CN113163101A - 图像曝光调整方法、装置、设备和介质 - Google Patents

图像曝光调整方法、装置、设备和介质 Download PDF

Info

Publication number
CN113163101A
CN113163101A CN202010074188.XA CN202010074188A CN113163101A CN 113163101 A CN113163101 A CN 113163101A CN 202010074188 A CN202010074188 A CN 202010074188A CN 113163101 A CN113163101 A CN 113163101A
Authority
CN
China
Prior art keywords
image
exposure
pixel unit
area
determining
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.)
Granted
Application number
CN202010074188.XA
Other languages
English (en)
Other versions
CN113163101B (zh
Inventor
翁哲闻
张文辉
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.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies 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 Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN202010074188.XA priority Critical patent/CN113163101B/zh
Priority to PCT/CN2020/117835 priority patent/WO2021147364A1/zh
Priority to US17/791,800 priority patent/US20230056296A1/en
Priority to EP20916213.0A priority patent/EP4096210A1/en
Publication of CN113163101A publication Critical patent/CN113163101A/zh
Application granted granted Critical
Publication of CN113163101B publication Critical patent/CN113163101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/92—
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T5/70—
    • G06T5/94—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • 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
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • 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
    • H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
    • 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

Abstract

本发明实施例公开了一种图像曝光调整方法、装置、设备和介质。其中方法包括：对采集到的图像进行人体检测；当检测到人体时，对图像进行分割，以确定图像中的前景区域和背景区域；根据前景区域和背景区域，确定掩模图像；根据掩模图像，确定曝光权重表，并根据曝光权重表，对图像进行曝光值调整。本发明实施例实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提升人脸识别性能。

Description

图像曝光调整方法、装置、设备和介质
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种图像曝光调整方法、装置、设备和介质。
背景技术
人脸识别技术是利用摄像机采集包含有人脸的图像，并自动检测图像中的人脸，以对人脸进行脸部分析和识别的技术，广泛应用于人脸验证、监控以及人机交互等领域，例如基于人脸识别的门禁机，通过将采集的人脸图像中的人脸与人脸数据库进行比对，并根据人脸识别结果执行放行动作。
在人脸识别过程中，因拍摄环境等因素，导致人脸成像效果差，使得人脸识别准确度大幅下降。例如当背景光线过亮，导致人脸过暗。相关技术中，针对环境因素，导致人脸成像效果差的问题，常采用预先设置的自动调整算法来调整图像参数，以改善人脸成像质量。例如，采用自动曝光算法，以全图为基准计算曝光评估值，将曝光评估值与理想曝光值进行比较，并根据比较结果确定曝光参数调整方法调整摄像机的曝光值，以使人脸图像中人脸曝光正常。
然而，上述方式在特殊条件下，仍会导致人脸图像中人脸成像不正常，比如极端逆光场景下，容易出现人脸欠曝光，导致人脸过暗甚至无法检测到人脸，使得人脸成像效果差。从而无法保证人脸识别性能。
发明内容
本发明实施例提供一种图像曝光调整方法、装置、设备和介质，解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题。
第一方面，本发明实施例提供了一种图像曝光调整方法，该方法包括：
对采集到的图像进行人体检测；
当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
根据所述前景区域和背景区域，确定掩模图像；
根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
第二方面，本发明实施例还提供了一种图像曝光调整装置，该装置包括：
人体检测模块，用于对采集到的图像进行人体检测；
图像分割模块，用于当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
图像确定模块，用于根据所述前景区域和背景区域，确定掩模图像；
图像调整模块，用于根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中任一所述的图像曝光调整方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中任一所述的图像曝光调整方法。
本发明实施例公开的技术方案，具有如下有益效果：
通过对采集到的图像进行人体检测，当检测到人体时，对采集的图像进行分割，以确定图像中的前景区域和背景区域，然后根据前景区域和背景区域，确定掩模图像，根据掩模图像，确定曝光权重表，根据曝光权重表，对图像进行曝光值调整。解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题，实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提高人脸识别性能。
附图说明
图1是本发明实施例提供的一种图像曝光调整方法的流程图；
图2是本发明实施例提供的得到的掩模图像的示意图；
图3是本发明实施例提供的另一种图像曝光调整方法的流程图；
图4是本发明实施例提供的又一种图像曝光调整方法的流程图；
图5是本发明实施例提供的又一种图像曝光调整方法的流程图；
图6是本发明实施例提供的一种图像曝光调整装置的结构示意图；
图7是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1是本发明实施例提供的一种图像曝光调整方法的流程图，本发明实施例适用于对采集的图像进行曝光值调整的情况，该方法可以由图像曝光调整装置来执行，该装置可以采用硬件和/或软件的方式实现，并可配置在电子设备上。该图像曝光调整方法具体包括如下：
S101，对采集到的图像进行人体检测。
本发明实施例中，可基于摄像头或者具有摄像头的设备采集图像，然后对采集到的图像进行人体检测。
示例性的，可根据运动物体检测算法或者其他方式，对采集的图像进行人体检测，此处对人体检测的算法不做具体限定。
S102，当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域。
其中，前景区域为人体所在区域，背景区域为除人体之外的其他区域。
具体的，可采用不同方式，对图像进行分割，确定图像中的前景区域和背景区域。例如，帧差法、高斯混合模型或隐马尔可夫模型等，此处对其不做具体限定。
其中，采用帧差法对图像进行分割时，得到的前景区域为人体轮廓且可能会有“鬼影”，而采用多次帧差法对图像进行分割，可有效消除“鬼影”。因此本发明实施例可采用多次帧差法对图像进行分割，比如三次帧差法，以消除“鬼影”，然后通过轮廓拟合对得到的人体轮廓进行填充，得到前景区域和背景区域。
需要说明的是，由于高斯混合模型相较于帧差法，对图像进行分割的速度快且无需执行轮廓拟合操作，为此本发明实施例优选采用高斯混合模型，对图像进行分割确定图像中的前景区域和背景区域。
具体的，采用高斯混合模型，对图像进行分割时，通过将图像输入预设高斯混合模型中，以确定该图像中每个像素点的概率值，然后将每个像素点的概率值与概率阈值进行比对，根据比对结果确定每个像素点为前景点还是背景点，并在确定出前景点和背景点之后，将前景点所在区域确定为前景区域，及将背景点所在区域确定为背景区域。
其中，若任意像素点的概率值小于或者等于概率阈值，则确定该像素点为前景点；若任意像素点的概率值大于概率阈值，则确定该像素点为背景点。其中，预设高斯混合模型是基于训练样本进行训练生成，具体生成过程参见已有方案，此处对其不做过多赘述。
具体实现时，可通过如下公式(1)表示的预设高斯混合模型，确定图像中每个像素点的概率值：
Figure BDA0002378056060000051
其中，P(xi)为图像中第i个像素点的概率值，xi为第i个像素点，i为大于1的整数，j为第j个单高斯模型，M为单高斯模型的总数，M为大于或者等于2的整数，αj为第j个单高斯模型的权重，其中
Figure BDA0002378056060000052
为第j个单高斯模型的概率密度函数，μj为第j个单高斯模型的均值，∑j为第j个单高斯模型的方差，其中
Figure BDA0002378056060000053
需要说明的是，利用公式(1)确定图像中每个像素点属于前景点还是属于背景点之前，还需确定预设高斯混合模型中的各单高斯模型的权重、均值和方差。
作为一种可选实现方式，可通过构造似然函数，并对似然函数进行求解，得到各单高斯模型的权重、均值和方差。
首先，基于预设高斯混合模型构建似然函数，再对似然函数求对数，得到对数似然函数，具体如下公式(2)：
Figure BDA0002378056060000061
其中，L(αj,μj,∑j)为对数似然函数，j为第j个单高斯模型，M为第M个单高斯模型，M为单高斯模型的总数，M为大于或者等于2的整数，αj为第j个单高斯模型的权重，其中
Figure BDA0002378056060000062
Nj(xi；μj,∑j)为第j个单高斯模型的概率密度函数，μj为第j个单高斯模型的均值，∑j为第j个单高斯模型的方差，xi为第i个像素点，i为大于1的整数，W为总像素点，W为大于2的整数。
其次，对对数似然函数进行求解，确定各单高斯模型的权重、均值和方差。
具体实现过程包括如下步骤：
S1，根据第k个单高斯模型的初始权重、初始均值和初始方差，计算每个像素点的后验概率。
具体的，可通过如下公式(3)，计算每个像素点的后验概率：
Figure BDA0002378056060000063
其中，γ(xi,k)为第i个像素点的后验概率，xi为第i个像素点，k为第k个单高斯模型，αk为第k个单高斯模型的初始权重，Nk(xi；μk,∑k)为第k个单高斯模型的概率密度函数，μk为第k个单高斯模型的初始均值，∑k为第k个单高斯模型的初始方差，j为第j个单高斯模型，M为单高斯模型的总数，M为大于或者等于2的整数，αj为第j个单高斯模型的权重，其中
Figure BDA0002378056060000071
为第j个单高斯模型的概率密度函数，μj为第j个单高斯模型的均值，∑j为第j个单高斯模型的方差，其中
Figure BDA0002378056060000072
S2，根据S1估算出来的后验概率，计算每个单高斯模型的新均值、新方差和新权重。即求最大似然函数对应的参数值。
具体的，通过如下公式(4)，计算每个单高斯模型的新均值、新方差和新权重：
Figure BDA0002378056060000073
其中，Wk为属于第k个单高斯模型聚类的点的数量，
Figure BDA0002378056060000074
μk'为新均值，W为总像素点，γ(xi,k)为第i个像素点的后验概率，xi为第i个像素点，∑k'为新方差，αk'为新权重。
S3，重复S1-S2，直到似然函数收敛为止，得到各单高斯模型的最佳权重、最佳均值和最佳方差，并将各单高斯模型的最佳权重、最佳均值和最佳方差，作为各单高斯模型的权重、均值和方差，得到预设高斯混合模型。
进而，根据上述方式得到的预设高斯混合模型，对图像进行分割，以确定图像中的前景区域和背景区域。
需要说明的是，本发明实施例中得到预设高斯混合模型的方式仅作为示例性说明。除此之外，还可以采用已有或者其他方式获得预设高斯混合模型，只要能够实现对图像分割，确定图像中的前景区域和背景区域即可，此处对其不做具体限定。
S103，根据所述前景区域和背景区域，确定掩模图像。
由于对图像进行分割，确定图像中的前景区域和背景区域可能存在噪点，使得基于存在噪点的前景区域和背景区域生成的掩模图像质量差。本发明实施例可首先对前景区域和背景区域进行去噪处理，然后基于去噪处理后的前景区域和背景区域进行二值化处理，得到噪声少的掩模图像。其中，去噪处理包括滤波处理、腐蚀处理和膨胀处理实现。
具体实现时，可首先对前景区域和背景区域进行滤波处理，其次对滤波处理后的前景区域和背景区域进行腐蚀处理，最后对腐蚀处理后的前景区域和背景区域进行膨胀处理，以得到去噪处理后的前景区域和背景区域。然后，对去噪处理后的前景区域和背景区域进行二值化处理，得到掩模图像。在本实施例中，滤波处理可采用的滤波算法可为中值滤波算法、均值滤波算法或者其他现有算法，此处对其不做限定。优选使用中值滤波算法。
也就是说，本发明实施例通过中值滤波算法能够消除前景区域和背景区域中的孤立和密集噪点。进一步的，利用中值滤波算法进行去噪处理之后，前景区域和背景区域还可能存在噪点，因此采用形态学处理中的腐蚀算法再次进行噪点消除，但此时可能会造成空洞现象的发生，因而可采用膨胀算法对腐蚀处理后的前景区域和背景区域进行再处理，以得到填充平滑的掩模图像，从而得到质量好的掩模图像。
即，本发明实施可通过对所述前景区域和背景区域进行去噪处理及二值化处理，得到掩模图像。其中，将前景区域中像素点的像素值设置为1，及将背景区域中像素点的像素值设置为0。例如，如图2所示，对前景区域和背景区域进行去噪处理和二值化处理之后，得到掩模图像。
S104，根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
可选的，可通过图像信号处理器(Image Signal Processor，简称：ISP)，基于自身设置的数据尺寸，对掩模图像进行处理。然后，ISP对处理后的掩模图像对应的掩模数据进行分析，以统计处理后的掩模图像中每个像素单元中不同类像素点的数量，并确定预设类像素点数量占所属像素单元中总像素点的比例，以根据比例，确定每个像素单元的曝光权重，进而得到曝光权重表。在得到曝光权重表之后，可根据曝光权重表，对图像进行曝光值调整。其中，像素单元包括至少两个像素点。
需要说明的是，本发明实施例除了确定曝光值权重表之外，还可确定其他图像参数，例如对比度或者高动态范围成像(High-Dynamic Range，简称HDR)参数等。对应的，根据确定的图像参数，对图像进行调整包括：调整对比度或者HDR参数等。
可以理解的是，本发明实施例通过对采集到的具有人体的图像进行曝光值调整，以使基于调整后的图像能够容易检测出是否存在人脸，进而对检测到的人脸进行精准调整，以提高人脸图像质量，提升人脸识别性能(速度和准确度)。
本发明实施例提供的图像曝光调整方法，通过对采集到的图像进行人体检测，当检测到人体时，对采集的图像进行分割，以确定图像中的前景区域和背景区域，然后根据前景区域和背景区域，确定掩模图像，根据掩模图像，确定曝光权重表，根据曝光权重表，对图像进行曝光值调整。解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题，实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提高人脸识别性能。
基于上述技术方案，本发明实施例还存在另一种情况，例如：当对采集到的图像进行人体检测，检测到人体之后，还可进一步检测该图像中是否存在人脸，当存在人脸时，将该人脸区域作为测光区域，确定曝光调整参数，然后根据曝光调整参数，对图像进行曝光值调整。
本实施例中对图像进行人脸检测，可采用人脸检测算法或人脸检测模型实现，此处不做具体限定。其中，人脸检测算法是指能够检测人脸的任意算法，人脸检测模型是指能够检测人脸的任意模型，此处对其不做具体限定。
具体的，当检测到图像中存在人脸，并将检测的人脸区域作为测光区域，确定曝光调整参数时，可利用ISP中预设的自动调整算法，根据目标区域计算曝光评估值，并将曝光评估值与理想曝光值进行比较，根据比较结果确定曝光调整参数，然后根据曝光调整参数对图像的曝光值进行调整。其中，对图像的曝光值进行调整包括：增大曝光值、减小曝光值或者不作调整。
也就是说，当检测到图像存在人体之后，进一步检测该图像中是否有人脸，若有人脸，则即可将人脸区域作为目标区域进行处理，确定曝光调整参数，而无需执行对图像进行分割，确定图像中的前景区域和背景区域，以及确定掩模图像，并基于掩模图像确定曝光权重表等操作，从而可进一步提高对人脸识别的性能。
图3是本发明实施例提供的另一种图像曝光调整方法的流程图，本实施例在上一实施例的基础上进行进一步地优化，主要增加了根据掩模图像确定曝光权重表的相关操作。如图3所示，所述方法包括：
S301，对采集到的图像进行人体检测。
S302，当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域。
S303，根据所述前景区域和背景区域，确定掩模图像。
S304，根据图像信号处理器的数据尺寸，对所述掩模图像进行等比例缩小或放大，得到新掩模图像。
由于掩模图像对应的掩模数据量庞大，一般为A*B的二维数组，其中A和B通常均大于200，而ISP能够处理的数据尺寸一般基于ISP类型确定，从而存在ISP能够处理的数据尺寸小于或者大于掩模图像数据的尺寸。因此，本发明实施例可根据ISP的数据尺寸，对掩模图像进行等比例缩小或者放大，得到新掩模图像，从而为后续根据新掩模图像确定曝光权重表奠定了基础。
示例性的，可通过如下公式(5)，对掩模图像进行等比例缩小或者放大：
Figure BDA0002378056060000111
其中，DstHigh为图像信号处理器的数据高，SrcHigh为掩模图像对应的掩模数据高，DstWide为图像信号处理器的数据宽，SrcWide为掩模图像对应的掩模数据宽。
例如，若图像信号处理器的数据尺寸为20*30，掩模图像对应的掩模数据尺寸为：200*300，则将掩模图像对应的掩模数据尺寸从200*300缩小为20*30。
又如，若图像信号处理器的数据尺寸为300*300，掩模图像对应的掩模数据尺寸为：200*300，则将掩模图像对应的掩模数据尺寸从200*300放大为300*300。
S305，若对所述掩模图像进行等比例缩小，则统计所述新掩模图像中每个像素单元中的第一类像素点数量，并确定每个像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例，以根据所述数量比例，确定每个像素单元的曝光权重，其中，所述每个像素单元包括至少两个像素点。
具体的，对掩模图像进行等比例缩小，会将掩模图像中多个像素点归类到一个像素单元中，且处于一个像素单元中的多个像素点类型可能不同。其中，像素点类型包括第一类和第二类，并且第一类像素点的像素值为1，第二类像素点的像素值为0。
继续以上述S304中示例进行说明，掩模图像对应的掩模数据尺寸为200*300，而新掩模图像对应的掩模数据尺寸为20*30，则说明新掩模图像对应的掩模数据中每100个像素点会被归类到一个像素单元中，且每个像素单元中的像素点的像素值为1或0。
进而，本发明实施例可统计新掩模图像中每个像素单元中的第一类像素点数量。并在统计出新掩模图像中每个像素单元中的第一类像素点数量之后，即可确定每个像素单元中第一类像素点数量占所属像素单元中总像素点的比例。例如，若像素单元Q中有100个像素点，其中有65个像素点属于第一类，35个像素点属于第二类，则确定第一类像素点数量占像素单元Q中总像素点的比例为：0.65。
进一步的，根据所述数量比例，确定每个像素单元的曝光权重。示例性的，本发明实施例可将第一类像素点数量占所属像素单元中总像素点的数量比例，与数量比例阈值进行比对，以根据比对结果确定每个像素单元的曝光权重。其中，若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例大于数量比例阈值，则将该像素单元的曝光权重置为第一数值；若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例小于或者等于所述数量比例阈值，则将该像素单元的曝光权重置为第二数值。本实施例中，数量比例阈值可根据实际需要进行设置，例如0.8，0.9或者0.95等。
其中，第一数值可根据实际需求进行设置，例如设置1；对应的第二数值可设置为与第一数值不同的数值，例如设置为0。
此外，由于利用人脸图像进行人脸识别时，人脸区域通常属于感兴趣区域，且一般位于图像的目标区域，例如图像中的中下区域。因此本发明实施例在确定每个像素单元的曝光权重时，还可确定像素单元是否位于图像的目标区域。若任意像素单元位于图像的目标区域，且该像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例大于数量比例阈值，则将该像素单元的曝光值置为第三数值。其中，第三数值大于第一数值，且与第二数值不同。例如，当第一数值为1，第二数值为0，则可将第三数值设置为3等。
S306，若对所述掩模图像进行等比例放大，则确定所述新掩模图像中每个像素单元中的第一类像素点面积，并确定每个像素单元中第一类像素点面积占所属像素单元面积的面积比例，以根据面积比例，确定每个像素单元的曝光权重。
具体的，对掩模图像进行等比例放大，可能会将掩模图像中一个像素点归类到一个像素单元或者两个像素单元中。其中，该像素点类型可为第一类或第二类，当该像素点为第一类像素点时，该像素点的像素值为1；当该像素点为第一类像素点时，该像素点的像素值为0。
基于此，本发明实施例可确定新掩模图像中每个像素单元中的第一类像素点面积，并确定每个像素单元中第一类像素点面积占所属像素单元面积的面积比例。例如，若像素单元Q中第一类像素点面积为1平方毫米(mm2)，像素单元Q的面积为1.5mm2，则确定第一类像素点面积占像素单元Q面积的面积比例为：0.67。需要说明的是，确定每个像素单元中的第一类像素点面积可采用已有的面积计算方法，此处对其不做具体限定。
进一步的，根据所述面积比例，确定每个像素单元的曝光权重。示例性的，本发明实施例可将第一类像素点面积占所属像素单元面积的面积比例，与面积比例阈值进行比对，以根据比对结果确定每个像素单元的曝光权重。其中，若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例大于面积比例阈值，则将该像素单元的曝光权重置为第一数值；若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例小于或者等于所述面积比例阈值，则将该像素单元的曝光权重置为第二数值。本实施例中，面积比例阈值可根据实际需要进行设置，例如0.8，0.9或者0.95等。
其中，第一数值可根据实际需求进行设置，例如设置1；对应的第二数值可设置为与第一数值不同的数值，例如设置为0。
此外，本发明实施例在确定每个像素单元的曝光权重时，还可确定像素单元是否位于图像的目标区域。若任意像素单元位于图像的目标区域，且该像素单元中第一类像素点面积占所属像素单元面积的面积比例大于面积比例阈值，则将该像素单元的曝光值置为第三数值。其中，第三数值大于第一数值，且与第二数值不同。例如，当第一数值为1，第二数值为0，则可将第三数值设置为3等。
综上，在得到新掩模图像中每个像素单元的曝光权重后，可基于各像素单元的曝光权重，构建曝光权重表。即，曝光权重表的尺寸与新掩模图像对应掩模数据尺寸相同。
本发明实施例提供的图像曝光调整方法，通过对掩模图像进行缩小或者放大处理，得到新掩模图像，并基于新掩模图像中像素单元中的第一类像素点数量占所属像素单元中总像素点的数量比例，确定每个像素单元的曝光权重，或者基于新掩模图像中像素单元中的第一类像素点面积占所属像素单元面积的面积比例，确定每个像素单元的曝光权重，然后根据新掩模图像中各像素单元的曝光权重，构建曝光权重表，为后续基于曝光权重表，对图像进行曝光值调整奠定了基础。
图4是本发明实施例提供的又一种图像曝光调整方法的流程图，本实施例在上一实施例的基础上进行进一步地优化，主要增加了根据曝光权重表，对图像进行曝光值调整的相关操作。如图4所示，所述方法包括：
S401，对采集到的图像进行人体检测。
S402，当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域。
S403，根据所述前景区域和背景区域，确定掩模图像。
S404，根据所述掩模图像，确定曝光权重表。
S405，根据所述曝光权重表的尺寸，对所述图像进行分割处理，得到处理后的图像。
例如，若曝光权重的尺寸为20*30，则将图像的尺寸也分割成20*30，以将图像分割为多个区域，且多个区域中包括感兴趣区域。
S406，根据所述曝光权重表和所述处理后的图像之间的对应关系，确定测光区域。
本发明实施例中，处理后的图像与曝光权重表的各个像素单元对应，从而可根据曝光权重表确定处理后的图像中的测光区域。
具体实现时，可根据所述曝光权重表和所述处理后的图像之间的对应关系，确定所述处理后的图像中曝光权重为第一数值的像素单元，并将所述曝光权重为第一数值的像素单元作为测光区域。
例如，若曝光权重表中第x1个像素单元、第x2个像素单元、第x3个像素单元、第x4个像素单元、第x5个像素单元、第x6个像素单元、第x7个像素单元、第x8个像素单元的曝光权重为1，则将上述8个像素单元作为测光区域。
S407，根据所述测光区域，确定第一曝光调整参数，并根据所述第一曝光调整参数，对所述图像进行曝光值调整。
示例性的，可基于测光区域计算曝光评估值，并将曝光评估值与理想曝光值进行比较，根据比较结果确定第一曝光调整参数。然后，根据第一曝光调整参数，对图像进行曝光值调整。其中，曝光值调整可包括：增大曝光值或者减小曝光值。
本发明实施例提供的图像曝光调整方法，通过根据曝光权重表的尺寸，对图像进行分割处理，得到处理后的图像，并根据曝光权重表和处理后的图像之间的对应关系，确定测光区域，根据测光区域，确定第一曝光调整参数，以根据第一曝光调整参数，对图像进行曝光值调整。解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题，实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提升人脸识别性能。
图5是本发明实施例提供的又一种图像曝光调整方法的流程图，本实施例在上一实施例的基础上进行进一步地优化，主要增加了根据曝光权重表对图像进行曝光值调整之后，对调整后的图像进行人脸检测，并对检测到的人脸进行曝光值调整的相关操作，其中主要对调整人脸曝光值调整进行说明。如图6所示，所述方法包括：
S501，对调整后的图像进行人脸检测。
本发明实施例中，可采用人脸检测算法或人脸检测模型，对调整后的图像进行人脸检测操作。其中，人脸检测算法是指能够检测人脸的任意算法，人脸检测模型是指能够检测人脸的任意模型，此处对其不做具体限定。
S502，若检测到人脸，则将所述人脸所在区域作为测光区域，确定第二曝光调整参数。
S503，根据所述第二曝光调整参数，对所述调整后的图像进行曝光值调整。
示例性的，可基于测光区域计算曝光评估值，并将曝光评估值与理想曝光值进行比较，根据比较结果确定第二曝光调整参数。然后，根据第二曝光调整参数，对调整后的图像进行曝光值调整。其中，曝光值调整可包括：增大曝光值或者减小曝光值。
本发明实施例提供的图像曝光调整方法，根据曝光权重表对图像进行调整之后，还可对调整后的图像进行人脸检测，并当检测到人脸时，将人脸所在区域作为测光区域，确定第二曝光调整参数，以根据第二曝光调整参数，对调整后的图像进行曝光值调整，以使再次调整后的图像中人像成像效果更好，更有利于人脸识别，提高人脸识别性能，提升用户体验。
图6是本发明实施例提供的一种图像曝光调整装置的结构示意图。如图6所示，本发明实施例曝光值调整装置包括：人体检测模块610、图像分割模块620、图像确定模块630和图像调整模块640。
其中，人体检测模块610，用于对采集到的图像进行人体检测；
图像分割模块620，用于当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
图像确定模块630，用于根据所述前景区域和背景区域，确定掩模图像；
图像调整模块640，用于根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
作为本发明实施例的一种可选的实现方式，图像分割模块620，具体用于；
根据预设高斯混合模型，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
相应地，图像确定模块630，具体用于：
对所述前景区域和背景区域进行去噪处理及二值化处理，得到掩模图像；
其中，去噪处理包括：滤波处理、腐蚀处理和膨胀处理。
作为本发明实施例的一种可选的实现方式，图像调整模块640，具体用于：
根据图像信号处理器的数据尺寸，对所述掩模图像进行等比例缩小或者方法，得到新掩模图像；
若对所述掩模图像进行等比例缩小，则统计所述新掩模图像中每个像素单元中的第一类像素点数量，并确定每个像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例，以根据所述数量比例，确定每个像素单元的曝光权重，其中，所述每个像素单元包括至少两个像素点；
若对所述掩模图像进行等比例放大，则确定所述新掩模图像中每个像素单元中的第一类像素点面积，并确定每个像素单元中第一类像素点面积占所属像素单元面积的面积比例，以根据面积比例，确定每个像素单元的曝光权重。
作为本发明实施例的一种可选的实现方式，图像调整模块640，还用于：
若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例大于数量比例阈值，则将该像素单元的曝光权重置为第一数值；
若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例小于或者等于所述数量比例阈值，则将该像素单元的曝光权重置为第二数值。
作为本发明实施例的一种可选的实现方式，图像调整模块640，还用于：
若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例大于面积比例阈值，则将该像素单元的曝光权重置为第一数值；
若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例小于或者等于所述面积比例阈值，则将该像素单元的曝光权重置为第二数值。
作为本发明实施例的一种可选的实现方式，图像调整模块640，还用于：
根据所述曝光权重表的尺寸，对所述图像进行分割处理，得到处理后的图像；
根据所述曝光权重表和所述处理后的图像之间的对应关系，确定测光区域；
根据所述测光区域，确定第一曝光调整参数，并根据所述第一曝光调整参数，对所述图像进行曝光值调整。
作为本发明实施例的一种可选的实现方式，图像调整模块640，还用于：
根据所述曝光权重表和所述处理后的图像之间的对应关系，确定所述处理后的图像中曝光权重为第一数值的像素单元，并将所述曝光权重为第一数值的像素单元作为测光区域。
作为本发明实施例的一种可选的实现方式，所述装置还包括人脸检测模块、参数确定模块和曝光值调整模块；
其中，人脸检测模块，用于对调整后的图像进行人脸检测；
参数确定模块，用于若检测到人脸，则将所述人脸所在区域作为测光区域，确定第二曝光调整参数；
曝光值调整模块，用于根据所述第二曝光调整参数，对所述调整后的图像进行曝光值调整。
需要说明的是，前述对图像曝光调整方法实施例的解释说明也适用于该实施例的图像曝光调整装置，其实现原理类似，此处不再赘述。
本发明实施例提供的图像曝光调整装置，通过对采集到的图像进行人体检测，当检测到人体时，对采集的图像进行分割，以确定图像中的前景区域和背景区域，然后根据前景区域和背景区域，确定掩模图像，根据掩模图像，确定曝光权重表，根据曝光权重表，对图像进行曝光值调整。解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题，实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提升人脸识别性能。
参见图7，本发明实施例提供了一种电子设备700，其包括：一个或多个处理器720；存储装置710，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器720执行，使得所述一个或多个处理器720实现本发明中第一方面所提供的图像曝光调整方法，包括：
对采集到的图像进行人体检测；
当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
根据所述前景区域和背景区域，确定掩模图像；
根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
当然，本领域技术人员可以理解，处理器720还可以实现本发明中第一方面的任意实施例所提供的图像曝光调整方法的技术方案。
图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：一个或者多个处理器720，存储装置710，连接不同系统组件(包括存储装置710和处理器720)的总线750。
总线750表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备700典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备700访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置710可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)711和/或高速缓存存储器712。电子设备700可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统713可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线750相连。存储装置710可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块715的程序/实用工具714，可以存储在例如存储装置710中，这样的程序模块715包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块715通常执行本发明所描述的任意实施例中的功能和/或方法。
电子设备700也可以与一个或多个外部设备760(例如键盘、指向设备、显示器770等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口730进行。并且，电子设备700还可以通过网络适配器740与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器740通过总线750与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器720通过运行存储在存储装置710中的程序，从而执行各种功能应用以及数据处理，例如实现本发明中第一方面实施例所提供的图像曝光调整方法。
需要说明的是，前述对图像曝光调整方法实施例的解释说明也适用于该实施例的电子设备，其实现原理类似，此处不再赘述。
本发明实施例提供的电子设备，通过对采集到的图像进行人体检测，当检测到人体时，对采集的图像进行分割，以确定图像中的前景区域和背景区域，然后根据前景区域和背景区域，确定掩模图像，根据掩模图像，确定曝光权重表，根据曝光权重表，对图像进行曝光值调整。解决了在特殊条件下由于人脸成像效果差，导致人脸识别性能低的问题，实现了在对采集的图像进行人脸识别之前，基于图像中的人体确定曝光权重表，利用曝光权重表对图像进行曝光值调整，以使调整后的图像更容易检测到人脸，提高人脸检出率，从而提高人脸识别性能。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面实施例提供的一种图像曝光调整方法，该方法包括：
对采集到的图像进行人体检测；
当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
根据所述前景区域和背景区域，确定掩模图像；
根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储有计算机程勋，该程序被处理器执行时不限于如上所述的方法操作，还可以执行本发明第一方面中任意实施例所提供的图像曝光调整方法中的相关操作。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种图像曝光调整方法，其特征在于，包括：
对采集到的图像进行人体检测；
当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
根据所述前景区域和背景区域，确定掩模图像；
根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
2.根据权利要求1所述的方法，其特征在于，所述对所述图像进行分割，以确定所述图像中的前景区域和背景区域，包括：
根据预设高斯混合模型，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
相应地，所述根据所述前景区域和背景区域，确定掩模图像，包括：
对所述前景区域和背景区域进行去噪处理及二值化处理，得到掩模图像；
其中，去噪处理包括：滤波处理、腐蚀处理和膨胀处理。
3.根据权利要求1所述的方法，其特征在于，所述根据所述掩模图像，确定曝光权重表，包括：
根据图像信号处理器的数据尺寸，对所述掩模图像进行等比例缩小或者放大，得到新掩模图像；
若对所述掩模图像进行等比例缩小，则统计所述新掩模图像中每个像素单元中的第一类像素点数量，并确定每个像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例，以根据所述数量比例，确定每个像素单元的曝光权重，其中，所述每个像素单元包括至少两个像素点；
若对所述掩模图像进行等比例放大，则确定所述新掩模图像中每个像素单元中的第一类像素点面积，并确定每个像素单元中第一类像素点面积占所属像素单元面积的面积比例，以根据面积比例，确定每个像素单元的曝光权重。
4.根据权利要求3所述的方法，其特征在于，所述根据所述数量比例，确定每个像素单元的曝光权重，包括：
若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例大于数量比例阈值，则将该像素单元的曝光权重置为第一数值；
若任意像素单元中第一类像素点数量占所属像素单元中总像素点的数量比例小于或者等于所述数量比例阈值，则将该像素单元的曝光权重置为第二数值。
5.根据权利要求3所述的方法，其特征在于，所述根据面积比例，确定每个像素单元的曝光权重，包括：
若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例大于面积比例阈值，则将该像素单元的曝光权重置为第一数值；
若任意像素单元中第一类像素点面积占所属像素单元面积的面积比例小于或者等于所述面积比例阈值，则将该像素单元的曝光权重置为第二数值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述曝光权重表，对所述图像进行曝光值调整，包括：
根据所述曝光权重表的尺寸，对所述图像进行分割处理，得到处理后的图像；
根据所述曝光权重表和所述处理后的图像之间的对应关系，确定测光区域；
根据所述测光区域，确定第一曝光调整参数，并根据所述第一曝光调整参数，对所述图像进行曝光值调整。
7.根据权利要求6所述的方法，其特征在于，所述根据所述曝光权重表和所述处理后的图像之间的对应关系，确定测光区域包括：
根据所述曝光权重表和所述处理后的图像之间的对应关系，确定所述处理后的图像中曝光权重为第一数值的像素单元，并将所述曝光权重为第一数值的像素单元作为测光区域。
8.根据权利要求1所述的方法，其特征在于，所述根据所述曝光权重表，对所述图像进行曝光值调整之后，还包括：
对调整后的图像进行人脸检测；
若检测到人脸，则将所述人脸所在区域作为测光区域，确定第二曝光调整参数；
根据所述第二曝光调整参数，对所述调整后的图像进行曝光值调整。
9.一种图像曝光调整装置，其特征在于，包括：
人体检测模块，用于对采集到的图像进行人体检测；
图像分割模块，用于当检测到人体时，对所述图像进行分割，以确定所述图像中的前景区域和背景区域；
图像确定模块，用于根据所述前景区域和背景区域，确定掩模图像；
图像调整模块，用于根据所述掩模图像，确定曝光权重表，并根据所述曝光权重表，对所述图像进行曝光值调整。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8任一所述的图像曝光调整方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述的图像曝光调整方法。
CN202010074188.XA 2020-01-22 2020-01-22 图像曝光调整方法、装置、设备和介质 Active CN113163101B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010074188.XA CN113163101B (zh) 2020-01-22 2020-01-22 图像曝光调整方法、装置、设备和介质
PCT/CN2020/117835 WO2021147364A1 (zh) 2020-01-22 2020-09-25 图像曝光调整方法、装置、设备和介质
US17/791,800 US20230056296A1 (en) 2020-01-22 2020-09-25 Image exposure adjustment method and apparatus, device, and storage medium
EP20916213.0A EP4096210A1 (en) 2020-01-22 2020-09-25 Image exposure adjustment method and apparatus, device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010074188.XA CN113163101B (zh) 2020-01-22 2020-01-22 图像曝光调整方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113163101A true CN113163101A (zh) 2021-07-23
CN113163101B CN113163101B (zh) 2023-02-28

Family

ID=76881593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010074188.XA Active CN113163101B (zh) 2020-01-22 2020-01-22 图像曝光调整方法、装置、设备和介质

Country Status (4)

Country Link
US (1) US20230056296A1 (zh)
EP (1) EP4096210A1 (zh)
CN (1) CN113163101B (zh)
WO (1) WO2021147364A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117690278B (zh) * 2024-02-02 2024-04-26 长沙弘汇电子科技有限公司 一种基于图像识别的地质灾害预警系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03217808A (ja) * 1990-01-23 1991-09-25 Dainippon Screen Mfg Co Ltd 合焦点条件検出のための処理領域決定方法
CN1997113A (zh) * 2006-12-28 2007-07-11 上海交通大学 基于多区域分割及模糊逻辑的自动曝光方法
CN101202841A (zh) * 2006-12-11 2008-06-18 株式会社理光 摄像装置以及用于摄像装置的曝光控制方法
CN105163047A (zh) * 2015-09-15 2015-12-16 厦门美图之家科技有限公司 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端
CN106210522A (zh) * 2016-07-15 2016-12-07 广东欧珀移动通信有限公司 一种图像处理方法、装置及移动终端
CN106682620A (zh) * 2016-12-28 2017-05-17 北京旷视科技有限公司 人脸图像采集方法及装置
CN107241558A (zh) * 2017-06-16 2017-10-10 广东欧珀移动通信有限公司 曝光处理方法、装置和终端设备
CN108702452A (zh) * 2017-06-09 2018-10-23 华为技术有限公司 一种图像拍摄方法及装置
CN108921834A (zh) * 2018-06-27 2018-11-30 肖金保 一种人体前景检测系统
WO2019045521A1 (ko) * 2017-09-01 2019-03-07 삼성전자주식회사 전자 장치 및 그 제어 방법
CN110710194A (zh) * 2019-08-30 2020-01-17 中新智擎科技有限公司 一种曝光方法、装置及摄像模组、电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100557219B1 (ko) * 2004-07-06 2006-03-07 삼성전자주식회사 자동 노출 보정 방법 및 보정 장치
TWI505233B (zh) * 2014-02-20 2015-10-21 Asustek Comp Inc 影像處理方法及影像處理裝置
CN107633485B (zh) * 2017-08-07 2022-03-25 百度在线网络技术（北京）有限公司 脸部亮度调整方法、装置、设备及存储介质
CN109918993B (zh) * 2019-01-09 2021-07-02 杭州中威电子股份有限公司 一种基于人脸区域曝光的控制方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03217808A (ja) * 1990-01-23 1991-09-25 Dainippon Screen Mfg Co Ltd 合焦点条件検出のための処理領域決定方法
CN101202841A (zh) * 2006-12-11 2008-06-18 株式会社理光 摄像装置以及用于摄像装置的曝光控制方法
CN1997113A (zh) * 2006-12-28 2007-07-11 上海交通大学 基于多区域分割及模糊逻辑的自动曝光方法
CN105163047A (zh) * 2015-09-15 2015-12-16 厦门美图之家科技有限公司 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端
CN106210522A (zh) * 2016-07-15 2016-12-07 广东欧珀移动通信有限公司 一种图像处理方法、装置及移动终端
CN106682620A (zh) * 2016-12-28 2017-05-17 北京旷视科技有限公司 人脸图像采集方法及装置
CN108702452A (zh) * 2017-06-09 2018-10-23 华为技术有限公司 一种图像拍摄方法及装置
CN107241558A (zh) * 2017-06-16 2017-10-10 广东欧珀移动通信有限公司 曝光处理方法、装置和终端设备
WO2019045521A1 (ko) * 2017-09-01 2019-03-07 삼성전자주식회사 전자 장치 및 그 제어 방법
CN108921834A (zh) * 2018-06-27 2018-11-30 肖金保 一种人体前景检测系统
CN110710194A (zh) * 2019-08-30 2020-01-17 中新智擎科技有限公司 一种曝光方法、装置及摄像模组、电子设备

Also Published As

Publication number Publication date
CN113163101B (zh) 2023-02-28
US20230056296A1 (en) 2023-02-23
EP4096210A1 (en) 2022-11-30
WO2021147364A1 (zh) 2021-07-29

Similar Documents

Publication Publication Date Title
CN110826519B (zh) 人脸遮挡检测方法、装置、计算机设备及存储介质
CN107633485B (zh) 脸部亮度调整方法、装置、设备及存储介质
CN108230292B (zh) 物体检测方法和神经网络的训练方法、装置及电子设备
US9053389B2 (en) Hough transform for circles
CN111986159B (zh) 太阳能电池片的电极缺陷检测方法、设备及存储介质
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
CN112669344A (zh) 一种运动物体的定位方法、装置、电子设备及存储介质
CN110163857B (zh) 图像背景区域的检测方法、装置、存储介质及x射线系统
WO2019033575A1 (zh) 电子装置、人脸追踪的方法、系统及存储介质
CN113439227B (zh) 放大图像的捕获和存储
CN114693946A (zh) 图像异常检测方法、装置、计算机设备及存储介质
CN113163101B (zh) 图像曝光调整方法、装置、设备和介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN114298985A (zh) 缺陷检测方法、装置、设备及存储介质
CN108520259B (zh) 一种前景目标的提取方法、装置、设备及存储介质
CN113762027B (zh) 一种异常行为的识别方法、装置、设备及存储介质
CN113191990B (zh) 一种图像处理方法、装置、电子设备及介质
CN114266799A (zh) 一种识别束光器边框方法、装置、计算机设备及存储介质
CN111063011B (zh) 一种人脸图像处理方法、装置、设备和介质
CN114821034A (zh) 目标检测模型的训练方法、装置、电子设备及介质
CN115619652A (zh) 图像盲去噪方法、装置、电子设备和存储介质
CN113837987A (zh) 舌部图像采集方法、装置及计算机设备
CN112132237A (zh) 一种纯净像元光谱库建立方法及装置
CN112073652A (zh) 位置定位设备
CN109741355A (zh) 处理数字x线图像的方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant