CN109308687A - 用于调节图像亮度的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于调节图像亮度的方法和装置。该方法的一具体实施方式包括：对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域；确定目标图像中呈现运动物体对象的位置区域的亮度均值；基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节。该实施方式可以提高目标图像中呈现的运动物体对象的位置区域的成像质量。

Description

用于调节图像亮度的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于调节图像亮度的方法和装置。

背景技术

随着信息技术的发展，图像处理技术得到了广泛的应用。相关的图像处理技术通常包括图像检测技术、图像识别技术等，还包括调节图像亮度、图像对比度的方法等。

相关图像亮度调节技术中，通常包括对图像中指定区域的图像亮度的调节的方法以及对所获得的图像帧中所有的像素点进行亮度调节的方法。

发明内容

本申请实施例提出了用于调节图像亮度的方法和装置。

第一方面，本申请实施例提供了一种用于调节图像亮度的方法，包括：对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域；确定目标图像中呈现运动物体对象的位置区域的亮度均值；基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节。

在一些实施例中，基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节，包括：确定目标图像的亮度均值；确定目标图像的亮度均值与目标图像中呈现运动物体对象的位置区域的亮度均值的比值；基于目标图像的各像素的像素亮度值和比值，对目标图像进行亮度调节。

在一些实施例中，基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节，包括：将目标图像中呈现运动物体对象的位置区域作为第一位置区域，将目标图像中呈现运动物体对象的位置区域之外的位置区域作为第二位置区域，确定第二位置区域的亮度均值；分别确定第一位置区域的亮度均值和第二位置区域的亮度均值是否达到预设阈值；响应于确定第一位置区域的亮度均值和第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。

在一些实施例中，对获取到的目标图像中呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域，包括：对目标图像和参考图像进行差值运算，生成运算后的帧差图；对帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在目标图像中的位置区域。

在一些实施例中，对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域，包括：将目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示目标图像中呈现运动物体对象的位置区域的检测结果，其中，目标图像的特征向量包括目标图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量，目标图像中每个像素点的运动分量是基于目标图像和参考图像之间的光流场得到的。

第二方面，本申请实施例提供了一种用于调节图像亮度的装置，包括：检测单元，被配置成对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域；确定单元，被配置成确定目标图像中呈现运动物体对象的位置区域的亮度均值；调节单元，被配置成基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节。

在一些实施例中，调节单元进一步被配置成：确定目标图像的亮度均值；确定目标图像的亮度均值与目标图像中呈现运动物体对象的位置区域的亮度均值的比值；基于目标图像的各像素的像素亮度值和比值，对目标图像进行亮度调节。

在一些实施例中，调节单元进一步被配置成：将目标图像中呈现运动物体对象的位置区域作为第一位置区域，将目标图像中目标图像中呈现运动物体对象的位置区域之外的位置区域作为第二位置区域，确定第二位置区域的亮度均值；分别确定第一位置区域的亮度均值和第二位置区域的亮度均值是否达到预设阈值；响应于确定第一位置区域的亮度均值和第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。

在一些实施例中，检测单元进一步被配置成：对目标图像和参考图像进行差值运算，生成运算后的帧差图；对帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在目标图像中的位置区域。

在一些实施例中，检测单元进一步被配置成：将目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示目标图像中呈现运动物体对象的位置区域的检测结果，其中，目标图像的特征向量包括目标图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量，目标图像中每个像素点的运动分量是基于目标图像和参考图像之间的光流场得到的。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任意实施例的方法。

第四方面，本申请实施例提供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实现如第一方面中任意实施例的方法。

本申请实施例提供的用于调节图像亮度的方法和装置，通过对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域，然后确定该位置区域的亮度均值，最后基于所确定的位置区域的亮度均值，对目标图像进行亮度调节，从而可以改善目标图像中呈现的运动物体对象过亮或过暗导致呈现运动物体对象的位置区域模糊的情况，提高了目标图像的成像质量。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是根据本申请实施例的可以应用于其中的示例性***架构图；

图2是根据本申请的用于调节图像亮度的方法的一个实施例的流程图；

图3是根据本申请的用于调节图像亮度的方法的一个应用场景的示意图；

图4是根据本申请的用于调节图像亮度的方法的另一个实施例的流程图；

图5是根据本申请的用于调节图像亮度的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于调节图像亮度的方法或用于调节图像亮度的装置的实施例的示例性***架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像采集类应用、图像处理类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有拍摄功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供图像采集服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的图像进行图像亮度处理的服务器。服务器可以对接收到的图像进行各种分析处理，从而对接收到的图像进行亮度调节。

需要说明的是，本申请实施例所提供的用于调节图像亮度的方法一般由服务器105执行，相应地，用于调节图像亮度的装置一般设置于服务器105中。

需要指出的是，服务器105的本地也可以直接存储有目标图像，服务器105可以直接提取本地的图像，对提取到的本地图像进行亮度调节，此时，示例性***架构100可以不包括终端设备101、102、103和网络104。

还需要指出的是，终端设备101、102、103中也可以安装有图像处理类应用，终端设备101、102、103也可以利用图像处理类应用对图像进行亮度调节，此时，用于调节图像亮度的方法也可以由终端设备101、102、103执行，相应地，用于调节图像亮度的装置也可以设置于终端设备101、102、103中。此时，示例性***架构100也可以不包括服务器105和网络104。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供图像识别服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于调节图像亮度的方法的一个实施例的流程200。该用于调节图像亮度的方法，包括以下步骤：

步骤201，对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域。

在本实施例中，用于调节图像亮度的方法的执行主体(例如图1所示的服务器)可以获取呈现运动物体对象的目标图像。在这里，该目标图像可以为图像帧。例如，可以包括一帧图像，也可以包括多帧图像。在这里，该运动物体对象可以包括运动的动物、行人、行驶的车辆等。该目标图像中可以呈现一个运动物体对象，也可以呈现多个运动物体对象。上述执行主体在获取到呈现运动物体对象的面部图像后，可以对目标图像进行检测，从而确定出目标中呈现运动物体对象的位置区域。

在一些实现方式中，上述执行主体可以对目标图像和参考图像进行差值运算，生成运算后的帧差图。然后对帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在目标图像中的位置区域。

具体的，上述执行主体中可以预先存储有面部图像的参考图像。在这里，当上述目标图像为获取到的当前帧图像时，上述参考图像可以为当前帧图像的前一帧图像，也可以为初始帧图像。

首选，执行主体可以分别对目标图像和参考图像进行灰度处理，对灰度处理后的目标图像和参考图像进行差值运算。在这里，通过对目标图像和参考图像进行灰度值处理，可以过滤掉红、绿、蓝三原色色值，使得图像中仅保留有灰度值，从而使得在目标图像和参考图像进行差值运算时更加简便，提高运算速度。

其次，上述执行主体在获取到目标图像和参考图像后，可以对目标图像和参考图像进行差值运算。由于图像中呈现的物体对象为运动物体对象，因此，不同帧图像中呈现的物体的姿态和物体图像不同帧图像中的位置均不相同。在这里，对目标图像和参考图像进行差值运算的方法例如可以包括帧间差值法。具体来说，可以将目标图像的每一个像素的灰度值减去参考图像中的每一个像素的灰度值。由于两张图像中相同的元素(例如图像中呈现的静止物体)对应的像素具有相同的灰度值，通过对目标图像与参考图像作差，可以消除掉两帧图像中相同的元素，得到不同元素(例如图中呈现的运动物体)的图像。

接着，上述执行主体可以对帧差图进行预处理。在这里，该预处理可以包括形态学处理。例如可以包括二值化处理、腐蚀滤波处理、膨胀处理等。通过对帧差图进行二值化处理，可以使得帧差图的图像像素中仅包括灰度值为0和灰度值为255两种灰度值。通常，帧差图经过二值化处理后，其中的物体图像的像素值为255，帧差图其余部分的像素值为0。通过将帧差图进行二值化处理，可以提高帧差图中物体图像与其余图像之间的对比度，从而更加有利于确定物体图像在帧差图中的位置信息。

最后，上述执行主体可以在处理后的帧差图中确定出所呈现的物体轮廓的最小外接矩形。具体的，可以根据帧差图中所呈现的物体轮廓沿水平方向和竖直方向的长度，来确定最小外接矩形的长和宽，从而使得物体图像位于该最小矩形框中。帧差图中可以呈现一个运动物体对象，也可以呈现多个运动物体对象。当帧差图中呈现至少两个运动物体对象，并且当其中两个运动物体对象在帧差图中的距离大于或等于预设阈值时，上述执行主体可以确定出每一个运动物体对象的最小外接矩形。上述执行主体可以确定最小外接矩形的每一个顶点在帧差图中的坐标信息。从而，上述执行主体可以将所确定的每一个最小外接矩形的顶点坐标信息作为目标图像中的最小外接矩形的顶点坐标信息，并将所确定的目标图像中的各个最小外接矩形所覆盖的区域确定为目标图像中呈现运动物体对象的位置区域。

步骤202，确定目标图像中呈现运动物体对象的位置区域的亮度均值。

在本实施例中，上述执行主体在确定出目标图像中呈现运动物体对象的位置区域后，可以进一步确定该位置区域的亮度均值。在这里，该位置区域的亮度均值即为该位置区域中所有的像素亮度值之和与像素数目的比值。在这里，每一个像素亮度值可以利用像素的RGB值与亮度值进行转换得到。具体可以通过公式L＝R*0.30+G*0.59+B*0.11进行转换得到，其中，L表示单个像素亮度值，R、G、B分别代表像素的红色通道值、绿色通道值和蓝色通道值。

步骤203，基于目标图像中呈现运动物体对象的位置区域的亮度值，对目标图像进行亮度调节。

在本实施例中，上述执行主体可以基于目标图像中呈现运动物体对象的位置区域的亮度值，从而对目标图像进行亮度调节。

作为一种实现方式，上述执行主体可以确定目标图像的亮度均值。然后确定目标图像的亮度均值与目标图像中呈现运动物体对象的位置区域的亮度均值的比值。最后，基于目标图像的个像素的像素亮度值和所得到的比值，对目标图像进行亮度调节。

具体的，上述执行主体可以通过像素RGB色值与亮度值的转换公式确定出目标图像中每一个像素的亮度值。然后通过确定目标图像中所有的像素亮度之和与目标图像中像素数目的比值确定目标图像的亮度值。然后，上述执行主体可以确定目标图像的亮度均值与目标图像中呈现运动物体对象的位置区域的亮度均值的比值，可以确定出目标图像中呈现运动物体对象的位置区域在目标图像中是否过曝光或者曝光不足。在这里，当上述比值大于1时，可以确定呈现运动物体对象的位置区域过暗；当上述比值小于1时，可以确定呈现运动物体对象的位置区域过亮。最后，上述执行主体可以将目标图像的每一个像素亮度值与上述比值相乘，从而得到计算后的每个像素的亮度值，并根据改变的亮度值更新目标图像的图像亮度。在这里，上述执行主体通过将目标图像中每一个像素乘以上述比值，从而可以使得在呈现运动物体对象的位置区域过暗时，增强其亮度；在呈现运动物体对象的位置区域过亮时，降低其亮度。从而提高目标图像中呈现运动物体对象的位置区域的呈现质量，使得所呈现的运动物体对象更加清晰。

作为另一种实现方式，上述执行主体可以将上述目标图像中呈现运动物体对象的位置区域作为第一区域，将目标图像中呈现运动物体对象的位置区域之外的区域作为第二区域，确定第二区域的亮度均值。然后确定第一区域的亮度均值和第二区域的亮度均值是否均达到预设阈值。在响应于确定第一位置区域的亮度均值和第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。在这里，上述执行主体可以确定第一位置区域的预设阈值与第一位置区域的亮度均值的比值，然后通过将第一位置区域的各像素亮度均与该比值相乘，然后基于运算结果，调节第一位置区域的像素亮度。同样，上述执行主体可以确定第二位置区域的预设阈值与第二位置区域的亮度均值的比值，然后通过将第二位置区域的各像素亮度均与该比值相乘，基于运算结果，调节第二位置区域的像素亮度。通过该种调节方式，可以使得目标图像中呈现运动物体对象的位置区域和呈现运动物体对象的位置区域之外的位置区域均可以变得清晰。通过设置第一区域的亮度阈值和第二区域的亮度阈值，可以提高第一区域和第二区域之间的对比度，可以更好的突出目标图像中所呈现的运动物体对象。

继续参考图3，图3是根据本实施例的用于调节图像亮度的方法的应用场景的一个示意图。在图3的应用场景中，服务器301可以获取呈现行驶的多辆汽车的目标图像302。然后，服务器301可以确定所呈现的多辆汽车在目标图像中的位置区域303。接着，服务器301可以确定所呈现的多辆汽车在目标图像中的位置区域的亮度均值304。最后，服务器301可以根据所确定的目标图像中呈现多辆汽车的位置区域的亮度均值，对目标图像进行亮度调节305。

本申请实施例提供的用于调节图像亮度的方法，通过对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域，然后确定该位置区域的亮度均值，最后基于所确定的位置区域的亮度均值，对目标图像进行亮度调节，从而可以改善目标图像中呈现的运动物体对象过亮或过暗导致呈现运动物体对象的位置区域模糊的情况，提高了目标图像的成像质量。

继续参考图4，其示出了根据本申请的用于调节图像亮度的方法的另一个实施例的流程400。该用于调节图像亮度的方法，包括以下步骤：

步骤401，将获取到的目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示目标图像中呈现运动物体对象的位置区域的检测结果。

用于调节图像亮度的方法的执行主体(例如图1所示的服务器)可以获取呈现运动物体对象的目标图像。在这里，该目标图像可以为图像帧。例如，可以包括一帧图像，也可以包括多帧图像。在这里，该运动物体对象可以包括运动的动物、行人、行驶的车辆等。该目标图像中可以呈现一个运动物体对象，也可以呈现多个运动物体对象。上述执行主体在获取到呈现运动物体对象的面部图像后，可以将获取到的目标图像的特征向量输入至预先训练的卷积神经网络，从而得到用于指示目标图像中呈现运动物体对象的位置区域的检测结果。该检测结果可以包括呈现运动物体对象的位置区域在目标图像中的坐标信息。

具体的，首先，上述执行主体可以利用标准H-S光流算法确定目标图像和参考图像之间的光流。在这里，该目标图像可以为基于运动物体的视频流或图像序列中的某一帧图像，该参看图像可以为该视频流或图像序列中目标图像之前的某一帧图像。通过确定目标图像与参考图像之间的光流，从而可以得到目标图像中各像素点的运动特征向量。在这里，该运动特征向量通常包括沿水平方向和竖直方向的运动分量。

接着，上述执行主体还可以确定目标图像中的各像素点在目标图像中的位置特征向量，该位置特征向量可以包括沿水平方向的位置分量和沿竖直方向的位置分量。上述执行主体还可以确定目标图像中的各像素点的灰度值。从而，上述只执行主体可以确定目标图像的特征向量，该特征向量包括每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量。

最后，上述执行主体可以将所确定的目标图像的特征向量输入至预先训练的卷积神经网络中，从而得到检测结果。

在本实施例中，上述卷积神经网络可以通过如下步骤训练得到：首先获取训练样本集。该训练样本集中包括样本图像、与样本图像对应的特征向量和用于指示运动物体对象在样本图像中的位置区域的标注信息。与样本图像对应的特征向量包括样本图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量。

然后，上述执行主体可以将样本集合中的样本图像对应的特征向量作为输入、将与样本图像对应的用于指示运动物体对象在样本图像中的位置区域的标注信息作为输出，对卷积神经网络进行训练。

步骤402，确定目标图像中呈现运动物体对象的位置区域的亮度均值。

在本实施例中，上述执行主体在确定出目标图像中呈现运动物体对象的位置区域后，可以进一步确定该位置区域的亮度均值。在这里，该位置区域的亮度均值即为该位置区域中所有的像素亮度值之和与像素数目的比值。

步骤403，基于目标图像中呈现运动物体对象的位置区域的亮度值，对目标图像进行亮度调节。

在本实施例中，上述执行主体可以基于目标图像中呈现运动物体对象的位置区域的亮度值，从而对目标图像进行亮度调节。

本实施例所示的步骤402、步骤403的具体处理及其带来的有益效果可参看图2对应实施例中的步骤202和步骤203的实现方式的相关描述，在此不再赘述。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了通过卷积神经网络确定目标图像中呈现的运动物体对象在目标图像中的位置区域，从而可以使得目标图像中呈现的运动物体对象的识别更加细致，进一步提高了对运动物体对象的检测精度和呈现运动物体对象的位置区域的准确度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于调节图像亮度的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于调节图像亮度的装置500包括：检测单元501、确定单元502和调节单元503。检测单元501，被配置成对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域。确定单元502，被配置成确定目标图像中呈现运动物体对象的位置区域的亮度均值。调节单元503，被配置成基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节。

在本实施例中，用于调节图像亮度的装置500中的检测单元501、确定单元502和调节单元503的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201、步骤202和步骤203的实现方式的相关描述，在此不再赘述。

在本实施例的一些可选的实现方式中，调节单元503进一步被配置成：确定目标图像的亮度均值；确定目标图像的亮度均值与目标图像中呈现运动物体对象的位置区域的亮度均值的比值；基于目标图像的各像素的像素亮度值和比值，对目标图像进行亮度调节。

在本实施例的一些可选的实现方式中，调节单元503进一步被配置成：将目标图像中呈现运动物体对象的位置区域作为第一位置区域，将目标图像中呈现运动物体对象的位置区域之外的位置区域作为第二位置区域，确定第二位置区域的亮度均值；分别确定第一位置区域的亮度均值和第二位置区域的亮度均值是否达到预设阈值；响应于确定第一位置区域的亮度均值和第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。

在本实施例的一些可选的实现方式中，检测单元501进一步被配置成：对目标图像和参考图像进行差值运算，生成运算后的帧差图；对帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在目标图像中的位置区域。

在本实施例的一些可选的实现方式中，检测单元501进一步被配置成：将目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示目标图像中呈现运动物体对象的位置区域的检测结果，其中，目标图像的特征向量包括目标图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量，目标图像中每个像素点的运动分量是基于目标图像和参考图像之间的光流场得到的。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1中的终端设备或服务器)的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请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***600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，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。而在本申请中，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申请的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)。

附图中的流程图和框图，图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，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，两个接连地表示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操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测单元、确定单元和调节单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，检测单元还可以被描述为“对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对获取到的呈现运动物体对象的目标图像进行检测，确定目标图像中呈现运动物体对象的位置区域；确定目标图像中呈现运动物体对象的位置区域的亮度均值；基于目标图像中呈现运动物体对象的位置区域的亮度均值，对目标图像进行亮度调节。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于调节图像亮度的方法，包括：

对获取到的呈现运动物体对象的目标图像进行检测，确定所述目标图像中呈现运动物体对象的位置区域；

确定所述目标图像中呈现运动物体对象的位置区域的亮度均值；

基于所述目标图像中呈现运动物体对象的位置区域的亮度均值，对所述目标图像进行亮度调节。

2.根据权利要求1所述的方法，其中，所述基于所述目标图像中呈现运动物体对象的位置区域的亮度均值，对所述目标图像进行亮度调节，包括：

确定所述目标图像的亮度均值；

确定所述目标图像的亮度均值与所述目标图像中呈现运动物体对象的位置区域的亮度均值的比值；

基于所述目标图像的各像素的像素亮度值和所述比值，对所述目标图像进行亮度调节。

3.根据权利要求1所述的方法，其中，所述基于所述目标图像中呈现运动物体对象的位置区域的亮度均值，对所述目标图像进行亮度调节，包括：

将所述目标图像中呈现运动物体对象的位置区域作为第一位置区域，将所述目标图像中呈现运动物体对象的位置区域之外的位置区域作为第二位置区域，确定所述第二位置区域的亮度均值；

分别确定所述第一位置区域的亮度均值和所述第二位置区域的亮度均值是否达到预设阈值；

响应于确定所述第一位置区域的亮度均值和所述第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。

4.根据权利要求1所述的方法，其中，所述对获取到的呈现运动物体对象的目标图像进行检测，确定所述目标图像中呈现运动物体对象的位置区域，包括：

对所述目标图像和参考图像进行差值运算，生成运算后的帧差图；

对所述帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在所述目标图像中的位置区域。

5.根据权利要求1所述的方法，其中，所述对获取到的呈现运动物体对象的目标图像进行检测，确定所述目标图像中呈现运动物体对象的位置区域，包括：

将所述目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示所述目标图像中呈现运动物体对象的位置区域的检测结果，其中，所述目标图像的特征向量包括所述目标图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量，所述目标图像中每个像素点的运动分量是基于所述目标图像和参考图像之间的光流场得到的。

6.一种用于调节图像亮度的装置，包括：

检测单元，被配置成对获取到的呈现运动物体对象的目标图像进行检测，确定所述目标图像中呈现运动物体对象的位置区域；

确定单元，被配置成确定所述目标图像中呈现运动物体对象的位置区域的亮度均值；

调节单元，被配置成基于所述目标图像中呈现运动物体对象的位置区域的亮度均值，对所述目标图像进行亮度调节。

7.根据权利要求6所述的装置，其中，所述调节单元进一步被配置成：

确定所述目标图像的亮度均值；

确定所述目标图像的亮度均值与所述目标图像中呈现运动物体对象的位置区域的亮度均值的比值；

基于所述目标图像的各像素的像素亮度值和所述比值，对所述目标图像进行亮度调节。

8.根据权利要求6所述的装置，其中，所述调节单元进一步被配置成：

将所述目标图像中呈现运动物体对象的位置区域作为第一位置区域，将所述目标图像中呈现运动物体对象的位置区域之外的位置区域作为第二位置区域，确定所述第二位置区域的亮度均值；

分别确定所述第一位置区域的亮度均值和所述第二位置区域的亮度均值是否达到预设阈值；

响应于确定所述第一位置区域的亮度均值和所述第二位置区域的亮度均值中的至少一个未达到预设阈值，对未达到预设阈值的位置区域进行亮度调节。

9.根据权利要求6所述的装置，其中，所述检测单元进一步被配置成：

对所述目标图像和参考图像进行差值运算，生成运算后的帧差图；

对所述帧差图进行预处理，确定预处理后的帧差图中呈现的物体对象在所述目标图像中的位置区域。

10.根据权利要求6所述的装置，其中，所述检测单元进一步被配置成：

将所述目标图像的特征向量输入至预先训练的卷积神经网络，得到用于指示所述目标图像中呈现运动物体对象的位置区域的检测结果，其中，所述目标图像的特征向量包括所述目标图像中每个像素点的运动分量、每个像素点的位置分量和每个像素点的灰度值分量，所述目标图像中每个像素点的运动分量是基于所述目标图像和参考图像之间的光流场得到的。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。