CN112861645A - 红外摄像头弱光环境补偿方法、装置及电子设备 - Google Patents
红外摄像头弱光环境补偿方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112861645A CN112861645A CN202110059513.XA CN202110059513A CN112861645A CN 112861645 A CN112861645 A CN 112861645A CN 202110059513 A CN202110059513 A CN 202110059513A CN 112861645 A CN112861645 A CN 112861645A
- Authority
- CN
- China
- Prior art keywords
- target area
- brightness
- target
- camera
- brightness value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 239000013589 supplement Substances 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000003331 infrared imaging Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 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
-
- 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
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Studio Devices (AREA)
Abstract
本申请提供了一种红外摄像头弱光环境补偿方法、装置及电子设备，所述红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：通过摄像头进行图像采集；目标检测识别系统对图像获取目标区域；目标检测识别系统检测目标区域的亮度；目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；本申请的红外摄像头弱光环境补偿方法能够提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，提升了视频图像处理算法的适应性，丰富了应用场景。
Description
技术领域
本申请属于人脸识别技术领域，更具体地说，是涉及一种红外摄像头弱光环境补偿方法、装置及电子设备。
背景技术
人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测、图像处理算法、自动调整影像放大、夜间红外侦测等技术。
现有技术中，人脸识别技术中的图像处理算法数据源基本来自于摄像头，而随着应用场景越来越复杂，摄像头型号和类型也不固定，受摄像头和环境光线影响最终生成的成像质量很不稳定，导致人脸识别终端设备的双目摄像头中的红外摄像头在弱光环境中成像质量差。
发明内容
本申请实施例的目的在于提供一种红外摄像头弱光环境补偿方法、装置及电子设备，以解决现有技术对红外摄像头在弱光环境中成像质量差的技术问题。
为实现上述目的，本申请采用的技术方案是：提供一种红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：
步骤S1：通过摄像头进行图像采集；
步骤S2：目标检测识别系统对图像获取目标区域；
步骤S3：目标检测识别系统检测目标区域的亮度；
步骤S4：目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；
若是，则目标检测识别系统对目标区域处的图像进行识别；
若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集。
优选地，目标区域的亮度值为目标区域各像素点的亮度值中的平均亮度值。
优选地，在步骤S2中，所述获取目标区域的方法包括预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的任意至少一种。
优选地，在步骤S1之前，还包括步骤S01：在目标检测识别系统中设定理想亮度值，理想亮度值用于与目标区域的亮度值进行比较。
优选地，在步骤S1之前，还包括步骤S02：在目标检测识别系统中设定预设值，预设值用于对目标区域的亮度值与理想亮度值之间差值进行比较。
优选地，所述预设值是范围值。
优选地，在步骤S4中，所述调节红外补光灯的亮度，包括：若目标区域的亮度值大于理想亮度值，则调低红外补光灯的亮度；若目标区域的亮度值小于理想亮度值，则调高红外补光灯的亮度。
优选地，所述目标为人脸；通过摄像头进行人脸图像采集，目标检测识别系统对图像获取人脸的轮廓；再判断目人脸的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对人脸处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行人脸图像采集。
本申请还提供一种红外摄像头弱光环境补偿装置，运用于如上所述的方法，所述红外摄像头弱光环境补偿装置包括摄像头、目标检测识别系统以及红外补光灯，所述目标检测识别系统包括目标区域获取模块、检测模块以及判断模块；
其中，所述摄像头用于图像采集，所述目标区域获取模块用于对图像获取目标区域，所述检测模块用于检测目标区域的亮度，所述判断模块用于判断目标区域的亮度值与理想亮度值之间差值是否满足预设值，所述红外补光灯用于补光。
本申请还提供一种电子设备，所述电子设备包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如上所述的方法。
本申请提供的红外摄像头弱光环境补偿方法的有益效果在于：与现有技术相比，通过目标检测识别系统对图像获取目标区域的亮度后，再判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；进而提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，同时提升了算法在复杂环境下的可靠性，提升了视频图像处理算法的适应性，丰富了应用场景。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的红外摄像头弱光环境补偿方法的步骤示意图；
图2为图1中的红外摄像头弱光环境补偿方法的算法示意图；
图3为本申请另一实施例提供的红外摄像头弱光环境补偿方法的步骤示意图；
图4为本申请实施例提供的红外摄像头弱光环境补偿装置的示意图；
图5为图1中的电子设备的示意图。
具体实施方式
为了使本申请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，对本申请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申请，并不用于限定本申请。
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。
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申请和简化描述，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申请的限制。
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个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请一并参阅图1及图2，现对本申请实施例提供的红外摄像头弱光环境补偿方法进行说明。所述红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：
步骤S1：通过摄像头进行图像采集；
步骤S2：目标检测识别系统对图像获取目标区域；
步骤S3：目标检测识别系统检测目标区域的亮度；
步骤S4：目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；
若是，则目标检测识别系统对目标区域处的图像进行识别；
若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集。
其中，目标区域的亮度值可以是目标区域各像素点的亮度值中的最大值，也可以是各像素的平均亮度值等，以便能够表征对应画面的亮度。
优选地，目标区域的亮度值为目标区域各像素点的亮度值中的平均亮度值。
相应地，目标区域的平均亮度值可以通过对目标区域的各像素的亮度值Lum(x,y)的自然对数进行平均值的计算。由于目标区域的平均亮度值Lumave的计算公式及方法为现有技术，在此不再详述。
本申请提供的红外摄像头弱光环境补偿方法，与现有技术相比，通过目标检测识别系统对图像获取目标区域的亮度后，再判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；进而提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，同时提升了算法在复杂环境下的可靠性，提升了视频图像处理算法的适应性，丰富了应用场景。
在本申请另一个实施例中，在步骤S2中，所述获取目标区域的方法包括预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的任意至少一种。
具体的，所述获取目标区域的方法可以由预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的多种目标位置定位方法相结合，根据每种方法的结果进行综合分析，得出精确度最高的最终结果。
值得补充说明的是，预定位置设置算法是一种可以对图像画面建立坐标系且预定位置设置的算法，其算法成熟，适用于大多数目标的获取。
轮廓检测图像处理算法是指在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程算法。
双目摄像头中RGB人脸位置辅助定位算法是一种基于双目摄像头的活体检测算法，其能够对人脸实现RGB和光线分析，提高人脸检测效率。
目标检测领域的深度学习方法主要分为两类：two stage的目标检测算法与onestage的目标检测算法。前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异，在性能上也有不同，前者在检测准确率和定位精度上占优，后者在算法速度上占优。
在本申请另一个实施例中，请一并参阅图3，在步骤S1之前，还包括步骤S01：在目标检测识别系统中设定理想亮度值，理想亮度值用于与目标区域的亮度值进行比较。
可以理解的是，理想亮度值可以根据实际场合中目标的种类进行设定，例如目标为白色物体时，白色物体反光率高，此时的理想亮度值可以设置得低一点，避免反光现象发生。例如目标为黑色物体时，黑色物体吸光率高，此时的理想亮度值可以设置得高一点，确保目标区域处的图像更加清晰。
在本申请另一个实施例中，请一并参阅图3，在步骤S1之前，还包括步骤S02：在目标检测识别系统中设定预设值，预设值用于对目标区域的亮度值与理想亮度值之间差值进行比较。
可以理解的是，预设值可以是固定值，但优选是范围值。例如，预设值可以是范围值0至5(即上述绝对值是否在0至5的范围内)等，预设值也可以是固定值0(即上述绝对值是否等于0)等。当然，以上仅为本实施例提供的示例，此处不对预设值的具体数值进行限定，本领域技术人员可以根据实际定义的误差范围、数据计算量等因素，对该预设值进行设置。例如，考虑到数据计算量的大小，可以在定义的误差范围内设置该预设值为某范围值，当上述绝对值满足该范围值即可不再调整红外补光灯的亮度，以减少红外补光灯的亮度调整的次数，减少计算目标区域处的图像平均亮度值的次数，从而减少数据计算的总量，提高响应时间。
在本申请另一个实施例中，在步骤S4中，所述调节红外补光灯的亮度，包括：若目标区域的亮度值大于理想亮度值，则调低红外补光灯的亮度；若目标区域的亮度值小于理想亮度值，则调高红外补光灯的亮度。
需要说明的是，上述步骤中，目标区域的亮度值大于理想亮度值之间的大小，可以直接根据目标区域的亮度值大于理想亮度值之间的差来确定。例如，目标区域的亮度值大于理想亮度值之间的差为负，即目标区域的亮度值小于理想亮度值；相应地，该差值为正，即目标区域的亮度值大于理想亮度值。
在本申请另一个实施例中，所述目标为人脸。可以理解的是，当人脸面对着摄像头时，通过摄像头进行人脸图像采集，目标检测识别系统对图像获取人脸的轮廓。再判断目人脸的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对人脸处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行人脸图像采集。
请参阅图4，本申请还提供一种红外摄像头弱光环境补偿装置，运用于如上所述的方法，所述红外摄像头弱光环境补偿装置包括摄像头、目标检测识别系统以及红外补光灯，所述目标检测识别系统包括目标区域获取模块、检测模块以及判断模块。
其中，所述摄像头用于图像采集，所述目标区域获取模块用于对图像获取目标区域，所述检测模块用于检测目标区域的亮度，所述判断模块用于判断目标区域的亮度值与理想亮度值之间差值是否满足预设值，所述红外补光灯用于补光。
请参阅图5，本申请还提供一种电子设备，所述电子设备包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如上所述的方法。
以上所述仅为本申请的较佳实施例而已，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、等同替换和改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括以下步骤：
步骤S1：通过摄像头进行图像采集；
步骤S2：目标检测识别系统对图像获取目标区域；
步骤S3：目标检测识别系统检测目标区域的亮度；
步骤S4：目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；
若是，则目标检测识别系统对目标区域处的图像进行识别；
若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集。
2.如权利要求1所述的红外摄像头弱光环境补偿方法，其特征在于，目标区域的亮度值为目标区域各像素点的亮度值中的平均亮度值。
3.如权利要求1所述的红外摄像头弱光环境补偿方法，其特征在于，在步骤S2中，所述获取目标区域的方法包括预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的任意至少一种。
4.如权利要求1所述的红外摄像头弱光环境补偿方法，其特征在于，在步骤S1之前，还包括步骤S01：在目标检测识别系统中设定理想亮度值，理想亮度值用于与目标区域的亮度值进行比较。
5.如权利要求4所述的红外摄像头弱光环境补偿方法，其特征在于，在步骤S1之前，还包括步骤S02：在目标检测识别系统中设定预设值，预设值用于对目标区域的亮度值与理想亮度值之间差值进行比较。
6.如权利要求4所述的红外摄像头弱光环境补偿方法，其特征在于，所述预设值是范围值。
7.如权利要求1至6任意一项所述的红外摄像头弱光环境补偿方法，其特征在于，在步骤S4中，所述调节红外补光灯的亮度，包括：若目标区域的亮度值大于理想亮度值，则调低红外补光灯的亮度；若目标区域的亮度值小于理想亮度值，则调高红外补光灯的亮度。
8.如权利要求7所述的红外摄像头弱光环境补偿方法，其特征在于，所述目标为人脸；通过摄像头进行人脸图像采集，目标检测识别系统对图像获取人脸的轮廓；再判断目人脸的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对人脸处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行人脸图像采集。
9.一种红外摄像头弱光环境补偿装置，运用于如权利要求1至8任意一项所述的方法，其特征在于，包括摄像头、目标检测识别系统以及红外补光灯，所述目标检测识别系统包括目标区域获取模块、检测模块以及判断模块；
其中，所述摄像头用于图像采集，所述目标区域获取模块用于对图像获取目标区域，所述检测模块用于检测目标区域的亮度，所述判断模块用于判断目标区域的亮度值与理想亮度值之间差值是否满足预设值，所述红外补光灯用于补光，以执行如权利要求1至8任意一项所述的方法。
10.一种电子设备，其特征在于，包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至8任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110059513.XA CN112861645A (zh) | 2021-01-18 | 2021-01-18 | 红外摄像头弱光环境补偿方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110059513.XA CN112861645A (zh) | 2021-01-18 | 2021-01-18 | 红外摄像头弱光环境补偿方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112861645A true CN112861645A (zh) | 2021-05-28 |
Family
ID=76006002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110059513.XA Pending CN112861645A (zh) | 2021-01-18 | 2021-01-18 | 红外摄像头弱光环境补偿方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112861645A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973427A (zh) * | 2022-06-09 | 2022-08-30 | 杭州萤石软件有限公司 | 一种目标检测设备及图像获取方法 |
| CN115278099A (zh) * | 2022-06-29 | 2022-11-01 | 广东小天才科技有限公司 | 一种补光灯控制方法、终端设备及存储介质 |
| CN115278098A (zh) * | 2022-06-28 | 2022-11-01 | 北京驭光科技发展有限公司 | 图像拍摄的方法、系统及其拍摄装置 |
| CN115620353A (zh) * | 2022-05-16 | 2023-01-17 | 广州数舜数字化科技有限公司 | 一种用于3d人脸识别的图像预处理方法 |
| WO2024157277A1 (en) * | 2023-01-25 | 2024-08-02 | Kannan Natarajan | Face detection camera and method |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107483811A (zh) * | 2017-07-28 | 2017-12-15 | 广东欧珀移动通信有限公司 | 成像方法和电子装置 |
| CN107734225A (zh) * | 2017-10-24 | 2018-02-23 | 维沃移动通信有限公司 | 一种拍摄方法及装置 |
| CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
| CN108989667A (zh) * | 2018-06-29 | 2018-12-11 | 惠州华阳通用电子有限公司 | 一种红外补光系统与方法 |
| CN110784660A (zh) * | 2019-11-13 | 2020-02-11 | 广州洪荒智能科技有限公司 | 一种摄像亮度控制方法、系统、设备和介质 |
| CN111316633A (zh) * | 2017-11-08 | 2020-06-19 | 深圳传音通讯有限公司 | 一种智能终端的图像拍摄方法及图像拍摄系统 |
| CN111885311A (zh) * | 2020-03-27 | 2020-11-03 | 浙江水晶光电科技股份有限公司 | 红外摄像头曝光调节的方法、装置、电子设备及存储介质 |
| CN112040108A (zh) * | 2020-09-16 | 2020-12-04 | 重庆紫光华山智安科技有限公司 | 一种人脸抓拍相机混合补光控制方法、系统、介质及终端 |
-
2021
- 2021-01-18 CN CN202110059513.XA patent/CN112861645A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107483811A (zh) * | 2017-07-28 | 2017-12-15 | 广东欧珀移动通信有限公司 | 成像方法和电子装置 |
| CN107734225A (zh) * | 2017-10-24 | 2018-02-23 | 维沃移动通信有限公司 | 一种拍摄方法及装置 |
| CN111316633A (zh) * | 2017-11-08 | 2020-06-19 | 深圳传音通讯有限公司 | 一种智能终端的图像拍摄方法及图像拍摄系统 |
| CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
| CN108989667A (zh) * | 2018-06-29 | 2018-12-11 | 惠州华阳通用电子有限公司 | 一种红外补光系统与方法 |
| CN110784660A (zh) * | 2019-11-13 | 2020-02-11 | 广州洪荒智能科技有限公司 | 一种摄像亮度控制方法、系统、设备和介质 |
| CN111885311A (zh) * | 2020-03-27 | 2020-11-03 | 浙江水晶光电科技股份有限公司 | 红外摄像头曝光调节的方法、装置、电子设备及存储介质 |
| CN112040108A (zh) * | 2020-09-16 | 2020-12-04 | 重庆紫光华山智安科技有限公司 | 一种人脸抓拍相机混合补光控制方法、系统、介质及终端 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115620353A (zh) * | 2022-05-16 | 2023-01-17 | 广州数舜数字化科技有限公司 | 一种用于3d人脸识别的图像预处理方法 |
| CN114973427A (zh) * | 2022-06-09 | 2022-08-30 | 杭州萤石软件有限公司 | 一种目标检测设备及图像获取方法 |
| CN114973427B (zh) * | 2022-06-09 | 2024-06-04 | 杭州萤石软件有限公司 | 一种目标检测设备及图像获取方法 |
| CN115278098A (zh) * | 2022-06-28 | 2022-11-01 | 北京驭光科技发展有限公司 | 图像拍摄的方法、系统及其拍摄装置 |
| CN115278098B (zh) * | 2022-06-28 | 2024-06-18 | 嘉兴驭光光电科技有限公司 | 图像拍摄的方法、系统及其拍摄装置 |
| CN115278099A (zh) * | 2022-06-29 | 2022-11-01 | 广东小天才科技有限公司 | 一种补光灯控制方法、终端设备及存储介质 |
| WO2024157277A1 (en) * | 2023-01-25 | 2024-08-02 | Kannan Natarajan | Face detection camera and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112861645A (zh) | 红外摄像头弱光环境补偿方法、装置及电子设备 | |
| CN112866581A (zh) | 摄像头自动曝光补偿方法、装置及电子设备 | |
| US11227368B2 (en) | Method and device for controlling an electronic device based on determining a portrait region using a face region detection and depth information of the face region detected | |
| JP3938257B2 (ja) | 顔のような領域を検出する方法および装置、ならびに観察者トラッキングディスプレイ | |
| CN109767467A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN110248112B (zh) | 一种图像传感器的曝光控制方法 | |
| TWI382360B (zh) | 物件偵測方法及其裝置 | |
| CN108734676A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN105791709A (zh) | 带有逆光补偿的自动曝光处理方法及装置 | |
| CN110022469A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN112364842B (zh) | 一种双摄人脸识别方法及装置 | |
| JP2007097178A (ja) | 顔検出による赤目の除去方法 | |
| CN109086724A (zh) | 一种加速的人脸检测方法及存储介质 | |
| CN104182721A (zh) | 提升人脸识别率的图像处理系统及图像处理方法 | |
| CN111083385B (zh) | 一种双目或多目摄像头曝光方法、系统和存储介质 | |
| US20220270266A1 (en) | Foreground image acquisition method, foreground image acquisition apparatus, and electronic device | |
| CN109886195B (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
| CN109327626A (zh) | 图像采集方法、装置、电子设备和计算机可读存储介质 | |
| CN112232204A (zh) | 基于红外图像的活体检测方法 | |
| US20230419500A1 (en) | Information processing device and information processing method | |
| CN112839183B (zh) | 一种环境自适应的人脸图像的识别方法 | |
| CN107369157A (zh) | 一种自适应阈值Otsu图像分割方法及装置 | |
| CN111666869B (zh) | 一种基于宽动态处理的人脸识别方法、装置及电子设备 | |
| CN111192280A (zh) | 一种基于局部特征的视盘边缘检测方法 | |
| CN114821676B (zh) | 客流人体检测方法、装置、存储介质及客流统计相机 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210528 |