CN113705459B - 人脸抓拍方法、装置、电子设备及存储介质 - Google Patents
人脸抓拍方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113705459B CN113705459B CN202111003043.1A CN202111003043A CN113705459B CN 113705459 B CN113705459 B CN 113705459B CN 202111003043 A CN202111003043 A CN 202111003043A CN 113705459 B CN113705459 B CN 113705459B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- face snapshot
- images
- face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000008030 elimination Effects 0.000 claims abstract description 10
- 238000003379 elimination reaction Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect 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
- 238000013139 quantization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种人脸抓拍方法，包括：获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；对去噪图像中每张进行纹理增强处理，得到增强图像；提取增强图像中每张的图像特征；分别计算图像特征与预设标准特征之间的相关值，汇集相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；计算待筛选图像中每张对应的相关值的均方差，确定均方差最小的图像对应的时间点为人脸抓拍时机，在人脸抓拍时机进行人脸抓拍。此外，本发明还涉及区块链技术，人脸抓拍图像可存储于区块链的节点。本发明还提出一种人脸抓拍装置、设备及介质。本发明可以提高抓拍到的人脸图像的清晰度。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种人脸抓拍方法、装置、电子设备及计算机可读存储介质。
背景技术
随着现有公司业务的无纸化、线上化及AI技术的发展，越来越多的业务都是由客户通过在线人机进行线上面签完成。线上面签时，为了保证交互对象都是客户本人，需定时对客户进行抓拍并进行识别，以确定客户的身份，保证面签流程的正常进行。
现有的面签过程中人脸抓拍的方法多为基于业务流程的抓拍。例如，在每次流程中话术播报开始、话术播报前端、话术播报后端、话术播报结束、客户回答开始、客户回答中、客户回答结束等流程节点点对用户进行人脸抓拍。但实际情况中，不同时流程节点会有不同的现场影响因素，比如话术播报时候客户与业务人员交流、客户回答习惯靠近话筒；这些现场因素会影响抓拍人脸的效果，从而导致抓拍到的人脸的识别成功率减低，因此，如何精确地确定人脸抓拍的时机，成为了亟待解决的问题。
发明内容
本发明提供一种人脸抓拍方法、装置及计算机可读存储介质，其主要目的在于解决对人脸进行时抓拍到的人脸图像不清晰的问题。
为实现上述目的，本发明提供的一种人脸抓拍方法，包括：
获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
对所述去噪图像中每张进行纹理增强处理，得到增强图像；
提取所述增强图像中每张的图像特征；
分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
可选地，所述分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像，包括：
从所述人脸抓拍图像中逐个选取其中一个人脸抓拍图像，对被选取的人脸抓拍图像进行均匀切割，得到多个图像块；
分别对所述多个图像块进行像素卷积，得到多个卷积图像块；
分别对所述多个卷积图像块进行高斯平滑处理，得到多个平滑图像块；
将所述多个平滑图像块进行拼接，得到被选取的人脸抓拍图像的去噪图像。
可选地，所述对所述去噪图像中每张进行纹理增强处理，得到增强图像，包括：
从所述去噪图像中逐个选取其中一个去噪图像，利用n×n的图像窗口在被选取的去噪图像中依次进行区域选择，得到多个图像区域，其中，所述n为正整数；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到增强图像。
可选地，所述提取所述增强图像中每张的图像特征，包括：
从所述增强图像中逐个选取其中一个图像为目标图像；
根据所述目标图像中的像素梯度生成所述目标图像的全局特征；
利用预设的滑动窗口对所述目标图像中的区域进行逐一框选，得到像素窗口；
根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征；
汇集所述全局特征与所述局部特征为所述图像特征。
可选地，所述根据所述目标图像中的像素梯度生成所述目标图像的全局特征，包括：
统计所述目标图像中每个像素点的像素值；
将所述像素值中最大像素值与最小像素值作为预设的映射函的参数，并利用所述预设函数将所述目标图像中每个像素点的像素值映射至预设范围内；
计算映射后的所述目标图像中每一行像素的像素梯度，将每一行像素的像素梯度转换为行向量，将所述行向量拼接为所述目标图像的全局特征。
可选地，所述根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征，包括：
从所述像素窗口中逐个选取其中一个像素点为目标像素点；
判断所述目标像素点的像素值在所述像素窗口内是否为极值；
当所述目标像素点的像素值在所述像素窗口内不是极值时，返回从所述像素窗口中逐个选取其中一个像素点为目标像素点的步骤；
当所述目标像素点的像素值在所述像素窗口内是极值时，确定所述目标像素点为关键点；
将所有像素窗口内的所有关键点的像素值进行向量化，并将得到的向量汇集为所述目标图像的局部特征。
可选地，所述分别计算所述图像特征与预设标准特征之间的相关值，包括：
利用如下相关值算法分别计算所述图像特征与预设标准特征之间的相关值：
其中，Lk为第k个人脸抓拍图像对应的图像特征与所述预设标准特征之间的相关值，ak为第k个人脸抓拍图像对应的图像特征，b为所述预设标准特征。
为了解决上述问题，本发明还提供一种人脸抓拍装置，所述装置包括：
图像去噪模块，用于获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
图像增强模块，用于对所述去噪图像中每张进行纹理增强处理，得到增强图像；
特征提取模块，用于提取所述增强图像中每张的图像特征；
图像筛选模块，用于分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
抓拍时机计算模块，用于计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的人脸抓拍方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的人脸抓拍方法。
本发明实施例能够对获取的抓拍图像进行去噪、增强及特征提取等处理，并根据提取到的特征判断哪些时间点的人脸抓拍较佳，进而确定抓拍效果较佳的图像对应的时间点为抓拍时机，并在人脸抓拍时机时对当前取景画面进行人脸抓拍，避免了每一次抓拍时对人脸的分析，提高抓拍到的人脸的精确度。因此本发明提出的人脸抓拍方法、装置、电子设备及计算机可读存储介质，可以提高抓拍到的人脸图像的清晰度。
附图说明
图1为本发明一实施例提供的人脸抓拍方法的流程示意图；
图2为本发明一实施例提供的进行均匀切割的示意图；
图3为本发明一实施例提供的生成局部特征的流程示意图；
图4为本发明一实施例提供的人脸抓拍装置的功能模块图；
图5为本发明一实施例提供的实现所述人脸抓拍方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种人脸抓拍方法。所述人脸抓拍方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述人脸抓拍方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的人脸抓拍方法的流程示意图。
在本实施例中，所述人脸抓拍方法包括：
S1、获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像。
本发明实施例中，所述不同时间点的人脸抓拍图像可以为任何预设时间段内不同时间点对用户进行人脸抓拍得到的图像。
例如，用户在办理业务时，需要进行人脸验证，在办理业务的过程中，在业务开始、用户说话、业务结束等时间点对用户的人脸进行抓拍得到的图像。
详细地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先构建的存储区域抓取预先存储的人脸抓拍图像，所述存储区域包括但不限于数据库、区块链节点、网络缓存。
本发明实施例中，由于抓拍到的图像中可能存在着由于环境光线、图像背景等因素导致的图像噪点纹理，因此，为了更加精确地根据该人脸抓拍图像确认抓拍时机，可对每一张人脸抓拍图像进行噪点消除，以提高人脸抓拍图像的清晰度，进而提高后续分析得到人脸抓拍时机的精确度。
本发明实施例中，所述分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像，包括：
从所述人脸抓拍图像中逐个选取其中一个人脸抓拍图像，对被选取的人脸抓拍图像进行均匀切割，得到多个图像块；
分别对所述多个图像块进行像素卷积，得到多个卷积图像块；
分别对所述多个卷积图像块进行高斯平滑处理，得到多个平滑图像块；
将所述多个平滑图像块进行拼接，得到被选取的人脸抓拍图像的去噪图像。
详细地，参图2所示，下图为本发明实施例提供的对被选取的人脸抓拍图像进行均匀切割的示意图。
图2中，存在尺寸为9X9的被选取的人脸抓拍图像，按照等长度与等宽度将所述被选取的人脸抓拍图像切分为9个3X3的图像块。
本发明实施例中，将被选取的人脸抓拍图像进行均匀切割为多个图像块，有利于减少每个图像块中的像素数量，从而提高对被选取的人脸抓拍图像进行噪声像素消除的效率。
具体地，本发明实施例采用Gabor滤波器对所述多个图像块进行像素卷积，所述Gabor滤波器会根据预先设定的方向数和尺度数对所述多个图像块进行卷积计算，只允许符合预设标准的像素通过，而不符合滤波器的像素则受到抑制，因此，当预设像素设置为人脸像素时，通过Gabor滤波器根据预先设定的方向数和尺度数对所述多个图像块进行卷积计算，可保留图像块中人脸的像素，而去除图像背景中非人脸的像素，以便于突出所述被选取的人脸抓拍图像中的人脸部分，有利于提高最终分析的精确度。
本发明实施例中，利用高斯核函数对所述多个卷积图像块进行高斯平滑处理，得到多个平滑图像块，所述高斯核函数也称径向基函数，是常用的一种平滑核函数，可利用高斯核函数的旋转对称性将有限维数据(既像素值)平滑映射到高维空间，以实现对多个卷积图像块进行高斯平滑处理。
本发明实施例对被选取的人脸抓拍图像进行噪声像素滤波，可去抑制被选取的人脸抓拍图像中的噪声像素，有利于提高最终分析的精确度。
S2、对所述去噪图像中每张进行纹理增强处理，得到增强图像。
本发明实施例中，所述对所述去噪图像中每张进行纹理增强处理，得到增强图像，包括：
从所述去噪图像中逐个选取其中一个去噪图像，利用n×n的图像窗口在被选取的去噪图像中依次进行区域选择，得到多个图像区域，其中，所述n为正整数；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到增强图像。
可选地，所述根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元，包括：
利用如下算法计算所述图像区域的中心像素的二进制码元
其中，P0为所述图像区域的中心像素，Pe为所述中心像素的邻域像素的均值，n为所述邻域像素的个数，s(P0-Pe)为量化运算。
本发明实施例对被选取的去噪图像进行细节增强处理，将被选取的去噪图像中噪声像素点进行过滤，并对图像细节进行局部纹理加深，突出了图像中的细节特征，有利于提高对图像进行分析的精确度。
S3、提取所述增强图像中每张的图像特征。
本发明实施例中，所述图像特征包括全局特征与局部特征，分别对所述目标图像提取全局特征与局部特征，有利于提高后续利用所述图像特征分析得到人脸抓拍时机的精确度。
本发明实施例中，所述提取所述增强图像中每张的图像特征，包括：
从所述增强图像中逐个选取其中一个图像为目标图像；
根据所述目标图像中的像素梯度生成所述目标图像的全局特征；
利用预设的滑动窗口对所述目标图像中的区域进行逐一框选，得到像素窗口；
根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征；
汇集所述全局特征与所述局部特征为所述图像特征。
本发明其中一个实施例中，可采用HOG(Histogram of Oriented Gradient，方向梯度直方图)、DPM(Deformable Part Model，可变性组件模型)、LBP(Local BinaryPatterns，局部二值模式)等方式来提取所述目标图像的全局特征，或者，可采用预先训练的具体图像特征提取功能的人工智能模型来提取所述目标图像的全局特征，所述人工智能模型包括但不限于VGG-net模型、U-net模型。
本发明另一实施例中，所述根据所述目标图像中的像素梯度生成所述目标图像的全局特征，包括：
统计所述目标图像中每个像素点的像素值；
将所述像素值中最大像素值与最小像素值作为预设的映射函的参数，并利用所述预设函数将所述目标图像中每个像素点的像素值映射至预设范围内；
计算映射后的所述目标图像中每一行像素的像素梯度，将每一行像素的像素梯度转换为行向量，将所述行向量拼接为所述目标图像的全局特征。
示例性地，所述预设的映射函可以为：
其中，Yi为目标图像中第i个像素点映射至预设范围内后的像素值，xi为目标图像中第i个像素点的像素值，max(X)为目标图像中最大像素值，min(X)为目标图像中最小像素值。
进一步地，可利用预设的梯度算法计算映射后的所述目标图像中每一行像素的像素梯度，所述梯度算法包括但不限于二维离散求导算法、soble算子等。
本申请实施例中，可将每一行像素的像素梯度转换为行向量，并拼接为所述目标图像的全局特征。
例如，选取的目标图像中包括三行像素，第一行像素的像素梯度为a,b,c，第二行像素的像素梯度为d,e,f，第三行像素的像素梯度为g,h,i，则可分别将每一行像素的像素梯度作为行向量，拼接为如下全局特征：
进一步地，参图3所示，所述根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征，包括：
S31、从所述像素窗口中逐个选取其中一个像素点为目标像素点；
S32、判断所述目标像素点的像素值在所述像素窗口内是否为极值；
当所述目标像素点的像素值在所述像素窗口内不是极值时，返回S31；
当所述目标像素点的像素值在所述像素窗口内是极值时，则执行S33、确定所述目标像素点为关键点；
S34、将所有像素窗口内的所有关键点的像素值进行向量化，并将得到的向量汇集为所述目标图像的局部特征。
本申请实施例中，所述滑动窗口可以为预先构建的具有一定面积的选择框，可用于对所述目标图像中的像素进行框选，例如，以10像素为高度，10像素为宽度构建的方形选择框。
详细地，所述极值包括极大值与极小值，当所述目标像素点的像素值在所述像素窗口内为极大值或极小值时，即确定所述目标像素点为所述像素窗口的关键点。
具体地，所述将所述像素窗口内所有关键点的像素值进行向量化的步骤，和所述计算映射后的所述目标图像中每一行像素的像素梯度，将每一行像素的像素梯度转换为行向量的步骤一致，再次不做赘述。
S4、分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像。
本发明实施例中，所述预设标准特征为预先获取的符合清晰、端正等要求的人脸图像对应的特征，所述相关值用于标识每一张人脸抓拍图像对应的图像特征与所述预设标准特征之间的符合程度，当所述相关值越大，则说明该相关值对应的人脸抓拍图像。
本发明实施例中，所述分别计算所述图像特征与预设标准特征之间的相关值，包括：
利用如下相关值算法分别计算所述图像特征与预设标准特征之间的相关值：
其中，Lk为第k个人脸抓拍图像对应的图像特征与所述预设标准特征之间的相关值，ak为第k个人脸抓拍图像对应的图像特征，b为所述预设标准特征。
本发明实施例中，可选取所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为筛选图像，以去除不符合预设标准人脸特征的图像，提高后续计算得到人脸抓拍时机的精确度。
S5、计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
本发明实施例中，所述计算所述待筛选图像中每张对应的相关值的均方差，包括：
利用如下均方差算法计算所述待筛选图像中每张对应的相关值的均方差σ(αn)：
D(αn)＝(αn-E(αn))2
其中，σ(αn)为所述待筛选图像中第n张图像对应的相关值的均方差，αn为所述待筛选图像中第n张图像对应的相关值，E(αn)为所述待筛选图像中所有图像对应的相关值的均值，D(αn)为所述待筛选图像中第n张图像对应的相关值的方差，N为所述待筛选图像的数量。
本发明实施例中，可确定所述均方差最小的图像对应的时间点为人脸抓拍时机。
本发明实施例中，所述人脸抓拍时间是一个相对时间点，例如，用户在办理某项需要进行人脸验证的业务时，该人脸抓拍时机为业务开始、用户说话或业务结束时等时间点。
本发明其中一个实际应用场景中，由于大部分用户的行为存在着一定的潜在统一关系，例如，大部分用户在进行人脸验证的业务时，往往业务开始时一定时间段内会注意力较为集中，会注视抓拍镜头，此时抓拍到的人脸图像的清晰度可能较高，因此，本发明实施例可对历史中不同时间点的人脸抓拍图像进行分析，以找出人脸验证时，在哪些时刻对人脸抓拍的效果较佳，进而确定出人脸抓拍时机，并在后续其他用户进行人脸抓拍的业务办理时，按照人脸抓拍时机时对当前取景画面进行人脸抓拍。
本发明实施例能够对获取的抓拍图像进行去噪、增强及特征提取等处理，并根据提取到的特征判断哪些时间点的人脸抓拍较佳，进而确定抓拍效果较佳的图像对应的时间点为抓拍时机，已在后续抓拍时，按照该抓拍时机对人脸进行抓拍，并在人脸抓拍时机时对当前取景画面进行人脸抓拍，提高抓拍到的人脸的精确度。因此本发明提出的人脸抓拍方法，可以提高抓拍到的人脸图像的清晰度。
如图4所示，是本发明一实施例提供的人脸抓拍装置的功能模块图。
本发明所述人脸抓拍装置100可以安装于电子设备中。根据实现的功能，所述人脸抓拍装置100可以包括图像去噪模块101、图像增强模块102、特征提取模块103、图像筛选模块104及抓拍时机计算模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像去噪模块101，用于获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
所述图像增强模块102，用于对所述去噪图像中每张进行纹理增强处理，得到增强图像；
所述特征提取模块103，用于提取所述增强图像中每张的图像特征；
所述图像筛选模块104，用于分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
所述抓拍时机计算模块105，用于计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
详细地，本发明实施例中所述人脸抓拍装置100中所述的各模块在使用时采用与上述图1至图3中所述的人脸抓拍方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现人脸抓拍方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如人脸抓拍程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行人脸抓拍程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如人脸抓拍程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的人脸抓拍程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
对所述去噪图像中每张进行纹理增强处理，得到增强图像；
提取所述增强图像中每张的图像特征；
分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机；
在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
对所述去噪图像中每张进行纹理增强处理，得到增强图像；
提取所述增强图像中每张的图像特征；
分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机；
在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指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等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，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。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种人脸抓拍方法，其特征在于，所述方法包括：
获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
对每张所述去噪图像进行纹理增强处理，得到增强图像；
提取每张所述增强图像的图像特征；
分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
计算每张所述待筛选图像对应的相关值的均方差，确定所述均方差最小的待筛选图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
2.如权利要求1所述的人脸抓拍方法，其特征在于，所述分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像，包括：
从所述人脸抓拍图像中逐个选取其中一个人脸抓拍图像，对被选取的人脸抓拍图像进行均匀切割，得到多个图像块；
分别对所述多个图像块进行像素卷积，得到多个卷积图像块；
分别对所述多个卷积图像块进行高斯平滑处理，得到多个平滑图像块；
将所述多个平滑图像块进行拼接，得到被选取的人脸抓拍图像的去噪图像。
3.如权利要求1所述的人脸抓拍方法，其特征在于，所述对所述去噪图像中每张进行纹理增强处理，得到增强图像，包括：
从所述去噪图像中逐个选取其中一个去噪图像，利用n×n的图像窗口在被选取的去噪图像中依次进行区域选择，得到多个图像区域，其中，所述n为正整数；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到增强图像。
4.如权利要求1所述的人脸抓拍方法，其特征在于，所述提取所述增强图像中每张的图像特征，包括：
从所述增强图像中逐个选取其中一个图像为目标图像；
根据所述目标图像中的像素梯度生成所述目标图像的全局特征；
利用预设的滑动窗口对所述目标图像中的区域进行逐一框选，得到像素窗口；
根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征；
汇集所述全局特征与所述局部特征为所述图像特征。
5.如权利要求4所述的人脸抓拍方法，其特征在于，所述根据所述目标图像中的像素梯度生成所述目标图像的全局特征，包括：
统计所述目标图像中每个像素点的像素值；
将所述像素值中最大像素值与最小像素值作为预设的映射函的参数，并利用所述预设函数将所述目标图像中每个像素点的像素值映射至预设范围内；
计算映射后的所述目标图像中每一行像素的像素梯度，将每一行像素的像素梯度转换为行向量，将所述行向量拼接为所述目标图像的全局特征。
6.如权利要求4所述的人脸抓拍方法，其特征在于，所述根据每一个所述像素窗口中的像素值生成所述目标图像的局部特征，包括：
从所述像素窗口中逐个选取其中一个像素点为目标像素点；
判断所述目标像素点的像素值在所述像素窗口内是否为极值；
当所述目标像素点的像素值在所述像素窗口内不是极值时，返回从所述像素窗口中逐个选取其中一个像素点为目标像素点的步骤；
当所述目标像素点的像素值在所述像素窗口内是极值时，确定所述目标像素点为关键点；
将所有像素窗口内的所有关键点的像素值进行向量化，并将得到的向量汇集为所述目标图像的局部特征。
7.如权利要求1至6中任一项所述的人脸抓拍方法，其特征在于，所述分别计算所述图像特征与预设标准特征之间的相关值，包括：
利用如下相关值算法分别计算所述图像特征与预设标准特征之间的相关值：
其中，Lk为第k个人脸抓拍图像对应的图像特征与所述预设标准特征之间的相关值，ak为第k个人脸抓拍图像对应的图像特征，b为所述预设标准特征。
8.一种人脸抓拍装置，其特征在于，所述装置包括：
图像去噪模块，用于获取不同时间点的人脸抓拍图像，分别对每个时间点对应的人脸抓拍图像进行噪声像素消除，得到去噪图像；
图像增强模块，用于对所述去噪图像中每张进行纹理增强处理，得到增强图像；
特征提取模块，用于提取所述增强图像中每张的图像特征；
图像筛选模块，用于分别计算所述图像特征与预设标准特征之间的相关值，汇集所述相关值大于预设阈值的图像特征对应的人脸抓拍图像为待筛选图像；
抓拍时机计算模块，用于计算所述待筛选图像中每张对应的相关值的均方差，确定所述均方差最小的图像对应的时间点为人脸抓拍时机，在所述人脸抓拍时机时对当前取景画面进行人脸抓拍。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的人脸抓拍方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的人脸抓拍方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003043.1A CN113705459B (zh) | 2021-08-30 | 2021-08-30 | 人脸抓拍方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003043.1A CN113705459B (zh) | 2021-08-30 | 2021-08-30 | 人脸抓拍方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113705459A CN113705459A (zh) | 2021-11-26 |
| CN113705459B true CN113705459B (zh) | 2024-09-06 |
Family
ID=78656701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111003043.1A Active CN113705459B (zh) | 2021-08-30 | 2021-08-30 | 人脸抓拍方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705459B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114187476A (zh) * | 2021-12-14 | 2022-03-15 | 中国平安财产保险股份有限公司 | 基于图像分析的车险信息核对方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
| CN109922250A (zh) * | 2017-12-12 | 2019-06-21 | 杭州海康威视数字技术股份有限公司 | 一种目标对象抓拍方法、装置及视频监控设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160201B (zh) * | 2019-12-20 | 2023-04-18 | 万翼科技有限公司 | 一种人脸图像上传方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-30 CN CN202111003043.1A patent/CN113705459B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109922250A (zh) * | 2017-12-12 | 2019-06-21 | 杭州海康威视数字技术股份有限公司 | 一种目标对象抓拍方法、装置及视频监控设备 |
| CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113705459A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
| CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
| CN112634170B (zh) | 一种模糊图像修正的方法、装置、计算机设备及存储介质 | |
| CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN113705461B (zh) | 人脸清晰度检测方法、装置、设备及存储介质 | |
| CN111898538B (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
| CN114049568B (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
| CN113705469B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN112581227A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
| CN116168351A (zh) | 电力设备巡检方法及装置 | |
| CN113887408B (zh) | 活化人脸视频的检测方法、装置、设备及存储介质 | |
| CN113723280B (zh) | 基于静态人脸的对抗样本检测方法、装置、设备、介质 | |
| CN112541899B (zh) | 证件的残缺检测方法、装置、电子设备及计算机存储介质 | |
| CN113705459B (zh) | 人脸抓拍方法、装置、电子设备及存储介质 | |
| CN115601684B (zh) | 突发事件预警方法、装置、电子设备及存储介质 | |
| CN114495290B (zh) | 活体检测方法、装置、设备及存储介质 | |
| CN114049676A (zh) | 疲劳状态检测方法、装置、设备及存储介质 | |
| CN118379586B (zh) | 关键点预测模型的训练方法、装置、设备、介质及产品 | |
| CN113792672A (zh) | 公共场所健康码获取方法、装置、设备及介质 | |
| CN113870454A (zh) | 基于人脸识别的考勤方法、装置、电子设备及存储介质 | |
| CN114494239B (zh) | 病灶识别方法、装置、电子设备及计算机存储介质 | |
| CN113792671B (zh) | 人脸合成图像的检测方法、装置、电子设备及介质 | |
| CN114627535B (zh) | 基于双目摄像头的坐标匹配方法、装置、设备及介质 | |
| CN114998282B (zh) | 图像检测方法、装置、电子设备及存储介质 |
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 |