图像均对应进行灰度处理，从而得到识别图像的局部区域灰度分布图。每一局部区域均有对应的灰度中心值，在进行待识别图像的灰度变化值分析时可以进行局部分析，得到每一区域对应的灰度变化值之后再进行判断。将待识别物体的识别图像分割为区域图像进行灰度变化值得分析，能够有效地避免整体分析计算灰度变化值时产生误差，从而使得图像识别方法准确度更高。

在一个实施例中，所述根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值的步骤，包括：根据所述灰度分布图得到所述灰度分布图中各像素点点的灰度值，并根据各所述灰度值进行中值计算得到对应的灰度中心值；分别将各所述灰度值与所述灰度中心值进行作差处理，得到各所述灰度值对应的灰度变化值。在不同的光照强度下得到的灰度分布图不一致，但是对于相同的待识别物体的同一表面得到的各个像素点的灰度变化值是基本一致的，即采用各个像素点与灰度中心值的差值作为灰度变化值，进而直接根据各个像素点的灰度变化值进行对比即可以实现对应的图像识别操作，具有操作便利性高和识别可靠性强的优点。

在一个实施例中，所述当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：当各所述灰度变化值均满足对应的预设灰度变化阈值范围时，判断识别成功。在本实施例中，只有当所有的像素点的灰度值相对于灰度中心值的灰度变化值均在预设灰度变化阈值范围内时，才判断图像识别成功，具有安全性能强的优点。

在一个实施例中，所述当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：当超过预设数量的所述灰度变化值满足对应的预设灰度变化阈值范围时，判断识别成功。在本实施例中，当超过预设数量的像素点对应的灰度变化值满足预设灰度变化阈值范围时，就能够判断识别成功，具有识别速度快的优点。

在一个实施例中，所述当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：根据所述灰度变化值得到对应的灰度变化值趋势图；当所述灰度变化值趋势图满足预设趋势图，则判断识别成功。在本实施例中，直接根据各个像素点的灰度变化值得到相应的灰度变化值趋势图，然后与预设趋势图进行比对，不需要对每个像素点一一进行比对，具有识别速度快的优点。

在一个实施例中，所述根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：分别根据各所述区域灰度分布图的灰度变化值进行分析，当超过预设数量的灰度分布图的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。此时针对识别图像进行不同区域划分的操作，在得到不同的区域图像的灰度变化之值后，分别对每一区域的灰度变化值进行分析，当超过预设数量的区域图像与预设图像将匹配(即超过预设数量灰度变化值满足判断条件)则表示识别图像与预设图像相匹配，判断此时为识别成功，具有识别可靠性强的优点。

在一个实施例中，所述根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态的步骤之后，还包括：根据所述灰度变化状态进行分析，当所述灰度变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。当根据灰度变化状态与预设变化状态进行对比分析后，不满足预设变化状态则表示图像识别失败，通过输出识别失败提示信息告知用户，以便于用户再次执行图像识别等操作。

在一个实施例中，所述根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：分别根据各所述区域灰度分布图的灰度变化值进行分析，当超过预设数量的灰度分布图的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。同一待识别物体，从不同的角度进行识别图像采集，最终得到的识别图像也会不一致，通过不同的角度进行识别图像采集和分析，保证得到待识别物体的区别于其它物体的显著特征以进行图像识别处理，从而有效地提高了图像识别方法的识别可靠性。

一种图像识别装置，所述装置包括：图像获取模块，用于获取待识别物体表面反射的探测光线以形成识别图像，所述探测光线为光线发射器向所述待识别物体表面投射并反射的光线；图像处理模块，用于根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态；图像识别模块，用于根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功。通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

在一个实施例中，图像识别装置还包括提示模块，用于根据所述灰度变化状态进行分析，当所述灰度变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。当根据灰度变化状态与预设变化状态进行对比分析后，不满足预设变化状态则表示图像识别失败，通过输出识别失败提示信息告知用户，以便于用户再次执行图像识别等操作。

一种电子设备，包括：光线发射器、照相机和处理器，所述照相机连接所述处理器，所述光线发射器用于投射探测光线照射待识别物体；所述照相机用于根据所述光线发射器投射的探测光线照射待识别物体表面后反射的探测光线得到识别图像并发送至所述处理器，所述处理器用于根据上述的方法进行图像识别。通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

