WO2020259073A1 - 图像处理方法及装置、电子设备和存储介质 - Google Patents

图像处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
WO2020259073A1
WO2020259073A1 PCT/CN2020/087784 CN2020087784W WO2020259073A1 WO 2020259073 A1 WO2020259073 A1 WO 2020259073A1 CN 2020087784 W CN2020087784 W CN 2020087784W WO 2020259073 A1 WO2020259073 A1 WO 2020259073A1
Authority
WO
WIPO (PCT)
Prior art keywords
face
face image
image
parameter
image frame
Prior art date
Application number
PCT/CN2020/087784
Other languages
English (en)
French (fr)
Inventor
刘毅
蒋文忠
赵宏斌
Original Assignee
深圳市商汤科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 深圳市商汤科技有限公司 filed Critical 深圳市商汤科技有限公司
Priority to JP2020573222A priority Critical patent/JP2021531554A/ja
Priority to SG11202108646XA priority patent/SG11202108646XA/en
Priority to KR1020217007096A priority patent/KR20210042952A/ko
Publication of WO2020259073A1 publication Critical patent/WO2020259073A1/zh
Priority to US17/395,597 priority patent/US20210374447A1/en

Links

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

Definitions

  • the second determining module is configured to determine the quality score of each face image in the face image frame sequence according to the first face parameter and the second face parameter of each face image in the face image frame sequence;
  • the second face parameter includes at least one of the following parameters: face image sharpness, face image brightness, and number of face image pixels.
  • an electronic device including: a processor; a memory for storing executable instructions of the processor; wherein the processor is configured to execute the above-mentioned image processing method.
  • Fig. 1 shows a flowchart of an image processing method according to an embodiment of the present disclosure
  • Fig. 2 shows a flow chart of determining an example of a face image frame sequence according to an embodiment of the present disclosure
  • Fig. 5 shows a block diagram of an example of an electronic device according to an embodiment of the present disclosure.
  • selecting an image frame with a higher quality score as the target face image for subsequent face recognition can reduce the number of face recognition processes. Recognition times, reduce the waste of processing resources due to poor face image quality or absence of face images, improve the efficiency of face recognition, and improve the accuracy of face recognition.
  • each image frame collected by the image acquisition device is not processed, but according to a certain processing cycle Obtain image frames for face recognition. This will cause severe frame loss.
  • the discarded image frames may be of higher quality and are suitable for face recognition.
  • the quality of the acquired image frames for face recognition is lower, or there are no face images in the acquired image frames, which will not only cause a large number of effective
  • the waste of image frames will also cause the problem of low efficiency of face recognition.
  • Fig. 1 shows a flowchart of an image processing method according to an embodiment of the present disclosure.
  • the image processing method can be executed by a terminal device, a server, or other information processing device, where the terminal device can be an access control device, a face recognition device, a user equipment (User Equipment, UE), a mobile device, a user terminal, a terminal, a cellular phone , Cordless phones, Personal Digital Assistant (PDA), handheld devices, computing devices, vehicle-mounted devices, wearable devices, etc.
  • the image processing method can be implemented by a processor calling computer-readable instructions stored in the memory.
  • the image processing solution of the embodiment of the present disclosure will be described below by taking the image processing terminal as the execution subject as an example.
  • the image processing method includes the following steps:
  • Step S11 the image frame sequence is screened, and the face image frame sequence whose first face parameter meets the preset condition is obtained.
  • the image processing terminal may continuously collect image frames, and the continuously collected image frames may form an image frame sequence.
  • the image processing terminal has an image acquisition device, and the image processing terminal can acquire the sequence of image frames collected by the image acquisition device. For example, each time the image acquisition device acquires an image frame, the image processing terminal may acquire one image frame each time the image acquisition device acquires. After acquiring the image frame sequence, the image acquisition terminal acquires the first face parameter of the image frame for any image frame of the image frame sequence, and uses the first face parameter of the image frame to filter the image frame sequence. When screening the sequence of image frames, it can be determined whether the first face parameter of each image frame meets the preset conditions.
  • the image frame For each image frame, if the first face parameter of the image frame meets the preset condition, the image frame can be determined as the face image of the face image frame sequence. If the first face parameter of the image frame does not meet the preset condition, the image frame can be discarded, and the next image frame can be filtered.
  • the first face parameter may be a parameter related to the recognition rate of the face image.
  • the first face parameter may be a parameter that characterizes the integrity of the face image in the image frame; exemplary, the larger the first face parameter, the higher the integrity of the face image, that is, the recognition rate of the face image Higher.
  • the preset condition may be a basic condition that needs to be met to determine the face image in the image frame.
  • the preset condition may be that there is a face image in the image frame.
  • the preset condition may be that there are target key points in the face image in the image frame, such as eye key points, mouth key points, etc.
  • the preset condition may be that the contour of the face image in the image frame is continuous.
  • the image frames in the image frame sequence can be preliminarily screened, and the image frames that do not have the face image in the image frame sequence can be filtered out. Or, filter out image frames with incomplete face images in the image frame sequence.
  • the aforementioned first face parameter includes at least one of the following parameters: face image width, face image height, face image coordinates, face image alignment degree, face image pose angle.
  • the face image width may indicate the maximum image width corresponding to the face image in the image frame.
  • the height of the face image may represent the maximum pixel width corresponding to the face image in the image frame.
  • the face image coordinates may represent the image coordinates of the face image pixels in the image frame; for example, the image coordinate system is established with the center point of the image frame, and the image coordinates may be the coordinates of the pixel points in the image coordinate system.
  • Step S12 Determine the second face parameter of each face image in the face image frame sequence.
  • the second face parameter may be a parameter related to the recognition rate of the face image; the number of the second face parameter may be one or more.
  • each second face parameter can be independent of each other, and each second face parameter and each first face parameter can also be mutually independent. Independent, in this way, the first face parameter and the second face parameter can be used to jointly evaluate the recognizable degree of the face image.
  • the number of pixels in the face image may indicate the number of pixels included in the face area in the face image.
  • Face image sharpness, face image brightness, and the number of face image pixels can be important parameters that affect the recognition rate of face images, so that each person in the face image frame sequence can be determined before face recognition is performed on the image frame.
  • Step S13 Determine the quality score of each face image in the face image frame sequence according to the first face parameter and the second face parameter of each face image in the face image frame sequence.
  • the above step S13 may include: weighting the first face parameter and the second face parameter of each face image, and obtaining the quality score of the face image based on the weighted processing result.
  • the parameter score of the face parameter can be determined by setting the calculation method positively related to the recognition rate by the face parameter.
  • the quality score can characterize the recognizability of the face image. It can be understood that the higher the quality score, the greater the recognizability of the face image, and the lower the quality score, the more recognizable the face image. small. Therefore, according to the determined quality score of each face image in the face image frame sequence, the target face image for subsequent face recognition can be filtered in the face image frame sequence, for example, the quality score is greater than the preset score threshold.
  • the face image of is used as the target face image for face recognition, or the face image with the highest quality score is selected as the target face image for face recognition, which can improve the efficiency and accuracy of face recognition.
  • determining the face image stored in the cache queue according to the quality score may include: comparing the quality score of each face image with a preset score threshold; When the quality score of the quality score is greater than the preset score threshold, it is determined to store the face image in the cache queue.
  • the quality score of the face image can be compared with the preset score threshold to determine whether the quality score of the face image is greater than the score threshold .
  • the quality score of the face image is greater than the preset score threshold, it can be considered that the face quality of the face image is high, and the face image can be stored in the cache queue; in the quality score of the face image If the score is less than or equal to the preset score threshold, it can be considered that the face quality of the face image is poor, and the face image can be discarded.
  • the image processing terminal may select the face image with the highest quality score in the cache queue according to the sorting result, and use the face image with the highest quality score as the target face image for face recognition.
  • the target face image for each face recognition is the face image with the highest quality score in the cache queue.
  • the higher the quality score the higher the recognizability of the face image, so that the quality score can ensure that it is used for humans.
  • the face quality of the target face image of face recognition improves the efficiency and accuracy of face recognition.
  • face recognition can be performed on the determined target face image. Since the face quality of the target face image is higher, the number of people can be reduced. The number of comparisons in the face process saves processing resources and device power consumption.
  • the face image matching the face of the target face image in the cache queue can also be deleted, that is, the face image with the same face is deleted. This can reduce the face images cached in the cache queue and save storage space.
  • Fig. 2 shows a flow chart of determining an example of a face image frame sequence according to an embodiment of the present disclosure.
  • the foregoing preset condition includes that the first face parameter is in a preset standard parameter interval; in the foregoing step S11, the image frame sequence is filtered to obtain the person whose first face parameter meets the preset condition.
  • the following steps can also be included:
  • Step S01 Acquire the first face parameter of each image frame in the sequence of image frames.
  • acquiring the first face parameter of each image frame in the image frame sequence may include: acquiring orientation information and position information of an image acquisition device used to acquire the image frame sequence; To determine the face orientation information of each image frame in the image frame sequence, and obtain the first face parameter of each image frame based on the face orientation information.
  • the image capturing device may be a device for capturing a sequence of image frames
  • the image processing terminal may include an image capturing device.
  • the general orientation and angle of the face can be determined according to the orientation and position of the image acquisition device during the shooting process, so that before acquiring the first face parameter of each image frame in the image frame sequence,
  • the orientation information and position information of the image capture device can be acquired first, and the face orientation information of the image frame can be determined according to the orientation information and location information of the image capture device, and the face orientation information can roughly estimate the orientation of the face in the image frame.
  • the face in the image frame is facing left or facing right.
  • the face orientation information the face area of each image frame can be quickly located, the image position of the face area can be determined, and the first face parameter of each image frame can be obtained.
  • Step S02 For each image frame in the image frame sequence, determine whether the first face parameter is within the standard parameter interval.
  • the image processing terminal may compare one or more first face parameters of the image frame with the corresponding standard parameter interval, and determine one of the image frames Or whether the plurality of first face parameters are within the corresponding standard parameter interval, if the first face parameter of the image frame is within the standard parameter interval, step S03 is executed, otherwise, step S04 is executed. In this way, by determining whether the first face parameter is within the standard parameter interval, the image frames of the image frame sequence can be preliminarily screened.
  • the first parameter is within the preset standard parameter interval, it can be determined that there is a human face in the image frame, or it can be determined that the face area in the image frame is relatively complete, and the image frame is a sequence of face image frames. Face images are retained.
  • the first face parameter includes face image coordinates
  • the first face parameter if the first face parameter is within the standard parameter interval, it is determined that the image frame belongs to a face image that meets the preset condition
  • the frame sequence may include: when the face image coordinates are within the standard coordinate interval, determining that the image frame belongs to the face image frame sequence that meets the preset condition.
  • Step S04 Discard the image frame when the first face parameter is not within the standard parameter interval.
  • Fig. 3 shows a flowchart of an example of image processing according to an embodiment of the present disclosure.
  • the image processing process may include the following steps:
  • Step S301 Acquire the current image frame of the image frame sequence.
  • Step S302 Position the face area of the current image frame, and obtain the first face parameter of the current image frame.
  • the first face parameter may include one or more of face image width, face image height, face image coordinates, face image alignment degree, and face image pose angle.
  • Step S303 Determine whether the first face parameter of the current image frame meets a preset condition.
  • the preset condition may include that the first face parameter is in a preset standard parameter interval, so that it can be judged whether each first face parameter is within the standard parameter interval of the first face parameter. If each first face parameter is within the standard parameter interval of the first face parameter, it can be determined that the current image frame has a complete face image, and step S304 is executed; otherwise, it can be determined that there is no face in the current image frame Or the face is incomplete, and the image frame is acquired again, that is, S301 is executed again.
  • Step S304 When the first face parameter meets the preset condition, determine the second face parameter of the current image frame, and determine the quality of the current image frame according to the first face parameter and the second face parameter of the current image frame fraction.
  • the second face parameter may include one or more of the sharpness of the face image, the brightness of the face image, and the number of pixels of the face image.
  • the quality score of the current image frame is greater than the preset score threshold, it can be considered that the face quality of the current image frame is high, and S306 is executed. If the quality score is less than or equal to the preset score threshold, the person in the current image frame can be considered If the face quality is low, perform S303 again.
  • Step S306 Perform face recognition on the current image frame.
  • the image processing solution provided by the embodiments of the present disclosure can filter the image frames in the sequence of image frames before face recognition, and filter out image frames with higher quality face images for face recognition, thereby reducing the effective
  • the waste of image frames accelerates the speed of face recognition, improves the accuracy of face recognition, and reduces the waste of processing resources.
  • the present disclosure also provides image processing devices, electronic equipment, computer-readable storage media, and programs, all of which can be used to implement any image processing method provided in the present disclosure.
  • image processing devices electronic equipment, computer-readable storage media, and programs, all of which can be used to implement any image processing method provided in the present disclosure.
  • the writing order of the steps does not mean a strict execution order but constitutes any limitation on the implementation process.
  • the specific execution order of each step should be based on its function and possibility.
  • the inner logic is determined.
  • Fig. 4 shows a block diagram of an image processing device according to an embodiment of the present disclosure. As shown in Fig. 4, the image processing device includes:
  • the obtaining module 41 is configured to filter the image frame sequence, and obtain the face image frame sequence whose first face parameter meets the preset condition;
  • the first determining module 42 is configured to determine the second face parameter of each face image in the face image frame sequence
  • the second determining module 43 is configured to determine the quality score of each face image in the face image frame sequence according to the first face parameter and the second face parameter of each face image in the face image frame sequence ;
  • the third determining module 44 is configured to obtain a target face image for face recognition according to the quality score of each face image in the face image frame sequence.
  • the preset condition includes that the first face parameter is in a preset standard parameter interval; the device further includes:
  • the judging module is configured such that the acquiring module 41 screens the image frame sequence, and before acquiring the face image frame sequence whose first face parameter meets the preset condition, acquires the first face parameter of each image frame in the image frame sequence ; In the case that the first face parameter is within the standard parameter interval, it is determined that the image frame is a face image frame sequence that meets the preset condition.
  • the judgment module is configured to acquire orientation information and position information of an image acquisition device used to acquire the image frame sequence; determine according to the orientation information and position information of the image acquisition device The face orientation information of each image frame in the image frame sequence; based on the face orientation information, the first face parameter of each image frame is acquired.
  • the first face parameter includes face image coordinates
  • the judgment module is configured to determine that the image frame belongs to a sequence of face image frames that meets the preset condition when the face image coordinates are within the standard coordinate interval.
  • the first face parameter includes at least one of the following parameters: face image width, face image height, face image coordinates, face image alignment degree, face image pose angle.
  • the second determining module 43 is configured to perform weighting processing on the first face parameter and the second face parameter of each face image, and obtain the face image based on the weighted processing result The quality score.
  • the second determining module 43 is configured to determine the first face parameter and the correlation between the second face parameter and the recognition rate of the face image.
  • the face parameter and the parameter score corresponding to each face parameter in the second face parameter; the quality score of each face image is determined according to the parameter score corresponding to each face parameter.
  • the third determining module 44 is configured to determine the face images stored in the cache queue according to the quality score; sort the multiple face images in the cache queue to obtain the sort Result; According to the sorting result, a target face image for face recognition is obtained.
  • the third determining module 44 is configured to compare the quality score of each face image with a preset score threshold; when the quality score of the face image is greater than In the case of a preset score threshold, it is determined to store the face image in the cache queue.
  • the third determining module 44 is configured to determine the face image with the highest quality score in the cache queue according to the sorting result; and the person with the highest quality score in the cache queue The face image is determined as the target face image for face recognition.
  • the second face parameter includes at least one of the following parameters: face image sharpness, face image brightness, and number of face image pixels.
  • the functions or modules contained in the device provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • the functions or modules contained in the device provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • the embodiments of the present disclosure also provide a computer-readable storage medium on which computer program instructions are stored, and the computer program instructions implement the above-mentioned method when executed by a processor.
  • the computer-readable storage medium may be a non-volatile computer-readable storage medium.
  • An embodiment of the present disclosure also provides an electronic device, including: a processor; a memory for storing executable instructions of the processor; wherein the processor is configured as the above method.
  • the electronic device may be provided as a terminal, a server, or other forms of equipment.
  • Fig. 5 is a block diagram showing an electronic device according to an exemplary embodiment.
  • the electronic device may be a terminal such as a mobile phone, a computer, a digital broadcasting terminal, a messaging device, a game console, a tablet device, a medical device, a fitness device, or a personal digital assistant.
  • the electronic device 800 may include one or more of the following components: a processing component 802, a memory 804, a power supply component 806, a multimedia component 808, an audio component 810, an input/output (I/O) interface 812, and a sensor component 814 And the communication component 816.
  • the processing component 802 generally controls the overall operations of the electronic device 800, such as operations associated with display, telephone calls, data communications, camera operations, and recording operations.
  • the processing component 802 may include one or more processors 820 to execute instructions to complete all or part of the steps of the foregoing method.
  • the processing component 802 may include one or more modules to facilitate the interaction between the processing component 802 and other components.
  • the processing component 802 may include a multimedia module to facilitate the interaction between the multimedia component 808 and the processing component 802.
  • the memory 804 is configured to store various types of data to support operations in the electronic device 800. Examples of these data include instructions for any application or method operating on the electronic device 800, contact data, phone book data, messages, pictures, videos, etc.
  • the memory 804 can be implemented by any type of volatile or non-volatile storage device or a combination thereof, such as static random access memory (Static Random Access Memory, SRAM), electrically erasable programmable read-only memory (Electrically Erasable) Programmable Read-Only Memory (EEPROM), Erasable Programmable Read-Only Memory (EPROM), Programmable Read-Only Memory (PROM), Read-Only Memory (Read Only Memory) , ROM), magnetic storage, flash memory, magnetic or optical disk.
  • SRAM static random access memory
  • EEPROM Electrically erasable programmable read-only memory
  • EPROM Erasable Programmable Read-Only Memory
  • PROM Programmable Read-Only Memory
  • Read Only Memory Read Only Memory
  • the power supply component 806 provides power for various components of the electronic device 800.
  • the power supply component 806 may include a power management system, one or more power supplies, and other components associated with the generation, management, and distribution of power for the electronic device 800.
  • the multimedia component 808 includes a screen that provides an output interface between the electronic device 800 and the user.
  • the screen may include a liquid crystal display (Liquid Crystal Display, LCD) and a touch panel (Touch Panel, TP). If the screen includes a touch panel, the screen may be implemented as a touch screen to receive input signals from the user.
  • the touch panel includes one or more touch sensors to sense touch, sliding, and gestures on the touch panel. The touch sensor may not only sense the boundary of a touch or slide action, but also detect the duration and pressure related to the touch or slide operation.
  • the multimedia component 808 includes a front camera and/or a rear camera. When the electronic device 800 is in an operation mode, such as a shooting mode or a video mode, the front camera and/or the rear camera can receive external multimedia data. Each front camera and rear camera can be a fixed optical lens system or have focal length and optical zoom capabilities.
  • the audio component 810 is configured to output and/or input audio signals.
  • the audio component 810 includes a microphone (Microphone, MIC).
  • the microphone is configured to receive an external audio signal.
  • the received audio signal may be further stored in the memory 804 or transmitted via the communication component 816.
  • the audio component 810 further includes a speaker for outputting audio signals.
  • the computer-readable storage medium used herein is not interpreted as a transient signal itself, such as radio waves or other freely propagating electromagnetic waves, electromagnetic waves propagating through a waveguide or other transmission medium (for example, light pulses through fiber optic cables), or through wires Transmission of electrical signals.

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

本公开实施例公开了一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。

Description

图像处理方法及装置、电子设备和存储介质
相关申请的交叉引用
本公开基于申请号为201910575840.3、申请日为2019年06月28日的中国专利申请提出，并要求该中国专利申请的优先权，该中国专利申请的全部内容在此以引入方式并入本公开。
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着电子技术的发展，人脸识别技术日益成熟，已经被广泛应用在各种场景中，例如，运用人脸识别技术进行考勤打卡、手机面部解锁、电子护照身份识别以及网络支付等应用场景，给人们的生活带来便捷。
目前，采集的图像帧序列中会存在一些人脸模糊或不存在人脸图像的图像帧，对这些图像帧进人脸识别，会造成大量的处理资源浪费。
发明内容
本公开实施例提出了一种图像处理方法及装置、电子设备和存储介质。
根据本公开实施例的一方面，提供了一种图像处理方法，包括：对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述预设条件包括第一人脸参数在预设的标准参数区间；所述对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列之前，所述方法还包括：获取图像帧序列中每个图像帧的第一人脸参数；在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述获取图像帧序列中每个图像帧的第一人脸参数，包 括：获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
在一种可能的实现方式中，所述第一人脸参数包括人脸图像坐标，所述在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列，包括：在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述第一人脸参数包括以下至少一个参数：人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
在一种可能的实现方式中，所述根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数，包括：对每个人脸图像的第一人脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
在一种可能的实现方式中，所述根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数，包括：分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
在一种可能的实现方式中，所述根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像，包括：根据所述质量分数，确定存储至缓存队列的人脸图像；对所述缓存队列的多个人脸图像进行排序，得到排序结果；根据所述排序结果，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述根据所述质量分数，确定存储至缓存队列的人脸图像，包括：将每个人脸图像的质量分数与预设的分数阈值进行比对；在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
在一种可能的实现方式中，所述根据所述排序结果，得到用于人脸识别的目标人脸图像，包括：根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述第二人脸参数包括以下至少一个参数：人脸图像锐度、人脸图像亮度、人脸图像像素点数量。
根据本公开实施例的另一方面，提供了一种图像处理装置，包括：
获取模块，配置为对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；
第一确定模块，配置为确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；
第二确定模块，配置为根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；
第三确定模块，配置为根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述预设条件包括第一人脸参数在预设的标准参数区间；所述装置还包括：判断模块，配置为所述获取模块对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列之前，获取图像帧序列中每个图像帧的第一人脸参数；在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述判断模块，配置为获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
在一种可能的实现方式中，所述第一人脸参数包括人脸图像坐标；所述判断模块，配置为在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述第一人脸参数包括以下至少一个参数：人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
在一种可能的实现方式中，所述第二确定模块，配置为对每个人脸图像的第一人脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
在一种可能的实现方式中，所述第二确定模块，配置为分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
在一种可能的实现方式中，所述第三确定模块，配置为根据所述质量分数，确定存储至缓存队列的人脸图像；对所述缓存队列的多个人脸图像进行排序，得到排序结果；根据所述排序结果，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述第三确定模块，配置为将每个人脸图像的质量分数与预设的分数阈值进行比对；在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
在一种可能的实现方式中，所述第三确定模块，配置为根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述第二人脸参数包括以下至少一个参数：人脸图像锐度、人脸图像亮度、人脸图像像素点数量。
根据本公开实施例的又一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：执行上述图像处理方法。
根据本公开的再一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。
在本公开实施例中，可以在图像帧序列中，对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列，确定所述人脸图像帧序列中每个人脸图像的第二人脸参数，再根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数，根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。这样，可以在进行人脸识别之前，先根据第一人脸参数在图像帧序列中筛选出人脸图像帧序列，再根据人脸图像帧序列中人脸图像的质量分数，对图像帧序列进行再次筛选，筛选出人脸质量较高目标人脸图像进行后续的人脸识别，从而可以减少人脸识别过程中处理资源的浪费，提高人脸识别的效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图；
图2示出根据本公开实施例的确定人脸图像帧序列示例的流程图；
图3示出根据本公开实施例的图像处理一示例的流程图；
图4示出根据本公开实施例的图像处理装置的框图；
图5示出根据本公开实施例的一种电子设备一示例的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例 性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开实施例，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开实施例同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开实施例的主旨。
本公开实施例提供的图像处理方案，可以对采集的图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列，从而可以通过第一人脸参数，对图像帧序列中的图像帧进行初步筛选，得到人脸图像帧序列。再确定人脸图像帧序列中每个人脸图像的第二人脸参数，根据人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，得到每个人脸图像的质量分数；根据每个人脸图像的质量分数，确定用于人脸识别的目标人脸图像，从而可以进一步对图像帧序列进行筛选，确定用于人脸识别的目标人脸图像。这样，在进行人脸识别之前，可以对图像帧序列中的图像帧进行筛选，例如，选择质量分数较高的图像帧作为目标人脸图像进行后续的人脸识别，可以减少人脸识别过程中的识别次数，减少由于人脸图像质量较差或不存在人脸图像导致的处理资源浪费，提高人脸识别的效率，提高人脸识别的准确度。
在对图像帧序列中的图像帧进行人脸识别过程中，由于人脸识别过程是一个高消耗的处理过程，通常不会处理图像采集装置采集的每一个图像帧，而是按照一定的处理周期获取进行人脸识别的图像帧。这样会导致严重的丢帧现象。而丢弃的图像帧可能质量较高，适合进行人脸识别，反而获取的进行人脸识别的图像帧的质量较低，或者，获取的图像帧中不存在人脸图像，不仅会导致的大量有效图像帧的浪费，还会导致人脸识别的效率低的问题。
本公开实施例提供的图像处理方案，可以在人脸识别之前，对图像帧序列中的图像帧进行筛选，筛选出人脸图像的质量较高的图像帧进行人脸识别，从而可以减少对于有效图像帧的浪费，加快人脸识别的速度，提高人脸识别的准确度，减少处理资源的浪费。
下面通过实施例对本公开实施例提供的图像处理方案进行说明。
图1示出根据本公开实施例的图像处理方法的流程图。该图像处理方法可以由终端设备、服务器或其它信息处理设备执行，其中，终端设备可以为门禁设备、人脸识别设备、用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设 备、可穿戴设备等。在一些可能的实现方式中，该图像处理方法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。下面以图像处理终端作为执行主体为例对本公开实施例的图像处理方案进行说明。
如图1所示，所述图像处理方法包括以下步骤：
步骤S11，对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列。
在本公开实施例中，图像处理终端可以连续采集图像帧，连续采集的图像帧可以形成图像帧序列。或者，图像处理终端具有图像采集装置，图像处理终端可以获取图像采集装置采集的图像帧序列。例如，图像采集装置每采集一个图像帧，图像处理终端可以获取图像采集装置每次采集的一个图像帧。图像采集终端在获取图像帧序列之后，针对图像帧序列的任意一个图像帧，获取该图像帧的第一人脸参数，利用图像帧的第一人脸参数对图像帧序列进行筛选。在对图像帧序列进行筛选时，可以判断每个图像帧的第一人脸参数是否符合预设条件。针对每个图像帧，如果该图像帧的第一人脸参数符合预设条件，则可以将该图像帧确定为人脸图像帧序列的人脸图像。如果该图像帧的第一人脸参数不符合预设条件，则可以将该图像帧丢弃，继续对下一个图像帧进行筛选。
本实施例中，第一人脸参数可以是与人脸图像的识别率相关的参数。例如，第一人脸参数可以是表征图像帧中人脸图像完整性的参数；示例性的，第一人脸参数越大，可表明人脸图像完整性越高，即人脸图像的识别率越高。预设条件可以是判断图像帧中人脸图像需要满足的基本条件。例如，预设条件可以是图像帧中存在人脸图像。再例如，预设条件可以是图像帧中人脸图像存在目标关键点，如存在眼部关键点、嘴部关键点等。再例如，预设条件可以是图像帧中人脸图像的轮廓连续等。通过获取图像帧序列中第一人脸参数符合预设条件的人脸图像帧序列，可以对图像帧序列中的图像帧进行初步筛选，滤除图像帧序列中不存在人脸图像的图像帧，或者，滤除图像帧序列中人脸图像不完整的图像帧。
在一种可能的实现方式中，上述第一人脸参数包括以下至少一个参数：人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
本实施例中，人脸图像宽度可以表示图像帧中人脸图像对应的最大图像宽度。人脸图像高度可以表示图像帧中人脸图像对应的最大像素宽度。人脸图像坐标可以表示图像帧中人脸图像像素点的图像坐标；例如，以图像帧的中心点建立图像坐标系，图像坐标可以是像素点在该图像坐标系下的坐标。人脸图像对准度可以表示人脸图像的关键点与预设人脸模板的关键点的匹配程度；例如，图像帧中人脸图像的嘴部关键点的图像坐标为A，预设人脸模板中嘴部关键点的图像坐标为B，所述人脸图像对准度可包括图像坐标A与图像坐标B的距离；其中，图像坐标A与图像坐标B之间的距离越小，表明人脸图像的嘴部关键点与预设人脸模板的嘴部关键点的匹配程度越高，即人脸图像对准度 越大；图像坐标A与图像坐标B之间的距离越大，表明人脸图像的嘴部关键点与预设人脸模板的嘴部关键点的匹配程度越低，即人脸图像对准度越小。人脸图像姿态角可以表征人脸图像的姿态；示例性的，人脸图像姿态角可以包括航偏角、翻转角和俯仰角中的至少之一。例如，可以将图像帧的人脸图像与预设人脸模板进行对比，确定图像帧的人脸图像相对于预设人脸模板的标准轴的航偏角、翻转角和俯仰角。
步骤S12，确定所述人脸图像帧序列中每个人脸图像的第二人脸参数。
在本公开实施例中，第二人脸参数可以是与人脸图像的识别率相关的参数；第二人脸参数的数量可以为一个或多个。在第二人脸参数的数量为多个的情况下，每个第二人脸参数之间可以相互独立，并且，每个第二人脸参数与每个第一人脸参数之间也可以相互独立，这样可以利用第一人脸参数和第二人脸参数共同评估人脸图像的可识别程度。
在一种可能的实现方式中，第二人脸参数可以包括以下至少一个参数：人脸图像锐度；人脸图像亮度；人脸图像像素点数量。其中，人脸图像锐度可以表征人脸图像的人脸区域轮廓与轮廓附近像素点之间的对比度，人脸图像锐度越高，可以表示该图像帧的人脸图像越清晰，人脸图像锐度越低，可以表示该图像帧中人脸图像越模糊；其中，示例性的，本实施例中的人脸图像锐度可以是人脸图像的平均图像锐度。人脸图像亮度可以表示人脸图像的人脸区域对应的图像亮度；示例性的，本实施例中的人脸图像亮度可以是人脸区域的平均图像亮度。人脸图像像素点数量可以表示人脸图像中人脸区域包括的像素点的数量。人脸图像锐度、人脸图像亮度以及人脸图像像素点数量可以是影响人脸图像识别率的重要参数，从而可以在对图像帧进行人脸识别之前，确定人脸图像帧序列中每个人脸图像的人脸图像锐度、人脸图像亮度以及人脸图像像素点数量中的一个或多个第二人脸参数。
步骤S13，根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数。
在本公开实施例中，第一人脸参数与第二人脸参数均可以用于评估人脸图像的人脸质量，图像处理终端可以将每个人脸图像的第一人脸参数与第二人脸参数相结合，利用第一人脸参数和第二人脸参数对每个人脸图像的人脸质量进行评分，得到人脸图像帧序列中每个人脸图像的质量分数。质量分数可以用于表征人脸图像的人脸质量。例如，质量分数越高，表示人脸图像的人脸质量越好；质量分数越低，表示人脸图像的人脸质量越差。
在一种可能的实现方式中，上述步骤S13可以包括：对每个人脸图像的第一人脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
在该实现方式中，图像处理终端可以通过对第一人脸参数和第二人脸参数进行加权的方式，得到人脸图像帧序列中每个人脸图像的质量分数。对于第一人脸参数和第二人脸参数中每个人脸参数，可以设置相应的权重，不同人脸参数对应的权重可以不同。每 个人脸参数对应的权重可以根据该人脸参数与人脸图像的识别率相关性进行设置。例如，某个人脸参数对人脸图像识别率的影响较大，可以为该人脸参数设置较大的权重，某个人脸参数对人脸图像识别率的影响较小，可以为该人脸参数设置较小的权重。利用第一人脸参数和第二人脸参数对应的权重对人脸参数进行加权处理，可以综合考虑多个人脸参数对人脸图像的识别率的影响，利用质量分数对人脸图像帧序列中每个人脸图像的质量进行评估。
在另一种可能的实现方式中，上述步骤S13还可以包括：分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
在该实现方式中，图像处理终端可以针对人脸图像帧序列中每个人脸图像，根据该人脸图像的第一人脸参数和第二人脸参数中每个人脸参数，与人脸图像的识别率的相关性，得到第一人脸参数和第二人脸参数中每个人脸参数对应的参数评分，再将得到的每个人脸参数的参数评分进行相加或者相乘，得到该人脸图像的质量分数。其中，每个人脸参数的参数评分的计算方式，可以根据该人脸参数与人脸图像的识别率的相关性进行确定，例如，某个人脸参数与人脸图像的识别率存在正相关关系，从而可以通过该人脸参数设置与识别率正相关的计算方式，确定该人脸参数的参数评分。通过上述确定人脸图像帧序列的每个人脸图像的质量分数的方式，可以针对不同的人脸参数与人脸图像识别率的相关性，为不同人脸参数设置不同的参数评分的计算方式，从而使得得到的人脸图像的质量分数更加准确。
步骤S14，根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
本公开实施例中，质量分数可以表征人脸图像的可识别性，可以理解为，质量分数越高，人脸图像的可识别性越大，质量分数越低，人脸图像的可识别性越小。从而可以根据确定的人脸图像帧序列中每个人脸图像的质量分数，在人脸图像帧序列中筛选后续用于人脸识别的目标人脸图像，例如，选择质量分数大于预设的分数阈值的人脸图像作为用于人脸识别的目标人脸图像，或者，选择质量分数最高的人脸图像作为用于人脸识别的目标人脸图像，这样可以提高人脸识别的效率以及准确性。
在一种可能的实现方式中，上述步骤S14中，所述根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像，可以包括：根据所述质量分数，确定存储至缓存队列的人脸图像；对所述缓存队列的多个人脸图像进行排序，得到排序结果；根据所述排序结果，得到用于人脸识别的目标人脸图像。
本实现方式中，可以根据人脸图像帧序列中每个人脸图像的质量分数，对人脸图像帧序列进行筛选，确定人脸图像帧序列中存储至缓存队列的人脸图像。进一步根据缓存 队列中人脸图像的质量分数，对存储至缓存队列的人脸图像进行排序。例如，按照人脸图像的质量分数由高到低的顺序对缓存队列中的人脸图像进行排序，得到排序结果；再根据得到的排序结果确定缓存队列中进行人脸识别的目标人脸图像。这样，通过对人脸图像帧序列中的人脸图像进行多次筛选，可以确定最终用于人脸识别的目标人脸图像，提高后续人脸识别的效率和准确性。
在一示例中，上述根据所述质量分数，确定存储至缓存队列的人脸图像，可以包括：将每个人脸图像的质量分数与预设的分数阈值进行比对；在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
在该示例中，针对人脸图像帧序列中每个图像帧而言，可以将该人脸图像的质量分数与预设的分数阈值进行比对，判断该人脸图像的质量分数是否大于分数阈值。在该人脸图像的质量分数大于预设的分数阈值的情况下，可以认为该人脸图像的人脸质量较高，可以将该人脸图像存储至缓存队列；在该人脸图像的质量分数小于或等于预设的分数阈值的情况下，可以认为该人脸图像的人脸质量较差，可以将该人脸图像丢弃。这里，确定是否将人脸图像存储至缓存队列的步骤可以利用单独的线程循环进行，即，图像处理终端可以同时进行确定存储至缓存队列的人脸图像的步骤和对所述缓存队列的多个人脸图像进行排序的步骤，这样可以提高图像帧处理的效率。
在一个示例中，上述根据所述排序结果，得到用于人脸识别的目标人脸图像，可以包括：根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
在本示例中，图像处理终端可以根据排序结果，在缓存队列中选择质量分数最高的人脸图像，将质量分数最高的人脸图像作为进行人脸识别的目标人脸图像。这样，每次进行人脸识别的目标人脸图像均是缓存队列中质量分数最高的人脸图像，质量分数越高，人脸图像的可识别性越高，从而通过质量分数可以保证用于人脸识别的目标人脸图像的人脸质量，提高人脸识别的效率以及准确性。
这里，在确定人脸图像帧序列中用于人脸识别的目标人脸图像之后，可以对确定的目标人脸图像进行人脸识别，由于目标人脸图像的人脸质量较高，可以减少人脸过程中的比对次数，节省处理资源和设备功耗。在确定目标人脸图像之后，还可以删除缓存队列中与目标人脸图像的人脸匹配的人脸图像，即删除具有相同人脸的人脸图像。这样可以减少缓存队列中缓存的人脸图像，节省存储空间。
图2示出根据本公开实施例的确定人脸图像帧序列示例的流程图。
在一种可能的实现方式中，上述预设条件包括第一人脸参数在预设的标准参数区间；在上述步骤S11对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列之前，还可以包括以下步骤：
步骤S01，获取图像帧序列中每个图像帧的第一人脸参数。
在本实现方式中，图像处理终端可以先检测每个图像帧中的人脸区域，对每个图像帧的人脸区域进行定位，再根据定位的人脸区域，确定图像帧序列中每个图像帧的第一人脸参数。例如，确定人脸区域的人脸图像坐标、人脸图像高度等第一人脸参数。
在一个示例中，获取图像帧序列中每个图像帧的第一人脸参数，可以包括：获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
在该示例中，图像采集装置可以是用于采集图像帧序列的装置，图像处理终端可以包括图像采集装置。图像采集装置采集的图像帧中，人脸的大致朝向以及角度可以根据图像采集装置拍摄过程中的朝向以及位置进行确定，从而在获取图像帧序列中每个图像帧的第一人脸参数之前，可以先获取图像采集装置的朝向信息和位置信息，根据图像采集装置的朝向信息和位置信息，可以确定图像帧的人脸朝向信息，该人脸朝向信息可以粗略估计图像帧中人脸的朝向。例如，图像帧中的人脸是朝向左或者朝向右。根据该人脸朝向信息，可以对每个图像帧的人脸区域进行快速地定位，确定人脸区域的图像位置，进而可以获取每个图像帧的第一人脸参数。
步骤S02，针对所述图像帧序列中的每个图像帧，判断所述第一人脸参数是否在所述标准参数区间内。
本实施例中，针对图像帧序列中的每个图像帧，图像处理终端可以将该图像帧的一个或多个第一人脸参数与对应的标准参数区间进行对比，判断将该图像帧的一个或多个第一人脸参数是否在对应的标准参数区间内，如果该图像帧的第一人脸参数在标准参数区间内，则执行步骤S03，反之，执行步骤S04。这样，通过判断第一人脸参数是否在所述标准参数区间内，可以对图像帧序列的图像帧进行初步筛选。
步骤S03，在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
这里，如果第一参数在预设的标准参数区间，可以确定该图像帧中存在人脸，或者，可以确定该图像帧中的人脸区域比较完整，该图像帧是人脸图像帧序列中的人脸图像，进行保留。
在一个示例中，第一人脸参数包括人脸图像坐标，在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列，可以包括：在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
在该示例中，在第一人脸参数是人脸图像坐标的情况下，对于图像帧序列的当前图像帧而言，可以将当前图像帧的人脸图像坐标与预设条件的标准图像坐标区间进行对比，假设当前图像帧人脸图像坐标为(x1，y1)，判断x1是否在标准图像坐标区间中横 坐标对应的区间[left，right]，以及，y1是否在标准图像坐标区间中纵坐标对应的区间[botton，top]，如果x1在[left，right]区间内，并且y1在[botton，top]区间内，则当前图像帧是符合预设条件的人脸图像帧序列。
步骤S04，在所述第一人脸参数不在所述标准参数区间内的情况下，将该图像帧丢弃。
在该实现方式中，如果该图像帧的第一参数不在预设的标准参数区间，则可以认为该图像帧中不存在人脸，或者，该图像帧的人脸区域不完整，将该图像帧丢弃，继续检测下一个图像帧。对于图像帧中不存在人脸图像的图像帧而言，第一人脸参数可以是0，这样，对图像帧序列进行初步筛选时，可以通过第一人脸参数进行筛选，筛除图像帧序列中不存在人脸图像的图像帧或者第一人脸参数不合格的图像帧。
图3示出根据本公开实施例的图像处理一示例的流程图。在该示例中，图像处理过程可以包括以下步骤：
步骤S301，获取图像帧序列的当前图像帧。
步骤S302，对当前图像帧的人脸区域进行定位，获取当前图像帧的第一人脸参数。
这里，第一人脸参数可以包括人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角中的一个或多个。
步骤S303，判断当前图像帧的第一人脸参数是否符合预设条件。
这里，预设条件可以包括第一人脸参数在预设的标准参数区间，从而可以判断每个第一人脸参数是否在该第一人脸参数的标准参数区间。如果每个第一人脸参数均在该第一人脸参数的标准参数区间，则可以确定当前图像帧具有完整的人脸图像，执行步骤S304；否则，可以确定当前图像帧中不存在人脸或人脸不完整，重新获取图像帧，即重新执行S301。
步骤S304，在第一人脸参数符合预设条件的情况下，确定当前图像帧的第二人脸参数，根据当前图像帧的第一人脸参数和第二人脸参数确定当前图像帧的质量分数。
这里，第二人脸参数可以包括人脸图像锐度、人脸图像亮度、人脸图像像素点数量中的一个或多个。
步骤S305，判断当前图像帧的质量分数是否大于预设的分数阈值。
这里，如果当前图像帧的质量分数大于预设的分数阈值，可以认为当前图像帧的人脸质量较高，执行S306，如果质量分数小于或等于预设的分数阈值，可以认为当前图像帧的人脸质量较低，重新执行S303。
步骤S306，对当前图像帧进行人脸识别。
本公开实施例提供的图像处理方案，可以在人脸识别之前，对图像帧序列中的图像帧进行筛选，筛选出人脸图像的质量较高的图像帧进行人脸识别，从而可以减少对于有效图像帧的浪费，加快人脸识别的速度，提高人脸识别的准确度，减少处理资源的浪费。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例的图像处理装置的框图，如图4所示，所述图像处理装置包括：
获取模块41，配置为对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；
第一确定模块42，配置为确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；
第二确定模块43，配置为根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；
第三确定模块44，配置为根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述预设条件包括第一人脸参数在预设的标准参数区间；所述装置还包括：
判断模块，配置为所述获取模块41对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列之前，获取图像帧序列中每个图像帧的第一人脸参数；在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述判断模块，配置为获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
在一种可能的实现方式中，所述第一人脸参数包括人脸图像坐标；
所述判断模块，配置为在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
在一种可能的实现方式中，所述第一人脸参数包括以下至少一个参数：人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
在一种可能的实现方式中，所述第二确定模块43，配置为对每个人脸图像的第一人 脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
在一种可能的实现方式中，所述第二确定模块43，配置为分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
在一种可能的实现方式中，所述第三确定模块44，配置为根据所述质量分数，确定存储至缓存队列的人脸图像；对所述缓存队列的多个人脸图像进行排序，得到排序结果；根据所述排序结果，得到用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述第三确定模块44，配置为将每个人脸图像的质量分数与预设的分数阈值进行比对；在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
在一种可能的实现方式中，所述第三确定模块44，配置为根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
在一种可能的实现方式中，所述第二人脸参数至少包括以下一个参数：人脸图像锐度、人脸图像亮度、人脸图像像素点数量。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
示例性的，电子设备可以被提供为终端、服务器或其它形态的设备。
图5是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备或个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802、存储器804、电源组件806、多媒体组件808、音频组件810、输入/输出(I/O)的接口812、传感器组件814以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820 来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，SRAM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、磁存储器、快闪存储器、磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统、一个或多个电源、及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(Liquid Crystal Display，LCD)和触摸面板(Touch Panel，TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(Microphone，MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘、点击轮、按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子 设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如金属氧化物半导体元件(Complementary Metal-Oxide Semiconductor，CMOS)或电荷耦合元件(Charge Coupled Device，CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(Near Field Communication，NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(Radio Frequency Identification，RFID)技术，红外数据协会(Infrared Data Association，IrDA)技术，超宽带(Ultra WideBand，UWB)技术，蓝牙(BlueTooth，BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(Programmable Logic Device，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM或闪存)、静态随机存取存储器(Static Random Access Memory，SRAM)、便携式压缩盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、 例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以 产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (24)

  1. 一种图像处理方法，所述方法包括：
    对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；
    确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；
    根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；
    根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
  2. 根据权利要求1所述的方法，其中，所述预设条件包括第一人脸参数在预设的标准参数区间；所述对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列之前，所述方法还包括：
    获取图像帧序列中每个图像帧的第一人脸参数；
    在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
  3. 根据权利要求2所述的方法，其中，所述获取图像帧序列中每个图像帧的第一人脸参数，包括：
    获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；
    根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；
    基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
  4. 根据权利要求2所述的方法，其中，所述第一人脸参数包括人脸图像坐标，所述在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列，包括：
    在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
  5. 根据权利要求1至4任意一项所述的方法，其中，所述第一人脸参数包括以下至少一个参数：
    人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
  6. 根据权利要求1至5任意一项所述的方法，其中，所述根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数，包括：
    对每个人脸图像的第一人脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
  7. 根据权利要求1至5任意一项所述的方法，其中，所述根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数，包括：
    分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；
    根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
  8. 根据权利要求1至7任意一项所述的方法，其中，所述根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像，包括：
    根据所述质量分数，确定存储至缓存队列的人脸图像；
    对所述缓存队列的多个人脸图像进行排序，得到排序结果；
    根据所述排序结果，得到用于人脸识别的目标人脸图像。
  9. 根据权利要求8所述的方法，其中，所述根据所述质量分数，确定存储至缓存队列的人脸图像，包括：
    将每个人脸图像的质量分数与预设的分数阈值进行比对；
    在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
  10. 根据权利要求8所述的方法，其中，所述根据所述排序结果，得到用于人脸识别的目标人脸图像，包括：
    根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；
    将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
  11. 根据权利要求1至10任意一项所述的方法，其中，所述第二人脸参数包括以下至少一个参数：人脸图像锐度、人脸图像亮度、人脸图像像素点数量。
  12. 一种图像处理装置，包括：
    获取模块，配置为对图像帧序列进行筛选，获取第一人脸参数符合预设条件的人脸图像帧序列；
    第一确定模块，配置为确定所述人脸图像帧序列中每个人脸图像的第二人脸参数；
    第二确定模块，配置为根据所述人脸图像帧序列中每个人脸图像的第一人脸参数和第二人脸参数，确定所述人脸图像帧序列中每个人脸图像的质量分数；
    第三确定模块，配置为根据人脸图像帧序列中每个人脸图像的质量分数，得到用于人脸识别的目标人脸图像。
  13. 根据权利要求12所述的装置，其中，所述预设条件包括第一人脸参数在预设的标准参数区间；所述装置还包括：
    判断模块，配置为所述获取模块对图像帧序列进行筛选，获取第一人脸参数符合预 设条件的人脸图像帧序列之前，获取图像帧序列中每个图像帧的第一人脸参数；在所述第一人脸参数在所述标准参数区间内的情况下，确定该图像帧为符合所述预设条件的人脸图像帧序列。
  14. 根据权利要求13所述的装置，其中，所述判断模块，配置为获取用于采集所述图像帧序列的图像采集装置的朝向信息和位置信息；根据所述图像采集装置的朝向信息和位置信息，确定所述图像帧序列中每个图像帧的人脸朝向信息；基于所述人脸朝向信息，获取每个图像帧的第一人脸参数。
  15. 根据权利要求13所述的装置，其中，所述第一人脸参数包括人脸图像坐标；所述判断模块，配置为在所述人脸图像坐标在所述标准坐标区间内的情况下，确定该图像帧属于符合所述预设条件的人脸图像帧序列。
  16. 根据权利要求12至15任意一项所述的装置，其中，所述第一人脸参数包括以下至少一个参数：人脸图像宽度、人脸图像高度、人脸图像坐标、人脸图像对准度、人脸图像姿态角。
  17. 根据权利要求12至16任意一项所述的装置，其中，所述第二确定模块，配置为对每个人脸图像的第一人脸参数和第二人脸参数进行加权处理，基于加权处理结果得到所述人脸图像的质量分数。
  18. 根据权利要求12至16任意一项所述的装置，其中，所述第二确定模块，配置为分别根据所述第一人脸参数和第二人脸参数与人脸图像的识别率的相关性，确定所述第一人脸参数和所述第二人脸参数中每个人脸参数对应的参数评分；根据每个人脸参数对应的参数评分，确定每个人脸图像的质量分数。
  19. 根据权利要求12至18任意一项所述的装置，其中，所述第三确定模块，配置为根据所述质量分数，确定存储至缓存队列的人脸图像；对所述缓存队列的多个人脸图像进行排序，得到排序结果；根据所述排序结果，得到用于人脸识别的目标人脸图像。
  20. 根据权利要求19所述的装置，其中，所述第三确定模块，配置为将每个人脸图像的质量分数与预设的分数阈值进行比对；在所述人脸图像的质量分数的质量分数大于预设的分数阈值的情况下，确定将所述人脸图像存储至缓存队列。
  21. 根据权利要求19所述的装置，其中，所述第三确定模块，配置为根据所述排序结果，确定所述缓存队列中质量分数最高的人脸图像；将所述缓存队列中质量分数最高的人脸图像，确定为用于人脸识别的目标人脸图像。
  22. 根据权利要求12至21任意一项所述的装置，其中，所述第二人脸参数包括以下至少一个参数：人脸图像锐度、人脸图像亮度、人脸图像像素点数量。
  23. 一种电子设备，包括：
    处理器；
    用于存储处理器可执行指令的存储器；
    其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至11中任意一项所述的方法。
  24. 一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。
PCT/CN2020/087784 2019-06-28 2020-04-29 图像处理方法及装置、电子设备和存储介质 WO2020259073A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020573222A JP2021531554A (ja) 2019-06-28 2020-04-29 画像処理方法及び装置、電子機器並びに記憶媒体
SG11202108646XA SG11202108646XA (en) 2019-06-28 2020-04-29 Image processing method and apparatus, electronic device, and storage medium
KR1020217007096A KR20210042952A (ko) 2019-06-28 2020-04-29 이미지 처리 방법 및 장치, 전자 기기 및 저장 매체
US17/395,597 US20210374447A1 (en) 2019-06-28 2021-08-06 Method and device for processing image, electronic equipment, and storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
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
CN201910575840.3 2019-06-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/395,597 Continuation US20210374447A1 (en) 2019-06-28 2021-08-06 Method and device for processing image, electronic equipment, and storage medium

Publications (1)

Publication Number Publication Date
WO2020259073A1 true WO2020259073A1 (zh) 2020-12-30

Family

ID=68029478

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/087784 WO2020259073A1 (zh) 2019-06-28 2020-04-29 图像处理方法及装置、电子设备和存储介质

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 (11)

* Cited by examiner, † Cited by third party
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
CN113505700A (zh) * 2021-07-12 2021-10-15 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及存储介质
KR20230053144A (ko) * 2021-10-14 2023-04-21 삼성전자주식회사 전자 장치 및 전자 장치에서 촬영 기능을 수행하는 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US9971933B1 (en) * 2017-01-09 2018-05-15 Ulsee Inc. Facial image screening method and face recognition system thereof
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
CN108491784A (zh) * 2018-03-16 2018-09-04 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
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

Family Cites Families (8)

* Cited by examiner, † Cited by third party
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
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
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
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
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US9971933B1 (en) * 2017-01-09 2018-05-15 Ulsee Inc. Facial image screening method and face recognition system thereof
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
CN108491784A (zh) * 2018-03-16 2018-09-04 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
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

Also Published As

Publication number Publication date
JP2021531554A (ja) 2021-11-18
TW202105239A (zh) 2021-02-01
CN110298310A (zh) 2019-10-01
SG11202108646XA (en) 2021-09-29
KR20210042952A (ko) 2021-04-20
US20210374447A1 (en) 2021-12-02

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
WO2021031609A1 (zh) 活体检测方法及装置、电子设备和存储介质
EP2998960B1 (en) Method and device for video browsing
WO2017088470A1 (zh) 图像分类方法及装置
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
CN106331504B (zh) 拍摄方法及装置
CN111553864B (zh) 图像修复方法及装置、电子设备和存储介质
WO2021093375A1 (zh) 检测同行人的方法及装置、系统、电子设备和存储介质
EP3893495B1 (en) Method for selecting images based on continuous shooting and electronic device
CN105335684B (zh) 人脸检测方法及装置
WO2019011098A1 (zh) 解锁控制方法及相关产品
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
CN111523346B (zh) 图像识别方法及装置、电子设备和存储介质
EP3975046B1 (en) Method and apparatus for detecting occluded image and medium
TWI766458B (zh) 資訊識別方法及裝置、電子設備、儲存媒體
EP2712176B1 (en) Method and apparatus for photography
US9799376B2 (en) Method and device for video browsing based on keyframe
CN111242188A (zh) 入侵检测方法、装置及存储介质
CN105528078A (zh) 控制电子设备的方法及装置
CN110796094A (zh) 基于图像识别的控制方法及装置、电子设备和存储介质
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020573222

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20833176

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20217007096

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 25.04.2022)

122 Ep: pct application non-entry in european phase

Ref document number: 20833176

Country of ref document: EP

Kind code of ref document: A1