CN107633485B - 脸部亮度调整方法、装置、设备及存储介质 - Google Patents
脸部亮度调整方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN107633485B CN107633485B CN201710666697.XA CN201710666697A CN107633485B CN 107633485 B CN107633485 B CN 107633485B CN 201710666697 A CN201710666697 A CN 201710666697A CN 107633485 B CN107633485 B CN 107633485B
- Authority
- CN
- China
- Prior art keywords
- adjusted
- area
- determining
- image
- adjusting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 239000000203 mixture Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 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
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了脸部亮度调整方法、装置、设备及存储介质,其中方法包括:对待处理的图像进行人脸皮肤检测,得到检测出的特征块;根据预先构建出的背景图像,确定出待处理的图像中的前景区域;将位于前景区域中的特征块对应的区域确定为待调整区域;针对每个待调整区域,若确定需要进行亮度调整,则确定出调整系数,并按照确定出的调整系数进行亮度调整。应用本发明所述方案,能够提高后续人脸识别结果的准确性及降低硬件实现成本等。
Description
【技术领域】
本发明涉及计算机应用技术,特别涉及脸部亮度调整方法、装置、设备及存储介质。
【背景技术】
在人脸识别中,因为摄像头放置位置的差异,光线的变化非常明显,这对人脸识别有着非常大的影响。
现有的人脸识别的相关产品,从算法层面已经能够很好的满足多种场景的需求,但是识别的准确性严重依赖于能够获得一张人脸清晰的图像,而实际的应用场景中,由于光线的不同,尤其是在室外的应用场景中,很难获得算法能够进行正确识别的清晰图像。
为此,现有技术中提出,可采用宽动态摄像头来进行图像采集,但是这一方面增加了硬件实现成本,另一方面,宽动态摄像头采集的图像通常前后背景层次感较低,人脸检测算法比较难以准确地检测出人脸,进而降低了后续人脸识别结果的准确性。
【发明内容】
有鉴于此,本发明提供了脸部亮度调整方法、装置、设备及存储介质,能够提高后续人脸识别结果的准确性及降低硬件实现成本。
具体技术方案如下:
一种脸部亮度调整方法,包括:
对待处理的图像进行人脸皮肤检测,得到检测出的特征块;
根据预先构建出的背景图像,确定出所述待处理的图像中的前景区域;
将位于所述前景区域中的特征块对应的区域确定为待调整区域;
针对每个待调整区域,若确定需要对所述待调整区域进行亮度调整,则确定出调整系数,并按照所述调整系数对所述待调整区域进行亮度调整。
根据本发明一优选实施例,所述对待处理的图像进行人脸皮肤检测包括:
将所述待处理的图像从RGB图像转换到YCgCr图像;
对所述YCgCr图像进行人脸皮肤检测。
根据本发明一优选实施例,所述对待处理的图像进行人脸皮肤检测之前,进一步包括:
利用混合高斯背景建模方法,构建出所述背景图像。
根据本发明一优选实施例,所述确定需要对所述待调整区域进行亮度调整包括:
将所述待调整区域从RGB空间转换到HSV空间;
针对所述HSV空间中的V分量进行直方图统计;
将所述直方图划分为左右两部分,计算两部分的面积比P;
获取所述直方图的峰值位置VLP;
根据所述P以及所述VLP确定出所述待调整区域的曝光状态,所述曝光状态包括:曝光不足、曝光过度以及正常;
当所述曝光状态为曝光不足或曝光过度时,确定需要对所述待调整区域进行亮度调整。
根据本发明一优选实施例,所述将所述直方图划分为左右两部分,计算两部分的面积比P包括:
分别计算左部分面积S1以及右部分面积S2;
所述Ni表示当V分量的取值分别为1~256时,对应的像素点的个数;
计算P=S2/S1;
根据本发明一优选实施例,所述根据所述P以及所述VLP确定出所述待调整区域的曝光状态包括:
若所述S1等于0,则确定所述待调整区域的曝光状态为曝光过度;
将所述VLP归一化为0~1之间的值,若所述VLP<0.47∩P<T1,则确定所述待调整区域的曝光状态为曝光不足;
将所述VLP归一化为0~1之间的值,若所述VLP>0.53∩P>T2,则确定所述待调整区域的曝光状态为曝光过度;
否则,确定所述待调整区域的曝光状态为正常;
其中,T1和T2均为预先设定的阈值。
根据本发明一优选实施例,所述确定出调整系数包括:
将所述待调整区域从RGB空间转换到HSV空间;
分别确定出所述待调整区域中的各像素点的H分量的最大值Ymax以及最小值Ymin;
针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y';
统计出Y'的取值位于预定区间内的像素点个数n;
根据本发明一优选实施例,所述针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y'包括:
针对所述待调整区域中的每个像素点,分别计算其修正后的H分量Y',Y'=(Y-Ymin)/(Ymax-Ymin),Y表示修正前的H分量;
所述预定区间包括:[aYmax,Ymax],a表示预先设定的系数,a大于0且小于1。
根据本发明一优选实施例,所述按照所述调整系数对所述待调整区域进行亮度调整包括:
针对所述待调整区域中的RGB三个通道,分别乘以所述调整系数,得到所述待调整区域的亮度调整结果。
一种脸部亮度调整装置,包括:检测单元、提取单元、融合单元以及调整单元;
所述检测单元,用于对待处理的图像进行人脸皮肤检测,得到检测出的特征块;
所述提取单元,用于根据预先构建出的背景图像,确定出所述待处理的图像中的前景区域;
所述融合单元,用于将位于所述前景区域中的特征块对应的区域确定为待调整区域;
所述调整单元,用于针对每个待调整区域,若确定需要进行亮度调整,则确定出调整系数,并按照所述调整系数对所述待调整区域进行亮度调整。
根据本发明一优选实施例,所述检测单元将所述待处理的图像从RGB图像转换到YCgCr图像,对所述YCgCr图像进行人脸皮肤检测。
根据本发明一优选实施例,所述装置中进一步包括:预处理单元;
所述预处理单元,用于利用混合高斯背景建模方法,构建出所述背景图像。
根据本发明一优选实施例,所述调整单元包括:第一调整子单元、第二调整子单元以及第三调整子单元;
所述第一调整子单元,用于针对每个待调整区域,分别将所述待调整区域从RGB空间转换到HSV空间;针对所述HSV空间中的V分量进行直方图统计;将所述直方图划分为左右两部分,计算两部分的面积比P;获取所述直方图的峰值位置VLP;根据所述P以及所述VLP确定出所述待调整区域的曝光状态,所述曝光状态包括:曝光不足、曝光过度以及正常;当所述曝光状态为曝光不足或曝光过度时,确定需要对所述待调整区域进行亮度调整;
所述第二调整子单元,用于在当确定需要对所述待调整区域进行亮度调整时,确定出调整系数;
所述第三调整子单元,用于按照所述调整系数对所述待调整区域进行亮度调整。
所述P=S2/S1;
根据本发明一优选实施例,若所述S1等于0,则所述第一调整子单元确定所述待调整区域的曝光状态为曝光过度;
所述第一调整子单元将所述VLP归一化为0~1之间的值,若所述VLP<0.47∩P<T1,则确定所述待调整区域的曝光状态为曝光不足;
所述第一调整子单元将所述VLP归一化为0~1之间的值,若所述VLP>0.53∩P>T2,则确定所述待调整区域的曝光状态为曝光过度;
否则,所述第一调整子单元确定所述待调整区域的曝光状态为正常;
其中,T1和T2均为预先设定的阈值。
根据本发明一优选实施例,所述第二调整子单元将所述待调整区域从RGB空间转换到HSV空间;分别确定出所述待调整区域中的各像素点的H分量的最大值Ymax以及最小值Ymin;针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y';统计出Y'的取值位于预定区间内的像素点个数n;计算统计出的n个像素点的Y'的均值根据预先设定的不同与不同调整系数之间的对应关系,确定出所述对应的调整系数。
根据本发明一优选实施例,所述第二调整子单元针对所述待调整区域中的每个像素点,分别计算其修正后的H分量Y',Y'=(Y-Ymin)/(Ymax-Ymin),Y表示修正前的H分量;
所述预定区间包括:[aYmax,Ymax],a表示预先设定的系数,a大于0且小于1。
根据本发明一优选实施例,所述第三调整子单元针对所述待调整区域中的RGB三个通道,分别乘以所述调整系数,得到所述待调整区域的亮度调整结果。
一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,可对待处理的图像进行人脸皮肤检测,得到检测出的特征块,并可根据预先构建出的背景图像,确定出待处理的图像中的前景区域,进而可将位于前景区域中的特征块对应的区域确定为待调整区域,并针对每个待调整区域,分别确定是否需要对其进行亮度调整,若是,则可进一步确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整,即可以很好的在不同的光线条件下动态地调整人脸的亮度到一个合适的范围,以便后续进行人脸识别等处理;相比于现有技术,本发明所述方案中无需采用宽动态摄像头来进行图像采集,从而降低了硬件实现成本,而且,避免了宽动态摄像头采集的图像前后背景层次感较低等问题,进而提高了后续人脸识别结果的准确性。
【附图说明】
图1为本发明所述脸部亮度调整方法实施例的流程图。
图2为本发明所述确定是否需要对待调整区域进行亮度调整的方法实施例的流程图。
图3为本发明所述确定调整系数的方法实施例的流程图。
图4为本发明所述脸部亮度调整方法的实现框架示意图。
图5为本发明脸部亮度调整装置实施例的组成结构示意图。
图6示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案进行进一步说明。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明所述脸部亮度调整方法实施例的流程图,如图1所示,包括以下具体实现方式。
在101中,对待处理的图像进行人脸皮肤检测,得到检测出的特征块。
比如,对于摄像头采集到的每帧图像,可分别将其作为待处理的图像,对其进行人脸皮肤检测。
采集到的图像通常为RGB图像,相比于RGB图像,YCgCr图像的检测效果更好,因此,通常会先将待处理的图像从RGB图像转换到YCgCr图像,然后再对YCgCr图像进行人脸皮肤检测。
转换方法可如下所示:
如何基于YCgCr图像进行人脸皮肤检测为现有技术。
通过人脸皮肤检测,可以得到一个或多个特征块,这些特征块就是所需的人脸区域。
在102中,根据预先构建出的背景图像,确定出待处理的图像中的前景区域。
为了确定出待处理的图像中的前景区域,需要预先构建出场景的背景图像。较佳地,可利用混合高斯背景建模方法,构建出背景图像。
人脸场景中的每个像素点的取值都可以由K个高斯成分组成的混合高斯分布来表示,即,图像中的像素j在时刻t的取值为xj的概率为:
d表示xj的维数。
在初始化时,针对每个像素点的每个颜色通道,可以对K个高斯成分直接初始化较大的协方差对每个高斯分布的权重取winit=1/K,并取第一帧图像的每个像素值来对混合高斯模型中的K个高斯分布的均值进行初始化。
在实际应用时,每个像素点的混合高斯模型不断被更新学习,从而构建出场景的背景图像。
如何利用混合高斯背景建模方法构建出背景图像为现有技术。
在构建出背景图像之后,后续可定期或当确定背景发生变化时,对背景图像进行更新,以确保背景图像的准确性。
通过与背景图像进行比较等,可确定出待处理的图像中的前景区域,即动态人体区域。
在此基础上,还可对获取到的前景区域进行过滤处理,去除干扰区域,干扰区域可包括错误地判定为前景的背景部分等。
比如,可结合待处理的图像及之前获取到的M帧图像,M为正整数,确定出人体在图像中的运动轨迹,通过运动轨迹从前景区域中去除干扰区域。
在103中,将位于前景区域中的特征块对应的区域确定为待调整区域。
经过102中的处理之后,可进一步确定出位于前景区域中的特征块,从而将位于前景区域中的特征块确定为待调整区域。
通过上述的一系列处理,结合前景区域提取以及特征块等,可准确地确定出人脸区域,并将其作为待调整区域。
在104中,针对每个待调整区域,若确定需要进行亮度调整,则确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整。
针对每个待调整区域,需要首先确定出是否需要对其进行亮度调整,如果需要,则可进一步确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整,如果不需要,则无需对待调整区域进行后续处理。
图2为本发明所述确定是否需要对待调整区域进行亮度调整的方法实施例的流程图,如图2所示,包括以下具体实现方式。
在201中,将待调整区域从RGB空间转换到HSV空间。
如何转换为现有技术。
在202中,针对HSV空间中的V分量进行直方图统计。
可将人脸的亮度看成是一种能量,将待调整区域从RGB空间转换到HSV空间,并针对HSV空间中的V分量进行直方图统计,每一级的统计值对应它的能量强度,级数越高,图像亮度越大。
较佳地,针对HSV空间中的V分量进行直方图统计,即指当V分量的取值分别为1~256时,分别统计对应的像素点的个数,比如,当V分量的取值为10时,统计待调整区域中的各像素点中,V分量的取值为10的像素点的个数。
在203中,将直方图划分为左右两部分,计算两部分的面积比P。
比如,首先可分别计算左部分面积S1以及右部分面积S2。
Ni表示当V分量的取值分别为1~256时,对应的像素点的个数。
之后,计算P=S2/S1; (6)
即有:
可以看出,当S1=0时,P的取值将为∞。
在204中,获取直方图的峰值位置VLP。
即获取取值最大的Ni对应的V分量的取值。
在205中,根据P以及VLP确定出待调整区域的曝光状态,曝光状态包括:曝光不足、曝光过度以及正常。
比如,若S1等于0,则可确定待调整区域的曝光状态为曝光过度。
将VLP归一化为0~1之间的值,若VLP<0.47∩P<T1,则可确定待调整区域的曝光状态为曝光不足。
将VLP归一化为0~1之间的值,若VLP>0.53∩P>T2,则可确定待调整区域的曝光状态为曝光过度。
否则,即不属于上述任一情况,则可确定待调整区域的曝光状态为正常。
T1和T2均为预先设定的阈值。
为了确定T1和T2两个阈值,可在相同场景下,将相机的曝光时间从最小变化到最大,能观察到一个场景中图像从曝光不足到曝光过度,P值的逐渐变化过程。通过比较不同场景下的P值变化曲线,可将阈值T1,T2分别设置为0.75和2,在这两个取值下,能有效地区分图像的曝光状态。
在206中,当曝光状态为曝光不足或曝光过度时,则确定需要对待调整区域进行亮度调整。
如果确定需要对待调整区域进行亮度调整,之后还需要进一步确定出调整系数。
图3为本发明所述确定调整系数的方法实施例的流程图,如图3所示,包括以下具体实现方式。
在301中,分别确定出待调整区域中的各像素点的H分量的最大值以及最小值。
如前所述,已经将待调整区域从RGB空间转换到了HSV空间,那么可以很容易地找出H分量中的最大值Ymax以及最小值Ymin。
在302中,针对待调整区域中的每个像素点,分别根据所述最大值和最小值确定出其修正后的H分量。
比如,针对待调整区域中的每个像素点,可分别计算其修正后的H分量Y':
Y'=(Y-Ymin)/(Ymax-Ymin); (9)
其中,Y表示修正前的H分量。
在303中,统计出修正后的H分量的取值位于预定区间内的像素点个数n。
比如,所述预定区间可为:[aYmax,Ymax],a表示预先设定的系数,a大于0且小于1,较佳地,可为0.95。
比如,对于曝光不足的情况,可设定:
其中,δ'表示调整系数。
所述对应关系可根据实际需要设定,不限于以上所示。
在确定出调整系数之后,即可按照调整系数对待调整区域进行亮度调整。
比如,针对待调整区域中的RGB三个通道,分别乘以该调整系数,从而得到待调整区域的亮度调整结果。
基于上述介绍,图4为本发明所述脸部亮度调整方法的实现框架示意图,如图4所示,摄像头进行图像采集,初始阶段,可利用混合高斯背景建模方法,根据采集到的图像构建出背景图像,之后,即可针对采集到的图像进行实际的脸部亮度调整,其中,在每采集到的一帧图像之后,可将其作为待处理的图像,从待处理的图像中检测出人脸区域所在的特征块,并根据背景图像,提取出待处理的图像中的前景区域,进而结合特征块及前景区域确定出待调整区域,之后,对待调整区域进行曝光状态判断,以便确定是否需要对其进行亮度调整,若是,则按照进一步确定出的调整系数对待调整区域进行亮度调整,后续,即可基于本发明所述处理结果,按照现有技术进行人脸识别等。
需要说明的是,对于前述的方法实施例,为了简单描述,故将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
由于人脸识别技术只与人脸部分相关而与背景无关,因此,可仅对图像中的人脸区域进行亮度调整,采用上述方法实施例所述方案,可以很好的在不同的光线条件下动态地调整人脸的亮度到一个合适的范围,以便后续进行人脸识别等处理。
相比于现有技术,上述方法实施例所述方案中无需采用宽动态摄像头来进行图像采集,从而降低了硬件实现成本,而且,避免了宽动态摄像头采集的图像前后背景层次感较低等问题,进而提高了后续人脸识别结果的准确性。
另外,采用上述方法实施例所述方案,很好的解决了人脸识别技术在不同光线场景下的适用性,使得人脸识别技术能够得到更为广泛的应用,比如应用于室外的人脸检票***、人脸门禁***等。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图5为本发明脸部亮度调整装置实施例的组成结构示意图,如图5所示,包括:检测单元501、提取单元502、融合单元503以及调整单元504。
检测单元501,用于对待处理的图像进行人脸皮肤检测,得到检测出的特征块。
提取单元502,用于根据预先构建出的背景图像,确定出待处理的图像中的前景区域。
融合单元503,用于将位于前景区域中的特征块对应的区域确定为待调整区域。
调整单元504,用于针对每个待调整区域,若确定需要进行亮度调整,则确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整。
摄像头采集到的图像通常为RGB图像,相比于RGB图像,YCgCr图像的检测效果更好,因此,检测单元501通常会先将待处理的图像从RGB图像转换到YCgCr图像,然后再对YCgCr图像进行人脸皮肤检测。
通过人脸皮肤检测,可以得到一个或多个特征块,这些特征块就是所需的人脸区域。
另外,为了确定出待处理的图像中的前景区域,还需要预先构建出场景的背景图像。
相应地,图5所示装置中可进一步包括:预处理单元500。
预处理单元500可利用混合高斯背景建模方法,构建出背景图像。
在构建出背景图像之后,后续可定期或当确定背景发生变化时,对背景图像进行更新,以确保背景图像的准确性。
提取单元502可通过将待处理的图像与背景图像进行比较等,确定出待处理的图像中的前景区域。
融合单元503可将位于前景区域中的特征块对应的区域确定为待调整区域。
之后,调整单元504可针对每个待调整区域,分别确定出是否需要对其进行亮度调整,若是,则可进一步确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整。
如图5所示,调整单元504中可具体包括:第一调整子单元5041、第二调整子单元5042以及第三调整子单元5043。
第一调整子单元5041,用于针对每个待调整区域,分别将待调整区域从RGB空间转换到HSV空间;针对HSV空间中的V分量进行直方图统计;将直方图划分为左右两部分,计算两部分的面积比P;获取直方图的峰值位置VLP;根据P以及VLP确定出待调整区域的曝光状态,曝光状态包括:曝光不足、曝光过度以及正常;当曝光状态为曝光不足或曝光过度时,确定需要对待调整区域进行亮度调整。
第二调整子单元5042,用于在当确定需要对待调整区域进行亮度调整时,确定出调整系数。
第三调整子单元5043,用于按照调整系数对待调整区域进行亮度调整。
第一调整子单元5041可将待调整区域从RGB空间转换到HSV空间,并针对HSV空间中的V分量进行直方图统计,之后,可分别计算直方图的左部分面积S1以及右部分面积S2。
其中:
Ni表示当V分量的取值分别为1~256时,对应的像素点的个数。
之后,第一调整子单元5041可计算P=S2/S1; (6)
即有:
可以看出,当S1=0时,P的取值将为∞。
之后,第一调整子单元5041可根据P以及VLP确定出待调整区域的曝光状态,曝光状态包括:曝光不足、曝光过度以及正常。
比如,若S1等于0,则第一调整子单元5041确定待调整区域的曝光状态为曝光过度。
第一调整子单元5041将VLP归一化为0~1之间的值,若VLP<0.47∩P<T1,则确定待调整区域的曝光状态为曝光不足。
第一调整子单元5041将VLP归一化为0~1之间的值,若VLP>0.53∩P>T2,则确定待调整区域的曝光状态为曝光过度。
否则,第一调整子单元5041确定待调整区域的曝光状态为正常。
其中,T1和T2均为预先设定的阈值。
为了确定T1和T2两个阈值,可在相同场景下,将相机的曝光时间从最小变化到最大,能观察到一个场景中图像从曝光不足到曝光过度,P值的逐渐变化过程。通过比较不同场景下的P值变化曲线,可将阈值T1,T2分别设置为0.75和2,在这两个取值下,能有效地区分图像的曝光状态。
当曝光状态为曝光不足或曝光过度时,则可确定需要对待调整区域进行亮度调整。
如果确定需要对待调整区域进行亮度调整,那么可由第二调整子单元5042进一步确定出调整系数。
具体地,第二调整子单元5042可将待调整区域从RGB空间转换到HSV空间;分别确定出待调整区域中的各像素点的H分量的最大值Ymax以及最小值Ymin;针对待调整区域中的每个像素点,分别根据Ymax和Ymin确定出其修正后的H分量Y';统计出Y'的取值位于预定区间内的像素点个数n;计算统计出的n个像素点的Y'的均值根据预先设定的不同与不同调整系数之间的对应关系,确定出对应的调整系数。
其中,第二调整子单元5042可针对待调整区域中的每个像素点,分别计算其修正后的H分量Y':
Y'=(Y-Ymin)/(Ymax-Ymin); (9)
Y表示修正前的H分量。
所述预定区间可为:[aYmax,Ymax],a表示预先设定的系数,a大于0且小于1,较佳地,可为0.95。
其中,δ'表示调整系数。
在确定出调整系数之后,第三调整子单元5043即可按照调整系数对待调整区域进行亮度调整。
比如,第三调整子单元5043可针对待调整区域中的RGB三个通道,分别乘以该调整系数,从而得到待调整区域的亮度调整结果。
图5所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,不再赘述。
总之,采用上述装置实施例所述方案,可以很好的在不同的光线条件下动态地调整人脸的亮度到一个合适的范围,以便后续进行人脸识别等处理。
相比于现有技术,上述装置实施例所述方案中无需采用宽动态摄像头来进行图像采集,从而降低了硬件实现成本,而且,避免了宽动态摄像头采集的图像前后背景层次感较低等问题,进而提高了后续人脸识别结果的准确性。
另外,采用上述装置实施例所述方案,很好的解决了人脸识别技术在不同光线场景下的适用性,使得人脸识别技术能够得到更为广泛的应用,比如应用于室外的人脸检票***、人脸门禁***等。
图6示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图6显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器(处理单元)16,存储器28,连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1、2或3所示实施例中的方法,即对待处理的图像进行人脸皮肤检测,得到检测出的特征块,根据预先构建出的背景图像,确定出待处理的图像中的前景区域,将位于前景区域中的特征块对应的区域确定为待调整区域,针对每个待调整区域,若确定需要进行亮度调整,则确定出调整系数,并按照确定出的调整系数对待调整区域进行亮度调整。
具体实现请参照前述各实施例中的相关说明,不再赘述。
本发明同时公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时将实现如图1、2或3所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码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)。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法等,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (20)
1.一种脸部亮度调整方法,其特征在于,包括:
对待处理的图像进行人脸皮肤检测,得到检测出的特征块;
根据预先构建出的背景图像,确定出所述待处理的图像中的前景区域;
将位于所述前景区域中的特征块对应的区域确定为待调整区域;
2.根据权利要求1所述的方法,其特征在于,
所述对待处理的图像进行人脸皮肤检测包括:
将所述待处理的图像从RGB图像转换到YCgCr图像;
对所述YCgCr图像进行人脸皮肤检测。
3.根据权利要求1所述的方法,其特征在于,
所述对待处理的图像进行人脸皮肤检测之前,进一步包括:
利用混合高斯背景建模方法,构建出所述背景图像。
4.根据权利要求1所述的方法,其特征在于,
所述确定需要进行亮度调整包括:
将所述待调整区域从RGB空间转换到HSV空间;
针对所述HSV空间中的V分量进行直方图统计;
将所述直方图划分为左右两部分,计算两部分的面积比P;
获取所述直方图的峰值位置VLP;
根据所述P以及所述VLP确定出所述待调整区域的曝光状态,所述曝光状态包括:曝光不足、曝光过度以及正常;
当所述曝光状态为曝光不足或曝光过度时,确定需要对所述待调整区域进行亮度调整。
6.根据权利要求5所述的方法,其特征在于,
所述根据所述P以及所述VLP确定出所述待调整区域的曝光状态包括:
若所述S1等于0,则确定所述待调整区域的曝光状态为曝光过度;
将所述VLP归一化为0~1之间的值,若所述VLP<0.47∩P<T1,则确定所述待调整区域的曝光状态为曝光不足;
将所述VLP归一化为0~1之间的值,若所述VLP>0.53∩P>T2,则确定所述待调整区域的曝光状态为曝光过度;
否则,确定所述待调整区域的曝光状态为正常;
其中,T1和T2均为预先设定的阈值。
7.根据权利要求1所述的方法,其特征在于,
所述确定出其修正后的H分量Y'包括:
分别确定出所述待调整区域中的各像素点的H分量的最大值Ymax以及最小值Ymin;
针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y'。
8.根据权利要求7所述的方法,其特征在于,
所述针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y'包括:
针对所述待调整区域中的每个像素点,分别计算其修正后的H分量Y',Y'=(Y-Ymin)/(Ymax-Ymin),Y表示修正前的H分量。
9.根据权利要求1所述的方法,其特征在于,
所述按照所述调整系数对所述待调整区域进行亮度调整包括:
针对所述待调整区域中的RGB三个通道,分别乘以所述调整系数,得到所述待调整区域的亮度调整结果。
10.一种脸部亮度调整装置,其特征在于,包括:检测单元、提取单元、融合单元以及调整单元;
所述检测单元,用于对待处理的图像进行人脸皮肤检测,得到检测出的特征块;
所述提取单元,用于根据预先构建出的背景图像,确定出所述待处理的图像中的前景区域;
所述融合单元,用于将位于所述前景区域中的特征块对应的区域确定为待调整区域;
11.根据权利要求10所述的装置,其特征在于,
所述检测单元将所述待处理的图像从RGB图像转换到YCgCr图像,对所述YCgCr图像进行人脸皮肤检测。
12.根据权利要求10所述的装置,其特征在于,
所述装置中进一步包括:预处理单元;
所述预处理单元,用于利用混合高斯背景建模方法,构建出所述背景图像。
13.根据权利要求10所述的装置,其特征在于,
所述调整单元包括:第一调整子单元、第二调整子单元以及第三调整子单元;
所述第一调整子单元,用于针对每个待调整区域,分别将所述待调整区域从RGB空间转换到HSV空间;针对所述HSV空间中的V分量进行直方图统计;将所述直方图划分为左右两部分,计算两部分的面积比P;获取所述直方图的峰值位置VLP;根据所述P以及所述VLP确定出所述待调整区域的曝光状态,所述曝光状态包括:曝光不足、曝光过度以及正常;当所述曝光状态为曝光不足或曝光过度时,确定需要对所述待调整区域进行亮度调整;
所述第二调整子单元,用于在当确定需要对所述待调整区域进行亮度调整时,确定出调整系数;
所述第三调整子单元,用于按照所述调整系数对所述待调整区域进行亮度调整。
15.根据权利要求14所述的装置,其特征在于,
若所述S1等于0,则所述第一调整子单元确定所述待调整区域的曝光状态为曝光过度;
所述第一调整子单元将所述VLP归一化为0~1之间的值,若所述VLP<0.47∩P<T1,则确定所述待调整区域的曝光状态为曝光不足;
所述第一调整子单元将所述VLP归一化为0~1之间的值,若所述VLP>0.53∩P>T2,则确定所述待调整区域的曝光状态为曝光过度;
否则,所述第一调整子单元确定所述待调整区域的曝光状态为正常;
其中,T1和T2均为预先设定的阈值。
16.根据权利要求10所述的装置,其特征在于,
所述第二调整子单元分别确定出所述待调整区域中的各像素点的H分量的最大值Ymax以及最小值Ymin,针对所述待调整区域中的每个像素点,分别根据所述Ymax和所述Ymin确定出其修正后的H分量Y'。
17.根据权利要求16所述的装置,其特征在于,
所述第二调整子单元针对所述待调整区域中的每个像素点,分别计算其修正后的H分量Y',Y'=(Y-Ymin)/(Ymax-Ymin),Y表示修正前的H分量。
18.根据权利要求10所述的装置,其特征在于,
所述第三调整子单元针对所述待调整区域中的RGB三个通道,分别乘以所述调整系数,得到所述待调整区域的亮度调整结果。
19.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~9中任一项所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710666697.XA CN107633485B (zh) | 2017-08-07 | 2017-08-07 | 脸部亮度调整方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710666697.XA CN107633485B (zh) | 2017-08-07 | 2017-08-07 | 脸部亮度调整方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107633485A CN107633485A (zh) | 2018-01-26 |
CN107633485B true CN107633485B (zh) | 2022-03-25 |
Family
ID=61099097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710666697.XA Active CN107633485B (zh) | 2017-08-07 | 2017-08-07 | 脸部亮度调整方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107633485B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416333B (zh) * | 2018-03-30 | 2020-01-17 | 百度在线网络技术(北京)有限公司 | 图像处理的方法和装置 |
CN108875545B (zh) * | 2018-04-12 | 2022-02-08 | 北京旷视科技有限公司 | 确定人脸图像的光线状态的方法、装置、***和存储介质 |
CN108446675A (zh) * | 2018-04-28 | 2018-08-24 | 北京京东金融科技控股有限公司 | 面部图像识别方法、装置电子设备及计算机可读介质 |
CN109191403A (zh) * | 2018-09-07 | 2019-01-11 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN111221481A (zh) * | 2018-11-23 | 2020-06-02 | 珠海金山办公软件有限公司 | 一种显示处理的方法、装置、计算机存储介质及终端 |
CN109639981B (zh) * | 2018-12-29 | 2021-12-24 | 维沃移动通信有限公司 | 一种图像拍摄方法及移动终端 |
CN109672829B (zh) * | 2019-01-04 | 2021-02-02 | Oppo广东移动通信有限公司 | 图像亮度的调整方法、装置、存储介质及终端 |
CN112417930B (zh) * | 2019-08-23 | 2023-10-13 | 深圳市优必选科技股份有限公司 | 一种处理图像的方法及机器人 |
CN111275648B (zh) * | 2020-01-21 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 人脸图像处理方法、装置、设备及计算机可读存储介质 |
CN113163101B (zh) * | 2020-01-22 | 2023-02-28 | 浙江宇视科技有限公司 | 图像曝光调整方法、装置、设备和介质 |
CN112969088A (zh) * | 2021-02-01 | 2021-06-15 | 维沃移动通信有限公司 | 投屏控制方法、装置、电子设备和可读存储介质 |
CN115471919B (zh) * | 2022-09-19 | 2023-09-12 | 江苏至真健康科技有限公司 | 一种基于便携式免散瞳眼底照相机的建档方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110046B2 (en) * | 2003-11-04 | 2006-09-19 | Cyberlink Corp. | Method for dynamically adjusting video brightness |
CN101304488B (zh) * | 2008-06-20 | 2010-12-15 | 北京中星微电子有限公司 | 一种图象采集的方法和装置 |
CN101706874A (zh) * | 2009-12-25 | 2010-05-12 | 青岛朗讯科技通讯设备有限公司 | 基于肤色特征的人脸检测方法 |
CN103577791B (zh) * | 2012-07-26 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 一种红眼检测方法和*** |
CN103886579B (zh) * | 2013-12-11 | 2017-02-08 | 西安交通大学 | 面向在线铁谱图像自动识别的磨粒链自适应分割方法 |
CN104468578B (zh) * | 2014-12-10 | 2017-12-26 | 怀效宁 | 一种无线通讯的优先通讯***和通讯方法 |
CN104036464B (zh) * | 2014-06-16 | 2017-03-29 | 北方工业大学 | 基于CbCr角度特征与模型分层的图像增强方法及*** |
CN104994306B (zh) * | 2015-06-29 | 2019-05-03 | 厦门美图之家科技有限公司 | 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置 |
CN105096273A (zh) * | 2015-08-20 | 2015-11-25 | 北京邮电大学 | 一种彩色图像亮度的自动调整方法 |
-
2017
- 2017-08-07 CN CN201710666697.XA patent/CN107633485B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107633485A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633485B (zh) | 脸部亮度调整方法、装置、设备及存储介质 | |
CN109348089B (zh) | 夜景图像处理方法、装置、电子设备及存储介质 | |
US11467661B2 (en) | Gaze-point determining method, contrast adjusting method, and contrast adjusting apparatus, virtual reality device and storage medium | |
WO2022042135A1 (zh) | 人脸图像的选择方法、装置、设备及存储介质 | |
US9262690B2 (en) | Method and device for detecting glare pixels of image | |
US20140369554A1 (en) | Face beautification system and method of use thereof | |
CN111079764B (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
US20080002908A1 (en) | Method and apparatus for diffusion based illumination normalization | |
CN109417605B (zh) | 用于执行自动曝光控制aec的方法、设备、计算机可读媒体及*** | |
CN112102154A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
KR20150051711A (ko) | 유해 콘텐츠 영상 차단을 위한 피부 영역 추출 장치 및 방법 | |
WO2023284236A1 (zh) | 图像盲去噪方法、装置、电子设备和存储介质 | |
CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN117611483A (zh) | 一种图像采集方法、装置、设备及存储介质 | |
TWI425429B (zh) | 影像紋理信號的萃取方法、影像識別方法與影像識別系統 | |
CN111062272A (zh) | 基于色彩恢复的图像处理、行人识别方法、装置与可读存储介质 | |
CN116612355A (zh) | 人脸伪造识别模型训练方法和装置、人脸识别方法和装置 | |
CN107945137B (zh) | 人脸检测方法、电子设备及存储介质 | |
CN113486788A (zh) | 视频相似度确定方法、装置、电子设备及存储介质 | |
CN113642428B (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
WO2021147364A1 (zh) | 图像曝光调整方法、装置、设备和介质 | |
CN113989895A (zh) | 一种人脸皮肤分割方法、电子设备及存储介质 | |
CN110428377B (zh) | 数据扩充方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |