红外摄像头弱光环境补偿方法、装置及电子设备

摘要

本申请提供了一种红外摄像头弱光环境补偿方法、装置及电子设备，所述红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：通过摄像头进行图像采集；目标检测识别系统对图像获取目标区域；目标检测识别系统检测目标区域的亮度；目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；本申请的红外摄像头弱光环境补偿方法能够提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，提升了视频图像处理算法的适应性，丰富了应用场景。

说明书

技术领域

本申请属于人脸识别技术领域，更具体地说，是涉及一种红外摄像头弱光环境补偿方法、装置及电子设备。

背景技术

人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测、图像处理算法、自动调整影像放大、夜间红外侦测等技术。

现有技术中，人脸识别技术中的图像处理算法数据源基本来自于摄像头，而随着应用场景越来越复杂，摄像头型号和类型也不固定，受摄像头和环境光线影响最终生成的成像质量很不稳定，导致人脸识别终端设备的双目摄像头中的红外摄像头在弱光环境中成像质量差。

发明内容

本申请实施例的目的在于提供一种红外摄像头弱光环境补偿方法、装置及电子设备，以解决现有技术对红外摄像头在弱光环境中成像质量差的技术问题。

为实现上述目的，本申请采用的技术方案是：提供一种红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：

步骤S1：通过摄像头进行图像采集；

步骤S2：目标检测识别系统对图像获取目标区域；

步骤S3：目标检测识别系统检测目标区域的亮度；

步骤S4：目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；

若是，则目标检测识别系统对目标区域处的图像进行识别；

若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集。

优选地，目标区域的亮度值为目标区域各像素点的亮度值中的平均亮度值。

优选地，在步骤S2中，所述获取目标区域的方法包括预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的任意至少一种。

优选地，在步骤S1之前，还包括步骤S01：在目标检测识别系统中设定理想亮度值，理想亮度值用于与目标区域的亮度值进行比较。

优选地，在步骤S1之前，还包括步骤S02：在目标检测识别系统中设定预设值，预设值用于对目标区域的亮度值与理想亮度值之间差值进行比较。

优选地，所述预设值是范围值。

优选地，在步骤S4中，所述调节红外补光灯的亮度，包括：若目标区域的亮度值大于理想亮度值，则调低红外补光灯的亮度；若目标区域的亮度值小于理想亮度值，则调高红外补光灯的亮度。

优选地，所述目标为人脸；通过摄像头进行人脸图像采集，目标检测识别系统对图像获取人脸的轮廓；再判断目人脸的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对人脸处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行人脸图像采集。

本申请还提供一种红外摄像头弱光环境补偿装置，运用于如上所述的方法，所述红外摄像头弱光环境补偿装置包括摄像头、目标检测识别系统以及红外补光灯，所述目标检测识别系统包括目标区域获取模块、检测模块以及判断模块；

其中，所述摄像头用于图像采集，所述目标区域获取模块用于对图像获取目标区域，所述检测模块用于检测目标区域的亮度，所述判断模块用于判断目标区域的亮度值与理想亮度值之间差值是否满足预设值，所述红外补光灯用于补光。

本申请还提供一种电子设备，所述电子设备包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如上所述的方法。

本申请提供的红外摄像头弱光环境补偿方法的有益效果在于：与现有技术相比，通过目标检测识别系统对图像获取目标区域的亮度后，再判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；进而提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，同时提升了算法在复杂环境下的可靠性，提升了视频图像处理算法的适应性，丰富了应用场景。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的红外摄像头弱光环境补偿方法的步骤示意图；

图2为图1中的红外摄像头弱光环境补偿方法的算法示意图；

图3为本申请另一实施例提供的红外摄像头弱光环境补偿方法的步骤示意图；

图4为本申请实施例提供的红外摄像头弱光环境补偿装置的示意图；

图5为图1中的电子设备的示意图。

具体实施方式

为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请一并参阅图1及图2，现对本申请实施例提供的红外摄像头弱光环境补偿方法进行说明。所述红外摄像头弱光环境补偿方法，基于目标检测识别系统，包括如下步骤：

步骤S1：通过摄像头进行图像采集；

步骤S2：目标检测识别系统对图像获取目标区域；

步骤S3：目标检测识别系统检测目标区域的亮度；

步骤S4：目标检测识别系统判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；

若是，则目标检测识别系统对目标区域处的图像进行识别；

若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集。

其中，目标区域的亮度值可以是目标区域各像素点的亮度值中的最大值，也可以是各像素的平均亮度值等，以便能够表征对应画面的亮度。

优选地，目标区域的亮度值为目标区域各像素点的亮度值中的平均亮度值。

相应地，目标区域的平均亮度值可以通过对目标区域的各像素的亮度值Lum(x,y)的自然对数进行平均值的计算。由于目标区域的平均亮度值Lumave的计算公式及方法为现有技术，在此不再详述。

本申请提供的红外摄像头弱光环境补偿方法，与现有技术相比，通过目标检测识别系统对图像获取目标区域的亮度后，再判断目标区域的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对目标区域处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行图像采集；进而提高在弱光环境下对目标进行红外成像时的亮度，避免各种摄像头的软硬件差异带来的成像质量问题，同时提升了算法在复杂环境下的可靠性，提升了视频图像处理算法的适应性，丰富了应用场景。

在本申请另一个实施例中，在步骤S2中，所述获取目标区域的方法包括预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的任意至少一种。

具体的，所述获取目标区域的方法可以由预定位置设置算法、轮廓检测图像处理算法、双目摄像头中RGB人脸位置辅助定位算法、目标检测深度学习算法中的多种目标位置定位方法相结合，根据每种方法的结果进行综合分析，得出精确度最高的最终结果。

值得补充说明的是，预定位置设置算法是一种可以对图像画面建立坐标系且预定位置设置的算法，其算法成熟，适用于大多数目标的获取。

轮廓检测图像处理算法是指在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程算法。

双目摄像头中RGB人脸位置辅助定位算法是一种基于双目摄像头的活体检测算法，其能够对人脸实现RGB和光线分析，提高人脸检测效率。

目标检测领域的深度学习方法主要分为两类：two stage的目标检测算法与onestage的目标检测算法。前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异，在性能上也有不同，前者在检测准确率和定位精度上占优，后者在算法速度上占优。

在本申请另一个实施例中，请一并参阅图3，在步骤S1之前，还包括步骤S01：在目标检测识别系统中设定理想亮度值，理想亮度值用于与目标区域的亮度值进行比较。

可以理解的是，理想亮度值可以根据实际场合中目标的种类进行设定，例如目标为白色物体时，白色物体反光率高，此时的理想亮度值可以设置得低一点，避免反光现象发生。例如目标为黑色物体时，黑色物体吸光率高，此时的理想亮度值可以设置得高一点，确保目标区域处的图像更加清晰。

在本申请另一个实施例中，请一并参阅图3，在步骤S1之前，还包括步骤S02：在目标检测识别系统中设定预设值，预设值用于对目标区域的亮度值与理想亮度值之间差值进行比较。

可以理解的是，预设值可以是固定值，但优选是范围值。例如，预设值可以是范围值0至5(即上述绝对值是否在0至5的范围内)等，预设值也可以是固定值0(即上述绝对值是否等于0)等。当然，以上仅为本实施例提供的示例，此处不对预设值的具体数值进行限定，本领域技术人员可以根据实际定义的误差范围、数据计算量等因素，对该预设值进行设置。例如，考虑到数据计算量的大小，可以在定义的误差范围内设置该预设值为某范围值，当上述绝对值满足该范围值即可不再调整红外补光灯的亮度，以减少红外补光灯的亮度调整的次数，减少计算目标区域处的图像平均亮度值的次数，从而减少数据计算的总量，提高响应时间。

在本申请另一个实施例中，在步骤S4中，所述调节红外补光灯的亮度，包括：若目标区域的亮度值大于理想亮度值，则调低红外补光灯的亮度；若目标区域的亮度值小于理想亮度值，则调高红外补光灯的亮度。

需要说明的是，上述步骤中，目标区域的亮度值大于理想亮度值之间的大小，可以直接根据目标区域的亮度值大于理想亮度值之间的差来确定。例如，目标区域的亮度值大于理想亮度值之间的差为负，即目标区域的亮度值小于理想亮度值；相应地，该差值为正，即目标区域的亮度值大于理想亮度值。

在本申请另一个实施例中，所述目标为人脸。可以理解的是，当人脸面对着摄像头时，通过摄像头进行人脸图像采集，目标检测识别系统对图像获取人脸的轮廓。再判断目人脸的亮度值与理想亮度值之间差值是否满足预设值；若是，则目标检测识别系统对人脸处的图像进行识别；若否，则在调节红外补光灯的亮度后，通过摄像头再次进行人脸图像采集。

请参阅图4，本申请还提供一种红外摄像头弱光环境补偿装置，运用于如上所述的方法，所述红外摄像头弱光环境补偿装置包括摄像头、目标检测识别系统以及红外补光灯，所述目标检测识别系统包括目标区域获取模块、检测模块以及判断模块。

其中，所述摄像头用于图像采集，所述目标区域获取模块用于对图像获取目标区域，所述检测模块用于检测目标区域的亮度，所述判断模块用于判断目标区域的亮度值与理想亮度值之间差值是否满足预设值，所述红外补光灯用于补光。

请参阅图5，本申请还提供一种电子设备，所述电子设备包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如上所述的方法。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。