CN111131693B - 一种基于多曝光人脸检测的人脸图像增强方法 - Google Patents
一种基于多曝光人脸检测的人脸图像增强方法 Download PDFInfo
- Publication number
- CN111131693B CN111131693B CN201911084025.3A CN201911084025A CN111131693B CN 111131693 B CN111131693 B CN 111131693B CN 201911084025 A CN201911084025 A CN 201911084025A CN 111131693 B CN111131693 B CN 111131693B
- Authority
- CN
- China
- Prior art keywords
- exposure
- dynamic range
- face
- algorithm
- human face
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于多曝光人脸检测进行人脸图像增强的方法,包括下列步骤:对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置;将图像分割成M*N个区域;若检测到人脸位置,则直接根据设计好的算法为M*N个区域设置不同的权重;若未检测到人脸,则判断当前场景动态范围,根据动态范围确定是否去要切换曝光参数;若动态范围小于预先设定的阈值,则无需切换曝光参数,且判定为当前场景未出现人脸,并将M*N块区域的权重设置为默认权重;若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸。
Description
技术领域
本发明属于一种基于多曝光人脸检测的人脸图像增强方法,涉及相机3A以及机器视觉领域,具体为结合机器视觉人脸检测对自动曝光算法进行改进,从而对人脸区域进行增强的方法。
背景技术
随着机器视觉兴起,人脸检测算法也在现有数据集上达到了近乎完美的效果,然而现有数据集的一大特点就是人脸清晰,曝光合理;现有的综合能力最强的人脸检测算法在恶劣的光照环境下,例如背光,逆光,低光等环境,检测效果也会大打折扣。机器学习领域人脸检测是基于人体脸部特征,配合相应的分类算法学习模型,从而判断输入的图像帧内是否存在人脸,并可以获取人脸在图像中大致的位置;深度学习中人脸检测则可以输出人脸在图像中的精确位置,且深度学习也有较高的准确性,但深度学习需要更高的硬件要求以及更长的检测时间。
传统曝光算法一般是统计全局亮度均值,或为默认感兴趣区域设置固定权重的加权亮度均值,基于全局亮度均值或加权亮度均值计算曝光量配置曝光参数。在光线均匀或整体光照不均匀但默认感兴趣区域光照均匀且人脸恰好在默认感兴趣区域内的场景下,传统的曝光算法对人脸的曝光效果较好,但是在特殊光照条件下,例如,光照不均匀,而人脸又恰好不处在默认感兴趣区域内,则会出现人脸区域曝光不正常的现象,这不仅对后续的机器视觉有消极的影响,也会影响到直接的人眼视觉效果。
现有的基于人脸进行智能曝光的***方法前提是输入单帧图像,在单帧图像上检测人脸并根据人脸位置信息修改曝光权重表进一步获取不同的曝光量以及曝光参数,该种方法生效的前提是在输入的单帧图像中可以正确检测出人脸,所以,一旦初始化时没有检测出人脸,则后续算法无法进行,而关于这方面的解决方法相关资料少之又少。
发明内容
本发明所要解决的技术问题是提供一种基于多曝光人脸检测进行人脸图像增强的方法。
本发明解决上述技术问题所采取的技术方案如下:
一种基于多曝光人脸检测进行人脸图像增强的方法,包括下列步骤:
对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置;
将图像分割成M*N个区域;若检测到人脸位置,则直接根据设计好的算法为M*N个区域设置不同的权重;
若未检测到人脸,则判断当前场景动态范围,根据动态范围确定是否去要切换曝光参数;
若动态范围小于预先设定的阈值,则无需切换曝光参数,且判定为当前场景未出现人脸,并将M*N块区域的权重设置为默认权重;
若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸;
若检测到人脸,则根据设计好的算法为M*N个区域设置不同的权重;
若未检测到人脸,则判定为当前场景没有人脸,即不向下深入进行人脸检测,并将M*N块区域的权重设置为默认权重;
通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数;
根据获得的统计参数得到自动曝光需要的曝光量;
根据预先设定的曝光路线分配曝光参数,由此便得到了基于人脸检测的对人脸区域进行增强的图像。
优选的是,还包括:
预先训练好人脸检测模型,并选择自动曝光算法,并根据当前场景亮度信息进行多曝光切换算法作为条件。
优选的是,对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置,具体包括:选择人脸检测模型,并根据人体脸部特征判断输入图像帧是否存在人脸,用来输出人脸位置。
优选的是,通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数,具体包括:
自动曝光算法,根据当前场景亮度计算出合适的曝光量,使得图像可以正确描述场景亮度信息,简单原理如下:
IE表示图像的目标亮度,IK为当前曝光参数对应的图像亮度, Bias为可允许的亮度偏差;K表示当前曝光参数,L表示当前场景的实际亮度;
曝光权重表,将图像分成M*N个区域,每个区域对应不同的权重,M*N块区域对应的M*N个权重组成的矩阵即为曝光权重表,用来对不同区域进行加权,从而得到加权统计信息,也即是公式(1)中的Ik;
曝光路线,根据曝光量分配光圈,曝光时间,增益等曝光参数,用来分配具体曝光参数;
动态范围,用来表示场景亮暗相差等级,具体计算如下:
其中,DR表示动态范围,单位:dB,i_max与i_min分别表示场景中亮度最大值和最小值;
动态范围阈值,用来判定场景动态范围高低,从而决定是否切换到多曝光算法,大于阈值则高,小于阈值则低。
优选的是,若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸,包括:
当当前图像帧不能有效检测出人脸时,根据多曝光算法切换曝光量,该多曝光算法可由用户自己设定,也可根据当前曝光量等比或等量增减曝光量,直至多曝光曝光量可以满足整个动态范围要求多,不同曝光量之间的切换步长需要当前场景动态范围,以及视频输出实时性进行综合考虑,多曝光图像序列增强人脸检测率的简单原理如下:
其中pi 为人脸检测模型在不同曝光量的图像序列上的检测率;
多曝光图像序列,根据多曝光算法输出的不同曝光量的图像序列,用来作为人脸检测的输入,增强同一场景下的人脸检测率。
优选的是,基于硬件条件为该算法预训练一个检测率及检测时间整体评分较高的人脸检测模型;将图像分为合理的M*N个区域;
为默认曝光算法设置默认感兴趣区域,其中,如车载摄像头则需要将中下方设置为感兴趣区域,并增加感兴趣区域权重,算法将在初始化以及检测不到人脸时使用该默认曝光权重表;
在人脸检测算法工作的情况下,根据检测算法输出的位置信息为修改曝光权重表,为M*N个区域设置不同权重;
根据曝光权重表统计自动曝光所需统计量,得到该场景下对应曝光量;
根据曝光路线分配曝光参数,并应用到板子上;
当当前帧人脸检测失效时,判断当前场景动态范围;
若动态范围小于预先设定的阈值,则判定为当前场景没有人脸,则切换到默认曝光权重表,为后续人脸检测做准备。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明进行详细的描述,以使得本发明的上述优点更加明确。其中,
图1是本发明基于多曝光人脸检测进行人脸图像增强的方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
本发明的第一个目标是,通过结合人脸检测对相机进行智能曝光,从而增强人脸区域图像质量。
本发明的第二个目标是,在单帧图像人脸检测失效的情况下,利用多帧不同曝光量以及曝光参数的图像序列对人脸进行检测,从而增加人脸检测率。
本发明的第三个目标是,提供一种复杂度较低的智能曝光算法从而可以使其在嵌入式平台实时运行。
为了实现上述所述目标,本发明提出了在多曝光图像序列上进行人脸检测,并根据人脸检测所得的位置修改曝光权重表得到不同曝光量以及后续曝光参数进行智能曝光并以此增强人脸区域图像质量的方法。
人脸检测模型,根据人体脸部特征判断输入图像帧是否存在人脸,用来输出人脸位置;
自动曝光算法,根据当前场景亮度计算出合适的曝光量,使得图像可以正确描述场景亮度信息,简单原理如下:
IE表示图像的目标亮度,IK为当前曝光参数对应的图像亮度, Bias为可允许的亮度偏差;K表示当前曝光参数,L表示当前场景的实际亮度;
曝光权重表,将图像分成M*N个区域,每个区域对应不同的权重,M*N块区域对应的M*N个权重组成的矩阵即为曝光权重表,用来对不同区域进行加权,从而得到加权统计信息,也即是公式(1)中的Ik;
曝光路线,根据曝光量分配光圈,曝光时间,增益等曝光参数,用来分配具体曝光参数;
动态范围,用来表示场景亮暗相差等级,具体计算如下:
其中,DR表示动态范围,单位:dB,i_max与i_min分别表示场景中亮度最大值和最小值;
动态范围阈值,用来判定场景动态范围高低,从而决定是否切换到多曝光算法,大于阈值则高,小于阈值则低;
多曝光算法,当当前图像帧不能有效检测出人脸时,根据多曝光算法切换曝光量,该多曝光算法可由用户自己设定,也可根据当前曝光量等比或等量增减曝光量,直至多曝光曝光量可以满足整个动态范围要求多,不同曝光量之间的切换步长需要当前场景动态范围,以及视频输出实时性进行综合考虑,多曝光图像序列增强人脸检测率的简单原理如下
其中pi 为人脸检测模型在不同曝光量的图像序列上的检测率;
多曝光图像序列,根据多曝光算法输出的不同曝光量的图像序列,用来作为人脸检测的输入,增强同一场景下的人脸检测率。
上述所述模块为实现本发明的基础模块以及具体作用,下面将介绍不同模块之间的工作逻辑以及工作顺序:
首先需要基于硬件条件为该算法预训练一个检测率及检测时间整体评分较高的人脸检测模型;
将图像分为合理的M*N个区域;
为默认曝光算法设置默认感兴趣区域,此步骤需要根据应用场景而定,例如车载摄像头则需要将中下方设置为感兴趣区域,并增加感兴趣区域权重,算法将在初始化以及检测不到人脸时使用该默认曝光权重表;
在人脸检测算法工作的情况下,根据检测算法输出的位置信息为修改曝光权重表,为M*N个区域设置不同权重;
根据曝光权重表统计自动曝光所需统计量,得到该场景下对应曝光量;
根据曝光路线分配曝光参数,并应用到板子上;
当当前帧人脸检测失效时,判断当前场景动态范围;
若动态范围小于预先设定的阈值,则判定为当前场景没有人脸,则切换到默认曝光权重表,为后续人脸检测做准备;
若动态范围高于阈值,则进行以下步骤:
根据目前曝光量以及多曝光算法设置不同的曝光量切换路线;
在多曝光图像序列上检测人脸,检测到人脸后根据检测算法输出的位置信息为修改曝光权重表,为M*N个区域设置不同权重,根据曝光权重表统计曝光信息,得到该场景下对应曝光量,根据曝光路线分配曝光参数,并应用到板子上,若多曝光图像序列中仍检测不到人脸,则判定为当前场景没有人脸,则切换到默认曝光权重表,为后续人脸检测做准备。
具体来说,一种基于多曝光人脸检测进行人脸图像增强的方法,包括下列步骤:
对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置;
将图像分割成M*N个区域;若检测到人脸位置,则直接根据设计好的算法为M*N个区域设置不同的权重;
若未检测到人脸,则判断当前场景动态范围,根据动态范围确定是否去要切换曝光参数;
若动态范围小于预先设定的阈值,则无需切换曝光参数,且判定为当前场景未出现人脸,并将M*N块区域的权重设置为默认权重;
若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸;
若检测到人脸,则根据设计好的算法为M*N个区域设置不同的权重;
若未检测到人脸,则判定为当前场景没有人脸,即不向下深入进行人脸检测,并将M*N块区域的权重设置为默认权重;
通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数;
根据获得的统计参数得到自动曝光需要的曝光量;
根据预先设定的曝光路线分配曝光参数,由此便得到了基于人脸检测的对人脸区域进行增强的图像。
优选的是,还包括:
预先训练好人脸检测模型,并选择自动曝光算法,并根据当前场景亮度信息进行多曝光切换算法作为条件。
优选的是,对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置,具体包括:选择人脸检测模型,并根据人体脸部特征判断输入图像帧是否存在人脸,用来输出人脸位置。
优选的是,通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数,具体包括:
自动曝光算法,根据当前场景亮度计算出合适的曝光量,使得图像可以正确描述场景亮度信息,简单原理如下:
IE表示图像的目标亮度,IK为当前曝光参数对应的图像亮度, Bias为可允许的亮度偏差;K表示当前曝光参数,L表示当前场景的实际亮度;
曝光权重表,将图像分成M*N个区域,每个区域对应不同的权重,M*N块区域对应的M*N个权重组成的矩阵即为曝光权重表,用来对不同区域进行加权,从而得到加权统计信息,也即是公式(1)中的Ik;
曝光路线,根据曝光量分配光圈,曝光时间,增益等曝光参数,用来分配具体曝光参数;
动态范围,用来表示场景亮暗相差等级,具体计算如下:
其中,DR表示动态范围,单位:dB,i_max与i_min分别表示场景中亮度最大值和最小值;
动态范围阈值,用来判定场景动态范围高低,从而决定是否切换到多曝光算法,大于阈值则高,小于阈值则低。
优选的是,若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸,包括:
当当前图像帧不能有效检测出人脸时,根据多曝光算法切换曝光量,该多曝光算法可由用户自己设定,也可根据当前曝光量等比或等量增减曝光量,直至多曝光曝光量可以满足整个动态范围要求多,不同曝光量之间的切换步长需要当前场景动态范围,以及视频输出实时性进行综合考虑,多曝光图像序列增强人脸检测率的简单原理如下:
其中pi 为人脸检测模型在不同曝光量的图像序列上的检测率;
多曝光图像序列,根据多曝光算法输出的不同曝光量的图像序列,用来作为人脸检测的输入,增强同一场景下的人脸检测率。
优选的是,基于硬件条件为该算法预训练一个检测率及检测时间整体评分较高的人脸检测模型;将图像分为合理的M*N个区域;
为默认曝光算法设置默认感兴趣区域,其中,如车载摄像头则需要将中下方设置为感兴趣区域,并增加感兴趣区域权重,算法将在初始化以及检测不到人脸时使用该默认曝光权重表;
在人脸检测算法工作的情况下,根据检测算法输出的位置信息为修改曝光权重表,为M*N个区域设置不同权重;
根据曝光权重表统计自动曝光所需统计量,得到该场景下对应曝光量;
根据曝光路线分配曝光参数,并应用到板子上;
当当前帧人脸检测失效时,判断当前场景动态范围;
若动态范围小于预先设定的阈值,则判定为当前场景没有人脸,则切换到默认曝光权重表,为后续人脸检测做准备。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于多曝光人脸检测进行人脸图像增强的方法,其特征在于,包括下列步骤:
对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置;
将图像分割成M*N个区域;若检测到人脸位置,则直接根据设计好的算法为M*N个区域设置不同的权重;
若未检测到人脸,则判断当前场景动态范围,根据动态范围确定是否去要切换曝光参数;
若动态范围小于预先设定的阈值,则无需切换曝光参数,且判定为当前场景未出现人脸,并将M*N块区域的权重设置为默认权重;
若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸;若检测到人脸,则根据设计好的算法为M*N个区域设置不同的权重;若未检测到人脸,则判定为当前场景没有人脸,不向下深入进行人脸检测,并将M*N块区域的权重设置为默认权重;
通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数;
根据获得的加权统计参数得到自动曝光需要的曝光量;
根据预先设定的曝光路线分配曝光参数,得到基于人脸检测的对人脸区域进行增强的图像;通过M*N块区域的不同权重获得自动曝光算法需要的加权统计参数,具体包括:
自动曝光算法,根据当前场景亮度计算出合适的曝光量,使得图像可以正确描述场景亮度信息;
将图像分成M*N个区域,每个区域对应不同的权重,M*N块区域对应的M*N个权重组成的矩阵为曝光权重表,用来对不同区域进行加权,得到加权统计信息;
曝光路线是根据曝光量来分配具体曝光参数;
动态范围,用来表示场景亮暗相差等级,具体计算如下:
DR=20*log10(i_max/i_min)
其中,DR表示动态范围,单位:dB,i_max与i_min分别表示场景中亮度最大值和最小值;
动态范围阈值,用来判定场景动态范围高低,从而决定是否切换到多曝光算法,动态范围大于动态范围阈值则高,动态范围小于动态范围阈值则低。
2.根据权利要求1所述的基于多曝光人脸检测进行人脸图像增强的方法,其特征在于,还包括:
预先训练好人脸检测模型,并选择自动曝光算法,并根据当前场景亮度信息进行多曝光切换算法。
3.根据权利要求2所述的基于多曝光人脸检测进行人脸图像增强的方法,其特征在于,对输入到人脸检测模型的图像帧进行人脸检测并获取人脸位置,具体包括:选择人脸检测模型,并根据人体脸部特征判断输入图像帧是否存在人脸,用来输出人脸位置。
4.根据权利要求1所述的基于多曝光人脸检测进行人脸图像增强的方法,其特征在于,若动态范围大于预先设定的阈值,则根据预先设定的多曝光切换算法切换不同的曝光量以及曝光参数,在不同的曝光参数下检测人脸,包括:
在当前图像帧不能有效检测出人脸时,根据多曝光算法切换曝光量,该多曝光算法可由用户自己设定,或根据当前曝光量等比或等量增减曝光量,直至多曝光曝光量可以满足整个动态范围要求,不同曝光量之间的切换步长需要根据当前场景动态范围,以及视频输出实时性进行综合考虑;
多曝光图像序列,根据多曝光算法输出的不同曝光量的图像序列,用来作为人脸检测的输入,增强同一场景下的人脸检测率。
5.根据权利要求1所述的基于多曝光人脸检测进行人脸图像增强的方法,其特征在于,
基于硬件条件为该算法预训练一个检测率及检测时间整体评分较高的人脸检测模型;将图像分为合理的M*N个区域;
为默认曝光算法设置默认感兴趣区域,其中,车载摄像头则需要将中下方设置为感兴趣区域,并增加感兴趣区域权重,算法将在初始化以及判断当前场景没有人脸时使用该默认曝光权重表;
在人脸检测算法工作的情况下,根据检测算法输出的位置信息修改曝光权重表,为M*N个区域设置不同权重;
根据曝光权重表统计自动曝光所需统计量,得到该场景下对应曝光量;
在当前帧人脸检测失效时,判断当前场景动态范围;
若动态范围小于预先设定的动态范围阈值,则判定为当前场景没有人脸,则切换到默认曝光权重表,为后续人脸检测做准备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911084025.3A CN111131693B (zh) | 2019-11-07 | 2019-11-07 | 一种基于多曝光人脸检测的人脸图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911084025.3A CN111131693B (zh) | 2019-11-07 | 2019-11-07 | 一种基于多曝光人脸检测的人脸图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111131693A CN111131693A (zh) | 2020-05-08 |
CN111131693B true CN111131693B (zh) | 2021-07-30 |
Family
ID=70495748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911084025.3A Active CN111131693B (zh) | 2019-11-07 | 2019-11-07 | 一种基于多曝光人脸检测的人脸图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111131693B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866773B (zh) * | 2020-08-21 | 2023-09-26 | 海信视像科技股份有限公司 | 一种显示设备及多人场景下摄像头追踪方法 |
CN112511749A (zh) * | 2020-11-30 | 2021-03-16 | 上海摩象网络科技有限公司 | 目标对象的自动曝光量控制方法、装置及电子设备 |
CN112839183B (zh) * | 2020-12-28 | 2022-06-17 | 杭州宇泛智能科技有限公司 | 一种环境自适应的人脸图像的识别方法 |
CN114727024A (zh) * | 2021-01-05 | 2022-07-08 | 广州汽车集团股份有限公司 | 自动曝光参数调节方法、装置、存储介质及拍摄设备 |
CN112911146B (zh) * | 2021-01-27 | 2022-08-12 | 杭州寰宇微视科技有限公司 | 基于人脸的智能调光方法 |
CN117998029B (zh) * | 2024-04-03 | 2024-07-12 | 福龙马城服机器人科技有限公司 | 一种车载相机的权重授时方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208293A (zh) * | 2014-06-16 | 2015-12-30 | 杭州海康威视数字技术股份有限公司 | 数字摄像机的自动曝光控制方法及装置 |
CN105516589A (zh) * | 2015-12-07 | 2016-04-20 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及*** |
CN106385542A (zh) * | 2016-10-11 | 2017-02-08 | 广东欧珀移动通信有限公司 | 一种拍照对焦的方法、装置及移动终端 |
CN107872613A (zh) * | 2016-09-23 | 2018-04-03 | 中兴通讯股份有限公司 | 一种利用双摄像头进行人脸识别的方法、装置及移动终端 |
CN108197601A (zh) * | 2018-01-29 | 2018-06-22 | 深圳市巨龙创视科技有限公司 | 一种智能人脸跟踪曝光*** |
CN109068067A (zh) * | 2018-08-22 | 2018-12-21 | Oppo广东移动通信有限公司 | 曝光控制方法、装置和电子设备 |
CN109889695A (zh) * | 2019-02-27 | 2019-06-14 | 努比亚技术有限公司 | 一种图像区域确定方法、终端及计算机可读存储介质 |
CN109918993A (zh) * | 2019-01-09 | 2019-06-21 | 杭州中威电子股份有限公司 | 一种基于人脸区域曝光的控制方法 |
CN110213484A (zh) * | 2019-05-31 | 2019-09-06 | 维沃移动通信有限公司 | 一种拍照方法、终端设备及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI562635B (en) * | 2015-12-11 | 2016-12-11 | Wistron Corp | Method and Related Camera Device for Generating Pictures with Object Moving Trace |
-
2019
- 2019-11-07 CN CN201911084025.3A patent/CN111131693B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208293A (zh) * | 2014-06-16 | 2015-12-30 | 杭州海康威视数字技术股份有限公司 | 数字摄像机的自动曝光控制方法及装置 |
CN105516589A (zh) * | 2015-12-07 | 2016-04-20 | 凌云光技术集团有限责任公司 | 基于人脸识别的智能曝光方法及*** |
CN107872613A (zh) * | 2016-09-23 | 2018-04-03 | 中兴通讯股份有限公司 | 一种利用双摄像头进行人脸识别的方法、装置及移动终端 |
CN106385542A (zh) * | 2016-10-11 | 2017-02-08 | 广东欧珀移动通信有限公司 | 一种拍照对焦的方法、装置及移动终端 |
CN108197601A (zh) * | 2018-01-29 | 2018-06-22 | 深圳市巨龙创视科技有限公司 | 一种智能人脸跟踪曝光*** |
CN109068067A (zh) * | 2018-08-22 | 2018-12-21 | Oppo广东移动通信有限公司 | 曝光控制方法、装置和电子设备 |
CN109918993A (zh) * | 2019-01-09 | 2019-06-21 | 杭州中威电子股份有限公司 | 一种基于人脸区域曝光的控制方法 |
CN109889695A (zh) * | 2019-02-27 | 2019-06-14 | 努比亚技术有限公司 | 一种图像区域确定方法、终端及计算机可读存储介质 |
CN110213484A (zh) * | 2019-05-31 | 2019-09-06 | 维沃移动通信有限公司 | 一种拍照方法、终端设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111131693A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111131693B (zh) | 一种基于多曝光人脸检测的人脸图像增强方法 | |
CN108174118B (zh) | 图像处理方法、装置和电子设备 | |
CN105915811B (zh) | 图像强光抑制适应控制方法和装置 | |
CN110602467B (zh) | 图像降噪方法、装置、存储介质及电子设备 | |
CN111770285B (zh) | 一种曝光亮度控制方法、装置、电子设备和存储介质 | |
US20100103194A1 (en) | Method and system for fusing images | |
US20100232685A1 (en) | Image processing apparatus and method, learning apparatus and method, and program | |
CN110248112A (zh) | 一种图像传感器的曝光控制方法 | |
CN101282425A (zh) | 一种背光补偿的方法和装置 | |
CN109766828A (zh) | 一种车辆目标分割方法、装置及通信设备 | |
CN109639992B (zh) | 一种基于自动曝光控制与自动切换投影图案的投影方法 | |
CN111225162B (zh) | 图像曝光的控制方法、***、可读存储介质及摄像设备 | |
CN105208293A (zh) | 数字摄像机的自动曝光控制方法及装置 | |
CN110718069A (zh) | 图像亮度调节方法、装置和存储介质 | |
CN112149476A (zh) | 目标检测方法、装置、设备和存储介质 | |
CN110807406B (zh) | 一种雾天检测方法及装置 | |
CN112653845B (zh) | 曝光控制方法、装置、电子设备及可读存储介质 | |
CN106686320B (zh) | 一种基于数密度均衡的色调映射方法 | |
CN104915933A (zh) | 一种基于apso-bp耦合算法的雾天图像增强方法 | |
CN108053418B (zh) | 一种动物背景建模方法及装置 | |
CN109949239A (zh) | 一种适用于多浓度多场景雾霾图像的自适应清晰化方法 | |
CN111368596A (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
CN103618846A (zh) | 一种视频分析中抑制光线突然变化影响的背景去除方法 | |
CN103729624A (zh) | 一种基于肤色识别的测光方法及测光*** | |
CN116485679A (zh) | 低照度增强处理方法、装置、设备及存储介质 |
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 |