CN116301361A - 基于智能眼镜的目标选择方法、装置和电子设备 - Google Patents

Abstract

本公开提供了基于智能眼镜的目标选择方法、装置和电子设备，涉及人工智能技术领域，尤其涉及图像处理、深度学习和智能设备领域。具体实现方案为：响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；基于所述目标手势，在所述第一图像中确定处理目标。本公开的技术方案可以便于交互以及提升选择处理目标的准确性。

Description

基于智能眼镜的目标选择方法、装置和电子设备

技术领域

本公开涉及人工智能技术领域，尤其涉及图像处理、深度学习和智能设备领域。

背景技术

近年来，随着深度学习技术的发展，语音识别、图像识别等技术的准确率得到有效提升，基于语音或图像识别的应用也出现在多种不同的场景中。特别是智能设备中，用户可以无需手动输入，通过语音及图像就可以与设备进行交互。

例如，智能眼镜中设置有摄像头，基于摄像头的输入实现用户与设备之间的交互。其中，摄像头的输入是区域性的，输入的内容中存在多个人/物/景等情况。相关技术中，采用自动对焦或者识别眼球的变化的方式，在摄像头输入的图像中确定处理目标。

发明内容

本公开提供了一种基于智能眼镜的目标选择方法、装置和电子设备。

根据本公开的一方面，提供了一种基于智能眼镜的目标选择方法，包括：

响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

基于所述目标手势，在所述第一图像中确定处理目标。

根据本公开的另一方面，提供了一种基于智能眼镜的目标选择装置，包括：

第一图像确定模块，用于响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

第一目标确定模块，用于基于所述目标手势，在所述第一图像中确定处理目标。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。

根据本公开实施例的技术方案，用户可以采用目标手势指示处理目标，电子设备可以基于目标手势，在出现目标手势之前采集的不包含手势信息的第一图像中确定出处理目标。一方面便于交互，另一方面通过在不包含手势信息的第一图像中确定处理目标，可以提升选择处理目标的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开一实施例提供的基于智能眼镜的目标选择方法的流程示意图；

图2是本公开另一实施例提供的基于智能眼镜的目标选择方法的流程示意图；

图3是本公开实施例中第一图像的示意图；

图4是本公开一实施例提供的基于智能眼镜的目标选择装置的示意性框图；

图5是本公开另一实施例提供的基于智能眼镜的目标选择装置的示意性框图；

图6是用来实现本公开实施例的基于智能眼镜的目标选择方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了本公开一实施例提供的基于智能眼镜的目标选择方法的流程示意图。该方法可以应用于电子设备中。该电子设备例如是智能眼镜，或者是与智能眼镜连接的其他设备中的处理设备。这里，智能眼镜连接的其他设备可以包括单机或多机的用户设备、服务器、服务器集群等。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该方法可以包括：

S110，响应于智能眼镜采集的N个图像中出现目标手势，在N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

S120，基于目标手势，在第一图像中确定处理目标。

示例性地，在本公开实施例中，目标手势可以包括指向手势或圈选手势等。其中，指向手势用于根据手指的指向识别手指点击某个点。圈选手势用于根据手部(包括手指、手掌等)的运动轨迹确定圈选的区域。

可选地，本公开实施例中的N个图像可以指单个图像或连续的多个图像。例如，可以基于单个图像确定是否包含指向手势的图像信息，在该图像包含指向手势的图像信息时，确定该图像出现目标手势。又例如，可以基于连续的多个图像确定是否形成指向轨迹或圈选轨迹，在形成指向轨迹或圈选的情况下，确定该多个图像中出现目标手势。

示例性地，在本公开实施例中，手势信息指目标手势的图像信息。换句话说，不包含手势信息的第一图像是指没有拍摄到手势的图像。

实际应用中，电子设备可以缓存智能眼镜采集到的图像，以在出现目标手势的情况下，回溯目标手势出现之前采集的M个图像。其中，M可以是预设的数量。

示例性地，在本公开实施例中，处理目标可以指某个图像区域或者说局部图像。具体地，处理目标可以指需要处理的人物图像区域、物品图像区域等。可选地，可以基于目标手势的指向或圈选轨迹，在第一图像中确定处理目标。

可以理解，在一些应用场景中，需要在用户的视野范围中选取处理目标。例如，在精细化拍摄场景中，需要在智能眼镜的采集范围中选取拍摄的目标，以便于对焦。又例如，在图像识别和图像搜索场景中，需要在智能眼镜的采集范围中选取待识别或搜索的物品。根据本公开实施例的上述方法，用户可以采用目标手势指示处理目标，电子设备可以基于目标手势，在出现目标手势之前采集的不包含手势信息的第一图像中确定出处理目标。一方面便于交互，另一方面通过在不包含手势信息的第一图像中确定处理目标，可以避免因手势遮挡而无法准确选中处理目标，从而提升选择处理目标的准确性。

可选地，在一些实施例中，基于智能眼镜的目标选择方法还包括：

基于处理目标进行图像识别、目标搜索以及图像对焦中的至少一个操作。

上述实施例将前述步骤S110～S120确定出的处理目标，应用于图像识别、目标搜索、图像对焦等场景中，可以实现在上述场景中的图像精细化处理，从而提升处理效果。

可选地，在一些实施例中，可以通过打开预设功能的方式，触发智能眼镜在采集的图像中识别目标手势以及选择处理目标。例如，可以利用智能眼镜上的按钮或通过语音交互方式打开图像搜索功能，在打开图像搜索功能的情况下，执行上述步骤S110～步骤S120。

图2是根据本公开另一实施例的基于智能眼镜的目标选择方法的流程示意图，该方法可以包括上述实施例的方法的一个或多个特征。在一种示例性的实施方式中，该方法还可以包括：

S210，在检测到智能眼镜静止的情况下，在智能眼镜静止之后采集的N个图像中进行手势识别，得到手势识别结果；

S220，在手势识别结果符合预设条件的情况下，确定N个图像中出现目标手势。

可选地，可以利用智能眼镜中的传感器检测智能眼镜是否静止。或者，可以利用智能眼镜采集的连续的多个图像进行分析，以检测智能眼镜是否静止。

示例性地，手势识别结果包括图像中是否包含手势、手势的形状、手势的轨迹等。相应地，预设条件例如是N个图像中每个图像均包含手部，且手部形成预设轨迹例如直线轨迹或圈选轨迹等。预设条件的设置也可参考手势识别算法，在此不进行赘述。

根据上述实施例，在智能眼镜静止的情况下，在智能眼镜静止之后采集的N个图像中进行手势识别。因此，用户在确定处理目标后，可以先停止运动再对处理目标作出目标手势，符合用户的行为习惯。基于此，可以提升用户体验，同时在准确的时间范围内进行手势识别，有利于提高效率。

在一种示例性的实施方式中，该方法还可以包括：

基于智能眼镜静止的时间信息，在缓存图像集中确定M个图像；其中，缓存图像集包括当前时刻之前的L个图像和/或智能眼镜静止之前的K个图像；L和K均为不小于1的整数。

示例性地，电子设备可以配置图像缓存策略，例如缓存当前时刻之前的L个图像和/或缓存智能眼镜静止之前的K个图像。电子设备基于上述图像缓存策略，得到缓存图像集。实际应用中，在检测到智能眼镜静止并识别到目标手势之后，可以基于智能眼镜静止的时间信息在缓存图像集中选取M个图像。

示例性地，缓存的每个图像均带有时间戳，可以基于该时间戳，选取智能眼镜静止之前的一个或多个图像，以及智能眼镜静止后直至识别到目标手势之间的一个或多个图像。

可以理解，用户在确定处理目标后，先停止运动再对处理目标作出目标手势，在此过程中，智能眼镜静止前的图像包括不含手势信息的第一图像。基于此，采用上述实施方式，可以便于采集到第一图像，从而保证目标选择的稳定性和准确性。

在一种示例性的实施方式中，基于目标手势，在第一图像中确定处理目标，可以包括：基于目标手势，在N个图像中的第二图像中确定目标手势对应的第一框选位置信息；基于第一框选位置信息以及第一图像与第二图像之间的像素映射关系，在第一图像中确定第二框选位置信息；基于第二框选位置信息，在第一图像中确定处理目标。

示例性地，第一框选位置信息和第二框选位置信息可以是用于指示某个点或某个区域的信息，例如像素坐标或像素坐标集合等。

可选地，可以基于目标手势对应的手势指向或手势轨迹，在N个图像中的第二图像中确定目标手势指向的点或圈选的区域，并将该点或该区域的坐标作为第一框选位置信息。

其中，第二图像可以是N个图像中的任一图像，例如是N个图像中的最后一个图像或位于N个图像的中间的图像。通过计算第一图像与第二图像之间的像素映射关系，可以将第二图像中的第一框选位置信息，映射到第一图像中，从而在第一图像中确定出与该框选位置信息对应的处理目标。

可选地，可以基于第一图像与第二图像进行计算，得到像素映射关系。也可以利用第一图像与第二图像对应的传感器数据，确定对应的智能眼镜姿态信息，利用智能眼镜姿态信息确定第一图像与第二图像之间的像素映射关系。

根据上述实施方式，在第二图像中确定第一框选位置信息之后，会基于像素映射关系进行偏移对齐，提高第二框选位置信息的准确性，从而提高目标选择的准确性。

在一种示例性的实施方式中，基于第二框选位置信息，在第一图像中确定处理目标，包括：在第一图像中识别至少一个物体区域；基于第二框选位置信息，在至少一个物体区域中选取处理目标。

可选地，在第一图像中识别至少一个物体区域的步骤，可以在采集到第一图像时执行，也可以在识别到目标手势后执行，本公开不对此进行限定。

为了便于理解，图3示出了一个应用示例中第一图像的示意图。如图3所示，可以预先在第一图像中确定出物体检测框，例如图3中的椅子检测框310、计算机检测框320和窗户检测框330，从而确定出各个物体区域。

可选地，可以基于第二框选位置信息与各个物体区域进行匹配，以将匹配到的物体区域作为处理目标。例如，第二框选位置信息为点的坐标，则将该点所在的物体区域作为处理目标。又例如，第二框选位置信息为圈选区域的坐标，则可以将与该圈选区域之间具有最大交集的物体区域作为处理目标。

根据上述实施方式，通过预先识别物体区域以及基于框选位置信息在识别到的物体区域中进行选取的方式，可以提高准确性和效率。

在一种示例性的实施方式中，上述方法还可以包括：在第一图像中识别不到物体区域的情况下，将第一图像作为处理目标。

也就是说，在第一图像中识别不到物体区域的情况下，将第一图像整体作为处理目标。基于此，可以通过目标手势触发图像处理，兼容在其他应用场景中的图像处理，提升智能眼镜处理的灵活性。

可以看到，根据本公开实施例的方法，用户可以采用目标手势指示处理目标，电子设备可以基于目标手势，在出现目标手势之前采集的不包含手势信息的第一图像中确定出处理目标。一方面便于交互，另一方面通过在不包含手势信息的第一图像中确定处理目标，可以避免因手势遮挡而无法准确选中处理目标，从而提升选择处理目标的准确性。

根据本公开的实施例，本公开还提供了一种基于智能眼镜的目标选择装置，图4是本公开一实施例提供的基于智能眼镜的目标选择装置的示意性框图，如图4所示，该装置包括：

第一图像确定模块410，用于响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

第一目标确定模块420，用于基于所述目标手势，在所述第一图像中确定处理目标。

图5是根据本公开另一实施例的基于智能眼镜的目标选择装置的示意性框图，该装置可以包括上述实施例的基于智能眼镜的目标选择装置的一个或多个特征，在一种可能的实施方式中，该装置还包括：

手势识别模块510，用于在检测到所述智能眼镜静止的情况下，在所述智能眼镜静止之后采集的N个图像中进行手势识别，得到手势识别结果，并在所述手势识别结果符合预设条件的情况下，确定所述N个图像中出现目标手势。

可选地，如图5所示，该装置还包括：

第二图像确定模块520，用于基于所述智能眼镜静止的时间信息，在缓存图像集中确定所述M个图像；其中，所述缓存图像集包括当前时刻之前的L个图像和/或所述智能眼镜静止之前的K个图像；L和K均为不小于1的整数。

可选地，如图5所示，该装置的第一目标确定模块420包括：

第一框选单元421，用于基于所述目标手势在所述N个图像中的第二图像中确定所述目标手势对应的第一框选位置信息；

偏移对齐单元422，用于基于所述第一框选位置信息以及所述第一图像与所述第二图像之间的像素映射关系，在所述第一图像中确定第二框选位置信息；

第二框选单元423，用于基于所述第二框选位置信息，在所述第一图像中确定处理目标。

可选地，第二框选单元513用于：

在所述第一图像中识别至少一个物体区域；

基于所述第二框选位置信息，在所述至少一个物体区域中选取所述处理目标。

可选地，如图5所示，该装置还包括：

第二目标确定模块540，用于在所述第一图像中识别不到物体区域的情况下，将所述第一图像作为处理目标。

可选地，如图5所示，该装置还包括：

应用模块550，用于基于所述处理目标进行图像识别、目标搜索以及图像对焦中的至少一个操作。

本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如基于智能眼镜的目标选择方法。例如，在一些实施例中，基于智能眼镜的目标选择方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的基于智能眼镜的目标选择方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于智能眼镜的目标选择方法。

根据本公开的实施例，本公开还提供了一种智能眼镜，该智能眼镜可以包括上述电子设备。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种基于智能眼镜的目标选择方法，包括：

响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

基于所述目标手势，在所述第一图像中确定处理目标。

2.根据权利要求1所述的方法，还包括：

在检测到所述智能眼镜静止的情况下，在所述智能眼镜静止之后采集的N个图像中进行手势识别，得到手势识别结果；

在所述手势识别结果符合预设条件的情况下，确定所述N个图像中出现目标手势。

3.根据权利要求2所述的方法，还包括：

基于所述智能眼镜静止的时间信息，在缓存图像集中确定所述M个图像；其中，所述缓存图像集包括当前时刻之前的L个图像和/或所述智能眼镜静止之前的K个图像；L和K均为不小于1的整数。

4.根据权利要求1-3中任一项所述的方法，其中，所述基于所述目标手势，在所述第一图像中确定处理目标，包括：

基于所述目标手势，在所述N个图像中的第二图像中确定所述目标手势对应的第一框选位置信息；

基于所述第一框选位置信息以及所述第一图像与所述第二图像之间的像素映射关系，在所述第一图像中确定第二框选位置信息；

基于所述第二框选位置信息，在所述第一图像中确定处理目标。

5.根据权利要求4所述的方法，其中，所述基于所述第二框选位置信息，在所述第一图像中确定处理目标，包括：

在所述第一图像中识别至少一个物体区域；

基于所述第二框选位置信息，在所述至少一个物体区域中选取所述处理目标。

6.根据权利要求5所述的方法，还包括：

在所述第一图像中识别不到物体区域的情况下，将所述第一图像作为处理目标。

7.根据权利要求1-5中任一项所述的方法，还包括：

基于所述处理目标进行图像识别、目标搜索以及图像对焦中的至少一个操作。

8.一种基于智能眼镜的目标选择装置，包括：

第一图像确定模块，用于响应于智能眼镜采集的N个图像中出现目标手势，在所述N个图像之前采集的M个图像中，选取不包含手势信息的第一图像；其中，N和M均为不小于1的整数；

第一目标确定模块，用于基于所述目标手势，在所述第一图像中确定处理目标。

9.根据权利要求8所述的装置，还包括：

手势识别模块，用于在检测到所述智能眼镜静止的情况下，在所述智能眼镜静止之后采集的N个图像中进行手势识别，得到手势识别结果，并在所述手势识别结果符合预设条件的情况下，确定所述N个图像中出现目标手势。

10.根据权利要求9所述的装置，还包括：

第二图像确定模块，用于基于所述智能眼镜静止的时间信息，在缓存图像集中确定所述M个图像；其中，所述缓存图像集包括当前时刻之前的L个图像和/或所述智能眼镜静止之前的K个图像；L和K均为不小于1的整数。

11.根据权利要求8-10中任一项所述的装置，其中，所述第一目标确定模块，包括：

第一框选单元，用于基于所述目标手势，在所述N个图像中的第二图像中确定所述目标手势对应的第一框选位置信息；

偏移对齐单元，用于基于所述第一框选位置信息以及所述第一图像与所述第二图像之间的像素映射关系，在所述第一图像中确定第二框选位置信息；

第二框选单元，用于基于所述第二框选位置信息，在所述第一图像中确定处理目标。

12.根据权利要求11所述的装置，其中，所述第二框选单元用于：

在所述第一图像中识别至少一个物体区域；

基于所述第二框选位置信息，在所述至少一个物体区域中选取所述处理目标。

13.根据权利要求12所述的装置，还包括：

第二目标确定模块，用于在所述第一图像中识别不到物体区域的情况下，将所述第一图像作为处理目标。

14.根据权利要求8-13中任一项所述的装置，还包括：

应用模块，用于基于所述处理目标进行图像识别、目标搜索以及图像对焦中的至少一个操作。

15.一种电子设备，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指令，所述指令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权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

18.一种智能眼镜，包括如权利要求15所述的电子设备。

Images