CN116233619B - 一种应用于人脸识别的补光控制方法 - Google Patents

Abstract

本发明提供一种应用于人脸识别的补光控制方法，属于摄像装置技术领域，具体包括：基于摄像装置的环境光测量结果确定补光时段，并基于补光时段确定不需要对摄像装置进行补光分类控制时，实时控制白光灯进行补光，并当白光灯的补光时长大于设定值时，基于历史图像对补光时段进行筛选得到一般时段，并在一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以修正补光强度实时控制白光灯进行补光，从而实现了对摄像装置的补光的差异性控制。

Description

一种应用于人脸识别的补光控制方法

技术领域

本发明属于摄像装置技术领域，尤其涉及一种应用于人脸识别的补光控制方法。

背景技术

随着社会的发展以及人身财产安全的保护可靠性要求越来越严格，视频监控摄像机在街头巷尾的安装范围也越来越广泛，由于安装位置或者环境条件的影响，导致某些时候的光线强度无法满足要求，同时在进行人脸识别的时候，其对光线强度和图像质量的要求更加严格，为了实现对摄像装置的补光控制，在授权发明专利CN112040108B《一种人脸抓拍相机混合补光控制方法、系统、介质及终端》中通过对检测结果中的人脸图像的识别，根据人脸图像亮度调整红外光强度，并当满足抓拍条件时，根据目标对象的人脸图像的亮度调节白光强度，完成人脸抓拍，但是却忽视了以下技术问题：

未考虑结合摄像装置的历史图像分析结果以及摄像装置的人脸清晰度要求进行补光方式的确定，由于在一般情况下，人员进入摄像装置的监控范围内时，其基本上处于移动的状态，若当发现人脸时，再进行补光方式的切换往往无法准确的实现对人脸的捕捉，于此同时，在特定场所，例如ATM机、校园、医院等场所，其对摄像装置的人脸清晰度要求以及对人脸拍摄的人脸清晰度要求更高，若采用授权专利的方案，则同样无法准确的实现对人脸的捕捉。

未考虑结合白光灯的补光时长以及摄像装置的人脸清晰度要求进行补偿强度的控制，当白光灯的补偿时长过长时仍然按照原有的补光强度则会导致白光灯的使用寿命会受到一定的影响，同时对于不同的摄像装置其补光强度的要求也不相同，自身还可以对图像的清晰度通过软件算法进行进一步修正，因此若不考虑补光强度的要求，则有可能会影响摄像装置的工作稳定性。

针对上述技术问题，本发明提供了一种应用于人脸识别的补光控制方法。

发明内容

根据本发明的一个方面，提供了一种基于人工智能的账务异常数据周期性检测方法。

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种应用于人脸识别的补光控制方法。

一种应用于人脸识别的补光控制方法，其特征在于，具体包括：

S11基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制，若是，则进入步骤S12，若否，则进入步骤S14；

S12通过摄像装置的安装位置确定人脸清晰度要求，并基于所述人脸清晰度要求确定是否需要对摄像装置进行补光控制，若是，则进入步骤S14，若否，则进入步骤S13；

S13基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求确定是否需要进行补光控制，若是，则进入步骤S14，若否，则基于红外光灯进行实时补光，并当监测到人脸时控制白光灯进行补光；

S14实时控制白光灯进行补光，并当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

通过基于摄像装置的环境光测量结果确定补光时段的确定，从而将补光时段较短的摄像装置进行实时的白光灯补光，而无须考虑其他因素，提升了判断的效率，并且也保证了摄像装置的拍摄的准确性。

通过结合摄像装置的安装位置确定人脸清晰度要求，并基于人脸清晰度要求进行补光控制的确定，从而使得安装位置特殊的摄像装置能够实时的采用白光灯补光，不仅提升了拍摄的准确性，同时也避免了不必要的纠纷问题的发生。

通过结合摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求实现对补光控制的确定，从而不仅仅考虑到摄像装置的安装位置以及补光时段的长短，同时也与摄像装置的人员流动情况相结合，从而进一步保证了补光控制的确定的全面性和准确性。

通过基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光，从而使得白光灯工作时间较长导致的衰减或者其他意外故障的发生概率大大降低，保证了整个摄像装置的工作的稳定性。

另一方面，本发明提供了一种应用于人脸识别的补光控制系统，采用上述的一种应用于人脸识别的补光控制方法，具体包括：

分类控制确定模块；补光控制确定模块；补光强度确定模块；

其中所述分类控制确定模块负责基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制；

所述补光控制确定模块负责基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求或者基于人脸清晰度要求确定是否需要进行补光控制；

所述补光强度确定负责当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种应用于人脸识别的补光控制方法。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；

图1是根据实施例1的一种应用于人脸识别的补光控制方法的流程图；

图2是根据实施例1的确定是否需要进行补光控制的具体步骤的流程图；

图3是根据实施例1的修正补光强度确定的具体步骤的流程图；

图4是根据实施例2的一种应用于人脸识别的补光控制系统的框架图；

图5是根据实施例3的一种计算机存储介质的框架图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一个方面，提供了一种应用于人脸识别的补光控制方法。

一种应用于人脸识别的补光控制方法，其特征在于，具体包括：

S11基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制，若是，则进入步骤S12，若否，则进入步骤S14；

需要说明的是，所述补光时段根据所述环境光测量结果小于预设环境光设定值的时段进行确定，并当所述补光时段的时长大于设定量时，需要对所述摄像装置进行补光分类控制。

具体的举例说明，若补光时段的时长为3小时，而设定量为2小时时，则说明补光时段的时长较长，因此需要对摄像装置进行补光分类控制，而不是直接确定采用白光灯进行补光控制。

在本实施例中，通过基于摄像装置的环境光测量结果确定补光时段的确定，从而将补光时段较短的摄像装置进行实时的白光灯补光，而无须考虑其他因素，提升了判断的效率，并且也保证了摄像装置的拍摄的准确性。

S12通过摄像装置的安装位置确定人脸清晰度要求，并基于所述人脸清晰度要求确定是否需要对摄像装置进行补光控制，若是，则进入步骤S14，若否，则进入步骤S13；

具体的举例说明，所述人脸清晰度要求根据所述摄像装置的安装位置进行确定，具体的采用基于专家打分的数学模型进行确定，并当所述人脸清晰度要求大于清晰度预设值时，则确定需要对摄像装置进行补光控制。

可以理解的是，例如摄像装置安装在银行、ATM机、校园等位置，其对人脸清晰度要求明显较高，具体的可以采用专家打分的方式进行确定，例如银行的人脸清晰度要求为0.9，校园的人脸清晰度要求为0.6，同时大于0.5的设定值时，则需要对摄像装置进行补光控制。

在本实施例中，通过结合摄像装置的安装位置确定人脸清晰度要求，并基于人脸清晰度要求进行补光控制的确定，从而使得安装位置特殊的摄像装置能够实时的采用白光灯补光，不仅提升了拍摄的准确性，同时也避免了不必要的纠纷问题的发生。

S13基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求确定是否需要进行补光控制，若是，则进入步骤S14，若否，则基于红外光灯进行实时补光，并当监测到人脸时控制白光灯进行补光；

可以理解的是，对于安装在不同位置的摄像装置，其人流量和在补光时段内的人员数量以及包含人员的时长是不同的，而一般人流量和在补光时段内的人员数量以及包含人员的时长越多或者越长，则说明需要更高的摄像装置的拍摄图像的要求，同时当人员过少时，此时若人脸清晰度要求不高，则此时就无须进行实时的白光灯的补光，从而保证了摄像装置的运行的稳定性。

具体的举例说明，如图2所示，确定是否需要进行补光控制的具体步骤为：

S21基于所述摄像装置在所述补光时段内的历史图像中的人员数量确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S22；

需要说明的是，摄像装置在所述补光时段内的历史图像中的人员数量可以根据在最近的一定时间内的在补光时段内的历史图像中的人员数量的最大值或者平均值进行确定，并当其大于一定的值以后，则确定其人员数量较多，需要进行补光控制。

S22基于所述摄像装置在所述补光时段内的历史图像中包含所述人员的时长确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S23；

需要说明的是，摄像装置在所述补光时段内的包含所述人员的时长可以根据在最近的一定时间内的在补光时段内的包含所述人员的时长的最大值或者平均值进行确定，并当其大于一定的值以后，则确定其需要进行人脸识别的时长和场景较多，需要进行补光控制。

S23基于所述摄像装置的人脸清晰度要求确定所述摄像装置是否属于筛选摄像装置，若是，则进入步骤S24，若否，则进入步骤S25；

需要说明的是，当所述摄像装置的人脸清晰度要求大于清晰度设定值时，则将所述摄像装置作为筛选摄像装置，其中清晰度设定值小于清晰度预设值。

S24基于所述筛选摄像装置的补光时段确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S25；

需要说明的是，当筛选摄像装置的补光时段较长时，则确定需要进行补光控制。

S25基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长、所述补光时段以及人脸清晰度要求确定是否需要进行补光控制。

需要说明的是，基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长、所述补光时段以及人脸清晰度要求进行摄像装置的补光评估值的构建，并当补光评估值大于一定的值以后，则确定其需要进行补光控制。

具体的举例说明，所述补光评估值采用基于SSA-BP神经网络的模型进行确定，其中模型具体的构建步骤为：

(1)初始化麻雀搜索算法相关参数，包括种群规模、最大迭代次数，BP神经网络的迭代次数和隐含层权值；

（2）通过交叉验证，对训练样本进行训练，以交叉验证的准确率作为麻雀个体的适应度。保留最优的适应度值及位置信息；

（3）进行迭代，直至迭代次数满足终止条件输出最优参数，得到SSA-BP神经网络的模型。将训练好的SSA-BP神经网络的模型进行摄像装置的补光评估值的构建。

需要说明的是，SA的更新方式可分为两种：向当前最优位置靠近或向最低点位靠近，使用这两种方式来更新麻雀的位置可能会使算法陷入局部最优。由于SSA的个体收敛于当前最优解的方式是直接到达最优解附近，而不是像PSO那样逐渐移动至最优解，这会导致当SSA搜索接近全局最优时出现种群多样性减少，出现早熟收敛等问题。

考虑到Levy飞行过程较好的全局搜索能力，Tent混沌序列遍历均匀、收敛速度快的特点，本发明提出一种改进的麻雀搜索优化算法 ISSA（Improved Sparrow SearchOptimization Algorithm）。初始化种群分布时利用了Tent混沌映射遍历均匀的思想来优化个体分布，尽可能使种群中的初始个体在解空间均匀分布，最后随机选择种群中个体进行Levy飞行，使得全局寻优性能得以提高，其中改进的麻雀搜索优化算法构建的具体步骤为：

Step1：初始化算法各项参数：种群规模，发现者比例，警戒者比例，目标函数维数，初始值的上下界，最大迭代次数和/或求解精度；

Step2：种群初始化，根据Tent序列以及Logistic映射的方式随机生成各点位初始坐标；

Step3：计算每只麻雀个体的适应度并降序排序，选出当前最佳适应度和其所对应的位置，以及当前最差适应度和其对应的位置；

Step4：将排序以后最优的前p个体设置为发现者，加入者默认为种群剩余的所有个体，并对发现者和加入者的当前位置进行更新；

Step5：随机从当前种群里选择s个体作为预警者，并按数学公式进行点位更新；

Step6：迭代结束后将每个个体的坐标代入适应度函数中计算个体适应度并求均值，并进行最优和最劣适应度及其坐标的更新；

Step7：随机对种群个体进行选择，并对种群个体进行levy飞行，对当前状态是否达到最大迭代次数或初始设定的收敛精度进行判断，若是则流程结束输出种群最优位置，否则回到Step3继续执行。

需要说明的是，通过依次对正弦函数上的值进行全部访问，即也对单位圆上的点进行了全部遍历，使得算法具有很强的全局寻优能力。其次在算法对位置进行迭代更新时，通过黄金分割系数的引入，加强了算法对每次迭代所得最优解附近区域的搜索能力，进而使其局部搜索能力和收敛速度都得到了很大提升。Gold-SA 和其他的群智能算法一样，都有其主要的位置更新方式，首先对算法的种群进行随机初始化，然后在算法迭代更新过程中，对每个个体的位置更新方式主要是通过下式进行：

其中为/>

为0到2π之间的随机数，/>

为0到π之间的随机数，/>

和/>

为黄金正弦分割系数，x^tig为第i个个体在第t代时的最优种群位置，x^ti为第i个个体在第t代时的位置，favg为种群适应度均值，fi为第i个个体的适应度；/>

表示由随机数生成器生成的服从标准正态分布的随机数。

在本实施例中，通过结合摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求实现对补光控制的确定，从而不仅仅考虑到摄像装置的安装位置以及补光时段的长短，同时也与摄像装置的人员流动情况相结合，从而进一步保证了补光控制的确定的全面性和准确性。

S14实时控制白光灯进行补光，并当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

需要说明的是，所述白光灯的补光时长根据所述白光灯的累计工作时长进行确定，所述设定值根据所述白光灯的类型进行确定。

需要说明的是，如图3所示，所述修正补光强度确定的具体步骤为：

S31基于所述历史图像获取所述摄像装置在补光时段内的历史拍摄图像，并判断所述摄像装置在所述补光时段内的历史拍摄图像是否都满足摄像装置的人脸清晰度要求，若是，则进入步骤S33，若否，则进入步骤S32；

需要说明的是，若历史拍摄图像均能满足摄像装置的人脸清晰度要求，则可以直接进行修正补光强度的构建，若否，则需要对不满足人脸清晰度要求的时段的时长进行确定，并根据结果确定是否需要对补光强度进行修正。

S32获取所述历史拍摄图像的曝光量，并基于所述摄像装置的人脸清晰度要求得到所述摄像装置的曝光量基础值，并基于所述曝光量基础值以及所述曝光量进行一般时段的筛选，并基于所述一般时段的时长确定是否能够对所述白光灯的补光强度进行修正，若是，则进入步骤S33，若否，则不对所述白光灯的补光强度进行修正；

S33基于所述曝光量与所述曝光量基础值的差值得到历史拍摄图像的曝光差值，并当所述曝光差值进行高曝光时段的筛选，基于所述高曝光时段的时长和一般时段的时长、补光时长、摄像装置的人脸清晰度要求构建修正补光强度。

需要说明的是，修正补光强度同样采用基于基于SSA-BP神经网络的模型进行确定，具体的此处不再一一赘述。

具体的举例说明，将所述历史拍摄图像的曝光量与所述曝光量基础阈值的差值小于设定曝光量的时段作为一般时段，将所述历史拍摄图像的曝光量与所述曝光量基础阈值的差值大于预设曝光量的时段作为高曝光时段，其中预设曝光量大于设定曝光量。

在本实施例中，通过基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光，从而使得白光灯工作时间较长导致的衰减或者其他意外故障的发生概率大大降低，保证了整个摄像装置的工作的稳定性。

实施例2

另一方面，如图4所示，本发明提供了一种应用于人脸识别的补光控制系统，采用上述的一种应用于人脸识别的补光控制方法，具体包括：

分类控制确定模块；补光控制确定模块；补光强度确定模块；

其中所述分类控制确定模块负责基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制；

所述补光控制确定模块负责基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求或者基于人脸清晰度要求确定是否需要进行补光控制；

具体的举例说明，确定是否需要进行补光控制的具体步骤为：

S21基于所述摄像装置在所述补光时段内的历史图像中的人员数量确定不需要进行补光控制时，进入步骤S22；

需要说明的是，摄像装置在所述补光时段内的历史图像中的人员数量可以根据在最近的一定时间内的在补光时段内的历史图像中的人员数量的最大值或者平均值进行确定，并当其大于一定的值以后，则确定其人员数量较多，需要进行补光控制。

S22基于所述摄像装置在所述补光时段内的历史图像中包含所述人员的时长确定不需要进行补光控制时进入步骤S23；

需要说明的是，摄像装置在所述补光时段内的包含所述人员的时长可以根据在最近的一定时间内的在补光时段内的包含所述人员的时长的最大值或者平均值进行确定，并当其大于一定的值以后，则确定其需要进行人脸识别的时长和场景较多，需要进行补光控制。

S23基于所述摄像装置的人脸清晰度要求确定所述摄像装置确定属于筛选摄像装置时，则进入步骤S24；

需要说明的是，当所述摄像装置的人脸清晰度要求大于清晰度设定值时，则将所述摄像装置作为筛选摄像装置，其中清晰度设定值小于清晰度预设值。

S24基于所述筛选摄像装置的补光时段确定需要进行补光控制时，则确定需要进行补光控制。

需要说明的是，当筛选摄像装置的补光时段较长时，则确定需要进行补光控制。

所述补光强度确定负责当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

实施例3

另一方面，如图5所示，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种应用于人脸识别的补光控制方法。

具体的举例说明，上述的一种应用于人脸识别的补光控制方法，具体包括：

基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定不需要对摄像装置进行补光分类控制时，进入下一步骤；

实时控制白光灯进行补光，并当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，采用如图3所示的方法确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

具体的举例说明，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可 包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM （PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括 随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得， 诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强 型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM （RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块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介质中。基于这样的理解，本发明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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种应用于人脸识别的补光控制方法，其特征在于，具体包括：

S11基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制，若是，则进入步骤S12，若否，则进入步骤S14；

S12通过摄像装置的安装位置确定人脸清晰度要求，并基于所述人脸清晰度要求确定是否需要对摄像装置进行补光控制，若是，则进入步骤S14，若否，则进入步骤S13；

S13基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求确定是否需要进行补光控制，若是，则进入步骤S14，若否，则基于红外光灯进行实时补光，并当监测到人脸时控制白光灯进行补光；

S14实时控制白光灯进行补光，并当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

2.如权利要求1所述的补光控制方法，其特征在于，所述补光时段根据所述环境光测量结果小于预设环境光设定值的时段进行确定，并当所述补光时段的时长大于设定量时，需要对所述摄像装置进行补光分类控制。

3.如权利要求1所述的补光控制方法，其特征在于，所述人脸清晰度要求根据所述摄像装置的安装位置进行确定，具体的采用基于专家打分的数学模型进行确定，并当所述人脸清晰度要求大于清晰度预设值时，则确定需要对摄像装置进行补光控制。

4.如权利要求1所述的补光控制方法，其特征在于，确定是否需要进行补光控制的具体步骤为：

S21基于所述摄像装置在所述补光时段内的历史图像中的人员数量确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S22；

S22基于所述摄像装置在所述补光时段内的历史图像中包含所述人员的时长确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S23；

S23基于所述摄像装置的人脸清晰度要求确定所述摄像装置是否属于筛选摄像装置，若是，则进入步骤S24，若否，则进入步骤S25；

S24基于所述筛选摄像装置的补光时段确定是否需要进行补光控制，若是，则确定需要进行补光控制，若否，则进入步骤S25；

S25基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长、所述补光时段以及人脸清晰度要求确定是否需要进行补光控制。

5.如权利要求4所述的补光控制方法，其特征在于，当所述摄像装置的人脸清晰度要求大于清晰度设定值时，则将所述摄像装置作为筛选摄像装置，其中清晰度设定值小于清晰度预设值。

6.如权利要求1所述的补光控制方法，其特征在于，所述白光灯的补光时长根据所述白光灯的累计工作时长进行确定，所述设定值根据所述白光灯的类型进行确定。

7.如权利要求1所述的补光控制方法，其特征在于，所述修正补光强度确定的具体步骤为：

S31基于所述历史图像获取所述摄像装置在补光时段内的历史拍摄图像，并判断所述摄像装置在所述补光时段内的历史拍摄图像是否都满足摄像装置的人脸清晰度要求，若是，则进入步骤S33，若否，则进入步骤S32；

S32获取所述历史拍摄图像的曝光量，并基于所述摄像装置的人脸清晰度要求得到所述摄像装置的曝光量基础值，并基于所述曝光量基础值以及所述曝光量进行一般时段的筛选，并基于所述一般时段的时长确定是否能够对所述白光灯的补光强度进行修正，若是，则进入步骤S33，若否，则不对所述白光灯的补光强度进行修正；

S33基于所述曝光量与所述曝光量基础值的差值得到历史拍摄图像的曝光差值，并当所述曝光差值进行高曝光时段的筛选，基于所述高曝光时段的时长和一般时段的时长、补光时长、摄像装置的人脸清晰度要求构建修正补光强度。

8.如权利要求7所述的补光控制方法，其特征在于，将所述历史拍摄图像的曝光量与所述曝光量基础阈值的差值小于设定曝光量的时段作为一般时段，将所述历史拍摄图像的曝光量与所述曝光量基础阈值的差值大于预设曝光量的时段作为高曝光时段，其中预设曝光量大于设定曝光量。

9.一种应用于人脸识别的补光控制系统，采用权利要求1-8任一项所述的一种应用于人脸识别的补光控制方法，具体包括：

分类控制确定模块；补光控制确定模块；补光强度确定模块；

其中所述分类控制确定模块负责基于摄像装置的环境光测量结果确定补光时段，并基于所述补光时段确定是否需要对摄像装置进行补光分类控制；

所述补光控制确定模块负责基于所述摄像装置在所述补光时段内的历史图像中的人员数量、历史图像中包含所述人员的时长，并结合所述补光时段以及人脸清晰度要求或者基于人脸清晰度要求确定是否需要进行补光控制；

所述补光强度确定负责当所述白光灯的补光时长大于设定值时，基于历史图像对所述补光时段进行筛选得到一般时段，并在所述一般时段内，基于摄像装置的人脸清晰度要求，结合一般时段的时长和补光时长，确定修正补光强度，并以所述修正补光强度实时控制白光灯进行补光。

10.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任一项所述的一种应用于人脸识别的补光控制方法。

Images