CN113132633B - 一种图像处理方法、装置、设备及计算机可读存储介质 - Google Patents
一种图像处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113132633B CN113132633B CN202110373316.5A CN202110373316A CN113132633B CN 113132633 B CN113132633 B CN 113132633B CN 202110373316 A CN202110373316 A CN 202110373316A CN 113132633 B CN113132633 B CN 113132633B
- Authority
- CN
- China
- Prior art keywords
- image
- acquisition
- target object
- acquired
- acquisition angle
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 18
- 238000012549 training Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像处理方法、装置、设备及计算机可读存储介质，所述方法包括：响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像；监测采集的图像所对应的采集角度；在监测到所述采集的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。利用本申请实施例提供的技术方案至少可以引导用户控制本地终端移动，实现本地终端在移动过程中对目标对象的图像采集，进而达到提升图像的质量和处理效率的有益效果。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
背景技术
随着图像处理技术的发展，目前可以采用图像处理技术识别证件，来获得证件的信息。为了获得用于识别证件的数据，目前采用的方案有两种。一种是用户手持证件，使用移动终端拍摄包含证件的视频。另一种是将证件静置于平面，使用移动终端从多个角度拍摄包含证件的图像。
上述两种方案均存在缺陷。第一种方案存在的缺陷为，用户的手指遮挡证件、和/或用户手持证件时手抖，会导致包含证件的视频质量无法满足证件识别的要求。第二种方案存在的缺陷为，多个图像的信息含量低于视频的信息含量，对多个图像进行证件识别无法得到足够的证件的信息。
发明内容
本申请提供了一种图像处理方法、装置、设备及计算机可读存储介质，至少可以实现目标对象的图像采集，进而达到提升图像的质量和处理效率的有益效果。
一方面，本申请提供了一种图像处理方法，所述方法包括：
响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；
在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像；
监测采集的图像所对应的采集角度；
在监测到所述采集的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。
另一方面提供了一种图像处理装置，所述装置包括：
展示模块，用于响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；
采集模块，用于在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像；
第一监测模块，用于监测采集的图像所对应的采集角度；
确定模块，用于在监测到所述采集的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。
另一方面提供了一种图像处理设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上所述的图像处理方法。
另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的图像处理方法。
本申请提供的图像处理方法、装置、设备及计算机可读存储介质，具有如下技术效果：
本申请通过展示基于预设采集角度确定的运动轨迹引导信息，可便于在用户基于运动轨迹引导信息控制本地终端移动过程中，实现目标对象的图像采集，满足图像采集的高信息量需求和高质量要求。通过监测采集的图像所对应的采集角度，可以在采集的图像所对应的角度与预设采集角度匹配的情况下，实现目标图像的确定，提高图像处理效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，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的介绍，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它附图。
图1是本申请实施例提供的一种图像处理方法的流程示意图；
图2是本申请实施例提供的一种监测图像对应的采集角度的处理过程的流程示意图；
图3是本申请实施例提供的一种输出采集速度异常提示信息的处理过程的流程示意图；
图4是本申请实施例提供的一种监测图像对应的采集角速度的处理过程的流程示意图；
图5是本申请实施例提供的一种更新运动轨迹引导信息的处理过程的流程示意图；
图6是本申请实施例提供的一种识别目标图像的对象质量信息的处理过程的流程示意图；
图7是本申请实施例提供的一种输出对象质量信息异常提示信息的处理过程的流程示意图；
图8是本申请实施例提供的另一种图像处理方法的流程示意图；
图9是本申请实施例提供的一种图像处理装置的结构示意图；
图10是本申请实施例提供的一种图像处理服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中，机器学习/深度学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
平台产品服务层提供典型应用的基本能力和实现框架，开发人员可以基于这些基本能力，叠加业务的特性，完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。
本申请实施例中，图像处理的过程涉及人工智能的机器学习/深度学习技术，而图像存储的过程可以应用上述区块链领域的分布式数据存储技术。具体的，本申请通过如下实施例进行说明：
以下介绍本申请一种图像处理方法，图1是本申请实施例提供的一种图像处理方法的流程示意图，本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：
S101：响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息。
本申请实施例中，所述目标对象可以包括任意需要采集图像的人或物，具体的可以包括ID卡(Identification Card，身份识别卡)和IC卡(Intergrated Circuit Card，集成电路卡)，上述ID卡的类型可以包括但不限于身份证和工作证，上述IC卡的类型可以包括但不限于银行卡和购物卡。
本申请实施例中，所述图像采集指令用于指示本地终端采集所述目标对象的图像。
本申请实施例中，所述预设采集角度为预先设置的采集角度，其数值可以根据实际应用需求进行设置。可选的，所述预设采集角度的数值可以设置为10～80中的任意值，单位为度。
在一个可选的实施例中，还可以预先设置预设采集方向，本地终端响应于目标对象的图像采集指令，展示基于预设采集角度和预设采集方向确定的运动轨迹引导信息。可选的，所述预设采集角度的方向可以设置为往左方向、往右方向、往前方向或者往后方向。可选的，所述预设采集角度的方向还可以设置为先往左方向、再往右方向，或者先往前方向、再往后方向。
本申请实施例中，所述运动轨迹引导信息基于所述预设采集角度而定，其形式可以包括但不限于音频信息、视频信息和图像信息。例如，在所述预设采集角度为45度的情况下，所述运动轨迹引导信息可以为“请按照45度角左右翻转本地终端”的音频信息，可以为包含左右箭头和文字“45度”的图片，还可以为示例性的本地终端左右翻转45度的视频信息。
在实际应用中，本地终端可以为用户提供一图像采集操作界面，用户通过点击上述图像采集操作界面上的采集控件，来触发目标对象的图像采集指令。本地终端通过图像采集操作界面，响应于图像采集指令，基于预设采集角度确定运动轨迹引导信息，在运动引导信息为图像信息或者视频信息的情况下，将运动轨迹引导信息显示在图像采集操作界面的引导信息显示区域，在运动引导信息为音频信息的情况下，通过音频输出模块输出所述运动引导信息。
本申请实施例中，通过基于预设采集角度确定运动轨迹引导信息，可以通过向用户展示运动轨迹引导信息，引导用户移动本地终端，利用本地终端采集到信息量满足要求的目标对象的图像。
S103：在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像。
在实际应用中，用户可以将目标对象静置于一平面，根据所述运动引导信息移动本地终端，以使本地终端在移动过程中采集目标对象对应的图像。
本申请实施例中，所述采集时间间隔基于本地终端的图像采集频率而定，本地终端的图像采集频率基于本地终端的硬件性能而定，一般为20～30Hz。
在一个可选的实施例中，还可以对采集到的图像进行采样，采样频率可以为7～8Hz，对采样得到的图像进行后续的图像处理。
本申请实施例中，通过用户基于所述运动轨迹引导信息控制本地终端移动，本地终端在移动过程中对静置于平面的目标对象进行图像采集，可以避免手持目标对象、控制本地终端移动对目标对象进行图像采集而导致的手抖问题和手指遮挡目标对象的问题，可以提高图像质量，还可以提高图像信息量。
S105：监测采集的图像所对应的采集角度。
本申请实施例中，所述采集角度为本地终端在移动过程中采集图像的角度。
在一个可选的实施例中，在目标对象的对象类型为证件的情况下，在所述监测采集的图像所对应的采集角度之前，上述方法还包括：
对所述采集的图像中的目标对象进行合法性检测，在所述目标对象具有合法性的情况下，监测采集的图像所对应的采集角度。
在一个可选的实施例中，考虑到所述目标对象的证件号码基于所述目标对象的人物信息和证件类型确定，上述对所述目标对象进行合法性检测包括：
识别所述采集的图像中目标对象的证件类型和证件号码；
识别所述采集的图像中目标对象的人物信息；
根据上述证件类型、证件号码和上述人物信息，对所述目标对象进行合法性检测。
本申请实施例中，所述人物信息包括但不限于人物的姓名、性别、生日和户籍。
在一个可选的实施例中，若上述证件号码与上述证件类型和上述人物信息匹配，则确定所述目标对象的合法性检测通过。
在一个可选的实施例中，若上述证件号码与上述证件类型和上述人物信息不匹配，则确定所述目标对象的合法性检测不通过。
以目标对象的对象类型为身份证为例，所述身份证的1-6位数字与人物的户籍匹配，7-14位数字与人物的生日相同，15-16位数字为出生顺序编号，17位数字为性别标号(男为1，女为2)，18位数字为校验码。因而，可以采用上述方案对身份证的合法性进行验证。
在一个可选的实施例中，考虑到所述目标对象的证件号码唯一，上述对所述目标对象进行合法性检测包括：
识别所述目标对象的证件号码；
获取至少一个对象的证件号码与对应的人物信息的映射关系；
根据上述映射关系，对所述目标对象进行合法性检测。
本申请实施例中，通过对目标对象进行合法性验证，可以识别出目标对象的真伪，确保采集的图像为合法的目标对象对应的图像。
在一个可选的实施例中，为了对目标对象类型的对象的图像进行采集，上述监测采集的图像所对应的采集角度还包括：
监测所述采集的图像所对应的对象类型，在所述对象类型为目标对象类型的情况下，监测采集的图像所对应的采集角度。
本申请实施例中，上述对象类型可以包括但不限于身份证、工作证、出生证、结婚证和银行卡。
本申请实施例中，上述目标对象类型可以为用户通过本地终端的图像采集操作界面选择的对象类型。
在一个可选的实施例中，考虑到不同采集角度下，目标对象在本地终端的投影面上的几何形态不同，可以通过分析图像中目标对象的几何形态，来监测采集的图像所对应的采集角度。
在一个具体的实施例中，考虑到采集角度越大，图像包含的目标对象中、与所述本地终端投影点的位置距离不同的一组对边的边长差也越大。所述监测采集的图像所对应的采集角度包括：
S201：获取所述采集的图像所对应的顶点坐标。
本申请实施例中，所述采集的图像可以包括至少四个顶点，所述采集的图像所对应的顶点坐标为上述至少四个顶点对应的坐标。可以选取其中一个顶点作为原点建立参照系，来确定各个顶点对应的坐标。例如，在目标对象为ID卡或者IC卡的情况下，所述目标对象的顶点包括左上角顶点、右上角顶点、左下角顶点和右下角顶点。可以选取左上角顶点为原点建立坐标系，得到左上角顶点、右上角顶点、左下角顶点和右下角顶点对应的坐标。
本申请实施例中，可以将采集的图像输入训练好的目标对象定位网络进行定位识别，得到训练好的目标对象定位网络输出的所述采集的图像所对应的顶点坐标。具体的，所述目标对象定位模型的类型可以为基于深度学习的神经网络，所述目标对象定位模型基于标注好顶点坐标的训练对象集训练得到。
S203：根据所述预设采集角度和所述顶点坐标，确定所述采集的图像所对应的第一目标边长和第二目标边长。
本申请实施例中，根据采集的图像中目标对象的至少四个顶点，可以确定采集的图像中目标对象的至少四个边。根据所述预设采集角度，可以从上述至少四个边中确定出距离本地终端的投影点的位置距离不同的一组对边，该组对边包括第一目标边和第二目标边，将第一目标边的边长作为第一目标边长，将第二目标边的边长作为第二目标边长。具体的，计算第一目标边长和第二目标边长的计算公式可以为欧式距离公式。
可以理解，采集角度越大，第一目标边长和第二目标边长的长度差越大。在实际应用中，用户移动本地终端的初始位置可以为所述目标对象的正上方，根据本地终端展示的运动轨迹引导信息，控制本地终端左右移动或者前后移动。显然，与所述预设采集角度的方向垂直的一组平行对边为距离本地终端的投影点的位置距离不同的一组对边，可便于确定第一目标边长和第二目标边长。
S205：根据所述第一目标边长和所述第二目标边长，确定所述采集的图像所对应的采集角度。
本申请实施例中，由于采集角度越大，第一目标边长和第二目标边长的长度差越大，可以计算所述第一目标边长和所述第二目标边长的长度差，根据上述长度差，对所述采集的图像所对应的采集角度进行估算。在实际应用中，第一目标边长和第二目标边长的长度差接近于采集角度。
以目标对象为ID卡和IC卡为例，上述估算采集角度的公式可见公式1：
采集角度
上述公式1中，涉及到四个顶点坐标：第一定点坐标(x1，y1)、第二定点坐标(x2，y2)、第三定点坐标(x3，y3)和第四定点坐标(x4，y4)。其中，第一顶点坐标和第二顶点坐标用于确定第一目标边，第三顶点坐标和第三顶点坐标用于确定第二目标边。
在一个可选的实施例中，还可以在本地终端设置陀螺仪和加速度传感器，利用陀螺仪和加速度传感器监测本地终端的转动角度，根据本地终端的转动角度确定所述采集的图像所对应的采集角度。
本申请实施例中，采用上述第一种方案估算所述采集的图像所对应的采集角度，无需获取本地终端的图像采集模块的参数，即可确定采集角度，可以在满足实际应用的精确度要求的情况下，大大减少采集角度的计算复杂度，提高数据处理效率。本申请实施例中，采用上述第二种方案可以获得更为精确的所述采集的图像所对应的采集角度，但是容易在手持本地终端发生抖动的情况下受到干扰。可以根据实际应用需求，选择其中一种方案确定所述采集的图像所对应的采集角度。
在一个可选的实施例中，上述方法还包括：
S301：监测所述采集的图像所对应的采集角速度。
本申请实施例中，所述采集的图像所对应的采集角速度为所述本地终端在移动过程中采集目标对象的图像所具有的角速度。
在一个可选的实施例中，所述采集的图像包括当前采集的图像，所述监测所述采集的图像所对应的采集角速度包括：
S401：从至少一帧历史图像中确定出所述当前采集的图像的历史相邻图像。
本申请实施例中，所述至少一帧历史图像为本地终端在当前采集的图像之前所采集到的图像。
本申请实施例中，所述历史相邻图像为与当前采集的图像相邻的历史图像。
S403：确定所述当前采集的图像与所述历史相邻图像的采集时间间隔。
本申请实施例中，所述采集时间间隔基于本地终端的图像采集频率而定，本地终端的图像采集频率基于本地终端的硬件性能而定，一般为20～30Hz。
S405：获取所述历史相邻图像对应的采集角度。
本申请实施例中，由于本地终端监测所述采集的图像所对应的采集角度，可以从至少一帧历史图像对应的采集角度中，获取所述历史相邻图像对应的采集角度。
S407：根据所述历史相邻图像对应的采集角度、所述当前采集的图像对应的采集角度和所述采集时间间隔，确定所述当前采集的图像所对应的采集角速度。
本申请实施例中，可以计算当前采集的图像所对应的采集角度与历史相邻图像对应的采集角度的采集角度差，然后计算采集角度差与所述采集间隔时间的比值，得到所述当前采集的图像所对应的采集角速度。具体的，可以参照公式2：
采集角速度speed＝abs(ang1-ang2)/t (公式2)；
其中，abs()表示取绝对值，ang1为当前采集的图像对应的采集角度，ang2为历史相邻图像对应的采集角度。
S303：在所述采集的图像所对应的采集角速度未位于预设采集角速度范围内的情况下，输出采集速度异常提示信息。
本申请实施例中，所述预设采集角度范围为预先设置的预设采集角度范围，用于判断所述采集的采集角速度是否正常。在实际应用中，所述预设采集角度范围可以为每秒9度～每秒12度。
本申请实施例中，所述采集速度异常提示信息用于提示用户当前采集图像的角速度过快或者过慢，以使用户根据采集速度异常提示信息控制本地终端的移动速度。
本申请实施例中，若所述采集的图像所对应的采集角度大于所述预设采集角度范围的最大值，则生成提示用户当前采集图像的角速度过快的采集速度异常提示信息；若所述采集的图像所对应的采集角度小于所述预设采集角度范围的最小值，则生成提示用户当前采集图像的角速度过慢的采集速度异常提示信息。
本申请实施例中，通过在当前采集的图像对应的采集角速度不位于预设采集角速度范围内的情况下，输出采集速度异常提示信息，可以及时提示用户图像的采集角速度异常，以使用户及时矫正本地终端的移动速度，提高采集的目标对象的图像的质量。
在一个可选的实施例中，为了避免用户基于本地终端的展示的运动轨迹引导信息控制本地终端移动过程中，控制本地终端按照与所述预设采集方向的方向相反的方向移动，例如预设采集方向为往左方向，而用户控制本地终端按照往右方向移动，上述方法还包括：
根据当前采集到的图像对应的采集角度和历史相邻图像对应的采集角度，确定当前采集到的图像对应的采集方向；
在当前采集到的图像对应的采集方向与预设采集方向不匹配的情况下，输出采集方向异常提示信息。
具体的，可以参照公式3：
采集方向direction＝sign(ang1-ang2) (公式3)；
其中，sign()表示取方向，ang1为当前采集的图像对应的采集角度，ang2为历史相邻图像对应的采集角度。
本申请实施例中，通过在当前采集的图像对应的采集方向与预设采集方向不匹配的情况下，输出采集方向异常提示信息，可以及时提示用户图像的采集方向异常，以使用户及时矫正本地终端的移动方向，提高采集的目标对象的图像的质量。
S107：在监测到所述采集的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。
在一个可选的实施例中，在监测到所述采集的图像所对应的采集角度与所述预设采集角度相等的情况下，确定所述采集的图象所对应的采集角度与所述预设采集角度匹配。
在一个可选的实施例中，若本地终端在采集目标对象的图像的过程中，对采集的图像进行采样，将采样后得到的图像作为目标对象对应的图像，考虑到采样后的目标对象对应的图像中不存在采集角度与所述预设采集角度相等的图像，则在监测到所述采集的图像所对应的采集角度超出所述预设采集角度的角度满足误差要求的情况下，确定所述采集的图象所对应的采集角度与所述预设采集角度匹配。其中，所述误差要求为所述超出所述预设采集角度的角度位于0～5度内。
在一个可选的实施例中，上述方法还包括：
S501：在监测到所述采集的图像所对应的采集角度与所述预设采集角度不匹配的情况下，根据所述采集的图像所对应的采集角度与所述预设采集角度，更新所述运动轨迹引导信息。
本申请实施例中，在监测到所述采集到的图像所对应的采集角度小于所述预设采集角度的情况下，确定所述采集的图像所对应的采集角度与所述预设采集角度不匹配。
可以理解，本申请实施例中，所述采集的图像所对应的采集角度与所述预设采集角度不匹配，表明用户还需要继续控制本地终端移动，直到所述采集的图像所对应的采集角度与所述预设采集角度匹配。
在这种情况下，为了得到更精确的运动轨迹引导信息，可以根据监测到的所述采集的图像所对应的采集角度与所述预设采集角度，更新所述运动轨迹引导信息，以更精确地引导用户控制本地终端移动。例如，监测到的所述采集的图像所对应的采集角度为50度，而预设采集角度为60度，则更新运动轨迹引导信息为表征引导用户继续控制本地终端移动10度的音频信息、图像信息或者视频信息。
在一种可选的实施例中，还可以在监测到所述采集的图像所对应的采集角度与所述预设采集角度不匹配的情况下，根据所述采集的图像所对应的采集角度、所述预设采集角度和所述预设采集方向，更新所述运动轨迹引导信息。例如，测到的所述采集的图像所对应的采集角度为50度，而预设采集角度为60度、预设采集方向为往左方向，则更新运动轨迹引导信息为表征引导用户继续控制本地终端往左移动10度的音频信息、图像信息或者视频信息。
本申请实施例中，通过监测所述采集的图像所对应的采集角度，及时根据所述采集角度和所述预设采集角度更新运动轨迹引导信息，有利于精确引导用户控制本地终端移动，采集到需要的目标对象的图像。
在一个可选的实施例中，上述方法还包括：
S601：识别所述目标图像对应的对象质量信息。
本申请实施例中，所述目标图像对应的对象质量信息可以包括所述目标图像中目标对象的遮挡标识信息、涂改标识信息、亮度和模糊度。
在一个可选的实施例中，可以将所述目标图像输入训练好的遮挡识别网络进行遮挡识别，得到遮挡识别网络输出的遮挡标识信息，上述遮挡标识信息用于标识所述目标图像中的目标对象是否被遮挡。具体的，上述遮挡识别网络的类型可以为基于目标检测算法的神经网络，上述遮挡识别网络基于标注好真实遮挡标识信息的训练图像集训练得到。
在一个可选的申请实施例中，可以将所述目标图像输入训练好的涂改识别网络进行涂改识别，得到涂改识别网络输出的涂改标识信息，上述涂改标识信息用于标识所述目标图像中的目标对象是否被涂改。具体的，上述涂改识别网络的类型可以为基于目标检测算法的神经网络，上述涂改识别网络基于标注好真实涂改标识信息的训练图像集训练得到。
上述实施例中涉及的基于目标检测算法的神经网络可以包括但不限于YOLO(YouOnly Look Once)、CenterNet(中心网)和ssd(Single Shot Multibox Detector，单发多盒检测器)。
在一个可选的实施例中，可以将所述目标图像输入训练好的亮度识别网络进行亮度识别，得到亮度识别网络输出的亮度。具体的，上述亮度识别网络的类型可以为基于深度学习的图像分类算法，上述亮度识别网络基于标注好真实亮度的训练图像集训练得到。
在一个可选的实施例中，可以将所述目标图像输入训练好的模糊识别网络进行模糊识别，得到模糊度识别网络输出的模糊度。具体的，上述模糊识别网络的类型可以为基于深度学习的图像分类算法，上述模糊识别网络基于标注好真实模糊度的训练图像集训练得到。
在一个可选的实施例中，考虑到目标图像中的目标对象的几何形态由于目标对象的各部分离本地终端的投影点的位置距离不同而发生变化，不利于更精确地进行对象质量分析，上述识别所述目标图像对应的对象质量信息还包括：
对目标图像中的目标对象进行矫正，得到矫正后的目标图像；
识别所述矫正后的目标图像对应的对象质量信息。
本申请实施例中，可以利用透视变换的技术对目标图像中的目标对象进行矫正，得到矫正后的目标图像。具体的，矫正后的目标图像中目标对象所在平面与目标对象静置的平面平行，矫正后的目标图像的几何形态与静置的目标对象的几何形态相似。
S603：在所述对象质量信息满足预设要求的情况下，保存所述本地终端移动过程中采集的所述目标对象对应的图像。
本申请实施例中，所述对象质量信息满足预设要求包括：目标图像的遮挡标识信息表征目标图像中的目标对象未被遮挡、涂改标识信息表征目标图像中的目标对象未被涂改、目标图像的亮度位于预设亮度范围内以及目标图像的模糊度低于预设阈值。
在一个可选的实施例中，上述方法还包括：
S701：在所述对象质量信息不满足预设要求的情况下，展示对象质量信息异常提示信息。
在一个可选的实施例中，在目标图像中的目标对象被遮挡的情况下，本地终端输出遮挡提示信息。用户可以根据遮挡提示信息，将遮挡目标对象的物体移开，或者点击本地终端的图像采集操作界面上的重置控件，以触发本地终端的图像采集状态更新为初始状态，重新选择场景对目标对象进行图像采集。
在一个可选的实施例中，在目标图像中的目标对象被涂改的情况下，本地终端输出证件不合法提示信息，并结束目标对象的图像采集。
在一个可选的实施例中，在目标图像的亮度未位于预设亮度范围内的情况下，本地终端输出亮度异常提示信息，并结束目标对象的图像采集。用户可以根据亮度异常提示信息，重新选择亮度符合要求的场景对目标对象进行图像采集。
在一个可选的实施例中，在目标图像的模糊度低于预设阈值的情况下，本地终端输出模糊提示信息，并结束目标对象的图像采集。用户可以根据模糊度异常提示信息，检查目标对象、目标对象所在场景或者本地终端的图像采集装置。
本申请实施例中，通过对目标图像的对象质量信息进行识别，可以根据目标图像的对象质量信息是否满足预设要求，来估计采集的目标对象对应的图像所对应的对象质量信息是否预设要求，在目标图像的对象质量信息满足预设要求的情况下，保存采集的目标对象对应的图像，可以在确保采集的目标对应的图像所对应的对象质量的同时，大大减少图像处理时间，提高图像处理效率。
可以理解，所保存的目标对象对应的图像可以构成目标对象对应的视频流。通过上述方案，可以得到高质量、高信息量的目标对象对应的视频流，将视频流用于后端的图像处理，有利于得到精确的目标对象的数据。
在一个可选的实施例中，在目标图像的对象质量信息满足预设要求的情况下，上述方法还包括：
更新预设采集角度，展示基于更新后的预设采集角度确定的运动轨迹引导信息；
在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像；
监测采集的图像所对应的采集角度；
在监测到所述采集的图像所对应的采集角度与所述更新后的预设采集角度匹配的情况下，保存本地终端采集的所述目标对象对应的图像。
本申请实施例中，通过更新预设采集角度，展示基于更新后的预设采集角度确定的运动轨迹引导信息，可以基于运动轨迹引导信息继续引导用户控制本地终端采集目标对象对应的图像，以得到图像帧更多的目标对象对应的视频流，为后端的图像处理提供充分的数据支持，进一步满足后端对目标对象的视频流的信息量需求。
本申请实施例中，通过展示基于预设采集角度确定的运动轨迹引导信息，可便于用户基于运动轨迹引导信息控制本地终端移动，使本地终端在移动过程中采集到实际应用需要的目标对象的图像。通过监测采集的图像对应的采集角度，可以在监测到采集角度与预设采集角度匹配的情况，及时确定当前采集的图像作为目标图像。通过对目标图像进行对象质量分析，来确定采集的图像的对象质量情况，可以减少图像处理时间，提高图像处理效率。通过在目标图像的对象质量信息满足预设要求的情况下，保存所采集的图像，可以得到高质量、高信息量的目标对象的视频流。
如图8所示，在目标对象为证件的应用场景下，本申请实施例还提供了一种图像处理方法，所述方法包括：
S801：响应于证件的图像采集指令，展示基于第一预设采集角度确定的运动轨迹引导信息。
S803：在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述证件对应的图像。
S805：基于采集的证件对应的图像，识别证件的证件类型和证件信息，根据证件类型和证件信息，对证件进行合法性验证。
S807：在证件合法性验证通过的情况下，监测采集的图像所对应的采集角度和采集角速度。
S809：在采集角速度位于预设采集角速度范围、且采集的图像所对应的采集角度达到第一预设采集角度的情况下，确定本地终端的状态为关键非结束状态，确定当前采集的图像为目标图像。
本申请实施例中，上述关键非结束状态为本地终端确定目标图像、对目标图像进行对象质量分析的状态。
S811：识别目标图像对应的遮挡标识信息、涂改标识信息、亮度和模糊度，在目标图像对应的遮挡标识信息表征目标图像未被遮挡、涂改标识信息表征目标图像未被涂改、亮度位于预设亮度范围以及模糊度高于或等于预设阈值的情况下，确定目标图像的图像质量符合要求。
S813：在目标图像的图像质量符合要求的情况下，基于第二预设采集角度更新运动轨迹引导信息。
S815：在用户基于更新后的运动轨迹引导信息控制本地终端移动过程中，采集所述证件对应的图像。
S817：监测采集的图像所对应的采集角度和采集角速度，在采集角速度位于预设采集角速度范围、且采集的图像所对应的采集角度达到第二预设采集角度的情况下，确定本地终端移动到结束状态，保存所采集的证件对应的图像。
本申请实施例中，上述结束状态为本地终端结束图像采集的状态。
具体的，上述S801～S817的实现原理与前文涉及的步骤的实现原理相似，在此不作赘述。
上述方案可以实现高质量、高信息量的证件视频流的采集。
上述方案仅是一种应用场景示例，并非用于限定本申请实施例所提供的图像处理方法的应用场景。
如图9所示，本申请实施例还提供了一种图像处理装置，所述装置包括：
展示模块901，用于响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；
采集模块903，用于在用户基于所述运动轨迹引导信息控制本地终端移动过程中，采集所述目标对象对应的图像；
第一监测模块905，用于监测采集的图像所对应的采集角度；
确定模块907，用于在监测到所述采集的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。
在一种可选的实施例中，所述装置还包括：
更新模块，用于在监测到所述采集的图像所对应的采集角度与所述预设采集角度不匹配的情况下，根据所述采集的图像所对应的采集角度与所述预设采集角度，更新所述运动轨迹引导信息。
在一种可选的实施例中，所述第一监测模块905包括：
获取单元，用于获取所述采集的图像所对应的顶点坐标；
第一确定单元，用于根据所述预设采集角度和所述顶点坐标，确定所述采集的图像所对应的第一目标边长和第二目标边长；
第二确定单元，用于根据所述第一目标边长和所述第二目标边长，确定所述采集的图像所对应的采集角度。
在一种可选的实施例中，所述装置还包括：
第二监测模块，用于监测所述采集的图像所对应的采集角速度；
第一输出模块，用于在所述采集的图像所对应的采集角速度未位于预设采集角速度范围内的情况下，输出采集速度异常提示信息。
在一种可选的实施例中，所述第二监测模块包括：
第一确定单元，用于从至少一帧历史图像中确定出所述当前采集的图像的历史相邻图像；
第二确定单元，用于确定所述当前采集的图像与所述历史相邻图像的采集时间间隔；
获取单元，用于获取所述历史相邻图像对应的采集角度；
第三确定单元，用于根据所述历史相邻图像对应的采集角度、所述当前采集的图像对应的采集角度和所述采集时间间隔，确定所述当前采集的图像所对应的采集角速度。
在一种可选的实施例中，所述装置还包括：
识别模块，用于识别所述目标图像对应的对象质量信息；
保存模块，用于在所述对象质量信息满足预设要求的情况下，保存所述本地终端移动过程中采集的所述目标对象对应的图像。
在一种可选的实施例中，所述装置还包括：
第二输出模块，用于在所述对象质量信息不满足预设要求的情况下，展示对象质量信息异常提示信息。
所述的装置实施例中的装置与方法实施例基于同样地发明构思。
本申请实施例还提供了一种图像处理设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上所述的图像处理方法。
本申请实施例还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上所述的图像处理方法。
本申请实施例提供了一种图像处理服务器，该图像处理服务器包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的图像处理方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及图像处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图10是本申请实施例提供的一种图像处理方法的服务器的硬件结构框图。如图10所示，该服务器1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)1010(处理器1010可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1030，一个或一个以上存储应用程序1023或数据1022的存储介质1020(例如一个或一个以上海量存储设备)。其中，存储器1030和存储介质1020可以是短暂存储或持久存储。存储在存储介质1020的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1010可以设置为与存储介质1020通信，在服务器1000上执行存储介质1020中的一系列指令操作。服务器1000还可以包括一个或一个以上电源1060，一个或一个以上有线或无线网络接口1050，一个或一个以上输入输出接口1040，和/或，一个或一个以上操作系统1021，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM，FreeBSDTM等等。
输入输出接口1040可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1000的通信供应商提供的无线网络。在一个实例中，输入输出接口1040包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口1040可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解，图10所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器1000还可包括比图10中所示更多或者更少的组件，或者具有与图10所示不同的配置。
本申请的实施例还提供了一种存储介质，所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种图像处理方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的图像处理方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的图像处理方法、装置、服务器或存储介质的实施例可见，本申请通过展示基于预设采集角度确定的运动轨迹引导信息，可便于在用户基于运动轨迹引导信息控制本地终端移动过程中，实现目标对象的图像采集，满足图像采集的高信息量需求和高质量要求。通过监测采集的图像所对应的采集角度，可以在采集的图像所对应的角度与预设采集角度匹配的情况下，实现目标图像的确定，提高图像处理效率。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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 (14)
1.一种图像处理方法，其特征在于，所述方法包括：
响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；所述图像采集指令用于指示本地终端采集所述目标对象的图像；所述预设采集角度为预设的满足采集对象对应信息量和质量要求时的采集角度；
在用户基于所述运动轨迹引导信息控制所述本地终端移动过程中，采集所述目标对象对应的图像；
监测采集的所述目标对象的图像所对应的采集角度，包括：获取所述采集的所述目标对象的图像所对应的顶点坐标；根据所述预设采集角度和所述顶点坐标，确定所述采集的所述目标对象的图像所对应的第一目标边长和第二目标边长；根据所述第一目标边长和所述第二目标边长，确定所述采集的所述目标对象的图像所对应的采集角度；所述第一目标边长和所述第二目标边长为采集的图像中所述目标对象对应的至少四个边中距离所述本地终端的投影点的位置距离不同的一组对边；
在监测到所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在监测到所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度不匹配的情况下，根据所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度，更新所述运动轨迹引导信息。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
监测所述采集的所述目标对象的图像所对应的采集角速度；
在所述采集的所述目标对象的图像所对应的采集角速度未位于预设采集角速度范围内的情况下，输出采集速度异常提示信息。
4.根据权利要求3所述的方法，其特征在于，所述采集的所述目标对象的图像包括当前采集的图像，所述监测所述采集的所述目标对象的图像所对应的采集角速度包括：
从至少一帧历史图像中确定出所述当前采集的图像的历史相邻图像；
确定所述当前采集的图像与所述历史相邻图像的采集时间间隔；
获取所述历史相邻图像对应的采集角度；
根据所述历史相邻图像对应的采集角度、所述当前采集的图像对应的采集角度和所述采集时间间隔，确定所述当前采集的图像所对应的采集角速度。
5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：
识别所述目标图像对应的对象质量信息；
在所述对象质量信息满足预设要求的情况下，保存所述本地终端移动过程中采集的所述目标对象对应的图像。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在所述对象质量信息不满足预设要求的情况下，展示对象质量信息异常提示信息。
7.一种图像处理装置，其特征在于，所述装置包括：
展示模块，用于响应于目标对象的图像采集指令，展示基于预设采集角度确定的运动轨迹引导信息；所述图像采集指令用于指示本地终端采集所述目标对象的图像；所述预设采集角度为预设的满足采集对象对应信息量和质量要求时的采集角度；
采集模块，用于在用户基于所述运动轨迹引导信息控制所述本地终端移动过程中，采集所述目标对象对应的图像；
第一监测模块，用于监测采集的所述目标对象的图像所对应的采集角度；
确定模块，用于在监测到所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度匹配的情况下，将与所述预设采集角度匹配的采集角度对应的图像作为目标图像；
所述第一监测模块包括：
获取单元，用于获取所述采集的图像所对应的顶点坐标；
第一确定单元，用于根据所述预设采集角度和所述顶点坐标，确定所述采集的图像所对应的第一目标边长和第二目标边长；所述第一目标边长和所述第二目标边长为采集的图像中所述目标对象对应的至少四个边中距离所述本地终端的投影点的位置距离不同的一组对边；
第二确定单元，用于根据所述第一目标边长和所述第二目标边长，确定所述采集的图像所对应的采集角度。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
更新模块，用于在监测到所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度不匹配的情况下，根据所述采集的所述目标对象的图像所对应的采集角度与所述预设采集角度，更新所述运动轨迹引导信息。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二监测模块，用于监测所述采集的所述目标对象的图像所对应的采集角速度；
第一输出模块，用于在所述采集的所述目标对象的图像所对应的采集角速度未位于预设采集角速度范围内的情况下，输出采集速度异常提示信息。
10.根据权利要求9所述的装置，其特征在于，所述第二监测模块包括：
第一确定单元，用于从至少一帧历史图像中确定出当前采集的图像的历史相邻图像；
第二确定单元，用于确定所述当前采集的图像与所述历史相邻图像的采集时间间隔；
获取单元，用于获取所述历史相邻图像对应的采集角度；
第三确定单元，用于根据所述历史相邻图像对应的采集角度、所述当前采集的图像对应的采集角度和所述采集时间间隔，确定所述当前采集的图像所对应的采集角速度。
11.根据权利要求7-10任一所述的装置，其特征在于，所述装置还包括：
识别模块，用于识别所述目标图像对应的对象质量信息；
保存模块，用于在所述对象质量信息满足预设要求的情况下，保存所述本地终端移动过程中采集的所述目标对象对应的图像。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
第二输出模块，用于在所述对象质量信息不满足预设要求的情况下，展示对象质量信息异常提示信息。
13.一种图像处理设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序、所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至6任一所述的图像处理方法。
14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至6任一所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373316.5A CN113132633B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373316.5A CN113132633B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113132633A CN113132633A (zh) | 2021-07-16 |
| CN113132633B true CN113132633B (zh) | 2024-04-12 |
Family
ID=76775337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110373316.5A Active CN113132633B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113132633B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115002443B (zh) * | 2022-04-29 | 2023-05-12 | 北京城市网邻信息技术有限公司 | 图像采集的处理方法、装置、电子设备及存储介质 |
| CN114677635B (zh) * | 2022-05-30 | 2022-09-27 | 成都新希望金融信息有限公司 | 基于视频流的证件检测方法、系统、电子设备及存储介质 |
| CN117110952B (zh) * | 2023-08-18 | 2024-02-02 | 南京中旭电子科技有限公司 | 用于霍尔传感器的信号处理方法以及信号处理装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011155461A (ja) * | 2010-01-27 | 2011-08-11 | Sanyo Electric Co Ltd | 撮像装置、ならびに、その制御方法および制御プログラム |
| CN105334850A (zh) * | 2014-08-07 | 2016-02-17 | 苏州宝时得电动工具有限公司 | 自动移动设备 |
| CN109300082A (zh) * | 2017-07-25 | 2019-02-01 | 中兴通讯股份有限公司 | 图像采集方法装置、采集设备及计算机存储介质 |
| CN112308869A (zh) * | 2019-07-30 | 2021-02-02 | 阿里巴巴集团控股有限公司 | 图像采集方法、装置、电子设备及计算机存储介质 |
| CN112346798A (zh) * | 2020-10-10 | 2021-02-09 | 北京城市网邻信息技术有限公司 | 一种信息的采集方法和装置 |
-
2021
- 2021-04-07 CN CN202110373316.5A patent/CN113132633B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011155461A (ja) * | 2010-01-27 | 2011-08-11 | Sanyo Electric Co Ltd | 撮像装置、ならびに、その制御方法および制御プログラム |
| CN105334850A (zh) * | 2014-08-07 | 2016-02-17 | 苏州宝时得电动工具有限公司 | 自动移动设备 |
| CN109300082A (zh) * | 2017-07-25 | 2019-02-01 | 中兴通讯股份有限公司 | 图像采集方法装置、采集设备及计算机存储介质 |
| CN112308869A (zh) * | 2019-07-30 | 2021-02-02 | 阿里巴巴集团控股有限公司 | 图像采集方法、装置、电子设备及计算机存储介质 |
| CN112346798A (zh) * | 2020-10-10 | 2021-02-09 | 北京城市网邻信息技术有限公司 | 一种信息的采集方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113132633A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113132633B (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
| TWI687879B (zh) | 伺服器、客戶端、用戶核身方法及系統 | |
| WO2018228218A1 (zh) | 身份识别方法、计算设备及存储介质 | |
| BR112019011827A2 (pt) | Método para rastrear mercadorias com base em protocolo de confiança e aparelho para rastrear mercadoria com base em protocolo de confiança | |
| CN104246793A (zh) | 移动设备的三维脸部识别 | |
| CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
| CN110048832A (zh) | 生物特征模板安全性及密钥产生 | |
| WO2017198749A1 (en) | Image processing apparatus and method | |
| CN111739016B (zh) | 目标检测模型训练方法、装置、电子设备及存储介质 | |
| CN108062544A (zh) | 用于人脸活体检测的方法和装置 | |
| CN110472460A (zh) | 人脸图像处理方法及装置 | |
| CN109034095A (zh) | 一种人脸对齐检测方法、装置和存储介质 | |
| CN104145296A (zh) | 头部跟踪方法、装置及计算机可读记录介质 | |
| EP3655874B1 (en) | Method and electronic device for authenticating a user | |
| CN111753271A (zh) | 基于ai识别的开户身份验证方法、装置、设备及介质 | |
| CN112668453B (zh) | 视频识别方法及相关设备 | |
| CN111243698A (zh) | 一种数据安全共享方法、存储介质和计算设备 | |
| CN107729928A (zh) | 信息获取方法和装置 | |
| Li et al. | Sensing in-air signature motions using smartwatch: A high-precision approach of behavioral authentication | |
| CN114820758A (zh) | 植物生长高度测量方法、装置、电子设备及介质 | |
| CN108920999A (zh) | 一种头部角度预测模型训练方法、预测方法、设备和介质 | |
| Ferreira et al. | User-centric coordinates for applications leveraging 3-axis accelerometer data | |
| US20220382839A1 (en) | Systems and methods for biometric authentication via face covering | |
| CN111783677B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
| CN111784660B (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40048717 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |