TW202105239A - 圖像處理方法、電子設備和儲存介質 - Google Patents
圖像處理方法、電子設備和儲存介質 Download PDFInfo
- Publication number
- TW202105239A TW202105239A TW109118778A TW109118778A TW202105239A TW 202105239 A TW202105239 A TW 202105239A TW 109118778 A TW109118778 A TW 109118778A TW 109118778 A TW109118778 A TW 109118778A TW 202105239 A TW202105239 A TW 202105239A
- Authority
- TW
- Taiwan
- Prior art keywords
- face
- image
- face image
- parameter
- image frame
- Prior art date
Links
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000002699 waste material Substances 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
-
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本揭露實施例揭露了一種圖像處理方法、電子設備和儲存介質,所述方法包括:對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列;確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數;根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數;根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
Description
本揭露基於申請號為201910575840.3、申請日為2019年06月28日的中國專利申請提出,並要求該中國專利申請的優先權,該中國專利申請的全部內容在此以引入方式併入本揭露。本揭露涉及電腦視覺技術領域,尤其涉及一種圖像處理方法、電子設備和儲存介質。
隨著電子技術的發展,人臉識別技術日益成熟,已經被廣泛應用在各種場景中,例如,運用人臉識別技術進行考勤打卡、手機臉部解鎖、電子護照身份識別以及網路支付等應用場景,給人們的生活帶來便捷。
目前,採集的圖像幀序列中會存在一些人臉模糊或不存在人臉圖像的圖像幀,對這些圖像幀進人臉識別,會造成大量的處理資源浪費。
本揭露實施例提出了一種圖像處理方法、電子設備和儲存介質。
根據本揭露實施例的一方面,提供了一種圖像處理方法,包括:對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列;確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數;根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數;根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述預設條件包括第一人臉參數在預設的標準參數區間;所述對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列之前,所述方法還包括:獲取圖像幀序列中每個圖像幀的第一人臉參數;在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀為符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述獲取圖像幀序列中每個圖像幀的第一人臉參數,包括:獲取用於採集所述圖像幀序列的圖像採集裝置的朝向資訊和位置資訊;根據所述圖像採集裝置的朝向資訊和位置資訊,確定所述圖像幀序列中每個圖像幀的人臉朝向資訊;基於所述人臉朝向資訊,獲取每個圖像幀的第一人臉參數。
在一種可能的實現方式中,所述第一人臉參數包括人臉圖像座標,所述在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列,包括:在所述人臉圖像座標在所述標準座標區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述第一人臉參數包括以下至少一個參數:人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角。
在一種可能的實現方式中,所述根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數,包括:對每個人臉圖像的第一人臉參數和第二人臉參數進行加權處理,基於加權處理結果得到所述人臉圖像的品質分數。
在一種可能的實現方式中,所述根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數,包括:分別根據所述第一人臉參數和第二人臉參數與人臉圖像的識別率的相關性,確定所述第一人臉參數和所述第二人臉參數中每個人臉參數對應的參數評分;根據每個人臉參數對應的參數評分,確定每個人臉圖像的品質分數。
在一種可能的實現方式中,所述根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像,包括:根據所述品質分數,確定儲存至緩存佇列的人臉圖像;對所述緩存佇列的多個人臉圖像進行排序,得到排序結果;根據所述排序結果,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述根據所述品質分數,確定儲存至緩存佇列的人臉圖像,包括:將每個人臉圖像的品質分數與預設的分數閾值進行比對;在所述人臉圖像的品質分數的品質分數大於預設的分數閾值的情況下,確定將所述人臉圖像儲存至緩存佇列。
在一種可能的實現方式中,所述根據所述排序結果,得到用於人臉識別的目標人臉圖像,包括:根據所述排序結果,確定所述緩存佇列中品質分數最高的人臉圖像;將所述緩存佇列中品質分數最高的人臉圖像,確定為用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述第二人臉參數包括以下至少一個參數:人臉圖像銳度、人臉圖像亮度、人臉圖像像素點數量。
根據本揭露實施例的另一方面,提供了一種圖像處理裝置,包括:
獲取模組,配置為對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列;
第一確定模組,配置為確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數;
第二確定模組,配置為根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數;
第三確定模組,配置為根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述預設條件包括第一人臉參數在預設的標準參數區間;所述裝置還包括:判斷模組,配置為所述獲取模組對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列之前,獲取圖像幀序列中每個圖像幀的第一人臉參數;在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀為符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述判斷模組,配置為獲取用於採集所述圖像幀序列的圖像採集裝置的朝向資訊和位置資訊;根據所述圖像採集裝置的朝向資訊和位置資訊,確定所述圖像幀序列中每個圖像幀的人臉朝向資訊;基於所述人臉朝向資訊,獲取每個圖像幀的第一人臉參數。
在一種可能的實現方式中,所述第一人臉參數包括人臉圖像座標;所述判斷模組,配置為在所述人臉圖像座標在所述標準座標區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述第一人臉參數包括以下至少一個參數:人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角。
在一種可能的實現方式中,所述第二確定模組,配置為對每個人臉圖像的第一人臉參數和第二人臉參數進行加權處理,基於加權處理結果得到所述人臉圖像的品質分數。
在一種可能的實現方式中,所述第二確定模組,配置為分別根據所述第一人臉參數和第二人臉參數與人臉圖像的識別率的相關性,確定所述第一人臉參數和所述第二人臉參數中每個人臉參數對應的參數評分;根據每個人臉參數對應的參數評分,確定每個人臉圖像的品質分數。
在一種可能的實現方式中,所述第三確定模組,配置為根據所述品質分數,確定儲存至緩存佇列的人臉圖像;對所述緩存佇列的多個人臉圖像進行排序,得到排序結果;根據所述排序結果,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述第三確定模組,配置為將每個人臉圖像的品質分數與預設的分數閾值進行比對;在所述人臉圖像的品質分數的品質分數大於預設的分數閾值的情況下,確定將所述人臉圖像儲存至緩存佇列。
在一種可能的實現方式中,所述第三確定模組,配置為根據所述排序結果,確定所述緩存佇列中品質分數最高的人臉圖像;將所述緩存佇列中品質分數最高的人臉圖像,確定為用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述第二人臉參數包括以下至少一個參數:人臉圖像銳度、人臉圖像亮度、人臉圖像像素點數量。
根據本揭露實施例的又一方面,提供了一種電子設備,包括:處理器;用於儲存處理器可執行指令的記憶體;其中,所述處理器被配置為:執行上述圖像處理方法。
根據本揭露的再一方面,提供了一種電腦可讀儲存介質,其上儲存有電腦程式指令,所述電腦程式指令被處理器執行時實現上述圖像處理方法。
在本揭露實施例中,可以在圖像幀序列中,對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列,確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數,再根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數,根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。這樣,可以在進行人臉識別之前,先根據第一人臉參數在圖像幀序列中篩選出人臉圖像幀序列,再根據人臉圖像幀序列中人臉圖像的品質分數,對圖像幀序列進行再次篩選,篩選出人臉品質較高目標人臉圖像進行後續的人臉識別,從而可以減少人臉識別過程中處理資源的浪費,提高人臉識別的效率。
應當理解的是,以上的一般描述和後文的細節描述僅是示例性和解釋性的,而非限制本揭露。
根據下面參考附圖對示例性實施例的詳細說明,本揭露的其它特徵及方面將變得清楚。
以下將參考附圖詳細說明本揭露的各種示例性實施例、特徵和方面。附圖中相同的附圖標記表示功能相同或相似的元件。儘管在附圖中示出了實施例的各種方面,但是除非特別指出,不必按比例繪製附圖。
在這裡專用的詞「示例性」意為「用作例子、實施例或說明性」。這裡作為「示例性」所說明的任何實施例不必解釋為優於或好於其它實施例。
本文中術語「和/或」,僅僅是一種描述關聯物件的關聯關係,表示可以存在三種關係,例如,A和/或B,可以表示:單獨存在A,同時存在A和B,單獨存在B這三種情況。另外,本文中術語「至少一種」表示多種中的任意一種或多種中的至少兩種的任意組合,例如,包括A、B、C中的至少一種,可以表示包括從A、B和C構成的集合中選擇的任意一個或多個元素。
另外,為了更好地說明本揭露實施例,在下文的具體實施方式中給出了眾多的具體細節。本領域技術人員應當理解,沒有某些具體細節,本揭露實施例同樣可以實施。在一些實例中,對於本領域技術人員熟知的方法、手段、元件和電路未作詳細描述,以便於凸顯本揭露實施例的主旨。
本揭露實施例提供的圖像處理方案,可以對採集的圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列,從而可以透過第一人臉參數,對圖像幀序列中的圖像幀進行初步篩選,得到人臉圖像幀序列。再確定人臉圖像幀序列中每個人臉圖像的第二人臉參數,根據人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,得到每個人臉圖像的品質分數;根據每個人臉圖像的品質分數,確定用於人臉識別的目標人臉圖像,從而可以進一步對圖像幀序列進行篩選,確定用於人臉識別的目標人臉圖像。這樣,在進行人臉識別之前,可以對圖像幀序列中的圖像幀進行篩選,例如,選擇品質分數較高的圖像幀作為目標人臉圖像進行後續的人臉識別,可以減少人臉識別過程中的識別次數,減少由於人臉圖像品質較差或不存在人臉圖像導致的處理資源浪費,提高人臉識別的效率,提高人臉識別的準確度。
在對圖像幀序列中的圖像幀進行人臉識別過程中,由於人臉識別過程是一個高消耗的處理過程,通常不會處理圖像採集裝置採集的每一個圖像幀,而是按照一定的處理週期獲取進行人臉識別的圖像幀。這樣會導致嚴重的丟幀現象。而丟棄的圖像幀可能品質較高,適合進行人臉識別,反而獲取的進行人臉識別的圖像幀的品質較低,或者,獲取的圖像幀中不存在人臉圖像,不僅會導致的大量有效圖像幀的浪費,還會導致人臉識別的效率低的問題。
本揭露實施例提供的圖像處理方案,可以在人臉識別之前,對圖像幀序列中的圖像幀進行篩選,篩選出人臉圖像的品質較高的圖像幀進行人臉識別,從而可以減少對於有效圖像幀的浪費,加快人臉識別的速度,提高人臉識別的準確度,減少處理資源的浪費。
下面透過實施例對本揭露實施例提供的圖像處理方案進行說明。
第1圖示出根據本揭露實施例的圖像處理方法的流程圖。該圖像處理方法可以由終端設備、伺服器或其它資訊處理設備執行,其中,終端設備可以為門禁設備、人臉識別設備、用戶設備(User Equipment,UE)、移動設備、用戶終端、終端、蜂窩電話、無線電話、個人數位助理(Personal Digital Assistant,PDA)、手持設備、計算設備、車載設備、可穿戴設備等。在一些可能的實現方式中,該圖像處理方法可以透過處理器調用記憶體中儲存的電腦可讀指令的方式來實現。下面以圖像處理終端作為執行主體為例對本揭露實施例的圖像處理方案進行說明。
如第1圖所示,所述圖像處理方法包括以下步驟:
步驟S11,對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列。
在本揭露實施例中,圖像處理終端可以連續採集圖像幀,連續採集的圖像幀可以形成圖像幀序列。或者,圖像處理終端具有圖像採集裝置,圖像處理終端可以獲取圖像採集裝置採集的圖像幀序列。例如,圖像採集裝置每採集一個圖像幀,圖像處理終端可以獲取圖像採集裝置每次採集的一個圖像幀。圖像採集終端在獲取圖像幀序列之後,針對圖像幀序列的任意一個圖像幀,獲取該圖像幀的第一人臉參數,利用圖像幀的第一人臉參數對圖像幀序列進行篩選。在對圖像幀序列進行篩選時,可以判斷每個圖像幀的第一人臉參數是否符合預設條件。針對每個圖像幀,如果該圖像幀的第一人臉參數符合預設條件,則可以將該圖像幀確定為人臉圖像幀序列的人臉圖像。如果該圖像幀的第一人臉參數不符合預設條件,則可以將該圖像幀丟棄,繼續對下一個圖像幀進行篩選。
本實施例中,第一人臉參數可以是與人臉圖像的識別率相關的參數。例如,第一人臉參數可以是表示圖像幀中人臉圖像完整性的參數;示例性的,第一人臉參數越大,可表明人臉圖像完整性越高,即人臉圖像的識別率越高。預設條件可以是判斷圖像幀中人臉圖像需要滿足的基本條件。例如,預設條件可以是圖像幀中存在人臉圖像。再例如,預設條件可以是圖像幀中人臉圖像存在目標關鍵點,如存在眼部關鍵點、嘴部關鍵點等。再例如,預設條件可以是圖像幀中人臉圖像的輪廓連續等。透過獲取圖像幀序列中第一人臉參數符合預設條件的人臉圖像幀序列,可以對圖像幀序列中的圖像幀進行初步篩選,濾除圖像幀序列中不存在人臉圖像的圖像幀,或者,濾除圖像幀序列中人臉圖像不完整的圖像幀。
在一種可能的實現方式中,上述第一人臉參數包括以下至少一個參數:人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角。
本實施例中,人臉圖像寬度可以表示圖像幀中人臉圖像對應的最大圖像寬度。人臉圖像高度可以表示圖像幀中人臉圖像對應的最大像素寬度。人臉圖像座標可以表示圖像幀中人臉圖像像素點的圖像座標;例如,以圖像幀的中心點建立圖像坐標系,圖像座標可以是像素點在該圖像坐標系下的座標。人臉圖像對準度可以表示人臉圖像的關鍵點與預設人臉範本的關鍵點的匹配程度;例如,圖像幀中人臉圖像的嘴部關鍵點的圖像座標為A,預設人臉範本中嘴部關鍵點的圖像座標為B,所述人臉圖像對準度可包括圖像座標A與圖像座標B的距離;其中,圖像座標A與圖像座標B之間的距離越小,表明人臉圖像的嘴部關鍵點與預設人臉範本的嘴部關鍵點的匹配程度越高,即人臉圖像對準度越大;圖像座標A與圖像座標B之間的距離越大,表明人臉圖像的嘴部關鍵點與預設人臉範本的嘴部關鍵點的匹配程度越低,即人臉圖像對準度越小。人臉圖像姿態角可以表示人臉圖像的姿態;示例性的,人臉圖像姿態角可以包括航偏角、翻轉角和俯仰角中的至少之一。例如,可以將圖像幀的人臉圖像與預設人臉範本進行對比,確定圖像幀的人臉圖像相對於預設人臉範本的標準軸的航偏角、翻轉角和俯仰角。
步驟S12,確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數。
在本揭露實施例中,第二人臉參數可以是與人臉圖像的識別率相關的參數;第二人臉參數的數量可以為一個或多個。在第二人臉參數的數量為多個的情況下,每個第二人臉參數之間可以相互獨立,並且,每個第二人臉參數與每個第一人臉參數之間也可以相互獨立,這樣可以利用第一人臉參數和第二人臉參數共同評估人臉圖像的可識別程度。
在一種可能的實現方式中,第二人臉參數可以包括以下至少一個參數:人臉圖像銳度;人臉圖像亮度;人臉圖像像素點數量。其中,人臉圖像銳度可以表示人臉圖像的人臉區域輪廓與輪廓附近像素點之間的對比度,人臉圖像銳度越高,可以表示該圖像幀的人臉圖像越清晰,人臉圖像銳度越低,可以表示該圖像幀中人臉圖像越模糊;其中,示例性的,本實施例中的人臉圖像銳度可以是人臉圖像的平均圖像銳度。人臉圖像亮度可以表示人臉圖像的人臉區域對應的圖像亮度;示例性的,本實施例中的人臉圖像亮度可以是人臉區域的平均圖像亮度。人臉圖像像素點數量可以表示人臉圖像中人臉區域包括的像素點的數量。人臉圖像銳度、人臉圖像亮度以及人臉圖像像素點數量可以是影響人臉圖像識別率的重要參數,從而可以在對圖像幀進行人臉識別之前,確定人臉圖像幀序列中每個人臉圖像的人臉圖像銳度、人臉圖像亮度以及人臉圖像像素點數量中的一個或多個第二人臉參數。
步驟S13,根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數。
在本揭露實施例中,第一人臉參數與第二人臉參數均可以用於評估人臉圖像的人臉品質,圖像處理終端可以將每個人臉圖像的第一人臉參數與第二人臉參數相結合,利用第一人臉參數和第二人臉參數對每個人臉圖像的人臉品質進行評分,得到人臉圖像幀序列中每個人臉圖像的品質分數。品質分數可以用於表示人臉圖像的人臉品質。例如,品質分數越高,表示人臉圖像的人臉品質越好;品質分數越低,表示人臉圖像的人臉品質越差。
在一種可能的實現方式中,上述步驟S13可以包括:對每個人臉圖像的第一人臉參數和第二人臉參數進行加權處理,基於加權處理結果得到所述人臉圖像的品質分數。
在該實現方式中,圖像處理終端可以透過對第一人臉參數和第二人臉參數進行加權的方式,得到人臉圖像幀序列中每個人臉圖像的品質分數。對於第一人臉參數和第二人臉參數中每個人臉參數,可以設置相應的權重,不同人臉參數對應的權重可以不同。每個人臉參數對應的權重可以根據該人臉參數與人臉圖像的識別率相關性進行設置。例如,某個人臉參數對人臉圖像識別率的影響較大,可以為該人臉參數設置較大的權重,某個人臉參數對人臉圖像識別率的影響較小,可以為該人臉參數設置較小的權重。利用第一人臉參數和第二人臉參數對應的權重對人臉參數進行加權處理,可以綜合考慮多個人臉參數對人臉圖像的識別率的影響,利用品質分數對人臉圖像幀序列中每個人臉圖像的品質進行評估。
在另一種可能的實現方式中,上述步驟S13還可以包括:分別根據所述第一人臉參數和第二人臉參數與人臉圖像的識別率的相關性,確定所述第一人臉參數和所述第二人臉參數中每個人臉參數對應的參數評分;根據每個人臉參數對應的參數評分,確定每個人臉圖像的品質分數。
在該實現方式中,圖像處理終端可以針對人臉圖像幀序列中每個人臉圖像,根據該人臉圖像的第一人臉參數和第二人臉參數中每個人臉參數,與人臉圖像的識別率的相關性,得到第一人臉參數和第二人臉參數中每個人臉參數對應的參數評分,再將得到的每個人臉參數的參數評分進行相加或者相乘,得到該人臉圖像的品質分數。其中,每個人臉參數的參數評分的計算方式,可以根據該人臉參數與人臉圖像的識別率的相關性進行確定,例如,某個人臉參數與人臉圖像的識別率存在正相關關係,從而可以透過該人臉參數設置與識別率正相關的計算方式,確定該人臉參數的參數評分。透過上述確定人臉圖像幀序列的每個人臉圖像的品質分數的方式,可以針對不同的人臉參數與人臉圖像識別率的相關性,為不同人臉參數設置不同的參數評分的計算方式,從而使得得到的人臉圖像的品質分數更加準確。
步驟S14,根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
本揭露實施例中,品質分數可以表示人臉圖像的可識別性,可以理解為,品質分數越高,人臉圖像的可識別性越大,品質分數越低,人臉圖像的可識別性越小。從而可以根據確定的人臉圖像幀序列中每個人臉圖像的品質分數,在人臉圖像幀序列中篩選後續用於人臉識別的目標人臉圖像,例如,選擇品質分數大於預設的分數閾值的人臉圖像作為用於人臉識別的目標人臉圖像,或者,選擇品質分數最高的人臉圖像作為用於人臉識別的目標人臉圖像,這樣可以提高人臉識別的效率以及準確性。
在一種可能的實現方式中,上述步驟S14中,所述根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像,可以包括:根據所述品質分數,確定儲存至緩存佇列的人臉圖像;對所述緩存佇列的多個人臉圖像進行排序,得到排序結果;根據所述排序結果,得到用於人臉識別的目標人臉圖像。
本實現方式中,可以根據人臉圖像幀序列中每個人臉圖像的品質分數,對人臉圖像幀序列進行篩選,確定人臉圖像幀序列中儲存至緩存佇列的人臉圖像。進一步根據緩存佇列中人臉圖像的品質分數,對儲存至緩存佇列的人臉圖像進行排序。例如,按照人臉圖像的品質分數由高到低的順序對緩存佇列中的人臉圖像進行排序,得到排序結果;再根據得到的排序結果確定緩存佇列中進行人臉識別的目標人臉圖像。這樣,透過對人臉圖像幀序列中的人臉圖像進行多次篩選,可以確定最終用於人臉識別的目標人臉圖像,提高後續人臉識別的效率和準確性。
在一示例中,上述根據所述品質分數,確定儲存至緩存佇列的人臉圖像,可以包括:將每個人臉圖像的品質分數與預設的分數閾值進行比對;在所述人臉圖像的品質分數的品質分數大於預設的分數閾值的情況下,確定將所述人臉圖像儲存至緩存佇列。
在該示例中,針對人臉圖像幀序列中每個圖像幀而言,可以將該人臉圖像的品質分數與預設的分數閾值進行比對,判斷該人臉圖像的品質分數是否大於分數閾值。在該人臉圖像的品質分數大於預設的分數閾值的情況下,可以認為該人臉圖像的人臉品質較高,可以將該人臉圖像儲存至緩存佇列;在該人臉圖像的品質分數小於或等於預設的分數閾值的情況下,可以認為該人臉圖像的人臉品質較差,可以將該人臉圖像丟棄。這裡,確定是否將人臉圖像儲存至緩存佇列的步驟可以利用單獨的執行緒迴圈進行,即,圖像處理終端可以同時進行確定儲存至緩存佇列的人臉圖像的步驟和對所述緩存佇列的多個人臉圖像進行排序的步驟,這樣可以提高圖像幀處理的效率。
在一個示例中,上述根據所述排序結果,得到用於人臉識別的目標人臉圖像,可以包括:根據所述排序結果,確定所述緩存佇列中品質分數最高的人臉圖像;將所述緩存佇列中品質分數最高的人臉圖像,確定為用於人臉識別的目標人臉圖像。
在本示例中,圖像處理終端可以根據排序結果,在緩存佇列中選擇品質分數最高的人臉圖像,將品質分數最高的人臉圖像作為進行人臉識別的目標人臉圖像。這樣,每次進行人臉識別的目標人臉圖像均是緩存佇列中品質分數最高的人臉圖像,品質分數越高,人臉圖像的可識別性越高,從而透過品質分數可以保證用於人臉識別的目標人臉圖像的人臉品質,提高人臉識別的效率以及準確性。
這裡,在確定人臉圖像幀序列中用於人臉識別的目標人臉圖像之後,可以對確定的目標人臉圖像進行人臉識別,由於目標人臉圖像的人臉品質較高,可以減少人臉過程中的比對次數,節省處理資源和設備功耗。在確定目標人臉圖像之後,還可以刪除緩存佇列中與目標人臉圖像的人臉匹配的人臉圖像,即刪除具有相同人臉的人臉圖像。這樣可以減少緩存佇列中緩存的人臉圖像,節省儲存空間。
第2圖示出根據本揭露實施例的確定人臉圖像幀序列示例的流程圖。
在一種可能的實現方式中,上述預設條件包括第一人臉參數在預設的標準參數區間;在上述步驟S11對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列之前,還可以包括以下步驟:
步驟S01,獲取圖像幀序列中每個圖像幀的第一人臉參數。
在本實現方式中,圖像處理終端可以先檢測每個圖像幀中的人臉區域,對每個圖像幀的人臉區域進行定位,再根據定位的人臉區域,確定圖像幀序列中每個圖像幀的第一人臉參數。例如,確定人臉區域的人臉圖像座標、人臉圖像高度等第一人臉參數。
在一個示例中,獲取圖像幀序列中每個圖像幀的第一人臉參數,可以包括:獲取用於採集所述圖像幀序列的圖像採集裝置的朝向資訊和位置資訊;根據所述圖像採集裝置的朝向資訊和位置資訊,確定所述圖像幀序列中每個圖像幀的人臉朝向資訊;基於所述人臉朝向資訊,獲取每個圖像幀的第一人臉參數。
在該示例中,圖像採集裝置可以是用於採集圖像幀序列的裝置,圖像處理終端可以包括圖像採集裝置。圖像採集裝置採集的圖像幀中,人臉的大致朝向以及角度可以根據圖像採集裝置拍攝過程中的朝向以及位置進行確定,從而在獲取圖像幀序列中每個圖像幀的第一人臉參數之前,可以先獲取圖像採集裝置的朝向資訊和位置資訊,根據圖像採集裝置的朝向資訊和位置資訊,可以確定圖像幀的人臉朝向資訊,該人臉朝向資訊可以粗略估計圖像幀中人臉的朝向。例如,圖像幀中的人臉是朝向左或者朝向右。根據該人臉朝向資訊,可以對每個圖像幀的人臉區域進行快速地定位,確定人臉區域的圖像位置,進而可以獲取每個圖像幀的第一人臉參數。
步驟S02,針對所述圖像幀序列中的每個圖像幀,判斷所述第一人臉參數是否在所述標準參數區間內。
本實施例中,針對圖像幀序列中的每個圖像幀,圖像處理終端可以將該圖像幀的一個或多個第一人臉參數與對應的標準參數區間進行對比,判斷將該圖像幀的一個或多個第一人臉參數是否在對應的標準參數區間內,如果該圖像幀的第一人臉參數在標準參數區間內,則執行步驟S03,反之,執行步驟S04。這樣,透過判斷第一人臉參數是否在所述標準參數區間內,可以對圖像幀序列的圖像幀進行初步篩選。
步驟S03,在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀為符合所述預設條件的人臉圖像幀序列。
這裡,如果第一參數在預設的標準參數區間,可以確定該圖像幀中存在人臉,或者,可以確定該圖像幀中的人臉區域比較完整,該圖像幀是人臉圖像幀序列中的人臉圖像,進行保留。
在一個示例中,第一人臉參數包括人臉圖像座標,在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列,可以包括:在所述人臉圖像座標在所述標準座標區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列。
在該示例中,在第一人臉參數是人臉圖像座標的情況下,對於圖像幀序列的當前圖像幀而言,可以將當前圖像幀的人臉圖像座標與預設條件的標準圖像座標區間進行對比,假設當前圖像幀人臉圖像座標為(x1,y1),判斷x1是否在標準圖像座標區間中橫坐標對應的區間[left,right],以及,y1是否在標準圖像座標區間中縱坐標對應的區間[botton,top],如果x1在[left,right]區間內,並且y1在[botton,top]區間內,則當前圖像幀是符合預設條件的人臉圖像幀序列。
步驟S04,在所述第一人臉參數不在所述標準參數區間內的情況下,將該圖像幀丟棄。
在該實現方式中,如果該圖像幀的第一參數不在預設的標準參數區間,則可以認為該圖像幀中不存在人臉,或者,該圖像幀的人臉區域不完整,將該圖像幀丟棄,繼續檢測下一個圖像幀。對於圖像幀中不存在人臉圖像的圖像幀而言,第一人臉參數可以是0,這樣,對圖像幀序列進行初步篩選時,可以透過第一人臉參數進行篩選,篩除圖像幀序列中不存在人臉圖像的圖像幀或者第一人臉參數不合格的圖像幀。
第3圖示出根據本揭露實施例的圖像處理一示例的流程圖。在該示例中,圖像處理過程可以包括以下步驟:
步驟S301,獲取圖像幀序列的當前圖像幀。
步驟S302,對當前圖像幀的人臉區域進行定位,獲取當前圖像幀的第一人臉參數。
這裡,第一人臉參數可以包括人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角中的一個或多個。
步驟S303,判斷當前圖像幀的第一人臉參數是否符合預設條件。
這裡,預設條件可以包括第一人臉參數在預設的標準參數區間,從而可以判斷每個第一人臉參數是否在該第一人臉參數的標準參數區間。如果每個第一人臉參數均在該第一人臉參數的標準參數區間,則可以確定當前圖像幀具有完整的人臉圖像,執行步驟S304;否則,可以確定當前圖像幀中不存在人臉或人臉不完整,重新獲取圖像幀,即重新執行S301。
步驟S304,在第一人臉參數符合預設條件的情況下,確定當前圖像幀的第二人臉參數,根據當前圖像幀的第一人臉參數和第二人臉參數確定當前圖像幀的品質分數。
這裡,第二人臉參數可以包括人臉圖像銳度、人臉圖像亮度、人臉圖像像素點數量中的一個或多個。
步驟S305,判斷當前圖像幀的品質分數是否大於預設的分數閾值。
這裡,如果當前圖像幀的品質分數大於預設的分數閾值,可以認為當前圖像幀的人臉品質較高,執行S306,如果品質分數小於或等於預設的分數閾值,可以認為當前圖像幀的人臉品質較低,重新執行S303。
步驟S306,對當前圖像幀進行人臉識別。
本揭露實施例提供的圖像處理方案,可以在人臉識別之前,對圖像幀序列中的圖像幀進行篩選,篩選出人臉圖像的品質較高的圖像幀進行人臉識別,從而可以減少對於有效圖像幀的浪費,加快人臉識別的速度,提高人臉識別的準確度,減少處理資源的浪費。
可以理解,本揭露提及的上述各個方法實施例,在不違背原理邏輯的情況下,均可以彼此相互結合形成結合後的實施例,限於篇幅,本揭露不再贅述。
此外,本揭露還提供了圖像處理裝置、電子設備、電腦可讀儲存介質、程式,上述均可用來實現本揭露提供的任一種圖像處理方法,相應技術方案和描述和參見方法部分的相應記載,不再贅述。
本領域技術人員可以理解,在具體實施方式的上述方法中,各步驟的撰寫順序並不意味著嚴格的執行順序而對實施過程構成任何限定,各步驟的具體執行順序應當以其功能和可能的內在邏輯確定。
第4圖示出根據本揭露實施例的圖像處理裝置的框圖,如第4圖所示,所述圖像處理裝置包括:
獲取模組41,配置為對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列;
第一確定模組42,配置為確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數;
第二確定模組43,配置為根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數;
第三確定模組44,配置為根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述預設條件包括第一人臉參數在預設的標準參數區間;所述裝置還包括:
判斷模組,配置為所述獲取模組41對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列之前,獲取圖像幀序列中每個圖像幀的第一人臉參數;在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀為符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述判斷模組,配置為獲取用於採集所述圖像幀序列的圖像採集裝置的朝向資訊和位置資訊;根據所述圖像採集裝置的朝向資訊和位置資訊,確定所述圖像幀序列中每個圖像幀的人臉朝向資訊;基於所述人臉朝向資訊,獲取每個圖像幀的第一人臉參數。
在一種可能的實現方式中,所述第一人臉參數包括人臉圖像座標;
所述判斷模組,配置為在所述人臉圖像座標在所述標準座標區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列。
在一種可能的實現方式中,所述第一人臉參數包括以下至少一個參數:人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角。
在一種可能的實現方式中,所述第二確定模組43,配置為對每個人臉圖像的第一人臉參數和第二人臉參數進行加權處理,基於加權處理結果得到所述人臉圖像的品質分數。
在一種可能的實現方式中,所述第二確定模組43,配置為分別根據所述第一人臉參數和第二人臉參數與人臉圖像的識別率的相關性,確定所述第一人臉參數和所述第二人臉參數中每個人臉參數對應的參數評分;根據每個人臉參數對應的參數評分,確定每個人臉圖像的品質分數。
在一種可能的實現方式中,所述第三確定模組44,配置為根據所述品質分數,確定儲存至緩存佇列的人臉圖像;對所述緩存佇列的多個人臉圖像進行排序,得到排序結果;根據所述排序結果,得到用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述第三確定模組44,配置為將每個人臉圖像的品質分數與預設的分數閾值進行比對;在所述人臉圖像的品質分數的品質分數大於預設的分數閾值的情況下,確定將所述人臉圖像儲存至緩存佇列。
在一種可能的實現方式中,所述第三確定模組44,配置為根據所述排序結果,確定所述緩存佇列中品質分數最高的人臉圖像;將所述緩存佇列中品質分數最高的人臉圖像,確定為用於人臉識別的目標人臉圖像。
在一種可能的實現方式中,所述第二人臉參數至少包括以下一個參數:人臉圖像銳度、人臉圖像亮度、人臉圖像像素點數量。
在一些實施例中,本揭露實施例提供的裝置具有的功能或包含的模組可以用於執行上文方法實施例描述的方法,其具體實現可以參照上文方法實施例的描述,為了簡潔,這裡不再贅述。
本揭露實施例還提出一種電腦可讀儲存介質,其上儲存有電腦程式指令,所述電腦程式指令被處理器執行時實現上述方法。電腦可讀儲存介質可以是非易失性電腦可讀儲存介質。
本揭露實施例還提出一種電子設備,包括:處理器;用於儲存處理器可執行指令的記憶體;其中,所述處理器被配置為上述方法。
示例性的,電子設備可以被提供為終端、伺服器或其它形態的設備。
第5圖是根據一示例性實施例示出的一種電子設備的框圖。例如,電子設備可以是行動電話、電腦、數位廣播終端、消息收發設備、遊戲控制台、平板設備、醫療設備、健身設備或個人數位助理等終端。
參照第5圖,電子設備800可以包括以下一個或多個元件:處理元件802、記憶體804、電源元件806、多媒體元件808、音訊元件810、輸入/輸出(I/O)的介面812、感測器元件814以及通訊元件816。
處理元件802通常控制電子設備800的整體操作,諸如與顯示、電話呼叫、資料通訊、相機操作和記錄操作相關聯的操作。處理元件802可以包括一個或多個處理器820來執行指令,以完成上述的方法的全部或部分步驟。此外,處理元件802可以包括一個或多個模組,便於處理元件802和其他元件之間的交互。例如,處理元件802可以包括多媒體模組,以方便多媒體元件808和處理元件802之間的交互。
記憶體804被配置為儲存各種類型的資料以支援在電子設備800的操作。這些資料的示例包括用於在電子設備800上操作的任何應用程式或方法的指令、連絡人資料、電話簿資料、消息、圖片、影片等。記憶體804可以由任何類型的易失性或非易失性存放裝置或者它們的組合實現,如靜態隨機存取記憶體(Static Random Access Memory,SRAM)、電可擦除可程式設計唯讀記憶體(Electrically Erasable Programmable Read-Only Memory,EEPROM)、可擦除可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory,EPROM)、可程式設計唯讀記憶體(Programmable Read-Only Memory,PROM)、唯讀記憶體(Read Only Memory,ROM)、磁記憶體、快閃記憶體、磁片或光碟。
電源元件806為電子設備800的各種元件提供電力。電源元件806可以包括電源管理系統、一個或多個電源、及其他與為電子設備800生成、管理和分配電力相關聯的組件。
多媒體元件808包括在所述電子設備800和用戶之間的提供一個輸出介面的螢幕。在一些實施例中,螢幕可以包括液晶顯示器(Liquid Crystal Display,LCD)和觸控面板(Touch Panel,TP)。如果螢幕包括觸控面板,螢幕可以被實現為觸控式螢幕,以接收來自用戶的輸入信號。觸控面板包括一個或多個觸控感測器以感測觸摸、滑動和觸控面板上的手勢。所述觸控感測器可以不僅感測觸摸或滑動動作的邊界,而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中,多媒體元件808包括一個前置攝影機和/或後置攝影機。當電子設備800處於操作模式,如拍攝模式或視訊模式時,前置攝影機和/或後置攝影機可以接收外部的多媒體資料。每個前置攝影機和後置攝影機可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
音訊元件810被配置為輸出和/或輸入音訊信號。例如,音訊元件810包括一個麥克風(Microphone,MIC),當電子設備800處於操作模式,如呼叫模式、記錄模式和語音辨識模式時,麥克風被配置為接收外部音訊信號。所接收的音訊信號可以被進一步儲存在記憶體804或經由通訊元件816發送。在一些實施例中,音訊元件810還包括一個揚聲器,用於輸出音訊信號。
I/O介面812為處理元件802和周邊介面模組之間提供介面,上述周邊介面模組可以是鍵盤、點擊輪、按鈕等。這些按鈕可包括但不限於:主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。
感測器元件814包括一個或多個感測器,用於為電子設備800提供各個方面的狀態評估。例如,感測器元件814可以檢測到電子設備800的打開/關閉狀態,元件的相對定位,例如所述元件為電子設備800的顯示器和小鍵盤,感測器元件814還可以檢測電子設備800或電子設備800一個元件的位置改變,用戶與電子設備800接觸的存在或不存在,電子設備800方位或加速/減速和電子設備800的溫度變化。感測器元件814可以包括接近感測器,被配置用來在沒有任何的物理接觸時檢測附近物體的存在。感測器元件814還可以包括光感測器,如金屬氧化物半導體元件(Complementary Metal-Oxide Semiconductor,CMOS)或電荷耦合元件(Charge Coupled Device,CCD)圖像感測器,用於在成像應用中使用。在一些實施例中,該感測器元件814還可以包括加速度感測器、陀螺儀感測器、磁感測器、壓力感測器或溫度感測器。
通訊元件816被配置為便於電子設備800和其他設備之間有線或無線方式的通訊。電子設備800可以接入基於通訊標準的無線網路,如WiFi,2G或3G,或它們的組合。在一個示例性實施例中,通訊元件816經由廣播通道接收來自外部廣播管理系統的廣播信號或廣播相關資訊。在一個示例性實施例中,所述通訊元件816還包括近場通訊(Near Field Communication,NFC)模組,以促進短程通訊。例如,在NFC模組可基於射頻識別(Radio Frequency Identification,RFID)技術、紅外資料協會(Infrared Data Association,IrDA)技術、超寬頻(Ultra WideBand,UWB)技術、藍牙(BlueTooth,BT)技術和其他技術來實現。
在示例性實施例中,電子設備800可以被一個或多個應用專用積體電路(Application Specific Integrated Circuit,ASIC)、數位訊號處理器(Digital Signal Processor,DSP)、數位信號處理設備(DSPD)、可程式設計邏輯器件(Programmable Logic Device,PLD)、現場可程式設計閘陣列(Field-Programmable Gate Array,FPGA)、控制器、微控制器、微處理器或其他電子元件實現,用於執行上述方法。
在示例性實施例中,還提供了一種非易失性電腦可讀儲存介質,例如包括電腦程式指令的記憶體804,上述電腦程式指令可由電子設備800的處理器820執行以完成上述方法。
本揭露實施例可以是系統、方法和/或電腦程式產品。電腦程式產品可以包括電腦可讀儲存介質,其上載有用於使處理器實現本揭露的各個方面的電腦可讀程式指令。
電腦可讀儲存介質可以是可以保持和儲存由指令執行設備使用的指令的有形設備。電腦可讀儲存介質例如可以但不限於電存放裝置、磁存放裝置、光存放裝置、電磁存放裝置、半導體存放裝置或者上述的任意合適的組合。電腦可讀儲存介質的更具體的例子(非窮舉的列表)包括:可攜式電腦盤、硬碟、隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read Only Memory,ROM)、可擦式可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory,EPROM或快閃記憶體)、靜態隨機存取記憶體(Static Random Access Memory,SRAM)、可攜式壓縮磁碟唯讀記憶體(Compact Disc Read-Only Memory,CD-ROM)、數位多功能盤(DVD)、記憶棒、軟碟、機械編碼設備、例如其上儲存有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這裡所使用的電腦可讀儲存介質不被解釋為暫態信號本身,諸如無線電波或者其他自由傳播的電磁波、透過波導或其他傳輸媒介傳播的電磁波(例如,透過光纖電纜的光脈衝)、或者透過電線傳輸的電信號。
這裡所描述的電腦可讀程式指令可以從電腦可讀儲存介質下載到各個計算/處理設備,或者透過網路、例如網際網路、區域網路、廣域網路和/或無線網下載到外部電腦或外部存放裝置。網路可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換機、閘道電腦和/或邊緣伺服器。每個計算/處理設備中的網路介面卡或者網路介面從網路接收電腦可讀程式指令,並轉發該電腦可讀程式指令,以供儲存在各個計算/處理設備中的電腦可讀儲存介質中。
用於執行本揭露操作的電腦程式指令可以是彙編指令、指令集架構(ISA)指令、機器指令、機器相關指令、微代碼、韌體指令、狀態設置資料、或者以一種或多種程式設計語言的任意組合編寫的原始程式碼或目標代碼,所述程式設計語言包括物件導向的程式設計語言—諸如Smalltalk、C++等,以及常規的過程式程式設計語言—諸如「C」語言或類似的程式設計語言。電腦可讀程式指令可以完全地在用戶電腦上執行、部分地在用戶電腦上執行、作為一個獨立的套裝軟體執行、部分在用戶電腦上部分在遠端電腦上執行、或者完全在遠端電腦或伺服器上執行。在涉及遠端電腦的情形中,遠端電腦可以透過任意種類的網路—包括區域網路(LAN)或廣域網路(WAN)—連接到用戶電腦,或者,可以連接到外部電腦(例如利用網際網路服務提供者來透過網際網路連接)。在一些實施例中,透過利用電腦可讀程式指令的狀態資訊來個性化定制電子電路,例如可程式設計邏輯電路、現場可程式設計閘陣列(FPGA)或可程式設計邏輯陣列(PLA),該電子電路可以執行電腦可讀程式指令,從而實現本揭露的各個方面。
這裡參照根據本揭露實施例的方法、裝置(系統)和電腦程式產品的流程圖和/或框圖描述了本揭露的各個方面。應當理解,流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合,都可以由電腦可讀程式指令實現。
這些電腦可讀程式指令可以提供給通用電腦、專用電腦或其它可程式設計資料處理裝置的處理器,從而生產出一種機器,使得這些指令在透過電腦或其它可程式設計資料處理裝置的處理器執行時,產生了實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的裝置。也可以把這些電腦可讀程式指令儲存在電腦可讀儲存介質中,這些指令使得電腦、可程式設計資料處理裝置和/或其他設備以特定方式工作,從而,儲存有指令的電腦可讀介質則包括一個製造品,其包括實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的各個方面的指令。
也可以把電腦可讀程式指令載入到電腦、其它可程式設計資料處理裝置、或其它設備上,使得在電腦、其它可程式設計資料處理裝置或其它設備上執行一系列操作步驟,以產生電腦實現的過程,從而使得在電腦、其它可程式設計資料處理裝置、或其它設備上執行的指令實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作。
附圖中的流程圖和框圖顯示了根據本揭露的多個實施例的系統、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上,流程圖或框圖中的每個方框可以代表一個模組、程式段或指令的一部分,所述模組、程式段或指令的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。在有些作為替換的實現中,方框中所標注的功能也可以以不同於附圖中所標注的順序發生。例如,兩個連續的方框實際上可以基本並行地執行,它們有時也可以按相反的循序執行,這依所涉及的功能而定。也要注意的是,框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合,可以用執行規定的功能或動作的專用的基於硬體的系統來實現,或者可以用專用硬體與電腦指令的組合來實現。
以上已經描述了本揭露的各實施例,上述說明是示例性的,並非窮盡性的,並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下,對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇,旨在最好地解釋各實施例的原理、實際應用或對市場中技術的技術改進,或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
S11,S12,S13,S14:步驟
S01,S02,S03,S04:步驟
S301,S302,S303,S304,S305,S306:步驟
41:獲取模組
42:第一確定模組
43:第二確定模組
44:第三確定模組
800:電子設備
802:處理元件
804:記憶體
806:電源元件
808:多媒體元件
810:音訊元件
812:輸入/輸出介面
814:感測器元件
816:通訊元件
820:處理器
此處的附圖被併入說明書中並構成本說明書的一部分,這些附圖示出了符合本揭露的實施例,並與說明書一起用於說明本揭露的技術方案。
第1圖示出根據本揭露實施例的圖像處理方法的流程圖;
第2圖示出根據本揭露實施例的確定人臉圖像幀序列示例的流程圖;
第3圖示出根據本揭露實施例的圖像處理一示例的流程圖;
第4圖示出根據本揭露實施例的圖像處理裝置的框圖;
第5圖示出根據本揭露實施例的一種電子設備一示例的框圖。
S11~S14:步驟
Claims (13)
- 一種圖像處理方法,所述方法包括: 對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列; 確定所述人臉圖像幀序列中每個人臉圖像的第二人臉參數; 根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數; 根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像。
- 根據權利要求1所述的方法,其中,所述預設條件包括第一人臉參數在預設的標準參數區間;所述對圖像幀序列進行篩選,獲取第一人臉參數符合預設條件的人臉圖像幀序列之前,所述方法還包括: 獲取圖像幀序列中每個圖像幀的第一人臉參數; 在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀為符合所述預設條件的人臉圖像幀序列。
- 根據權利要求2所述的方法,其中,所述獲取圖像幀序列中每個圖像幀的第一人臉參數,包括: 獲取用於採集所述圖像幀序列的圖像採集裝置的朝向資訊和位置資訊; 根據所述圖像採集裝置的朝向資訊和位置資訊,確定所述圖像幀序列中每個圖像幀的人臉朝向資訊; 基於所述人臉朝向資訊,獲取每個圖像幀的第一人臉參數。
- 根據權利要求2所述的方法,其中,所述第一人臉參數包括人臉圖像座標,所述在所述第一人臉參數在所述標準參數區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列,包括: 在所述人臉圖像座標在所述標準座標區間內的情況下,確定該圖像幀屬於符合所述預設條件的人臉圖像幀序列。
- 根據權利要求1至4任意一項所述的方法,其中,所述第一人臉參數包括以下至少一個參數: 人臉圖像寬度、人臉圖像高度、人臉圖像座標、人臉圖像對準度、人臉圖像姿態角。
- 根據權利要求1至4任意一項所述的方法,其中,所述根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數,包括: 對每個人臉圖像的第一人臉參數和第二人臉參數進行加權處理,基於加權處理結果得到所述人臉圖像的品質分數。
- 根據權利要求1至4任意一項所述的方法,其中,所述根據所述人臉圖像幀序列中每個人臉圖像的第一人臉參數和第二人臉參數,確定所述人臉圖像幀序列中每個人臉圖像的品質分數,包括: 分別根據所述第一人臉參數和第二人臉參數與人臉圖像的識別率的相關性,確定所述第一人臉參數和所述第二人臉參數中每個人臉參數對應的參數評分; 根據每個人臉參數對應的參數評分,確定每個人臉圖像的品質分數。
- 根據權利要求1至4任意一項所述的方法,其中,所述根據人臉圖像幀序列中每個人臉圖像的品質分數,得到用於人臉識別的目標人臉圖像,包括: 根據所述品質分數,確定儲存至緩存佇列的人臉圖像; 對所述緩存佇列的多個人臉圖像進行排序,得到排序結果; 根據所述排序結果,得到用於人臉識別的目標人臉圖像。
- 根據權利要求8所述的方法,其中,所述根據所述品質分數,確定儲存至緩存佇列的人臉圖像,包括: 將每個人臉圖像的品質分數與預設的分數閾值進行比對; 在所述人臉圖像的品質分數的品質分數大於預設的分數閾值的情況下,確定將所述人臉圖像儲存至緩存佇列。
- 根據權利要求8所述的方法,其中,所述根據所述排序結果,得到用於人臉識別的目標人臉圖像,包括: 根據所述排序結果,確定所述緩存佇列中品質分數最高的人臉圖像; 將所述緩存佇列中品質分數最高的人臉圖像,確定為用於人臉識別的目標人臉圖像。
- 根據權利要求1至4任意一項所述的方法,其中,所述第二人臉參數包括以下至少一個參數:人臉圖像銳度、人臉圖像亮度、人臉圖像像素點數量。
- 一種電子設備,包括: 處理器; 用於儲存處理器可執行指令的記憶體; 其中,所述處理器被配置為調用所述記憶體儲存的指令,以執行權利要求1至11中任意一項所述的方法。
- 一種電腦可讀儲存介質,其上儲存有電腦程式指令,所述電腦程式指令被處理器執行時實現權利要求1至11中任意一項所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910575840.3 | 2019-06-28 | ||
CN201910575840.3A CN110298310A (zh) | 2019-06-28 | 2019-06-28 | 图像处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202105239A true TW202105239A (zh) | 2021-02-01 |
Family
ID=68029478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109118778A TW202105239A (zh) | 2019-06-28 | 2020-06-04 | 圖像處理方法、電子設備和儲存介質 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210374447A1 (zh) |
JP (1) | JP2021531554A (zh) |
KR (1) | KR20210042952A (zh) |
CN (1) | CN110298310A (zh) |
SG (1) | SG11202108646XA (zh) |
TW (1) | TW202105239A (zh) |
WO (1) | WO2020259073A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298310A (zh) * | 2019-06-28 | 2019-10-01 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110796106A (zh) * | 2019-11-04 | 2020-02-14 | 北京迈格威科技有限公司 | 人像质量评估模型建立和从视频中进行人像识别的方法 |
CN110852303A (zh) * | 2019-11-21 | 2020-02-28 | 中科智云科技有限公司 | 一种基于OpenPose的吃东西行为识别方法 |
CN111291633B (zh) * | 2020-01-17 | 2022-10-14 | 复旦大学 | 一种实时行人重识别方法及装置 |
CN111444856A (zh) * | 2020-03-27 | 2020-07-24 | 广东博智林机器人有限公司 | 图像的分析方法、模型的训练方法、装置、设备及存储介质 |
CN111639216A (zh) * | 2020-06-05 | 2020-09-08 | 上海商汤智能科技有限公司 | 一种人脸图像的展示方法、装置、计算机设备及存储介质 |
CN111738243B (zh) * | 2020-08-25 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 人脸图像的选择方法、装置、设备及存储介质 |
CN112967273B (zh) * | 2021-03-25 | 2021-11-16 | 北京的卢深视科技有限公司 | 图像处理方法、电子设备及存储介质 |
CN113311861B (zh) * | 2021-05-14 | 2023-06-16 | 国家电投集团青海光伏产业创新中心有限公司 | 光伏组件隐裂特性的自动化检测方法及其系统 |
KR20230053144A (ko) * | 2021-10-14 | 2023-04-21 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서 촬영 기능을 수행하는 방법 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006025272A1 (ja) * | 2004-09-01 | 2006-03-09 | Nec Corporation | 映像分類装置、映像分類プログラム、映像検索装置、および映像検索プログラム |
US8351662B2 (en) * | 2010-09-16 | 2013-01-08 | Seiko Epson Corporation | System and method for face verification using video sequence |
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN106056138A (zh) * | 2016-05-25 | 2016-10-26 | 努比亚技术有限公司 | 照片处理装置及方法 |
US9971933B1 (en) * | 2017-01-09 | 2018-05-15 | Ulsee Inc. | Facial image screening method and face recognition system thereof |
CN108875470B (zh) * | 2017-06-19 | 2021-06-22 | 北京旷视科技有限公司 | 对访客进行登记的方法、装置及计算机存储介质 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108875522B (zh) * | 2017-12-21 | 2022-06-10 | 北京旷视科技有限公司 | 人脸聚类方法、装置和系统及存储介质 |
CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 基于视频序列的人脸识别方法和装置 |
CN108287821B (zh) * | 2018-01-23 | 2021-12-17 | 北京奇艺世纪科技有限公司 | 一种高质量文本筛选方法、装置及电子设备 |
CN108491784B (zh) * | 2018-03-16 | 2021-06-22 | 南京邮电大学 | 面向大型直播场景的单人特写实时识别与自动截图方法 |
CN108694385A (zh) * | 2018-05-14 | 2018-10-23 | 深圳市科发智能技术有限公司 | 一种高速人脸识别方法、系统及装置 |
CN110298310A (zh) * | 2019-06-28 | 2019-10-01 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2019
- 2019-06-28 CN CN201910575840.3A patent/CN110298310A/zh active Pending
-
2020
- 2020-04-29 KR KR1020217007096A patent/KR20210042952A/ko active Search and Examination
- 2020-04-29 WO PCT/CN2020/087784 patent/WO2020259073A1/zh active Application Filing
- 2020-04-29 SG SG11202108646XA patent/SG11202108646XA/en unknown
- 2020-04-29 JP JP2020573222A patent/JP2021531554A/ja active Pending
- 2020-06-04 TW TW109118778A patent/TW202105239A/zh unknown
-
2021
- 2021-08-06 US US17/395,597 patent/US20210374447A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP2021531554A (ja) | 2021-11-18 |
WO2020259073A1 (zh) | 2020-12-30 |
KR20210042952A (ko) | 2021-04-20 |
SG11202108646XA (en) | 2021-09-29 |
US20210374447A1 (en) | 2021-12-02 |
CN110298310A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020259073A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US9674395B2 (en) | Methods and apparatuses for generating photograph | |
WO2021051949A1 (zh) | 一种图像处理方法及装置、电子设备和存储介质 | |
US10007841B2 (en) | Human face recognition method, apparatus and terminal | |
EP2998960B1 (en) | Method and device for video browsing | |
CN106331504B (zh) | 拍摄方法及装置 | |
WO2017088470A1 (zh) | 图像分类方法及装置 | |
WO2021093375A1 (zh) | 检测同行人的方法及装置、系统、电子设备和存储介质 | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
TWI702544B (zh) | 圖像處理方法、電子設備和電腦可讀儲存介質 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107784279B (zh) | 目标跟踪方法及装置 | |
TW202109358A (zh) | 活體檢測方法、電子設備和儲存介質 | |
WO2020019760A1 (zh) | 活体检测方法、装置及系统、电子设备和存储介质 | |
CN105335684B (zh) | 人脸检测方法及装置 | |
TW202109360A (zh) | 圖像處理方法及圖像處理裝置、電子設備和電腦可讀儲存介質 | |
EP3975046B1 (en) | Method and apparatus for detecting occluded image and medium | |
EP2712176B1 (en) | Method and apparatus for photography | |
CN104460185A (zh) | 自动对焦方法及装置 | |
US9799376B2 (en) | Method and device for video browsing based on keyframe | |
CN111523346B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
WO2022099989A1 (zh) | 活体识别、门禁设备控制方法和装置、电子设备和存储介质、计算机程序 | |
CN105528078A (zh) | 控制电子设备的方法及装置 | |
CN109101542B (zh) | 图像识别结果输出方法及装置、电子设备和存储介质 | |
CN111242188A (zh) | 入侵检测方法、装置及存储介质 |