在一个实施例中，所述光线发射器为红外光线发射器，且所述红外光线发射器产生的红外光为自然界中不常见波段的红外光。为了避免在对反射光线形成的阴影进行拍照时受到杂光的干扰，采用自然界中不常见波段的红外光线发射器发射光线照射物体，保证了所获取的识别图像的准确性，进一步提高了图像识别方法的可靠性。

在一个实施例中，所述红外光线发射器为940纳米红外光线发射器或850纳米红外光线发射器。940纳米红外光线发射器和850纳米红外光线发射器产生的红外光在自然界中不常见，有效地避免了杂光的干扰，同时940纳米红外光线发射器和850纳米红外光线发射器属于两种发展比较成熟的光线发射器，具有操作便利性高的优点。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

附图说明

图1为一实施例中图像识别方法流程示意图；

图2为另一实施例中图像识别方法流程示意图；

图3为又一实施例中图像识别方法流程示意图；

图4为再一实施例中图像识别方法流程示意图；

图5为又一实施例中图像识别方法流程示意图；

图6为再一实施例中图像识别方法流程示意图；

图7为一实施例中图像识别装置结构示意图；

图8为一实施例中电子设备结构示意图；

图9为一实施例中计算机设备内部结构示意图。

具体实施方式

为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的较佳的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。

请参阅图1，一种图像识别方法，包括步骤S100、步骤S200和步骤S300。

步骤S100，获取待识别物体表面反射的探测光线以形成识别图像。

具体地，探测光线为光线发射器向待识别物体表面投射并反射的光线。识别图像通过对光线发射器发射的光线(即探测光线)照射待识别物体表面后，对反射的光线形成的阴影区域图像进行拍照得到。此时基于待识别物体表面具有凹凸不平的立体特性，不同位置的不同反射特性将会使得待识别物体表面的反射光线形成具有不同亮度的阴影区域，反射光线形成的图像即为上述阴影区域图像。图像识别可以应用到解锁等技术领域，待识别物体即为在解锁操作中，作为解锁的“钥匙”的物体，通过获取待识别物体的相关信息与预设的信息进行比对，即可以判断待识别物体是否与目标物体一致，从而得到识别成功或识别失败的结果，例如，在采用人脸解锁的方案中，待识别物体即为人脸。当光线投射到待识别物体的表面时，会由于待识别物体的表面起伏不平，待识别物体表面的每个点形成的斜率也就不一样。当光线投射到待识别物体表面上的各个点时，会反射不同数量的光线，从而由于各个点反射的光线数量不相同形成不同的阴影区域图像，照相机的传感器感受到各个点反射的不同数量的光线形成的阴影区域图像后，进行拍照相关的处理即可以得到与待识别物体对应的黑白图像，将将得到的黑白图像作为识别图像。当照相机进行拍照得到识别图像之后，将相关的识别图像信息发送至处理器进行后续的对比分析操作即可。

需要说明的是，上述黑白图像是指具有不同灰度等级(即不同数量的光线形成的不同等级)的二值图像，即可以是直接获取黑白图像，也可以是先获取彩色图像，然后通过灰度转化得到黑白图像，对此，本申请实施例不做限制。

可以理解，照射待识别物体表面的光线通过光线发射器产生，然后从正面照射待识别物体的表面即可。由于在自然界中存在多种多样的光线，为了避免自然界中存在的各种杂光对光线发射器发射的光线产生影响，可以采用自然界中不常见波段的红外光对待识别物体进行照射。即采用能够产生自然界中不常见波段红外光的红外光线发射器作为光线发射器，照射待识别物体，保证得到的识别图像的准确性。

例如，在一个实施例中，采用940nm的红外光线发射器产生940nm的红外光对待识别物体表面进行正向均匀的投影，然后根据待识别物体表面的各个点反射不同数量的光线，得到与待识别物体表面一致的阴影区域。在另一个实施例中，还可以采用其它波段的红外光对待识别物体表面进行正向均匀的投影，例如850nm红外光等。应当指出的是，为了保证进行拍照得到的识别图像能够准确的反应待识别物体的表面信息，对阴影进行拍照的照相机的像素以及对光线强弱的感知能力应当足够的强。

步骤S200，根据识别图像得到识别图像中各像素点的灰度值以及基于灰度值得到各像素点的灰度变化状态。

具体地，灰度值即为灰度等级或灰阶，是指亮度的明暗程度，将最亮与最暗之间的亮度变化，区分为若干份，以便于进行信号输入相对应的屏幕亮度管控。每一个子像素，其背后的光源都可以显现出不同的亮度级别，而灰阶代表了由最暗到最亮之间不同亮度的层次级别，这中间层级越多，所能够呈现的画面效果也就越细腻。以8bit panel为例，能表现2的8次方，等于256个亮度层次，我们就称之为256灰阶，依次为0-255，其中0表示为黑色，255表示为白色。

应当指出的是，为了保证图像识别的准确性，在选取像素点进行灰度变化状态分析时时，应当尽量选取较多的像素点，并且各个像素点所占据整个识别图像的比例越小越好。可以理解，像素点的多少一般取决于照相机传感器的像素和成像算法的有效取之数量。因此，在一个实施中，应当选择像素较高的照相机进行图像识别操作。

步骤S300，根据灰度变化状态进行分析，当灰度变化状态满足预设变化状态时，判断识别成功。

具体地，处理器根据接收的待识别物体的识别图像之后，进行相应的处理得到识别图像对应的各个像素点的灰度变化状态之后，直接根据得到的灰度变化状态与预设变化状态进行对比分析。当分析结果为满足预设灰度变化值时，则表示能够成功实现对待识别物体的识别操作。若图像识别方法应用于图像解锁，此时处理器直接输出解锁指令至对应的装置，即可控制该装置实现解锁操作。

上述图像识别方法，通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

请参阅图2，在一个实施例中，步骤S200包括步骤S210和步骤S220。

步骤S210，对识别图像进行灰度处理，得到对应的灰度分布图。

具体地，灰度处理即为识别图像上的各个像素点匹配对应的灰度值。识别图像的各个点均赋予相应的灰度值之后，将会得到表征所有像素点的灰度值的分布图，即为灰度分布图。在本实施例中，灰度等级指标为8bit，通过灰度处理将识别图像划分为256个灰度等级。可以理解，在其它实施例中，还可以采用其它的灰度等级指标，例如10bit等对将识别图像进行处理，得到其它数量灰度等级的灰度分布图。

步骤S220，根据灰度分布图得到灰度分布图中各像素点的灰度值以及各灰度值相对于灰度中心值的灰度变化值。

具体地，当得到灰度分布图之后，从灰度分布图将可以直观的得到各个像素点的灰度值，然后根据所有像素点的灰度值进行分析，得到所获取的识别图像对应的灰度图的灰度中心值。最后处理器只需要根据各个像素点的灰度值以及相应的中心灰度值，即可以进行分析得到各个灰度值相对于灰度中心值的灰度变化值。应当指出的是，在一个实施例中，根据各个像素点的灰度值得到灰度中心值的方法与求解中位数的方法类似，在此不再赘述。通过灰度处理得到识别图像对应的灰度分布图，能够直观的根据灰度分布图得到像素点对应的灰度值以及相应的灰度中心值，从而方便得到对应的灰度变化状态(即灰度变化值)。

在一个实施例中，对识别图像进行灰度处理，得到对应的灰度分布图的步骤，包括：对识别图像进行图像分割处理得到区域图像，并对各区域图像分别进行灰度处理得到相应的区域灰度分布图；根据灰度分布图得到灰度分布图中各像素点的灰度值以及各灰度值相对于灰度中心值的灰度变化值的步骤，包括：分别根据各区域灰度分布图得到各区域灰度分布图中，各像素点的灰度值以及各灰度值相对于灰度中心值的灰度变化值。

对于一个待识别物体，在进行图像识别时可以根据图像的特征等对图像进行分割处理，然后对于不同的区域图像均对应进行灰度处理，从而得到识别图像的局部区域灰度分布图。每一局部区域均有对应的灰度中心值，在进行待识别图像的灰度变化值分析时可以进行局部分析，得到每一区域对应的灰度变化值之后再进行判断。将待识别物体的识别图像分割为区域图像进行灰度变化值得分析，能够有效地避免整体分析计算灰度变化值时产生误差，从而使得图像识别方法准确度更高。

进一步地，在一个实施例中，根据灰度变化状态进行分析，当灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：分别根据各区域灰度分布图的灰度变化值进行分析，当超过预设数量的灰度分布图的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。

此时针对识别图像进行不同区域划分的操作，在得到不同的区域图像的灰度变化之值后，分别对每一区域的灰度变化值进行分析，当超过预设数量的区域图像与预设图像将匹配(即超过预设数量灰度变化值满足判断条件)则表示识别图像与预设图像相匹配，判断此时为识别成功，具有识别可靠性强的优点。可以理解，预设数量的大小并不是唯一的，可以表示为区域图像中的一部分对应的灰度变化值满足预设灰度变化阈值范围，也可以表示为所有区域图像对应的灰度变化值均满足预设灰度变化阈值范围。

请参阅图3，在一个实施例中，步骤S220包括步骤S221和步骤S222。

步骤S221，根据灰度分布图得到灰度分布图中各像素点的灰度值，并根据各灰度值进行中值计算得到对应的灰度中心值。

具体地，灰度分布图是一种由各个像素点的灰度值分布形成的图形，根据对分布图上的各个像素点的灰度值进行提取，即可以的得到所有像素点以及相对应的灰度值。然后根据所得到的所有灰度值进行计算分析，即可以得到对应的灰度中心值。

步骤S222，分别将各灰度值与灰度中心值进行作差处理，得到各像素点的灰度变化值。

具体地，当得到各个像素点的灰度值以及相应的灰度中心值之后，只需要将各个像素点对应的灰度值与灰度中心值相减，即可以得到各个像素点对应的灰度变化值。应当指出的是，像素点为识别图像中与物体表面上具有不同斜率的部位相对应的点，该点可以是只有一个像素单元，也可以是多个有多个像素单元，具体像素单元的多少取决于进行图像采集的照相机传感器的精度。对于同一物体，在不同强度的光照下根据反射光线得到的识别图像中，可能各个像素点的对应的灰度值不一致，即在不同的条件下得到的灰度分布图存在一定的区别。但是，由于同一物体的同一表面上各像素点对应的斜率是不会发生变化的，因此，针对不同光照条件下得到的不同灰度分布图，各个像素点的灰度值与相应的灰度中心值的变化是基本一致的。故本方案通过获取各个像素点对应的灰度变化值作为判断的依据，使得本方案的图像识别技术进行解锁等操作时并不会受到光照等的影响，即在不同的功率范围内均能实现，具有操作便利性高和识别可靠性强的优点。

请参阅图3，在一个实施例中，步骤S300包括步骤S310。

步骤S310，当各灰度变化值均满足对应的预设灰度变化阈值范围时，判断识别成功。

具体地，每一像素点的灰度值相对于灰度中心值具有一相应的预设灰度变化阈值范围，当得到各个像素点对应的灰度变化值之后，将各个灰度变化值均与预设灰度变化阈值范围进行对比分析。当各个像素点的灰度变化值均满足对应的预设灰度变化阈值范围时，即表示此时各个像素点的灰度变化均在误差允许的范围内，若在进行解锁时则认为此时获取的识别图像对应的物体为可以实现解锁的物体，处理器将会向相应的锁具发送解锁指令，控制锁具实现对应的解锁操作。可以理解，在本实施例中，当存在像素点的灰度变化值不满足相应的预设灰度变化阈值范围时，即判断识别图像对应的物体并不是像素物体，将会识别失败，在根据图像识别进行解锁时则表现为解锁失败。在本实施例中，只有当所有的像素点的灰度值相对于灰度中心值的灰度变化值均在预设灰度变化阈值范围内时，才判断图像识别成功，具有安全性能强的优点。

请参阅图4，在一个实施例中，步骤S300包括步骤S320。

步骤S320，当超过预设数量的灰度变化值满足对应的预设灰度变化阈值范围时，判断识别成功。

具体地，与上述实施例中所有像素点的灰度变化值均要满足对应的预设灰度变化阈值范围不相同，在本实施例中允许存在部分像素点的灰度变化值不满足预设灰度变化阈值范围，同样能够实现图像识别操作。应当指出的是，预设数量的大小并不是唯一的，具体可以根据像素点的数量进行选择，只要能符合相应的图像识别需求即可。在本实施例中，当超过预设数量的像素点对应的灰度变化值满足预设灰度变化阈值范围时，就能够判断识别成功。在图像识别解锁操作中将会输出相应的解锁指令进行解锁，具有图像识别速度快的优点。

请参阅图5，在一个实施例中，步骤S300包括步骤S330和步骤S340。

步骤S330，根据灰度变化值得到对应的灰度变化值趋势图。

具体地，灰度变化值趋势图即为将各个像素点按照一定的顺序排列作为横坐标，将各个像素点的灰度变化值作为纵坐标所绘制的变化趋势图。从灰度变化值趋势图可以直观的得到各个像素点的灰度值相对于灰度中心值的变化情况。

步骤S340，当灰度变化值趋势图满足预设趋势图，判断识别成功。

具体地，当得到各个像素点的灰度变化值趋势图之后，与预设趋势图进行匹配分析，得到灰度变化值趋势图与预设趋势图的匹配度。当两者的匹配度达到一定的阈值时，则说明此时对应的待识别物体即为能够实现解锁的物体，此时处理器判断为识别成功。在图像识别解锁中则表现为输出相应的解锁指令进行解锁操作。在本实施例中，直接根据各个像素点的灰度变化值得到相应的灰度变化值趋势图，然后与预设趋势图进行比对，不需要对每个像素点一一进行比对，具有识别速度快的优点。

请参阅图6，在一个实施例中，步骤S200之后，该方法还包括步骤S400。

步骤S400，根据灰度变化状态进行分析，当变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。

具体地，当根据各个像素点的灰度值进行分析，还会出现分析结果不满足预设变化状态的情况。此时，处理器将会判断对待识别物体识别失败，处理器向相应的提示装置发送提示信息，然后提示装置将会发出提示信号以告知用户，便于用户停止识别或者执行下一次的识别操作等。应当指出的是，根据判断条件的不一致，不满足预设变化状态包括存在灰度变化值不满足对应的预设变化值，或灰度变化值满足对应的预设变化值的像素点的个数没有超过预设数量，或者是灰度变化值趋势图与预设趋势图不匹配。可以理解，提示装置的类型并不是为唯一的，可以是声、光报警器等。当根据灰度变化值进行分析后，不满足预设变化状态则表示图像识别失败，在图像识别解锁中则说明此时不满足解锁条件，通过输出解锁失败提示信息告知用户，以便于用户执行再次解锁等操作。

在一个实施例中，根据灰度变化状态进行分析，当灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：分别根据各区域灰度分布图的灰度变化值进行分析，当超过预设数量的灰度分布图的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。

具体地，同一待识别物体，从不同的角度进行识别图像采集，最终得到的识别图像也会不一致，通过不同的角度进行识别图像采集和分析，保证得到待识别物体的区别于其它物体的显著特征以进行图像识别处理，从而有效地提高了图像识别方法的识别可靠性。应当指出的是，预设数量的大小并不是唯一的，具体可以根据用户需求或者待识别物体的种类进行确定。例如，在一个实施例中，预设数量可以是1，即在本实施例中仅需要其中一个角度采集的识别图像对应的灰度变化值满足预设灰度变化阈值范围，即可以认为此时识别成功。

应当指出的是，当将上述图像识别技术应用于图像识别解锁操作时，可以是通过图像识别技术进行待识别物体的整体识别操作，即得到待识别物体的整体识别图像进行与上述方法一致的图像识别处理。还可以是通过局部图像识别实现相应的解锁操作，对待识别物体分别获取不同部位的识别图像进行与上述方法一致的识别操作，然后当获取的每一部位均的特征均与预设物体对应的特征一致时，处理器将会向相应的解锁装置发送解锁指令，实现解锁操作。

请参阅图7，一种图像识别装置，包括图像获取模块100、图像处理模块200和图像识别模块300。

图像获取模块100用于获取待识别物体表面反射的探测光线以形成识别图像。

具体地，探测光线为光线发射器向待识别物体表面投射并反射的光线。识别图像通过对光线发射器发射的光线(即探测光线)照射待识别物体表面后，对反射的光线形成的阴影区域图像进行拍照得到。此时基于待识别物体表面具有凹凸不平的立体特性，因此不同位置的不同反射特性将会使得待识别物体表面的反射光线形成具有不同亮度的阴影区域，反射光线形成的图像即为上述阴影区域图像。图像识别可以应用到解锁等技术领域，待识别物体即为在解锁操作中，作为解锁的“钥匙”的物体，通过获取待识别物体的相关信息与预设的信息进行比对，即可以判断待识别物体是否与像素物体一致，从而得到识别成功或识别失败的结果，例如，在采用人脸解锁的方案中，待识别物体即为人脸。当光线投射到待识别物体的表面时，会由于待识别物体的表面起伏不平，待识别物体表面的每个点形成的斜率也就不一样。当光线投射到待识别物体表面上的各个点时，会反射不同数量的光线，从而由于各个点反射的光线数量不相同形成不同的阴影区域图像，照相机的传感器感受到各个点反射的不同数量的光线形成的阴影区域图像后，进行拍照相关的处理即可以得到与待识别物体对应的黑白图像，将将得到的黑白图像作为识别图像。当照相机进行拍照得到识别图像之后，将相关的识别图像信息发送至处理器进行后续的对比分析操作即可。

图像处理模块200用于根据识别图像得到识别图像中各像素点的灰度值以及基于灰度值得到各像素点的灰度变化状态。灰度值即为灰度等级或灰阶，是指亮度的明暗程度，将最亮与最暗之间的亮度变化，区分为若干份，以便于进行信号输入相对应的屏幕亮度管控。每一个子像素，其背后的光源都可以显现出不同的亮度级别，而灰阶代表了由最暗到最亮之间不同亮度的层次级别，这中间层级越多，所能够呈现的画面效果也就越细腻。以8bitpanel为例，能表现2的8次方，等于256个亮度层次，我们就称之为256灰阶，依次为0-255，其中0表示为黑色，255表示为白色。

图像识别模块300用于根据灰度变化状态进行分析，当灰度变化状态满足预设变化状态时，判断识别成功。处理器根据接收的待识别物体的识别图像之后，进行相应的处理得到识别图像对应的各个像素点的灰度变化状态之后，直接根据得到的灰度变化状态与预设变化状态进行对比分析。当分析结果为满足预设灰度变化值时，则表示能够成功实现对待识别物体的识别操作。若图像识别方法应用于图像解锁，此时处理器直接输出解锁指令至对应的装置，即可控制该装置实现解锁操作。

上述图像识别装置，通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

在一个实施例中，图像处理模块200还用于对识别图像进行灰度处理，得到对应的灰度分布图；根据灰度分布图得到灰度分布图中各像素点的灰度值以及各灰度值相对于灰度中心值的灰度变化值。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

在一个实施例中，图像处理模块200还用于根据灰度分布图得到灰度分布图中各像素点的灰度值，并根据各灰度值进行中值计算得到对应的灰度中心值；分别将各灰度值与灰度中心值进行作差处理，得到各像素点的灰度变化值。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

在一个实施例中，图像识别模块300还用于当各灰度变化值均满足对应的预设灰度变化阈值范围时，判断识别成功。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

在一个实施例中，图像识别模块300还用于当超过预设数量的灰度变化值满足对应的预设灰度变化阈值范围时，判断识别成功。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

在一个实施例中，图像识别模块300还用于根据灰度变化值得到对应的灰度变化值趋势图；当灰度变化值趋势图满足预设趋势图，判断识别成功。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

请参阅图7，在一个实施例中，图像识别装置还包括提示模块400。

提示模块400用于根据灰度变化状态进行分析，当灰度变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。具体操作与上述方法部分相应的实施例类似，在此不再赘述。

请参阅图8，一种电子设备，包括：光线发射器10、照相机20和处理器，照相机20连接处理器30，光线发射器10用于发射光线照射待识别物体；照相机20用于对光线发射器发射的光线照射待识别物体表面后反射的光线形成的阴影区域图像进行拍照，得到识别图像并发送至处理器30，处理器30用于根据上述的方法进行图像识别。

具体地，识别图像通过照相机20对光线发射器10发射的光线照射待识别物体表面后的反射的光线形成的阴影区域图像进行拍照得到，此时基于待识别物体表面具有凹凸不平的立体特性，因此不同位置的不同反射特性将会使得待识别物体表面的反射光线形成具有不同亮度的阴影区域，反射光线形成的图像即为上述阴影区域图像。图像识别可以应用到解锁等技术领域，待识别物体即为在解锁操作中，作为解锁的“钥匙”的物体，通过获取待识别物体的相关信息与预设的信息进行比对，即可以判断待识别物体是否与像素物体一致，从而得到识别成功或识别失败的结果，例如，在采用人脸解锁的方案中，待识别物体即为人脸。当光线投射到待识别物体的表面时，会由于待识别物体的表面起伏不平，待识别物体表面的每个点形成的斜率也就不一样。当光线投射到待识别物体表面上的各个点时，会反射不同数量的光线，从而由于各个点反射的光线数量不相同形成不同的阴影区域图像，照相机20的传感器感受到各个点反射的不同数量的光线形成的阴影区域图像后，进行拍照相关的处理即可以得到与待识别物体对应的黑白图像，将黑白图像作为识别图像。当照相机20进行拍照得到识别图像之后，将相关的识别图像信息发送至处理器30进行后续的对比分析操作即可。应当指出的是，电子设备的类型并不是唯一的，可以是手机、平板电脑或门禁电子设备等。

灰度值即为灰度等级或灰阶，是指亮度的明暗程度，将最亮与最暗之间的亮度变化，区分为若干份，以便于进行信号输入相对应的屏幕亮度管控。每一个子像素，其背后的光源都可以显现出不同的亮度级别，而灰阶代表了由最暗到最亮之间不同亮度的层次级别，这中间层级越多，所能够呈现的画面效果也就越细腻。以8bit panel为例，能表现2的8次方，等于256个亮度层次，我们就称之为256灰阶，依次为0-255，其中0表示为黑色，255表示为白色。可以理解，在一个实施例中，灰度变化值为各像素点的灰度值相对于灰度中心值的差值。

处理器30根据接收的待识别物体的识别图像之后，进行相应的处理得到识别图像对应的各个像素点的灰度值相对于灰度中心值之后，直接根据得到的灰度变化值进行分析。当分析结果为满足预设灰度变化值时，则表示能够成功实现对待识别物体的识别操作，若进行解锁时处理器30直接输出解锁指令至对应的装置，即可控制该装置实现解锁操作。

上述电子设备，通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

在一个实施例中，光线发射器10为红外光线发射器，且红外光线发射器产生的红外光为自然界中不常见波段的红外光。

具体地，由于在自然界中存在多种多样的光线，为了避免自然界中存在的各种杂光对光线发射器10发射的光线产生影响，可以采用自然界中不常见波段的红外光对待识别物体进行照射。即采用能够产生自然界中不常见波段红外光的红外光线发射器作为光线发射器10，照射待识别物体，保证得到的识别图像的准确性，进一步提高了图像识别方法的可靠性。

在一个实施例中，红外光线发射器为940纳米红外光线发射器或850纳米红外光线发射器。940纳米红外光线发射器和850纳米红外光线发射器产生的红外光在自然界中不常见，有效地避免了杂光的干扰，同时940纳米红外光线发射器和850纳米红外光线发射器属于两种发展比较成熟的光线发射器，具有操作便利性高的优点。在另一个实施例中，还可以采用其它波段的红外光对待识别物体表面进行正向均匀的投影，例如850nm红外光等。应当指出的是，为了保证进行拍照得到的识别图像能够准确的反应待识别物体的表面信息，对阴影进行拍照的照相机20的像素以及对光线强弱的感知能力应当足够的强。

请参阅图9，一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述方法的步骤。通过利用光线发射器发射探测光线照射待识别物体的表面，然后获取反射的探测光线以形成识别图像，然后根据识别图像得到各个像素点的灰度值以及相应的灰度变化状态，最后根据灰度变化状态与预设变化状态进行对比分析，当满足预设变化状态时判断识别成功。由于本方案利用待识别物体表面凹凸不平的特性，当探测光线照射待识别物体表面时会反射不同数量的探测光线，然后对反射的探测光想采集得到的黑白图像作为识别图像，进而进行相应的图像识别处理操作。该方案不存远距离或者近距离的限制，同时能够在功率范围内均能有效的实现识别操作，具有成像操作可靠性强的优点。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种图像识别方法，其特征在于，所述方法包括：

获取待识别物体表面反射的探测光线以形成识别图像，所述探测光线为光线发射器向所述待识别物体表面投射并反射的光线；

根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态；

根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功。

2.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态的步骤，包括：

对所述识别图像进行灰度处理，得到对应的灰度分布图；

根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值，所述灰度中心值根据对各所述灰度值进行中值计算得到。

3.根据权利要求2所述的图像识别方法，其特征在于，所述对所述识别图像进行灰度处理，得到对应的灰度分布图的步骤，包括：

对所述识别图像进行图像分割处理得到区域图像，并对各所述区域图像分别进行灰度处理得到相应的区域灰度分布图；

所述根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值的步骤，包括：

分别根据各所述区域灰度分布图得到各所述区域灰度分布图中，各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值。

4.根据权利要求2所述的图像识别方法，其特征在于，所述根据所述灰度分布图得到所述灰度分布图中各像素点的灰度值以及各所述灰度值相对于灰度中心值的灰度变化值的步骤，包括：

根据所述灰度分布图得到所述灰度分布图中各像素点点的灰度值，并根据各所述灰度值进行中值计算得到对应的灰度中心值；

分别将各所述灰度值与所述灰度中心值进行作差处理，得到各所述灰度值对应的灰度变化值。

5.根据权利要求4所述的图像识别方法，其特征在于，所述当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：

当各所述灰度变化值均满足对应的预设灰度变化阈值范围时，判断识别成功，或者，

当超过预设数量的所述灰度变化值满足对应的预设灰度变化阈值范围时，判断识别成功，或者，

根据所述灰度变化值得到对应的灰度变化值趋势图，当所述灰度变化值趋势图满足预设趋势图，则判断识别成功。

6.根据权利要求3所述的图像识别方法，其特征在于，所述根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：

分别根据各所述区域灰度分布图的灰度变化值进行分析，当超过预设数量的灰度分布图的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。

7.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态的步骤之后，还包括：

根据所述灰度变化状态进行分析，当所述灰度变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。

8.根据权利要求1所述的图像识别方法，其特征在于，所述光线发射器从不同角度向所述待识别物体表面投射光线，得到不同的识别图像，所述根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功的步骤，包括：

分别根据各所述识别图像的灰度变化值进行分析，当超过预设数量的识别图像的灰度变化值满足相应的预设灰度变化阈值范围时，判断识别成功。

9.一种图像识别装置，其特征在于，所述装置包括：

图像获取模块，用于获取待识别物体表面反射的探测光线以形成识别图像，所述探测光线为光线发射器向所述待识别物体表面投射并反射的光线；

图像处理模块，用于根据所述识别图像得到所述识别图像中各像素点的灰度值以及基于所述灰度值得到各所述像素点的灰度变化状态；

图像识别模块，用于根据所述灰度变化状态进行分析，当所述灰度变化状态满足预设变化状态时，判断识别成功。

10.根据权利要求9所述的图像识别装置，其特征在于，还包括：

提示模块，用于根据所述灰度变化状态进行分析，当所述灰度变化状态不满足预设变化状态时，判断识别失败并输出识别失败提示信息。

11.一种电子设备，其特征在于，包括：光线发射器、照相机和处理器，所述照相机连接所述处理器，

所述光线发射器用于投射探测光线照射待识别物体；所述照相机用于根据所述光线发射器投射的探测光线照射待识别物体表面后反射的探测光线得到识别图像并发送至所述处理器，所述处理器用于根据权利要求1-8任一项所述的方法进行图像识别。

12.根据权利要求11所述的电子设备，其特征在于，所述光线发射器为红外光线发射器，且所述红外光线发射器产生的红外光为自然界中不常见波段的红外光。

13.根据权利要求12所述的电子设备，其特征在于，所述红外光线发射器为940纳米红外光线发射器或850纳米红外光线发射器。

14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

Images