CN114842579B - 智能锁、图像处理方法及相关产品 - Google Patents
智能锁、图像处理方法及相关产品 Download PDFInfo
- Publication number
- CN114842579B CN114842579B CN202210446733.2A CN202210446733A CN114842579B CN 114842579 B CN114842579 B CN 114842579B CN 202210446733 A CN202210446733 A CN 202210446733A CN 114842579 B CN114842579 B CN 114842579B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- frequency component
- value
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000003287 optical effect Effects 0.000 claims abstract description 109
- 238000003384 imaging method Methods 0.000 claims abstract description 49
- 238000005520 cutting process Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 29
- 230000001502 supplementing effect Effects 0.000 claims description 28
- 238000013441 quality evaluation Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 239000011248 coating agent Substances 0.000 claims description 9
- 238000000576 coating method Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 description 17
- 230000006854 communication Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004297 night vision Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B17/00—Details of cameras or camera bodies; Accessories therefor
- G03B17/02—Bodies
- G03B17/12—Bodies with means for supporting objectives, supplementary lenses, filters, masks, or turrets
- G03B17/14—Bodies with means for supporting objectives, supplementary lenses, filters, masks, or turrets interchangeably
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例公开了一种智能锁、图像处理方法及相关产品,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,所述光学镜头,用于采集外界环境光;所述单滤光片,用于将部分红外光进行截止或者吸收;所述图像传感器,用于对通过所述单滤光片的光线进行成像。采用本申请实施例可以提升智能锁的拍摄性能。
Description
技术领域
本申请涉及电子技术领域,具体涉及一种智能锁、图像处理方法及相关产品。
背景技术
伴随科技发展,门锁其本身构造也不断的优化、改进。随着科技发展,在传统智能锁只能查看文字形式的门锁记录的基础上,增加了视频功能和视频对讲功能,不仅能够支持图片/视频记录,而且能够实时查看门前状况,并可选择进行可视对讲,因此,更加具有安全性、便捷性、智能性、普遍性、科技化。但是,目前来看,智能锁其拍摄性能一般,如何提升智能锁的拍摄性能的问题亟待解决。
发明内容
本申请实施例提供了一种智能锁、图像处理方法及相关产品,可以提升智能锁的拍摄性能。
第一方面,本申请实施例提供一种智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,
所述光学镜头,用于采集外界环境光;
所述单滤光片,用于将部分红外光进行截止或者吸收;
所述图像传感器,用于对通过所述单滤光片的光线进行成像。
第二方面,本申请实施例提供了一种图像处理方法,应用于如第一方面所述的智能锁,所述方法包括:
确定环境光亮度值;
在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
第三方面,本申请实施例提供了一种图像处理装置,应用于如第一方面所描述的智能锁,所述装置包括:确定单元和成像单元,其中,
所述确定单元,用于确定环境光亮度值;
所述成像单元,用于通过所述单滤光片对外界的环境光进行截止或者吸收;以及通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
第四方面,本申请实施例提供一种智能锁,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第二方面中的步骤的指令。
第五方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第二方面中所描述的部分或全部步骤。
第六方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第二方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的智能锁、图像处理方法及相关产品,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,所述光学镜头,用于采集外界环境光;所述单滤光片,用于将部分红外光进行截止或者吸收;所述图像传感器,用于对通过所述单滤光片的光线进行成像,由于通过在成像过程中,通过单滤光片将部分红外光进行截止或者吸收,进而,可以提升光线充足情况下的图像质量,进而提升智能锁的拍摄性能。
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,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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种智能锁的摄像头的结构示意图;
图2是本申请实施例提供的一种智能锁的结构示意图;
图3是本申请实施例提供的一种智能锁的电子锁体的结构示意图;
图4是本申请实施例提供的一种智能锁的音视频模块的结构示意图;
图5是本申请实施例提供的一种智能锁的通讯模块的通信示意图;
图6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7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8是本申请实施例提供的一种智能锁的结构示意图;
图9是本申请实施例提供的一种图像处理装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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作出创造性劳动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。
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”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面对本申请实施例进行详细介绍。
请参阅图1,图1是本申请实施例提供的一种智能锁的摄像头的结构示意图,如图所示,智能锁包括:单滤光片、图像传感器、光学镜头,其中,
所述光学镜头,用于采集外界环境光;
所述单滤光片,用于将部分红外光进行截止或者吸收;
所述图像传感器,用于对通过所述单滤光片的光线进行成像。
其中,图像传感器、单滤光片、光学镜头则可以构成摄像头模组。具体实现中,光学镜头用于对外界环境进行拍摄,并采集外界环境光,环境光主要包括可见光和红外光,单滤光片则可以将部分红外光进行截止或者吸收,而图像传感器则可以对通过单滤光片的光线进行成像。通过智能锁的摄像头模组可以实现如下功能:人脸识别开锁、虹膜识别开锁、指纹识别开锁等等,在此不做限定,当然,还能够实现监控功能,或者,访客提醒功能。
具体实现中,单滤光片的数量可以为一个或者多个,例如,单滤光片也可以设置于光学镜头,先由单滤光片将部分红外光进行截止或者吸收,再由光学镜头对通过单滤光片的光线进行后续操作。
可选的,所述单滤光片为将摄像头镜片上使用能够通过红外光和可见光的镀膜或者涂层,并且通过所述镀膜或者所述涂层对红外光的通过率进行控制。
具体实现中,单滤光片通过降低红外光的通过率,减少红外光进入到图像传感器,从而降低对于成像的干扰,提升摄像头的成像效果。
进一步的,如图2所示,本申请实施例中,智能锁的整机可以由三个部分组成:电子锁体、音视频模块、通讯模块,电子锁体、音视频模块、通讯模块之间电连接。电子锁体作为主控部分,控制音视频模块和通讯模块工作,音视频模块可以实现音频采集或者视频采集功能,通过通讯模块可以与服务器之间进行通信,或者连接互联网。
另外,电子锁体还可以包括处理器,该处理器可以包括以下至少一种:调制解调处理器、应用处理器(application processor,AP)、数字信号处理器(digital signalprocessor,DSP)、基带处理器、图形处理器(graphics processing unit,GPU)、图像信号处理器(image signal processor,ISP)、控制器、视频编解码器和/或神经网络处理器(neural-network processing unit,NPU)等等,在此不做限定。
进一步的,如图3所示,电子锁体可以包括:各种输入设备、电机、机械锁体、主控模块、各种锁体状态传感器;电子锁体部分进行开关锁动作、音视频启动、状态检测和上报等工作。
进一步的,具体实现中,如图4所示,音视频模块可以包括:视频控制模块、视频解码模块、摄像头模块、话筒、喇叭、红外补光灯六部分组成。摄像头模块可以理解为摄像头控制模块,用于控制摄像头拍摄。
进一步的,如图5所示,通讯模块可以负责与外部通讯,例如,可以将锁体的音视频、控制信号、状态信息等上传到服务器/互联网,可进行双向通讯。
进一步的,单滤光片可以设置在摄像头镜片上,在摄像头镜片上使用能够通过红外光和可见光的镀膜/涂层,并且通过镀膜/涂层对红外光的通过率进行控制,从而减低红外光对于白天成像质量的干扰。
具体实现中,单滤光片的工作原理如下:
在白天的光线充分时,单滤光片可将部分红外光进行截止/吸收,进入图像传感器的红外光减少,避免红外光对白天成像造成过渡干扰,从而使图像传感器还原出真实彩色;当夜间光线不足时,通过红外灯进行照明来采集图像。
进而,通过以上方式单滤光片既可以能保证白天光照充足时的色彩成像质量,同时又能在光照不足的情况,通过红外光进行图像采集。
可选的,所述智能锁还包括电子锁体;所述电子锁体,用于获取所述图像传感器成像的图像信息,并根据所述图像信息进行身份验证,在身份验证通过时,进行开锁操作。
具体实现中,通过图像传感器成像则可以获取对应的图像信息,该图像信息可以包括以下至少一种:指纹图像、人脸图像、虹膜图像等等,在此不做限定。
具体的,则可以获取图像传感器成像的图像信息,并根据图像信息进行身份验证,即可以将图像信息与预设图像模板进行匹配,在两者匹配成功时,则认为身份验证通过,反之,则认为身份验证失败,在身份验证通过时,进行开锁操作。预设图像模板可以预先设置或者系统默认。
可选的,所述智能锁还包括环境光传感器和红外灯,其中,
所述环境光传感器,用于检测环境光亮度值;
所述红外灯,用于在所述环境光亮度值大于或等于预设阈值时,不进行补光操作。
其中,预设阈值可以预先设置或者系统默认。具体实现中,环境光传感器可以检测环境光亮度值,在环境光亮度值大于或等于预设阈值时,则说明光线充足,不需要红外灯进行补光操作,则此时,红外灯可以处于休眠状态或者关闭状态。环境光传感器可以为独立器件,例如,其可以独立于摄像头模组,当然,环境传感器也可以集成于摄像头模组。
当然,具体实现中,也可以通过拍摄的图像,来识别环境光强度的判定。
可选的,所述红外灯,还用于在所述环境光亮度值小于所述预设阈值时,进行补光操作。
其中,在环境光亮度值小于预设阈值时,则说明环境昏暗,需要进行补光操作,则可以通过红外灯进行补光操作。
具体实现中,由于摄像头传感器能够采集红外光的光谱,使得在白天自然光环境下的彩色图像偏色,而本申请实施例,基于单滤光片的加入能够减少红外光的干扰改善白天的成像质量,同时光照不足时可以通过红外补光灯补光,提高夜视环境下的成像质量。
可以看出,本申请实施例中所描述的智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,所述光学镜头,用于采集外界环境光;所述单滤光片,用于将部分红外光进行截止或者吸收;所述图像传感器,用于对通过所述单滤光片的光线进行成像,由于通过在成像过程中,通过单滤光片将部分红外光进行截止或者吸收,进而,可以提升光线充足情况下的图像质量,进而提升智能锁的拍摄性能。
请参阅图6,图6是本申请实施例提供的一种图像处理方法的流程示意图,应用于图1所示的智能锁,如图所示,本图像处理方法包括:
601、确定环境光亮度值。
具体实现中,智能锁可以包括环境光传感器,通过环境光传感器可以确定环境光亮度值。
602、在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收。
其中,预设阈值可以预先设置或者系统默认。具体实现中,单滤光片的数量可以为一个或者多个,例如,单滤光片也可以设置于光学镜头,先由单滤光片将部分红外光进行截止或者吸收,再由光学镜头对通过单滤光片的光线进行后续操作。
603、通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
其中,具体实现中,可以通过图像传感器将通过单滤光片的光线进行成像,得到第一目标图像,如此,可以提升白天拍摄性能,另外,避免了白天图像因为红外光的干扰造成偏色,同时保证了红外夜视的成像效果。
可选的,还可以包括如下步骤:
A1、确定所述第一目标图像的图像质量评价值;
A2、在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
A3、确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
A4、在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
A5、在所述能量占比低于所述预设范围的下限值时,对所述低频分量图像进行图像增强处理,得到目标低频分量图像,将所述目标低频分量图像和所述高频分量图像进行重构,得到第二图像。
具体实现中,第一预设图像质量评价值可以预先设置或者系统默认。预设范围也可以预先设置或者系统默认,预设范围可以为一个动态值,例如,其可以与环境光亮度值相关。可以通过图像质量评价参数对第一目标图像进行图像质量评价,得到图像质量评价值,图像质量评价参数可以包括以下至少一种:边缘保持度、信息熵、平均梯度等等,在此不做限定。
具体的,在图像质量评价值低于第一预设图像质量评价值时,则说明图像质量较差,可以采用预设多尺度分解算法将第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像,低频分量图像主要包括图像主体,而高频分量图像包括图像的细节信息,之所以进行多尺度分解,其目的在于以便于后续区分,是细节欠缺还是图像主体欠缺,以实现针对性图像增强。预设多尺度分解算法可以包括以下至少一种:小波变换算法、金字塔变换算法、轮廓波变换算法、非下采样轮廓波变换算法等等,在此不做限定。
进而,可以确定低频分量图像的能量值与第一目标图像的能量值之间的能量占比,在能量占比处于预设范围,则说明图像主体细节较好,细节欠缺,则可以对高频分量图像进行图像增强处理,得到目标高频分量图像,将低频分量图像和目标高频分量图像进行重构,得到第一图像,例如,可以确定第一预设图像质量评价值与图像质量评价值之间的差值,差值越大,则需要增强的程度越大,差值越小,则需要增强的程度越小,如此,可以防止过增强或者欠增强,
进一步的,在能量占比低于预设范围的下限值时,可以采用预设图像增强算法对低频分量图像进行图像增强处理,得到目标低频分量图像,进而,可以将目标低频分量图像和所述高频分量图像进行重构,得到第二图像,如此,可以使得图像主体得以增强,有助于提升图像质量。预设图像增强算法可以包括以下至少一种:直方图均衡化、灰度拉伸、Retinex算法等等,在此不做限定。
可选的,上述步骤A4,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,可以包括如下步骤:
A41、确定所述高频分量图像的特征点,得到多个特征点;
A42、确定所述多个特征点的模值,得到多个模值;
A43、将所述多个特征点进行向量运算,得到合向量;
A44、确定所述合向量的参考模值;
A45、确定所述多个模值的目标均值和目标均方差;
A46、确定所述参考模值与所述目标均值之间的差值的目标绝对值;
A47、按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
A48、获取所述目标图像增强算法对应的参考图像增强控制参数;
A49、按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
A410、通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
A411、通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
具体实现中,可以对高频分量图像进行特征点提取,以确定高频分量图像的特征点,得到多个特征点,特征点提取算法可以包括尺度不变特征变换(scale invariantfeature transform,SIFT)、harris角点检测算法等等,在此不做限定。每个特征点可以为向量。
进而,可以确定多个特征点的模值,得到多个模值,再将多个特征点进行向量运算,得到合向量,以及确定合向量的参考模值,再确定多个模值的目标均值和目标均方差,以及确定参考模值与目标均值之间的差值的目标绝对值,两者之间的差距反映了细节需要增强的程度,进而,可以按照预设的绝对值与图像增强算法之间的映射关系,确定目标绝对值对应的目标图像增强算法,图像增强算法可以包括以下至少一种:直方图均衡化、灰度拉伸、Retinex算法、神经网络算法、对比度增强算法等等,在此不做限定,图像增强算法可以为单一图像增强算法或者组合图像增强算法。不同的图像增强算法可以对应不同的图像增强控制参数,图像增强控制参数用于调节图像增强的程度,进而,获取目标图像增强算法对应的参考图像增强控制参数。
进一步的,均方差反映了图像的整体差异性,本申请实施例利用均方差约束影响因子,即可以按照预设的均方差与影响因子之间的映射关系,确定目标均方差对应的目标影响因子,进而,通过目标影响因子调整参考图像增强控制参数,得到目标图像增强控制参数,参考图像增强控制参数可以包括一个或者多个参数,其可以调整一个或者多个参数,进而,通过目标图像增强算法和目标图像增强控制参数对高频分量图像进行图像增强处理,得到目标高频分量图像,如此,可以防止细节部分欠增强或者过增强,其增强过程中保证增强一致性,有助于提升细节显著度。
可选的,还可以包括如下步骤:
B1、在所述环境光亮度值小于所述预设阈值时,通过所述红外灯进行补光操作;
B2、通过所述单滤光片对外界的环境光进行截止或者吸收;
B3、通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像。
其中,具体实现中,单滤光片具有同时使波长在可见光和红外光范围内都能通过,并对红外光有一定截止/吸收功能的镀膜/镀层的单个滤光片。
具体实现中,在环境光亮度值小于预设阈值时,则说明环境昏暗,则可以通过红外灯进行补光操作,一方面,通过单滤光片对外界的环境光进行截止或者吸收,另一方面,可以通过图像传感器将最终到达图像传感器的光线进行成像,得到第二目标图像,如此,可以提升暗环境下的拍摄效果,有助于提升监控效果,以及暗环境智能解锁效率。
可选的,上述步骤B2,通过所述红外灯进行补光操作,可以包括如下步骤:
B21、确定所述预设阈值与所述环境光亮度值之间的目标差值;
B22、按照预设的差值与所述补光灯的工作参数之间的映射关系,确定所述目标差值对应的参考工作参数;
B23、确定目标与智能锁之间的目标距离;
B24、按照预设的距离与优化系数之间的映射关系,确定所述目标距离对应的目标优化系数;
B25、获取目标图像,对所述目标图像进行人脸提取,得到目标人脸;
B26、确定所述目标人脸的目标颜色参数;
B27、按照预设的颜色参数与微调系数之间的映射关系,确定所述目标颜色参数对应的目标微调系数;
B28、根据所述目标优化系数、所述目标微调系数对所述参考工作参数进行处理,得到目标工作参数;
B29、控制所述红外灯根据所述目标工作参数进行补光操作。
具体实现中,智能锁中可以预先存储预设的差值与补光灯的工作参数之间的映射关系、预设的距离与优化系数之间的映射关系、预设的颜色参数与微调系数之间的映射关系。
其中,补光灯的工作参数可以包括以下至少一种:工作电流、工作电压、工作功率、工作频率、工作时长等等,在此不做限定。
具体实现中,可以确定预设阈值与环境光亮度值之间的目标差值,再按照预设的差值与补光灯的工作参数之间的映射关系,确定目标差值对应的参考工作参数。另外,还可以确定目标与智能锁之间的目标距离,再按照预设的距离与优化系数之间的映射关系,确定目标距离对应的目标优化系数,其中,优化系数的取值范围可以为0~0.2,距离越大,则优化系数越,大,距离越小,则优化系数越小。
进一步的,可以获取目标图像,对目标图像进行人脸提取,得到目标人脸,再确定目标人脸的目标颜色参数,不同的颜色参数反映不同的肤色,以及按照预设的颜色参数与微调系数之间的映射关系,确定目标颜色参数对应的目标微调系数,则可以基于不同的肤色实现针对性微调,微调系数的取值范围可以为-0.02~0.02。
进而,可以根据目标优化系数、目标微调系数对参考工作参数进行处理,得到目标工作参数,具体如下:
目标工作参数=参考工作参数*(1+目标优化系数)*(1+目标微调系数)
进而,可以控制红外灯根据目标工作参数进行补光操作,如此,本申请可以基于环境光动态调节红外灯的补光参数,且基于距离以及人脸的颜色参数优化其工作参数,如此,可以保证红外灯的工作效率,进而,可以提升人脸识别效率。
可以看出,本申请实施例中所描述的图像处理方法,应用于智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,确定环境光亮度值;在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收;通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像,进而,可以提升光线充足情况下的图像质量,进而提升智能锁的拍摄性能。
请参阅图7,图7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,应用于图1所示的智能锁,如图所示,本图像处理方法包括:
701、确定环境光亮度值。
702、在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收。
703、通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
704、在所述环境光亮度值小于所述预设阈值时,通过所述红外灯进行补光操作。
705、通过所述单滤光片对外界的环境光进行截止或者吸收。
706、通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像。
其中,上述步骤701-步骤706所描述的图像处理方法的相应步骤描述可以参照上述图6相应的步骤,在此不做赘述。
可以看出,本申请实施例中所描述的图像处理方法,应用于智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,确定环境光亮度值;在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收;通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像,在所述环境光亮度值小于所述预设阈值时,通过所述红外灯进行补光操作;通过所述单滤光片对外界的环境光进行截止或者吸收;通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像,进而,可以提升光线充足情况下的图像质量,避免红外光对白天成像造成过渡干扰,从而使图像传感器还原出真实彩色,进而提升智能锁的拍摄性能,还可以在光线较少时,通过红外灯进行补光来采集图像,有助于提升图像质量。
与上述实施例一致地,请参阅图8,图8是本申请实施例提供的一种智能锁的结构示意图,如图所示,该智能锁包括处理器、存储器、通信接口以及一个或多个程序,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
确定环境光亮度值;
通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
可选的,上述程序还包括用于执行以下步骤的指令:
在所述环境光亮度值小于预设阈值时,通过所述红外灯进行补光操作;
通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像;
或者,
在所述环境光亮度值大于或等于所述预设阈值时,执行所述通过所述单滤光片对外界的环境光进行截止或者吸收,以及所述通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像的步骤。
可选的,在所述通过所述红外灯进行补光操作方面,上述程序包括用于执行以下步骤的指令:
确定所述预设阈值与所述环境光亮度值之间的目标差值;
按照预设的差值与所述补光灯的工作参数之间的映射关系,确定所述目标差值对应的参考工作参数;
确定目标与智能锁之间的目标距离;
按照预设的距离与优化系数之间的映射关系,确定所述目标距离对应的目标优化系数;
获取目标图像,对所述目标图像进行人脸提取,得到目标人脸;
确定所述目标人脸的目标颜色参数;
按照预设的颜色参数与微调系数之间的映射关系,确定所述目标颜色参数对应的目标微调系数;
根据所述目标优化系数、所述目标微调系数对所述参考工作参数进行处理,得到目标工作参数;
控制所述红外灯根据所述目标工作参数进行补光操作。
可选的,上述程序还包括用于执行以下步骤的指令:
确定所述第一目标图像的图像质量评价值;
在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
在所述能量占比低于所述预设范围的下限值时,对所述低频分量图像进行图像增强处理,得到目标低频分量图像,将所述目标低频分量图像和所述高频分量图像进行重构,得到第二图像。
可选的,在所述对所述高频分量图像进行图像增强处理,得到目标高频分量图像方面,上述程序包括用于执行以下步骤的指令:
确定所述高频分量图像的特征点,得到多个特征点;
确定所述多个特征点的模值,得到多个模值;
将所述多个特征点进行向量运算,得到合向量;
确定所述合向量的参考模值;
确定所述多个模值的目标均值和目标均方差;
确定所述参考模值与所述目标均值之间的差值的目标绝对值;
按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
获取所述目标图像增强算法对应的参考图像增强控制参数;
按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
具体实现中,
可以看出,本申请实施例中所描述的智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,所述光学镜头,用于采集外界环境光;所述单滤光片,用于将部分红外光进行截止或者吸收;所述图像传感器,用于对通过所述单滤光片的光线进行成像,由于通过在成像过程中,通过单滤光片将部分红外光进行截止或者吸收,进而,可以提升光线充足情况下的图像质量,进而提升智能锁的拍摄性能。
图9是本申请实施例中所涉及的图像处理装置900的功能单元组成框图。该图像处理装置900,应用于智能锁,所述装置900包括:确定单元901和成像单元902,其中,
所述确定单元901,用于确定环境光亮度值;
所述成像单元902,用于通过所述单滤光片对外界的环境光进行截止或者吸收;以及通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像。
可选的,成像单元902,还具体用于:
确定所述第一目标图像的图像质量评价值;
在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
在所述能量占比低于所述预设范围的下限值时,对所述低频分量图像进行图像增强处理,得到目标低频分量图像,将所述目标低频分量图像和所述高频分量图像进行重构,得到第二图像。
可选的,在所述对所述高频分量图像进行图像增强处理,得到目标高频分量图像方面,所述成像单元902,还具体用于:
确定所述高频分量图像的特征点,得到多个特征点;
确定所述多个特征点的模值,得到多个模值;
将所述多个特征点进行向量运算,得到合向量;
确定所述合向量的参考模值;
确定所述多个模值的目标均值和目标均方差;
确定所述参考模值与所述目标均值之间的差值的目标绝对值;
按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
获取所述目标图像增强算法对应的参考图像增强控制参数;
按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
具体实现中,
可选的,所述成像单元902,还具体用于:
在所述环境光亮度值小于预设阈值时,通过所述红外灯进行补光操作;
通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像;
或者,
在所述环境光亮度值大于或等于所述预设阈值时,执行所述通过所述单滤光片对外界的环境光进行截止或者吸收,以及所述通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像的步骤。
可选的,在所述通过所述红外灯进行补光操作方面,所述成像单元902具体用于:
确定所述预设阈值与所述环境光亮度值之间的目标差值;
按照预设的差值与所述补光灯的工作参数之间的映射关系,确定所述目标差值对应的参考工作参数;
确定目标与智能锁之间的目标距离;
按照预设的距离与优化系数之间的映射关系,确定所述目标距离对应的目标优化系数;
获取目标图像,对所述目标图像进行人脸提取,得到目标人脸;
确定所述目标人脸的目标颜色参数;
按照预设的颜色参数与微调系数之间的映射关系,确定所述目标颜色参数对应的目标微调系数;
根据所述目标优化系数、所述目标微调系数对所述参考工作参数进行处理,得到目标工作参数;
控制所述红外灯根据所述目标工作参数进行补光操作。
可以看出,本申请实施例中所描述的图像处理装置,应用于智能锁,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,所述光学镜头,用于采集外界环境光;所述单滤光片,用于将部分红外光进行截止或者吸收;所述图像传感器,用于对通过所述单滤光片的光线进行成像,由于通过在成像过程中,通过单滤光片将部分红外光进行截止或者吸收,进而,可以提升光线充足情况下的图像质量,进而提升智能锁的拍摄性能。
可以理解的是,本实施例的图像处理装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括智能锁。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括智能锁。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,例如上述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。
上述集成的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取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括: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。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种智能锁,其特征在于,所述智能锁包括摄像头模组,所述摄像头模组包括:单滤光片、图像传感器、光学镜头,其中,
所述光学镜头,用于采集外界环境光;
所述单滤光片,用于将部分红外光进行截止或者吸收;
其中,所述智能锁还包括环境光传感器和红外灯,其中,
所述环境光传感器,用于检测环境光亮度值;
所述红外灯,用于在所述环境光亮度值大于或等于预设阈值时,不进行补光操作;
所述红外灯,还用于在所述环境光亮度值小于所述预设阈值时,进行补光操作;
所述图像传感器,用于对通过所述单滤光片的光线进行成像,得到第一目标图像;
其中,所述智能锁还具体用于:
确定所述第一目标图像的图像质量评价值;
在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
其中,所述对所述高频分量图像进行图像增强处理,得到目标高频分量图像,包括:
确定所述高频分量图像的特征点,得到多个特征点;
确定所述多个特征点的模值,得到多个模值;
将所述多个特征点进行向量运算,得到合向量;
确定所述合向量的参考模值;
确定所述多个模值的目标均值和目标均方差;
确定所述参考模值与所述目标均值之间的差值的目标绝对值;
按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
获取所述目标图像增强算法对应的参考图像增强控制参数;
按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
2.根据权利要求1所述的智能锁,其特征在于,所述单滤光片为将摄像头镜片上使用能够通过红外光和可见光的镀膜或者涂层,并且通过所述镀膜或者所述涂层对红外光的通过率进行控制。
3.根据权利要求1或2所述的智能锁,其特征在于,所述智能锁还包括电子锁体;
所述电子锁体,用于获取所述图像传感器成像的图像信息,并根据所述图像信息进行身份验证,在身份验证通过时,进行开锁操作。
4.一种图像处理方法,应用于如权利要求1-3任一项所述的智能锁,其特征在于,所述方法包括:
确定环境光亮度值;
在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像;
其中,所述方法还包括:
确定所述第一目标图像的图像质量评价值;
在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
其中,所述对所述高频分量图像进行图像增强处理,得到目标高频分量图像,包括:
确定所述高频分量图像的特征点,得到多个特征点;
确定所述多个特征点的模值,得到多个模值;
将所述多个特征点进行向量运算,得到合向量;
确定所述合向量的参考模值;
确定所述多个模值的目标均值和目标均方差;
确定所述参考模值与所述目标均值之间的差值的目标绝对值;
按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
获取所述目标图像增强算法对应的参考图像增强控制参数;
按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在环境光亮度值小于所述预设阈值时,通过所述红外灯进行补光操作;
通过所述单滤光片对外界的环境光进行截止或者吸收;
通过所述图像传感器将最终到达所述图像传感器的光线进行成像,得到第二目标图像;
或者,
在所述环境光亮度值大于或等于所述预设阈值时,执行所述通过所述单滤光片对外界的环境光进行截止或者吸收,以及所述通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像的步骤。
6.一种图像处理装置,应用于如权利要求1-3任一项所述的智能锁,其特征在于,所述装置包括:确定单元和成像单元,其中,
所述确定单元,用于确定环境光亮度值;
所述成像单元,用于在所述环境光亮度值大于或等于预设阈值时,通过所述单滤光片对外界的环境光进行截止或者吸收;以及通过所述图像传感器将通过所述单滤光片的光线进行成像,得到第一目标图像;
其中,所述图像处理装置还具体用于:
确定所述第一目标图像的图像质量评价值;
在所述图像质量评价值低于第一预设图像质量评价值时,将所述第一目标图像进行多尺度分解,得到低频分量图像和高频分量图像;
确定所述低频分量图像的能量值与所述第一目标图像的能量值之间的能量占比;
在所述能量占比处于预设范围,对所述高频分量图像进行图像增强处理,得到目标高频分量图像,将所述低频分量图像和所述目标高频分量图像进行重构,得到第一图像;
其中,所述对所述高频分量图像进行图像增强处理,得到目标高频分量图像,包括:
确定所述高频分量图像的特征点,得到多个特征点;
确定所述多个特征点的模值,得到多个模值;
将所述多个特征点进行向量运算,得到合向量;
确定所述合向量的参考模值;
确定所述多个模值的目标均值和目标均方差;
确定所述参考模值与所述目标均值之间的差值的目标绝对值;
按照预设的绝对值与图像增强算法之间的映射关系,确定所述目标绝对值对应的目标图像增强算法;
获取所述目标图像增强算法对应的参考图像增强控制参数;
按照预设的均方差与影响因子之间的映射关系,确定所述目标均方差对应的目标影响因子;
通过所述目标影响因子调整所述参考图像增强控制参数,得到目标图像增强控制参数;
通过所述目标图像增强算法和所述目标图像增强控制参数对所述高频分量图像进行图像增强处理,得到所述目标高频分量图像。
7.一种智能锁,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求4或5所述的方法中的步骤的指令。
8.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求4或5所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210446733.2A CN114842579B (zh) | 2022-04-26 | 2022-04-26 | 智能锁、图像处理方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210446733.2A CN114842579B (zh) | 2022-04-26 | 2022-04-26 | 智能锁、图像处理方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114842579A CN114842579A (zh) | 2022-08-02 |
CN114842579B true CN114842579B (zh) | 2024-02-20 |
Family
ID=82565372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210446733.2A Active CN114842579B (zh) | 2022-04-26 | 2022-04-26 | 智能锁、图像处理方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114842579B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009728A (ja) * | 2006-06-29 | 2008-01-17 | Ritsumeikan | 表情認識方法及び表情認識装置 |
CN101739712A (zh) * | 2010-01-25 | 2010-06-16 | 四川大学 | 基于视频的3d人脸表情动画驱动方法 |
CN202720703U (zh) * | 2012-07-26 | 2013-02-06 | 南京工程学院 | 一种红外感知和自动补光的人脸识别门锁 |
CN104967776A (zh) * | 2015-06-11 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种拍照设置方法及用户终端 |
CN108509937A (zh) * | 2018-04-12 | 2018-09-07 | 浙江凯迪仕实业有限公司 | 一种人脸识别系统及方法 |
CN111614894A (zh) * | 2020-04-28 | 2020-09-01 | 深圳英飞拓智能技术有限公司 | 一种图像采集方法、装置及终端设备 |
CN111696058A (zh) * | 2020-05-27 | 2020-09-22 | 重庆邮电大学移通学院 | 图像处理方法、装置及存储介质 |
CN213518287U (zh) * | 2020-08-17 | 2021-06-22 | 北京旷视科技有限公司 | 识别装置、电子设备、智能门锁及智能门 |
CN113807166A (zh) * | 2021-07-31 | 2021-12-17 | 深圳市数商时代科技有限公司 | 图像处理方法、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8768069B2 (en) * | 2011-02-24 | 2014-07-01 | Sony Corporation | Image enhancement apparatus and method |
-
2022
- 2022-04-26 CN CN202210446733.2A patent/CN114842579B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009728A (ja) * | 2006-06-29 | 2008-01-17 | Ritsumeikan | 表情認識方法及び表情認識装置 |
CN101739712A (zh) * | 2010-01-25 | 2010-06-16 | 四川大学 | 基于视频的3d人脸表情动画驱动方法 |
CN202720703U (zh) * | 2012-07-26 | 2013-02-06 | 南京工程学院 | 一种红外感知和自动补光的人脸识别门锁 |
CN104967776A (zh) * | 2015-06-11 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种拍照设置方法及用户终端 |
CN108509937A (zh) * | 2018-04-12 | 2018-09-07 | 浙江凯迪仕实业有限公司 | 一种人脸识别系统及方法 |
CN111614894A (zh) * | 2020-04-28 | 2020-09-01 | 深圳英飞拓智能技术有限公司 | 一种图像采集方法、装置及终端设备 |
CN111696058A (zh) * | 2020-05-27 | 2020-09-22 | 重庆邮电大学移通学院 | 图像处理方法、装置及存储介质 |
CN213518287U (zh) * | 2020-08-17 | 2021-06-22 | 北京旷视科技有限公司 | 识别装置、电子设备、智能门锁及智能门 |
CN113807166A (zh) * | 2021-07-31 | 2021-12-17 | 深圳市数商时代科技有限公司 | 图像处理方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114842579A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874871B (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
Xu et al. | Structure-texture aware network for low-light image enhancement | |
CN108122206A (zh) | 一种低照度图像降噪方法及装置 | |
CN107909063B (zh) | 基于灰度变化的生物识别视频回放攻击检测方法 | |
CN111179208B (zh) | 基于显著图与卷积神经网络的红外-可见光图像融合方法 | |
Janani et al. | Infrared image enhancement techniques—A review | |
CN104778445A (zh) | 基于手指静脉立体特征的活体识别装置及方法 | |
CN109151325A (zh) | 一种合成笑脸的处理方法及处理装置 | |
CN114842579B (zh) | 智能锁、图像处理方法及相关产品 | |
Chen et al. | High-dynamic range, night vision, image-fusion algorithm based on a decomposition convolution neural network | |
Zhuang et al. | Image enhancement by deep learning network based on derived image and retinex | |
Feng et al. | Low-light color image enhancement based on Retinex | |
CN105447827A (zh) | 图像降噪方法和系统 | |
Chen et al. | The image process technologies in face recognition | |
CN114842578B (zh) | 智能锁、拍摄控制方法及相关装置 | |
Kumar et al. | Image Enhancement Using Laplacian Gaussian Pyramid Based Fusion and Band Rationing Algorithm | |
CN114299586A (zh) | 一种基于卷积神经网络的智能化深度学习系统 | |
CN113421205A (zh) | 一种结合红外偏振成像的小目标检测方法 | |
CN108416788B (zh) | 一种基于感受野及其明暗适应性的边缘检测方法 | |
Cheng et al. | Multiple training stage image enhancement enrolled with ccrgan pseudo templates for large area dry fingerprint recognition | |
CN204463159U (zh) | 基于手指静脉立体特征的活体识别装置 | |
Liu et al. | A Fusion-based Enhancement Method for Low-light UAV Images | |
Cao et al. | Research on Face Recognition Algorithm Based on CNN and Image Super-resolution Reconstruction | |
Vedavyas et al. | Quality Enhancement for Drone Based Video using FPGA | |
Cheng et al. | An improved retinal modeling for illumination face recognition |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 Office Building 02, 11th Floor, Building B2, Xiandong Road, Xiandong Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province, China Applicant after: Shenzhen Kaidisi Intelligent Technology Co.,Ltd. Address before: 9 / F, block B, Tsinghua information port, No.1, Xindong Road, songpingshan community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN KAADAS INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |