CN112800969B - 图像质量调节方法和系统、ai处理方法、门禁系统 - Google Patents

图像质量调节方法和系统、ai处理方法、门禁系统 Download PDF

Info

Publication number
CN112800969B
CN112800969B CN202110124799.5A CN202110124799A CN112800969B CN 112800969 B CN112800969 B CN 112800969B CN 202110124799 A CN202110124799 A CN 202110124799A CN 112800969 B CN112800969 B CN 112800969B
Authority
CN
China
Prior art keywords
image
signal processor
processor
model
processing
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.)
Active
Application number
CN202110124799.5A
Other languages
English (en)
Other versions
CN112800969A (zh
Inventor
肖海云
周有喜
乔国坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Core Computing Integrated Shenzhen Technology Co ltd
Original Assignee
Shenzhen Aishen Yingtong Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Aishen Yingtong Information Technology Co Ltd filed Critical Shenzhen Aishen Yingtong Information Technology Co Ltd
Priority to CN202110124799.5A priority Critical patent/CN112800969B/zh
Publication of CN112800969A publication Critical patent/CN112800969A/zh
Application granted granted Critical
Publication of CN112800969B publication Critical patent/CN112800969B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开一种图像质量调节方法和系统、AI处理方法、门禁系统，图像质量调节配合AI处理，当采集图像中提取区域的各个图像参数值未达到令AI模型处于最佳的AI处理状态，按照调整目标修改图像信号处理器的工作参数，图像信号处理器按照修改后的工作参数调节后续的采集图像并输至AI处理器进行AI处理，所以后续经过图像质量调节的采集图像的图像参数，比较容易通过AI处理，因此上述图像质量调节方法降低了AI处理的难度。

Description

图像质量调节方法和系统、AI处理方法、门禁系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像质量调节方法和系统、AI处理方法、门禁系统。
背景技术
传统的图像质量调节方法，是以改善整体画面质量为目标，或者以图像中的对象例如特定人脸更美观为目标。总体而言，大多图像质量调节以人眼观看更舒适而设计的。
但以上述目标进行图像质量调节后的图像对后续的AI处理可能并不友好，即可能比较难进行AI处理，增加AI处理的困难，导致误识率升高或错误增加。例如传统图像质量调节中，一般会对图像降噪，但过于激进的降噪算法会让图像细节丢失，这会导致某些基于特定细节工作的活体识别AI算法失效或者性能下降，模糊活体与非活体的区分阈值，使得算法更容易被攻破。
发明内容
基于此，本发明提供一种图像质量调节方法，可以降低AI处理的难度。
一种图像质量调节方法，包括以下步骤：
图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；
所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；
所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数；
判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器按照修改后的工作参数调节后续从所述图像传感器获取到的采集图像的图像质量。
上述图像质量调节方法，图像质量调节配合AI处理，当采集图像中提取区域的各个图像参数值未达到令AI模型处于最佳的AI处理状态，按照调整目标修改图像信号处理器的工作参数，图像信号处理器按照修改后的工作参数调节后续的采集图像，所以后续经过图像质量调节的采集图像的图像参数，比较容易通过AI处理，因此上述图像质量调节方法降低了AI处理的难度。
还提出一种AI处理方法，包括以下步骤：
图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；
所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；
所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数；
判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量，并将调节了图像质量后的采集图像输至所述AI处理器进行AI处理，若AI处理通过，执行相应的操作。
上述AI处理方法，图像质量调节配合AI处理，当采集图像中提取区域的各个图像参数值未达到令AI模型处于最佳的AI处理状态，按照调整目标修改图像信号处理器的工作参数，图像信号处理器按照修改后的工作参数调节后续的采集图像并输至AI处理器进行AI处理，所以后续经过图像质量调节的采集图像的图像参数，比较容易通过AI处理，因此上述图像质量调节方法降低了AI处理的难度。
还提出一种图像质量调节系统，所述图像质量调节系统包括图像传感器、图像信号处理器及AI处理器，图像传感器与图像信号处理器连接，图像信号处理器与AI处理器连接；
图像传感器用于采集图像；
图像信号处理器用于从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；以及，用于对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；所述图像信号处理器并用于将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器用于将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器用于获取所述提取区域图像，并计算所述提取区域图像的图像参数；
所述AI处理器判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，所述图像信号处理器用于按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器用于按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量。
还提出一种门禁系统，包括如上实施例所述的图像质量调节系统和电子门锁，所述AI处理器为内置人脸检测模型、人脸识别模型和活体识别模型的AI处理器，所述AI处理器与电子门锁连接，所述AI处理器用于接收经图像信号处理器调节了图像质量后的采集图像，所述AI处理器用于在人脸检测、人脸识别、活体检测依次通过时，打开电子门锁。
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。应当理解的是，下面描述中的附图仅仅用以解释本发明，并不用于限定本发明。
图1是本发明一实施例的图像质量调节方法的流程示意图；
图2是本发明另一实施例的图像质量调节方法的流程示意图；
图3是本发明一具体实施例的图像质量调节方法的流程示意图；
图4是本发明一实施例的图像质量调节系统的结构示意图；
图5为本发明另一实施例的图像质量调节系统的结构示意图；
图6为本发明一实施例中的门禁系统的结构示意图。
具体实施方式
下面结合附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而非全部实施例。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。
本申请提出一种图像质量调节方法，请参阅图1，其为本申请一实施例中的图像质量调节方法的流程示意图，该图像质量调节方法包括：
步骤102，图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关。
具体地，所述采集图像的图像参数可包括亮度、对比度以及饱和度中的至少一种。图像参数类型与内置的AI模型的类型有关，例如，AI模型为人脸检测模型或人形检测模型，要检测到人脸或人形需要图像有一定的亮度，图像参数类型则至少包括亮度。再例如AI模型为人脸识别模型，要实现人脸识别需要图像有一定的亮度和对比度，图像参数类型则至少包括亮度和对比度。又例如，AI模型为年龄识别模型，要实现年龄识别需要图像有一定的亮度和色度，图像参数类型则至少包括亮度和和色度。
图像信号处理器简称ISP(Image Signal Processing)，主要指用来对前端图像传感器输出信号处理的单元。通过一系列数字图像处理完成对数字图像的效果处理，例如3A处理、坏点校正、去噪、强光抑制、背光补偿、色彩增强、镜头阴影校正等处理，图像质量调节(Image Quality，简称IQ)可指图像信号处理器对图像的前述处理过程。
步骤104，所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦(Auto Focus，简称AF)、自动曝光(Automatic Exposure，简称AE)以及自动白平衡(Auto White Blance，简称AWB)处理。
基本处理具体可至少包括3A处理，即自动对焦、自动曝光及自动白平衡处理，使得采集图像起码不会成为全黑或全白图像、或无对比度的图像，从而使得经过所述基本处理后的采集图像的图像参数能够满足AI模型工作的最低条件，例如起码使得人脸检测模型能够检测到人脸轮廓，从而进行人脸检测。
其中，自动对焦指通过既得图像对比度移动镜头使图像对比度达到最大。自动曝光将根据可用的光源条件自动设置曝光值。自动白平衡根据光源条件调整图片颜色的保真程度。
步骤106，所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标。
具体地，所述调整目标包括提高图像的细节、关闭去噪、亮度调整、曝光时长调整中的至少一种，与AI模型对提取区域图像进行的AI处理有关，例如，对于人脸识别模型，针对所述提取区域图像的调整目标至少包括提高对比度、亮度、提高图像的细节等。
调整目标具体可指实际图像参数与目标图像参数的偏差。区域提取处理具体可以是抠图处理。
步骤108，所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数。
同理采集图像的图像参数，具体地，所述提取区域图像的图像参数可包括亮度、对比度以及饱和度中的至少一种。图像参数类型与内置的AI模型的类型有关，例如，AI模型为人脸检测模型或人形检测模型，要检测到人脸或人形需要图像有一定的亮度，提取区域图像的图像参数类型则至少包括亮度。再例如AI模型为人脸识别模型，要实现人脸识别需要图像有一定的亮度和对比度，提取区域图像的图像参数类型则至少包括亮度和对比度。又例如，AI模型为年龄识别模型，要实现年龄识别需要图像有一定的亮度和色度，提取区域图像的图像参数类型则至少包括亮度和和色度。
步骤110，判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数。
在一些实施例中，本步骤，判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数，直到提取区域的图像参数令AI模型处于最佳的AI处理状态时，将此时的参数记录下来，图像信号处理按照该记录的参数修改后续从图像处理器获取到的采集图像的图像质量。如提取区域的图像参数令AI模型处于最佳的AI处理状态，也可以将该参数记录下来，图像信号处理也可以按照该参数修改后续从图像处理器获取到的采集图像的图像质量。
具体地，判断提取区域的各个图像参数值达到令AI模型处于最佳的AI处理状态时，将此时的这些参数值作为调整目标，用于调节后续采集图像的图像参数。例如，提取区域图像的亮度达到a值，对比度达到b值时，提取区域的图像参数令AI模型处于最佳的AI处理状态，那么可以将a值和b值记录下来，图像信号处理器可按照a值和b值调节后续从图像处理器获取到的采集图像的亮度和对比度。另外，按照提取区域的各个最佳的图像参数值去修改图像信号处理器的参数，相比于按照整幅图像的最佳参数，更有针对性，更有利于提高图像中的目标区域的图像质量。
具体地，当AI模型能够AI处理成功，并且AI处理的正确性和/或速率达到最优时，说明AI模型处于最佳的AI处理状态。例如，连续采集同一个用户的多帧人脸图像，图像信号处理器对这些人脸图像进行图像质量调节处理，参数在不断的进行调节，待人脸识别模型成功识别到该用户人脸，并且匹配度最高和/或速率最快时，说明图像信号处理器调整的该帧图像的参数令AI模型处于最佳的AI处理状态，图像信号处理器后续均可按照调整该帧图像时的参数调节后续从图像处理器获取到的采集图像的图像质量。
步骤112，所述图像信号处理器按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量。
以下以AI检测模型包括人脸检测模型、人脸识别模型和活体识别模型为例，描述本申请一个实施例中的图像质量调节方法，请参阅图2，该方法包括：
步骤202，图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有人脸检测模型、人脸识别模型和活体识别模型的AI处理器连接，采集图像的图像参数类型与内置的人脸检测模型、人脸识别模型和活体识别模型有关；采集图像的图像参数类型至少包括亮度、对比度以及饱和度。
步骤204，所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理。
步骤206，所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至所述人脸检测模型进行初始的人脸检测处理，得到采集图像中的人脸图像，并针对所述人脸图像提供人脸检测调整目标。所述图像信号处理器获取所述人脸图像，并计算所述人脸图像的亮度；判断人脸图像的亮度是否达到令所述人脸检测模型处于最佳的人脸检测处理状态，如否，按照所述人脸检测调整目标修改图像信号处理器的亮度参数。所述图像信号处理器则按照修改后的亮度参数调节后续从图像处理器获取到的采集图像的图像质量。
本步骤中人脸检测对亮度要求较高，对亮度进行调整可避免全黑或过黑的图像导致检测不到人脸。
具体地，若所述AI处理器按照预设的正常检测阈值从采集图像中未检测到人脸，降低检测阈值直至检测到可疑区域，对可疑区域调节亮度，并将调节后的亮度参数发送给图像信号处理器，所述图像信号处理按照调节后的亮度参数调节亮度，直至所述AI处理器利用人脸检测模型检测到人脸时，且为最佳的人脸检测工作状态时，将对应的最佳亮度参数发送给图像信号处理器，所述AI处理器恢复所述正常检测阈值，所述图像信号处理器按照最佳亮度参数调节后续采集图像的亮度。AI处理器的人脸检测模型处于最佳的人脸检测状态后，会恢复正常的检测阈值，从而降低误识率。检测阈值可以为人脸特征值。
进一步的，步骤208，经过人脸检测后，所述AI处理器利用人脸识别模型对图像进行人脸识别，图像信号处理器并调整图像信号处理的对比度，直至所述AI处理器利用人脸识别模型人脸识别成功时，且为最佳的人脸识别工作状态时，将对应的最佳对比度参数发送给所述图像信号处理器，所述图像信号处理器则按照最佳对比度参数以及最佳亮度调节后续采集图像的对比度和亮度。
本步骤中人脸识别对对比度要求较高，对对比度进行调整可尽量保留人脸细节以提高识别效果。
更进一步的，步骤210，所述AI处理器利用人脸识别模型人脸识别成功后，利用活体识别模型执行活体检测，所述图像信号处理器调整用于保留眼部特征工作参数，直至达到能够实现活体检测且为最佳的活体检测工作状态时，将对应的最佳的用于保留眼部特征的工作参数发送给图像信号处理器，所述图像信号处理器按照最佳对比度参数、最佳亮度以及用于保留眼部特征的工作参数调节后续采集图像的对比度、亮度和用于保留眼部特征的工作参数。
本步骤活体检测阶段对人眼特征的要求比较高，用于保留眼部特征的工作参数可以是能够尽可能保留眼部亮瞳效应的图像参数，从而提高活体防欺诈的性能。
以下继续以AI模型包括人脸检测模型、人脸识别模型和活体识别模型为例，描述处于强逆光场景，图像信号处理器一开始过度抑制强光的情况下，本申请一个实施例中的图像质量调节方法，请参阅图3，该方法包括：
步骤302，图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有人脸检测模型、人脸识别模型和活体识别模型的AI处理器连接，采集图像的图像参数类型与内置的人脸检测模型、人脸识别模型和活体识别模型的类型有关；采集图像的图像参数类型至少包括亮度、对比度以及饱和度。
步骤304，所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理。
步骤306，所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至人脸检测模型进行人脸检测处理，若所述AI处理器按照预设的正常检测阈值从采集图像中未检测到人脸，降低检测阈值直至检测到可疑区域，并执行步骤308。
步骤308，对可疑区域提高亮度，并将提高后的亮度参数发送给图像信号处理器。
步骤310，继续检测采集图像中是否有人脸，如无，对可疑区域降低亮度，并将降低后的亮度参数发送给图像信号处理器。并重复步骤308和310，图像信号处理器从最低亮度调节到最高亮度，AI处理器进行迭代搜索人脸，直到AI处理器的人脸检测模型处于最佳的人脸检测状态。
步骤310中，AI处理器的人脸检测模型处于最佳的人脸检测状态的对应最佳亮度参数会被记录下来，图像信号处理器按照最佳亮度参数调节后续采集图像的亮度。
步骤312，所述AI处理器利用人脸检测模型检测到人脸后，执行人脸识别，图像信号处理器并调整图像信号处理的对比度，直至所述AI处理器利用人脸识别模型人脸识别成功时，且为最佳的人脸识别工作状态时，将对应的最佳对比度参数发送给所述图像信号处理器，所述图像信号处理器按照最佳对比度参数以及最佳亮度调节后续采集图像的对比度和亮度。
步骤314，所述AI处理器利用人脸识别模型人脸识别成功后，利用活体识别模型执行活体检测，所述图像信号处理器调整用于调整保留眼部特征工作参数直至达到能够实现活体检测且为最佳的活体检测工作状态时，将对应的最佳的用于保留眼部特征工作参数发送给图像信号处理器，所述图像信号处理器按照最佳对比度参数、最佳亮度以及用于保留眼部特征工作参数调节后续采集图像的对比度、亮度和用于保留眼部特征工作参数。
门禁系统实际使用时一般在室外，通常由于阳光的强照射，传统图像质量调节算法会因为抑制强光而降低整体画面曝光度，导致未被照射的人脸过黑，使得后续的AI算法无法检测到人脸，或者即使检测到人脸也因为人脸太黑而无法进行人脸检测、人脸识别和活体检测。传统方法通常更换昂贵的支持HDR(High-Dynamic Range，高动态范围图像)的图像传感器，增加图像传感器的动态成像范围，能同时对最亮和最暗的场景拍照来解决这一问题，但成本高昂。
本实施例的图像质量调节方法配合人脸检测模型、人脸识别模型和活体识别模型，当人脸检测模型检测不到人脸时，图像信号处理器提高亮度直到检测到人脸，并从最低亮度调节到最高亮度，AI处理器进行迭代搜索人脸，直到AI处理器的人脸检测模型处于最佳的人脸检测状态。然后执行人脸识别，图像信号处理器并调整图像信号处理的对比度，直至所述AI处理器利用人脸识别模型人脸识别成功时，且为最佳的人脸识别工作状态。然后执行活体检测，所述图像信号处理器调整用于调整保留眼部特征的工作参数直至达到能够实现活体检测且为最佳的活体检测工作状态，最后，所述图像信号处理器按照最佳对比度参数、最佳亮度以及用于保留眼部特征的工作参数调节后续采集图像的对比度、亮度和用于保留眼部特征的工作参数。因此，可以不用更换图像传感器也能提高人脸检测模型、人脸识别模型和活体识别模型的检测和识别成功率，降低了硬件成本。
具体的，可以通过控制曝光时间来调节亮度，在预设时间内，曝光时间越长，亮度越高。
综上，本申请的上述图像质量调节方法，图像质量调节配合AI处理，当采集图像中提取区域的各个图像参数值未达到令AI模型处于最佳的AI处理状态，按照调整目标修改图像信号处理器的工作参数，图像信号处理器按照修改后的工作参数调节后续的采集图像，所以后续经过图像质量调节的采集图像的图像参数，比较容易通过AI处理，因此上述图像质量调节方法降低了AI处理的难度。
本申请还提出一种AI处理方法，在一个实施例中的AI处理方法包括以下步骤：
图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；
所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；
所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数；
判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量，并将调节了图像质量后的采集图像输至所述AI处理器进行AI处理，若AI处理通过，执行相应的操作。
上述AI处理方法中涉及图像质量调节的步骤，参见前述图像质量调节方法，不再赘述。
在门禁场景中，所述AI处理器用于控制门禁，AI模型包括人脸检测模型、人脸识别模型和活体识别模型，AI处理则为人脸检测处理、人脸识别处理和活体识别处理，将调节了图像质量后的采集图像输至所述AI处理器进行人脸检测处理、人脸识别处理和活体识别处理，若人脸检测、人脸识别和活体识别处理依次通过，则打开门禁。
上述AI处理方法，图像质量调节配合AI处理，当采集图像中提取区域的各个图像参数值未达到令AI模型处于最佳的AI处理状态，按照调整目标修改图像信号处理器的工作参数，图像信号处理器按照修改后的工作参数调节后续的采集图像并输至AI处理器进行AI处理，所以后续经过图像质量调节的采集图像的图像参数，比较容易通过AI处理，因此上述图像质量调节方法降低了AI处理的难度。
本申请还提出一种图像质量调节系统，请参阅图4，所述图像质量调节系统包括图像传感器410、图像信号处理器420及AI处理器430，图像传感器410与图像信号处理器420连接，图像信号处理器420与AI处理器430连接；
图像传感器410用于采集图像；
图像信号处理器420用于从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；以及，用于对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；所述图像信号处理器并用于将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器用于将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器420用于获取所述提取区域图像，并计算所述提取区域图像的图像参数；
所述AI处理器430判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，所述图像信号处理器用于按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器420用于按照修改后的工作参数调节后续从图像传感器410获取到的采集图像的图像质量。
请参阅图5，AI处理器430具体可以为内置活体识别模型的AI处理器432，对应的AI处理则为活体识别处理。
本申请的图像质量调节系统与图像调节方法一一对应，关于图像质量调节系统的具体限定，参见前述图像调节方法，不再赘述。
本申请还提出一种门禁系统，请参阅图6，该门禁系统包括如上任一实施例中所述的图像质量调节系统和电子门锁640，所述AI处理器为内置人脸检测模型、人脸识别模型和活体识别模型的AI处理器610，图像质量调节系统中的图像传感器620与图像信号处理器630连接，图像信号处理器630与AI处理器610连接，AI处理器610与电子门锁640连接，所述AI处理器610用于接收经图像信号处理器630调节了图像质量后的采集图像，所述AI处理器610用于在人脸检测、人脸识别以及活体检测依次通过时，打开电子门锁640，从而打开门禁。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行图像质量调节方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行图像质量调节方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/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)，它用作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(DDR SDRAM)、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)。
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本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 (8)

1.一种图像质量调节方法，其特征在于，包括以下步骤：
图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，所述采集图像的图像参数类型与内置的AI模型的类型有关；
所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；
所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；
所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数；
判断提取区域的各个图像参数值是否达到令所述AI模型处于最佳的AI处理状态，如否，按照所述调整目标修改图像信号处理器的工作参数；
所述图像信号处理器按照修改后的工作参数调节后续从所述图像传感器获取到的采集图像的图像质量；
将提取区域图像的各个图像参数值达到令AI模型处于最佳的AI处理状态时的参数值作为所述调整目标；所述调整目标包括提高图像的细节、关闭去噪、亮度、对比度、饱和度、曝光时长中的至少一种；
所述基本处理用于使得经过所述基本处理后的采集图像的图像参数能够满足AI模型工作的最低条件；
当判断提取区域的各个图像参数值达到令AI模型处于最佳的AI处理状态时，则将所述图像参数值作为调整目标，用于调节后续采集图像的图像参数；
所述图像信号处理器用于对采集图像进行3A处理、坏点校正、去噪、强光抑制、背光补偿、色彩增强以及镜头阴影校正；
当所述提取区域图像为人脸图像，采集图像的图像参数类型和提取区域图像的图像参数均至少包括亮度、对比度以及饱和度；若所述AI处理器按照预设的正常检测阈值从采集图像中未检测到人脸，降低检测阈值直至检测到可疑区域，对可疑区域调节亮度，并将调节后的亮度参数发送给图像信号处理器，所述图像信号处理按照调节后的亮度参数调节亮度，直至检测到人脸时，且为最佳的人脸检测工作状态时，将对应的最佳亮度参数发送给图像信号处理器，所述AI处理器恢复所述正常检测阈值，所述图像信号处理器按照最佳亮度参数调节后续采集图像的亮度；
所述最佳的AI处理状态为AI模型处理的正确性和/或速率达到最优时的状态。
2.根据权利要求1所述的方法，其特征在于，所述AI模型包括人脸检测模型、人脸识别模型和活体识别模型。
3.根据权利要求1所述的方法，其特征在于，
所述AI处理器利用人脸检测模型检测到人脸后，执行人脸识别，图像信号处理器并调整图像信号处理的对比度，直至所述AI处理器利用人脸识别模型人脸识别成功时，且为最佳的人脸识别工作状态时，将对应的最佳对比度参数发送给所述图像信号处理器，所述图像信号处理器按照最佳对比度参数以及最佳亮度调节后续采集图像的对比度和亮度。
4.根据权利要求3所述的方法，其特征在于，所述AI处理器利用人脸识别模型人脸识别成功后，利用活体识别模型执行活体检测，所述图像信号处理器调整用于保留眼部特征的工作参数直至达到能够实现活体检测且为最佳的活体检测工作状态时，将对应的最佳的用于保留眼部特征的工作参数发送给图像信号处理器，所述图像信号处理器按照最佳对比度参数、最佳亮度调节后续采集图像的对比度、亮度。
5.一种AI处理方法，其特征在于，包括以下步骤：
图像信号处理器从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；
所述图像信号处理器对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；
所述图像信号处理器将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；所述调整目标包括提高图像的细节、关闭去噪、亮度、对比度、饱和度、曝光时长中的至少一种；
所述图像信号处理器获取所述提取区域图像，并计算所述提取区域图像的图像参数；
判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量，并将调节了图像质量后的采集图像输至所述AI处理器进行AI处理，若AI处理通过，执行相应的操作；
将提取区域图像的各个图像参数值达到令AI模型处于最佳的AI处理状态时的参数值作为所述调整目标；
所述基本处理用于使得经过所述基本处理后的采集图像的图像参数能够满足AI模型工作的最低条件；
当判断提取区域的各个图像参数值达到令AI模型处于最佳的AI处理状态时，则将所述图像参数值作为调整目标，用于调节后续采集图像的图像参数；
所述图像信号处理器用于对采集图像进行3A处理、坏点校正、去噪、强光抑制、背光补偿、色彩增强以及镜头阴影校正；
当所述提取区域图像为人脸图像，采集图像的图像参数类型和提取区域图像的图像参数均至少包括亮度、对比度以及饱和度；若所述AI处理器按照预设的正常检测阈值从采集图像中未检测到人脸，降低检测阈值直至检测到可疑区域，对可疑区域调节亮度，并将调节后的亮度参数发送给图像信号处理器，所述图像信号处理按照调节后的亮度参数调节亮度，直至检测到人脸时，且为最佳的人脸检测工作状态时，将对应的最佳亮度参数发送给图像信号处理器，所述AI处理器恢复所述正常检测阈值，所述图像信号处理器按照最佳亮度参数调节后续采集图像的亮度；
所述最佳的AI处理状态为AI模型处理的正确性和/或速率达到最优时的状态。
6.根据权利要求5所述的方法，其特征在于，所述AI处理器用于控制门禁，AI模型包括人脸检测模型、人脸识别模型和活体识别模型，将调节了图像质量后的采集图像输至所述AI处理器进行人脸检测、人脸识别和活体识别处理，若人脸检测、人脸识别和活体识别处理依次通过，则打开门禁。
7.一种图像质量调节系统，其特征在于，所述图像质量调节系统包括图像传感器、图像信号处理器及AI处理器，图像传感器与图像信号处理器连接，图像信号处理器与AI处理器连接；
图像传感器用于采集图像；
图像信号处理器用于从图像传感器中获取采集图像，并计算采集图像的图像参数，所述图像信号处理器与内置有AI模型的AI处理器连接，采集图像的图像参数类型与内置的AI模型的类型有关；以及，用于对所述采集图像的图像参数进行基本处理，所述基本处理至少包括自动对焦、自动曝光以及自动白平衡处理；所述图像信号处理器并用于将经过所述基本处理后的采集图像发送至所述AI处理器，所述AI处理器用于将经过所述基本处理后的采集图像输入至AI模型进行初始的区域提取处理，得到采集图像中的提取区域图像，并针对所述提取区域图像提供调整目标；所述调整目标包括提高图像的细节、关闭去噪、亮度、对比度、饱和度、曝光时长中的至少一种；
所述图像信号处理器用于获取所述提取区域图像，并计算所述提取区域图像的图像参数；
所述AI处理器判断提取区域的各个图像参数值是否达到令AI模型处于最佳的AI处理状态，如否，所述图像信号处理器用于按照调整目标修改图像信号处理器的工作参数；
所述图像信号处理器用于按照修改后的工作参数调节后续从图像传感器获取到的采集图像的图像质量；
所述调整目标为将提取区域图像的各个图像参数值达到令AI模型处于最佳的AI处理状态时的参数值作；
所述基本处理用于使得经过所述基本处理后的采集图像的图像参数能够满足AI模型工作的最低条件；
所述AI处理器用于当判断提取区域的各个图像参数值达到令AI模型处于最佳的AI处理状态时，则将所述图像参数值作为调整目标，用于调节后续采集图像的图像参数；
所述图像信号处理器用于对采集图像进行3A处理、坏点校正、去噪、强光抑制、背光补偿、色彩增强以及镜头阴影校正；
所述AI处理器用于当所述提取区域图像为人脸图像，采集图像的图像参数类型和提取区域图像的图像参数均至少包括亮度、对比度以及饱和度；若所述AI处理器按照预设的正常检测阈值从采集图像中未检测到人脸，降低检测阈值直至检测到可疑区域，对可疑区域调节亮度，并将调节后的亮度参数发送给图像信号处理器，所述图像信号处理按照调节后的亮度参数调节亮度，直至检测到人脸时，且为最佳的人脸检测工作状态时，将对应的最佳亮度参数发送给图像信号处理器，所述AI处理器恢复所述正常检测阈值，所述图像信号处理器按照最佳亮度参数调节后续采集图像的亮度；
所述最佳的AI处理状态为AI模型处理的正确性和/或速率达到最优时的状态。
8.一种门禁系统，其特征在于，包括如权利要求7所述的图像质量调节系统和电子门锁，所述AI处理器为内置人脸检测模型、人脸识别模型和活体识别模型的AI处理器，所述AI处理器与电子门锁连接，所述AI处理器用于接收经图像信号处理器调节了图像质量后的采集图像，所述AI处理器用于在人脸检测、人脸识别、活体检测依次通过时，打开电子门锁。
CN202110124799.5A 2021-01-29 2021-01-29 图像质量调节方法和系统、ai处理方法、门禁系统 Active CN112800969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110124799.5A CN112800969B (zh) 2021-01-29 2021-01-29 图像质量调节方法和系统、ai处理方法、门禁系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110124799.5A CN112800969B (zh) 2021-01-29 2021-01-29 图像质量调节方法和系统、ai处理方法、门禁系统

Publications (2)

Publication Number Publication Date
CN112800969A CN112800969A (zh) 2021-05-14
CN112800969B true CN112800969B (zh) 2022-04-19

Family

ID=75812786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110124799.5A Active CN112800969B (zh) 2021-01-29 2021-01-29 图像质量调节方法和系统、ai处理方法、门禁系统

Country Status (1)

Country Link
CN (1) CN112800969B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114727082B (zh) * 2022-03-10 2024-01-30 杭州中天微系统有限公司 图像处理装置、图像信号处理器、图像处理方法和介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000244942A (ja) * 1999-02-22 2000-09-08 Funai Electric Co Ltd ビデオデッキおよびビデオデッキの画質調整方法
JP2001008213A (ja) * 1995-03-10 2001-01-12 Sharp Corp 画像符号化装置及び画像復号装置
CN105430267A (zh) * 2015-12-01 2016-03-23 厦门瑞为信息技术有限公司 一种基于人脸图像光照参数的摄像机参数自适应调整方法
CN105491271A (zh) * 2015-11-25 2016-04-13 英华达（上海）科技有限公司 图像采集中进行辅助光源调节的方法及装置
CN108376404A (zh) * 2018-02-11 2018-08-07 广东欧珀移动通信有限公司 图像处理方法和装置、电子设备、存储介质
CN108881710A (zh) * 2017-12-28 2018-11-23 北京旷视科技有限公司 图像处理方法、装置和系统及存储介质
CN109480746A (zh) * 2019-01-14 2019-03-19 深圳市资福医疗技术有限公司 智能控制胶囊式内窥镜在消化道不同部位工作方法及装置
CN109965829A (zh) * 2019-03-06 2019-07-05 重庆金山医疗器械有限公司 成像优化方法、图像处理装置、成像装置及内窥镜系统
CN110021020A (zh) * 2019-04-18 2019-07-16 重庆金山医疗器械有限公司 一种图像检测方法、装置及内窥镜系统
CN110569822A (zh) * 2019-09-16 2019-12-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110604579A (zh) * 2019-09-11 2019-12-24 腾讯科技（深圳）有限公司 一种数据采集方法、装置、终端及存储介质
CN110731076A (zh) * 2018-07-31 2020-01-24 深圳市大疆创新科技有限公司 一种拍摄处理方法、设备及存储介质
CN111654635A (zh) * 2020-06-30 2020-09-11 维沃移动通信有限公司 拍摄参数调节方法、装置及电子设备
CN111866394A (zh) * 2018-06-15 2020-10-30 Oppo广东移动通信有限公司 拍照方法、装置、终端及计算机可读存储介质
CN112118388A (zh) * 2020-08-04 2020-12-22 绍兴埃瓦科技有限公司 图像处理方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110062160B (zh) * 2019-04-09 2021-07-02 Oppo广东移动通信有限公司 图像处理方法和装置
CN111402135B (zh) * 2020-03-17 2023-06-20 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001008213A (ja) * 1995-03-10 2001-01-12 Sharp Corp 画像符号化装置及び画像復号装置
JP2000244942A (ja) * 1999-02-22 2000-09-08 Funai Electric Co Ltd ビデオデッキおよびビデオデッキの画質調整方法
CN105491271A (zh) * 2015-11-25 2016-04-13 英华达（上海）科技有限公司 图像采集中进行辅助光源调节的方法及装置
CN105430267A (zh) * 2015-12-01 2016-03-23 厦门瑞为信息技术有限公司 一种基于人脸图像光照参数的摄像机参数自适应调整方法
CN108881710A (zh) * 2017-12-28 2018-11-23 北京旷视科技有限公司 图像处理方法、装置和系统及存储介质
CN108376404A (zh) * 2018-02-11 2018-08-07 广东欧珀移动通信有限公司 图像处理方法和装置、电子设备、存储介质
CN111866394A (zh) * 2018-06-15 2020-10-30 Oppo广东移动通信有限公司 拍照方法、装置、终端及计算机可读存储介质
CN110731076A (zh) * 2018-07-31 2020-01-24 深圳市大疆创新科技有限公司 一种拍摄处理方法、设备及存储介质
CN109480746A (zh) * 2019-01-14 2019-03-19 深圳市资福医疗技术有限公司 智能控制胶囊式内窥镜在消化道不同部位工作方法及装置
CN109965829A (zh) * 2019-03-06 2019-07-05 重庆金山医疗器械有限公司 成像优化方法、图像处理装置、成像装置及内窥镜系统
CN110021020A (zh) * 2019-04-18 2019-07-16 重庆金山医疗器械有限公司 一种图像检测方法、装置及内窥镜系统
CN110604579A (zh) * 2019-09-11 2019-12-24 腾讯科技（深圳）有限公司 一种数据采集方法、装置、终端及存储介质
CN110569822A (zh) * 2019-09-16 2019-12-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN111654635A (zh) * 2020-06-30 2020-09-11 维沃移动通信有限公司 拍摄参数调节方法、装置及电子设备
CN112118388A (zh) * 2020-08-04 2020-12-22 绍兴埃瓦科技有限公司 图像处理方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An optimization approach of parameters in image processing based on PSO: Case of quality control;Loubna Benchikhi et al;《Proceedings of 2013 International Conference on Industrial Engineering and Systems Management (IESM)》;20140313;第1-6页 *
EZCam: WYSWYG Camera Manipulator for Path Design;Cheng-Chi Li et al;《IEEE Transactions on Circuits and Systems for Video Technology》;20170831;第27卷(第8期);第1632-1646页 *
基于现场可编程门阵列的CCD相机自动调光;黄辉等;《光学精密工程》;20140228;第22卷(第2期);第426-433页 *

Also Published As

Publication number Publication date
CN112800969A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN108764208B (zh) 图像处理方法和装置、存储介质、电子设备
CN111402135B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
JP7043191B2 (ja) 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム
KR101431601B1 (ko) 카메라 프로세서에서의 얼굴 추적
US8265388B2 (en) Analyzing partial face regions for red-eye detection in acquired digital images
US7606417B2 (en) Foreground/background segmentation in digital images with differential exposure calculations
CN107734253B (zh) 图像处理方法、装置、移动终端和计算机可读存储介质
JP5704905B2 (ja) 画像処理装置及び画像処理方法、プログラム、並びに記憶媒体
US20050206776A1 (en) Apparatus for digital video processing and method thereof
JP5901667B2 (ja) 画像処理装置及び方法、画像処理プログラム、撮像装置
US8873800B2 (en) Image processing apparatus and method, and program
CN112800969B (zh) 图像质量调节方法和系统、ai处理方法、门禁系统
JP2010134490A (ja) 検出装置および方法、並びに、プログラム
US7864228B2 (en) Image pickup apparatus for photographing desired area in image with high image quality and control method for controlling the apparatus
CN110365897B (zh) 图像修正方法和装置、电子设备、计算机可读存储介质
KR20160030360A (ko) 이미지 보정 장치, 이미지 보정 방법 및 기록 매체에 저장된 컴퓨터 프로그램
CN113691735B (zh) 一种摄像机及红外光补光方法、装置
CN111666869A (zh) 一种基于宽动态处理的人脸识别方法、装置及电子设备
US20130222632A1 (en) Electronic camera
CN109618109B (zh) 一种摄像机成像的曝光调节方法及调节系统
JP2014049863A (ja) 画像処理装置、その制御方法、および制御プログラム、並びに撮像装置
JP2016092513A (ja) 画像取得装置、ブレ軽減方法及びプログラム
JP7137746B2 (ja) 映像処理装置、映像処理方法および映像処理プログラム
M Corcoran et al. Advances in the detection & repair of flash-eye defects in digital images-a review of recent patents
US20190370942A1 (en) Red-eye correction techniques

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210625

Address after: 518000 1001, building G3, TCL International e city, Shuguang community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Aishen Yingtong Information Technology Co.,Ltd.

Address before: Room 1010, 10 / F, building a, Chuangzhi building, Xinjiang Software Park, 455 Kanas Hubei Road, Urumqi Economic and Technological Development Zone, 830000 Xinjiang Uygur Autonomous Region

Applicant before: XINJIANG AIHUA YINGTONG INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230627

Address after: 13C-18, Caihong Building, Caihong Xindu, No. 3002, Caitian South Road, Gangsha Community, Futian Street, Futian District, Shenzhen, Guangdong 518033

Patentee after: Core Computing Integrated (Shenzhen) Technology Co.,Ltd.

Address before: 518000 1001, building G3, TCL International e city, Shuguang community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Aishen Yingtong Information Technology Co.,Ltd.