CN107729889B - 图像处理方法和装置、电子设备、计算机可读存储介质 - Google Patents
图像处理方法和装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN107729889B CN107729889B CN201711207704.6A CN201711207704A CN107729889B CN 107729889 B CN107729889 B CN 107729889B CN 201711207704 A CN201711207704 A CN 201711207704A CN 107729889 B CN107729889 B CN 107729889B
- Authority
- CN
- China
- Prior art keywords
- thumbnail
- face
- sub
- image
- face recognition
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 28
- 230000009467 reduction Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 238000005282 brightening Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 abstract description 9
- 210000000887 face Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 239000003086 colorant Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background 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
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (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)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法和装置、电子设备、计算机可读存储介质，获取图像及图像的基本信息，根据图像的基本信息对图像进行压缩生成缩略图。根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，对子区域按照接近人脸的程度进行优先级排序。按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果，根据缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。因为缩略图的大小较小，便于后续高效地进行人脸识别。对缩略图划分子区域，再对子区域进行人脸识别，从而可以将整张缩略图中的人脸识别出来，因此，大大提高了对图像进行人脸分类的效率，且降低了分类的错误率，避免出现遗漏。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像处理方法和装置、电子设备、计算机可读存储介质。
背景技术
随着移动终端的普及和移动互联网的迅速发展，移动终端的用户使用量越来越大。而相册功能已经成为移动终端的常用应用之一，属于用户使用频率极高的应用。移动终端的相册中都储存了大量的图像，传统的移动终端相册有提供各种图像浏览和分类的功能，例如根据人物特征进行个人图像处理就是目前比较流行的一种图像展示方式。但传统的图像处理技术对人物分类仍然存在较大的误差，或者带来较大的计算量。
发明内容
本申请实施例提供一种图像处理方法和装置、电子设备、计算机可读存储介质，可以提高图像处理的效率。
一种图像图像处理方法，包括：
获取图像及所述图像的基本信息；
根据所述图像的基本信息对所述图像进行压缩生成缩略图；
根据所述缩略图的亮度及颜色分布信息对所述缩略图进行区域划分得到子区域，对所述子区域按照接近人脸的程度进行优先级排序；
按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果；
根据所述缩略图的人脸识别结果对所述缩略图所对应的图像进行人脸分类，生成人脸分类结果。
一种图像处理装置，所处装置包括：
获取模块，用于获取图像及所述图像的基本信息；
缩略图生成模块，用于根据所述图像的基本信息对所述图像进行压缩生成缩略图；
区域划分及优先级排序生成模块，用于根据所述缩略图的亮度及颜色分布信息对所述缩略图进行区域划分得到子区域，对所述子区域按照接近人脸的程度进行优先级排序；
人脸识别模块，用于按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果；
分类模块，用于根据所述缩略图的人脸识别结果对所述缩略图所对应的图像进行人脸分类，生成人脸分类结果。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述指令被所述处理器执行时，使得所述处理器执行如上所述的图像处理方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像处理方法的步骤。
上述图像处理方法和装置、电子设备、计算机可读存储介质，首先，根据图像的基本信息对图像进行压缩生成缩略图。因为缩略图的大小较小，便于后续高效地进行人脸识别。因为出现人脸的子区域的亮度和颜色分部信息是有一定特点的，所以根据缩略图的亮度及颜色分布信息对缩略图进行区域划分，得到不同的子区域。且对不同的子区域按照接近人脸的程度进行优先级排序。所以优先级靠前的子区域便是容易识别出人脸的区域，根据优先级排序依次对子区域进行人脸识别，从而可以将整张缩略图中的人脸识别出来，进而得到缩略图的人脸识别结果。再根据每张缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。因此，大大提高了对图像进行人脸分类的效率，且降低了分类的错误率，避免出现遗漏。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1A为一个实施例中电子设备的内部结构图；
图1B为一个实施例中图像处理方法的应用场景图；
图2A为一个实施例中图像处理方法的流程图；
图2B为一个实施例中对图像进行子区域划分的应用场景图；
图3为图2A中按照子区域的优先级排序对子区域进行人脸识别方法的流程图；
图4为图2A中按照子区域的优先级排序对子区域进行人脸识别且第一次出现未识别出人脸时的处理方法的流程图；
图5为图4中第一次出现未识别出人脸的情况根据缩略图的亮度大小对子区域进行处理的方法的流程图；
图6为图4中第一次出现未识别出人脸的情况根据缩略图的分辨率大小对子区域进行处理的方法的流程图；
图7为图2A中生成缩略图的方法的流程图；
图8为图7中降低分辨率的方法的流程图；
图9为一个实施例中图像处理装置的结构示意图；
图10为图9中人脸识别模块的结构示意图；
图11为图9中又一人脸识别模块的结构示意图；
图12为图9中缩略图生成模块的结构示意图；
图13为一个实施例中提供的电子设备相关的手机的部分结构的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，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。
图1A为一个实施例中电子设备的内部结构示意图。如图1A所示，该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的图像处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
图1B为一个实施例中图像处理方法的应用场景图，如图1B所示，该应用环境包括电子设备110、服务器120。终端110和服务器120之间通过网络进行连接。在电子设备110中存储有图像，上述图像可存储于电子设备110内存中，也可存储于电子设备110内置SD(Secure Digital Memory Card，安全数码卡)卡中。电子设备110可获取图像及所述图像的基本信息，根据所述图像的基本信息对所述图像进行压缩生成缩略图。根据所述缩略图的亮度及颜色分布信息对所述缩略图进行区域划分得到子区域，对所述子区域按照接近人脸的程度进行优先级排序。按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果，根据所述缩略图的人脸识别结果对所述缩略图所对应的图像进行人脸分类，生成人脸分类结果。当然上述人脸识别也可以由电子设备110向服务器120发起图像处理的请求，在服务器120上完成图像处理，服务器120在将图像处理的结果发送至电子设备110。在一个实施例中，如图2A所示，提供了一种图像处理方法，以该方法应用于图1A中的电子设备为例进行说明，包括：
步骤202，获取图像及图像的基本信息。
电子设备的相册中存储了大量的图片即图像，并存储了图像的基本信息。基本信息包括图像的文件格式、文件大小、分辨率大小、拍摄时间及拍摄地点等信息。在对相册中的图像进行图像分类时候，电子设备首先获取图像及图像的基本信息。
步骤204，根据图像的基本信息对图像进行压缩生成缩略图。
电子设备获取图像及图像的基本信息之后，对图像的基本信息进行综合分析。具体地，首先分析图像的文件格式，通常有JPEG、TIFF(Tag Image File Format)、RAW、BMP(Window标准位图)、GIF、PNG(Portable Network Graphics)等格式。若图像的文件格式为PNG格式，则一般PNG格式的文件较大，占用内存较大，因此可以将PNG格式的图像进行格式转换，例如转换为JPEG格式，则可以大大减小图像的文件大小，生成文件大小较为合理的缩略图。
当然，若图像的文件大小本来就不是特别大，则可以不对图像进行格式转换，而是对图像进行降低分辨率。从而将文件压缩生成文件大小较为合理的缩略图。
步骤206，根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，对子区域按照接近人脸的程度进行优先级排序。
对压缩后生成的缩略图进行扫描，获取缩略图的亮度及颜色分布信息，根据缩略图的亮度及颜色分布信息对缩略图进行区域划分。颜色分布信息指的是图像中包含多少种颜色，且不同的颜色在图像中连续分布的位置信息。其中，图像中包含多少种颜色可以由颜色直方图来计算进行获取。颜色直方图中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调。因此，可以对缩略图按照颜色直方图中所统计出的不同颜色进行区域划分。具体地，一般图像中前景和后景的亮度是不同的，主要人物(除了路人)一般都出现在前景中，每种颜色的RGB值是不同的，且人脸颜色的RGB值是有一定的范围。所以根据缩略图的亮度及颜色分布信息可以实现对缩略图进行区域划分，划分为不同的区域，生成子区域。例如，划分后的每一个子区域都接近一种颜色，都有一个较为接近的RGB值。
对划分后得到的子区域按照接近人脸的程度进行优先级排序，具体地，例如可以通过以下这些条件来判断子区域接近人脸的程度：可以按照子区域的RGB值是否在预设人脸的RGB值的范围内，子区域的轮廓是否接近人脸的轮廓，且子区域中是否出现了接近眼睛的RGB值的色块等来综合分析对子区域进行优先级排序。若子区域同时满足上述3个条件，则优先级为最高，将这些子区域列入优先级最高的一类中。若只满足某2个条件，则将这些子区域列入优先级次之的一类中。若只满足某1个条件，则将这些子区域列入优先级再次之的一类中。若任何一个条件都不满足，则依次排在后面。
当然也可以对上述3个条件设置权值，对第一个条件：子区域的RGB值是否在预设人脸的RGB值的范围内，设置权值最高，例如50％。对第二个条件：子区域的轮廓是否接近人脸的轮廓，设置权值为30％。对第三个条件：子区域中是否出现了接近眼睛的RGB值的色块，设置权值为20％。这样对满足上述条件中的一个或多个的区域可以将权值相加，再根据相加之后的权值大小对子区域进行优先级排序。优先级较高的就排在前面，依次进行优先级排序。
步骤208，按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果。
按照优先级排序依次采用人脸识别算法对子区域进行人脸识别。具体的，当在一张缩略图中对优先级最高的子区域中识别出人脸时，则生成人脸识别结果，并进行标记。继续对优先级次之的子区域进行人脸识别，生成人脸识别结果，并进行标记。如此循环直到从某一个子区域中不能识别出人脸，那么就将从缩略图中得到的人脸识别结果输出。
步骤210，根据缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。
对一个缩略图进行人脸识别之后，可能只识别出一个人脸，也可能识别出了多个人脸的结果。根据人脸识别结果对缩略图所对应的图像进行分类生成人脸分类结果，当然同一张有多个人脸的图像将会被分到不同的人脸类别中去。
本申请实施例中，首先，根据图像的基本信息对图像进行压缩生成缩略图。因为缩略图的大小较小，便于后续高效地进行人脸识别。因为出现人脸的子区域的亮度和颜色分部信息是有一定特点的，所以根据缩略图的亮度及颜色分布信息对缩略图进行区域划分，得到不同的子区域。且对不同的子区域按照接近人脸的程度进行优先级排序。所以优先级靠前的子区域便是容易识别出人脸的区域，根据优先级排序依次对子区域进行人脸识别，从而可以将整张缩略图中的人脸识别出来，进而得到缩略图的人脸识别结果。再根据每张缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。因此，大大提高了对图像进行人脸分类的效率，且降低了分类的错误率，避免出现遗漏。
图2B为一个实施例中对图像进行子区域划分的应用场景图，电子设备或服务器获取到图像，根据图像的基本信息对图像进行压缩生成缩略图。具体地，对图像进行降低分辨率，从而将文件压缩生成文件大小较为合理的缩略图。例如，图2B中左边的(a)图即表示所生成的缩略图。根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，右边的(b)图即表示划分得到子区域之后的缩略图，并对子区域按照接近人脸的程度进行优先级排序。因为子区域211、子区域212及子区域213接近人脸的程度最高，所以列入优先级最高的一类中。子区域221、子区域222、子区域223及子区域224接近人脸的程度次之，所以列入优先级次之的一类中。按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果。根据缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。
在一个实施例中，如图3所示，按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果，包括：
步骤302，获取子区域的优先级排序。
对划分后的子区域按照接近人脸的程度进行优先级排序，具体的，例如可以通过以下这些条件来判断子区域接近人脸的程度：可以按照子区域的RGB值是否在预设人脸的RGB值的范围内，子区域的轮廓是否接近人脸的轮廓，且子区域中是否出现了接近眼睛的RGB值的色块等来综合分析对子区域进行优先级排序。优先级较高的就排在前面，依次进行排序，就得到了子区域的优先级排序。
步骤304，按照子区域的优先级排序依次获取子区域，对子区域进行人脸识别。
将子区域按照优先级排序依次排序之后，按照优先级从高到低的顺序依次采用人脸识别算法对子区域进行人脸识别。具体的，当在一张缩略图中优先级最高的子区域中识别出人脸时，则生成人脸识别结果，并进行标记。继续对优先级次之的子区域进行人脸识别，生成人脸识别结果，并进行标记。如此循环直到识别出缩略图中的所有人脸。
步骤306，若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出缩略图中的所有人脸。
当在一张缩略图中优先级最高的子区域中识别出人脸时，则生成人脸识别结果，并进行标记。继续对优先级次之的子区域进行人脸识别，生成人脸识别结果，并进行标记。如此循环直到识别出缩略图中的所有人脸。
本申请实施例中，根据缩略图中子区域的优先级排序依次对子区域进行人脸识别，若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出缩略图中的所有人脸。如此按照优先级排序依次对子区域进行人脸识别，可以有效避免遗漏人脸。
在一个实施例中，如图4所示，在所述按照所述子区域的优先级排序依次获取所述子区域，对所述子区域进行人脸识别之后，包括：
步骤308，若第一次出现未识别出人脸的情况，则根据缩略图的亮度大小或分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别。
若在对一张缩略图中的子区域进行人脸识别，第一次出现未识别出人脸时，则需要对这张缩略图的亮度大小或分辨率大小进行判断分析，再决定是否需要对该子区域的亮度和分辨率进行处理以再次进行人脸识别。
步骤310，若识别出人脸，则继续根据缩略图的亮度对优先级次之的子区域进行处理，对处理后的子区域进行人脸识别。
若在对第一次未识别出人脸的子区域经过亮度和分辨率处理后，便可以识别出人脸，那么就说明这个缩略图中可能还存在人脸，只是由于缩略图的亮度和分辨率不够而导致不能识别完所有的人脸。因此，继续对该缩略图中的下一个优先级的子区域进行人脸识别，若未识别出人脸，则对该未识别出人脸的子区域进行亮度和分辨率处理。对处理后的子区域进行人脸识别，若再次识别出来，那么继续进行下一个优先级的子区域的识别。若未识别出来，则终止对该缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
步骤312，若未识别出人脸，则终止对缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
若在对第一次未识别出人脸的子区域经过亮度和分辨率处理后，仍然未识别出该子区域，则说明这个缩略图中不存在未识别的人脸了。因此，可以终止对该缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
本申请实施例中，根据缩略图中子区域的优先级排序依次对子区域进行人脸识别，在第一次出现从某个优先级的子区域中未识别出人脸时，则先对该子区域进行亮度和分辨率处理，然后再次进行人脸识别。若经过处理后，可以识别出人脸，则说明这个缩略图中可能还存在人脸，只是由于缩略图的亮度和分辨率不够而导致不能识别完所有的人脸。因此，对该子区域进行亮度和分辨率处理，即可将亮度和分辨率不够的人脸识别出来。因此，可以有效避免漏掉人脸。若经过处理后，仍然不能识别出人脸，则说明这个缩略图中不存在未识别的人脸了，即对该缩略图终止进行人脸识别，避免对该缩略图进行无限制的识别浪费资源。
在一个实施例中，如图5所示，若第一次出现未识别出人脸的情况，则根据缩略图的亮度大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别，包括：
步骤502，若第一次出现未识别出人脸的情况，则判断缩略图的亮度大小是否达到设定阈值。
若在对一张缩略图中的子区域进行人脸识别，第一次出现未识别出人脸时，则需要对这张缩略图的亮度大小进行判断分析，再决定是否需要对该子区域的亮度进行处理以再次进行人脸识别。具体为，判断缩略图的亮度大小是否达到设定阈值。一般子区域的亮度在达到设定阈值的亮度情况下，通过人脸识别算法是可以从中识别出人脸。
步骤504，若是，则对当前未识别出人脸的子区域进行舍弃处理。
判断缩略图的亮度大小是否达到设定阈值，若判断结果为达到了设定阈值，则说明缩略图的亮度已经达到了人脸识别的要求了。因此，在该缩略图中未识别出人脸，只能说明该缩略图中不存在未识别的人脸了。因此，对当前未识别出人脸的子区域进行舍弃处理，不对该子区域进行再次人脸识别，也终止对该整个缩略图的人脸识别。
步骤506，若否，则对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
判断缩略图的亮度大小是否达到设定阈值，若判断结果是未达到了设定阈值，则说明缩略图的亮度还未达到人脸识别的要求。因此，对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
本申请实施例中，若第一次出现未识别出人脸的情况，则对缩略图的亮度大小是否达到设定阈值进行判断，实现了根据缩略图的场景信息进行分别处理。即对亮度未达到人脸识别要求的缩略图进行增亮处理，然后再次进行人脸识别，对亮度已经达到了人脸识别要求的缩略图进行舍弃处理即不对该子区域进行再次人脸识别，也终止对该整个缩略图的人脸识别。如此，便可以避免了对有些亮度不够的缩略图漏识别了人脸，也可以对亮度达到要求的缩略图直接终止识别，从而可以提高效率的同时大大提高人脸识别的准确性，进而大大提高对图像进行人脸分类的效率和准确率。
在一个实施例中，如图6所示，若第一次出现未识别出人脸的情况，则根据缩略图的分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别，包括：
步骤602，若第一次出现未识别出人脸的情况，则判断缩略图的分辨率大小是否达到设定阈值。
若在对一张缩略图中的子区域进行人脸识别，第一次出现未识别出人脸时，则需要对这张缩略图的分辨率大小进行判断分析，再决定是否需要对该子区域的分辨率进行处理以再次进行人脸识别。具体为，判断缩略图的分辨率大小是否达到设定阈值。一般子区域的分辨率在达到设定阈值的情况下，通过人脸识别算法是可以从中识别出人脸。
步骤604，若是，则对当前未识别出人脸的子区域进行舍弃处理。
判断缩略图的分辨率大小是否达到设定阈值，若判断结果为达到了设定阈值，则说明缩略图的分辨率已经达到了人脸识别的要求了。因此，在该缩略图中未识别出人脸，只能说明该缩略图中不存在未识别的人脸了。因此，对当前未识别出人脸的子区域进行舍弃处理，不对该子区域进行再次人脸识别，也终止对该整个缩略图的人脸识别。
步骤606，若否，则对当前未识别出人脸的子区域进行增大分辨率处理，对处理后的子区域再次进行人脸识别。
判断缩略图的分辨率大小是否达到设定阈值，若判断结果是未达到了设定阈值，则说明缩略图的分辨率还未达到人脸识别的要求。因此，对当前未识别出人脸的子区域进行增大分辨率的处理，对处理后的子区域再次进行人脸识别。
本申请实施例中，若第一次出现未识别出人脸的情况，则对缩略图的分辨率大小是否达到设定阈值进行判断，实现了根据缩略图的场景信息进行分别处理。即对分辨率未达到人脸识别要求的缩略图进行增大分辨率处理，然后再次进行人脸识别，对分辨率已经达到了人脸识别要求的缩略图进行舍弃处理即不对该子区域进行再次人脸识别，也终止对该整个缩略图的人脸识别。如此，便可以避免了对有些分辨率不够的缩略图漏识别了人脸，也可以对分辨率达到要求的缩略图直接终止识别，从而可以提高效率的同时大大提高人脸识别的准确性，进而大大提高对图像进行人脸分类的效率和准确率。最终给用户提供更良好的图片浏览体验。
在一个实施例中，如图7所示，根据图像的基本信息对图像进行压缩生成缩略图，包括：
步骤702，对图像采用格式转换的方式进行压缩，生成缩略图。
若图像在原来的格式下占用内存较大，则对图像的格式进行转换，转换至占用内存较小的格式。若图像的文件格式为PNG格式，则一般PNG格式的文件较大，占用内存较大，因此可以将PNG格式的图像进行格式转换，例如转换为JPEG格式，则可以大大减小图像的文件大小，生成文件大小较为合理的缩略图。
步骤704，若缩略图的大小不在预设范围内，则根据缩略图对应的图像的基本信息对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内。
若进行了格式转换后所得到的缩略图的大小还是不在预设范围内，则需要对缩略图进行进一步的缩小。具体的，可以采用降低分辨率的方式进行缩小，将缩略图的大小缩小至预设范围内。
本申请实施例中，对图像采用多种压缩方法来实现压缩，例如，先对图像进行格式转换，然后再进行降低分辨率。对于一些文件较大的图像可以双管齐下，从而将图像压缩至预设范围内。
在一个实施例中，如图8所示，基本信息包括拍摄时间和拍摄地点，步骤704包括：
步骤704a，若缩略图的大小不在预设范围内，则根据缩略图对应的图像的拍摄时间及拍摄地点判断缩略图的拍摄场景，拍摄场景包括白天和夜晚。
若进行了格式转换后所得到的缩略图的大小还是不在预设范围内，则从缩略图所对应的图像的基本信息中获取到拍摄时间和拍摄地点。根据图像的拍摄时间及拍摄地点粗略判断缩略图的拍摄场景，拍摄场景包括白天和夜晚。例如，若图像的拍摄时间是在北京时间am:9:00，拍摄地点是在深圳，则根据气候常识可以判断出图像的拍摄场景是处于白天。若图像的拍摄时间是在北京时间pm:9:00，拍摄地点是在深圳，则根据气候常识可以判断出图像的拍摄场景是处于夜晚。
步骤704b，若缩略图的拍摄场景为白天，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的下限。
若缩略图的拍摄场景为白天，则一般情况下白天的光线较强，所拍摄的图像自然亮度较强，分辨率较高。因此，在对拍摄场景为白天的图像所对应的缩略图采用降低分辨率的方式进行压缩时，可以进行较大幅度的压缩，使得压缩后的缩略图的大小在预设范围内且接近预设范围的下限，就是在预设范围内尽量压缩。具体地，降低分辨率的方式，可以按照所要达到的分辨率的范围进行降低，对于拍摄场景为白天的图像，则可以将分辨率降低至480*340，当然也可以在480*340小幅度浮动。降低分辨率的方式，也可以按照降低后所要达到的文件大小的范围进行。如降低后所要达到的文件大小范围为200KB-600KB。那么对于拍摄场景为白天的图像，则可以通过降低分辨率的方式尽量降低至接近200KB。
步骤704c，若缩略图的拍摄场景为夜晚，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的上限。
若缩略图的拍摄场景为夜晚，则一般情况下夜晚的光线较弱，所拍摄的图像自然亮度较弱，分辨率较低。因此，在对拍摄场景为夜晚的图像所对应的缩略图采用降低分辨率的方式进行压缩时，可以进行较小幅度的压缩，使得压缩后的缩略图的大小在预设范围内且接近预设范围的上限。这样既能最大幅度压缩图像，又能够保证图像的分辨率及亮度尽量大，以使得在人脸识别时候能够更好地进行。具体地，降低分辨率的方式，可以按照所要达到的分辨率的范围进行降低，对于拍摄场景为夜晚的图像，则可以将分辨率降低至800*600(比拍摄场景为白天的分辨率高)，当然也可以在800*600小幅度浮动。降低分辨率的方式，也可以按照降低后所要达到的文件大小的范围进行。例如降低后所要达到的文件大小范围为200KB-600KB。那么对于拍摄场景为夜晚的图像，则可以通过降低分辨率的方式降低至600KB以下，接近600KB即可。
本申请实施例中，根据缩略图所对应的图像的拍摄场景，选择合适的压缩比例来降低分辨率，使得拍摄场景为黑夜的图像所对应的缩略图可以进行较小幅度的压缩，尽量保证图像的亮度和分辨率。而对于拍摄场景为白天的图像所对应的缩略图可以进行较大幅度的压缩，提高后续进行人脸识别的效率。
在一个实施例中，根据缩略图的亮度及颜色分布信息对缩略图进行区域划分，还包括：根据缩略图的前景区域和后景区域对缩略图进行区域划分。
前景为在主体前面或靠近镜头位置的人物或景物。前景有时可以安置在画面的上下边缘，或画面的左右边缘，甚至可遍布画面，包含前景的区域即为前景区域。后景为与前景相对应，是靠近主体后面的人物或景物，在有前景的条件下，后景有时可以是主体，也可以是陪体，但多数是环境的组成部分，包含后景的区域就叫做后景区域。
本申请实施例中，在对缩略图进行划分区域的时候，不仅可以根据缩略图的亮度及颜色分布信息来进行划分，也可以根据缩略图的前景区域和后景区域对缩略图进行区域划分。当然，也可以综合考虑缩略图的亮度、颜色分布信息及前景区域和后景区域来进行区域划分。从而，实现对缩略图进行更加精确的区域划分，生成子区域，从而为后续对子区域按照接近人脸的程度进行优先级排序打下基础，便于后续快速准确的对子区域进行优先级排序。
在一个实施例中，提供了一种图像处理方法，以该方法应用于图1A中的电子设备为例进行说明，具体为：
(1)电子设备从自身相册中获取图像及图像的基本信息。
基本信息包括图像的文件格式、文件大小、分辨率大小、拍摄时间及拍摄地点等信息。
(2)根据图像的基本信息对图像进行压缩生成缩略图。
若图像的文件大小本来就特别大，例如超过1M，则就先对该图像进行格式转换，转换为JPEG格式，因为JPEG格式的文件大小较小。若格式转换后得到的缩略图的大小还是不在预设范围内，那么对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内。若图像的文件大小本来就不是特别大，例如未超过1M，则可以不对图像进行格式转换，而是直接对图像进行降低分辨率，从而将文件压缩生成文件大小较为合理的缩略图。降低分辨率的方式，可以按照所要达到的分辨率的范围进行降低，也可以按照降低后所要达到的文件大小的范围进行。
(3)对压缩后生成的缩略图进行扫描，获取缩略图的亮度及颜色分布信息，根据缩略图的亮度及颜色分布信息对缩略图进行区域划分。当然，也可以根据所述缩略图的前景区域和后景区域对所述缩略图进行区域划分。
(4)对划分后的子区域按照接近人脸的程度进行优先级排序。
(5)获取子区域的优先级排序，按照优先级从高到低的顺序依次采用人脸识别算法对子区域进行人脸识别。
(6)若在对一张缩略图中的子区域进行人脸识别，第一次出现未识别出人脸时，则需要对这张缩略图的亮度大小和分辨率大小进行判断分析，再决定是否需要对该子区域的亮度和分辨率进行处理以再次进行人脸识别。
(7)对一个缩略图进行人脸识别之后，可能只识别出一个人脸，也可能识别出了多个人脸的结果。根据人脸识别结果对缩略图所对应的图像进行分类生成人脸分类结果，当然同一张有多个人脸的图像将会被分到不同的人脸类别中去。
在一个实施例中，如图9所示，提供了一种图像处理装置900，装置包括：获取模块902、缩略图生成模块904、区域划分及优先级排序生成模块906、人脸识别模块908及分类模块910。其中，
获取模块902，用于获取图像及图像的基本信息。
缩略图生成模块904，用于根据图像的基本信息对图像进行压缩生成缩略图。
区域划分及优先级排序模块906，用于根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，对子区域按照接近人脸的程度进行优先级排序。
人脸识别模块908，用于按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果。
分类模块910，用于根据人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。
在一个实施例中，如图10所示，人脸识别模块908包括：
子区域的优先级排序获取模块908a，用于获取子区域的优先级排序；
人脸识别依次进行模块908b，用于按照子区域的优先级排序依次获取子区域，对子区域进行人脸识别。
识别出人脸模块908c，用于若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出缩略图中的所有人脸。
在一个实施例中，如图11所示，人脸识别模块908还包括：
未识别出人脸的子区域处理模块908d，用于若第一次出现未识别出人脸的情况，则根据缩略图的亮度大小或分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别。
识别出人脸模块908e，用于若识别出人脸，则继续根据缩略图的亮度对优先级次之的子区域进行处理，对处理后的子区域进行人脸识别；
人脸识别结果输出模块908f，用于若未识别出人脸，则终止对缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
在一个实施例中，未识别出人脸的子区域处理模块908d还用于若第一次出现未识别出人脸的情况，则判断缩略图的亮度大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，未识别出人脸的子区域处理模块908d还用于若第一次出现未识别出人脸的情况，则判断缩略图的分辨率大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增大分辨率处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，如图12所示，缩略图生成模块904包括：
格式转换模块904a，用于对图像采用格式转换的方式进行压缩，生成缩略图；
分辨率降低模块904b，用于若缩略图的大小不在预设范围内，则根据缩略图对应的图像的基本信息对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内。
在一个实施例中，分辨率降低模块904b还用于若缩略图的大小不在预设范围内，则根据缩略图对应的图像的拍摄时间及拍摄地点判断缩略图的拍摄场景，拍摄场景包括白天和夜晚；若缩略图的拍摄场景为白天，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的下限；若缩略图的拍摄场景为夜晚，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的上限。
在一个实施例中，区域划分及优先级排序模块906还用于根据缩略图的前景区域和后景区域对缩略图进行区域划分。
上述图像处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将图像处理装置按照需要划分为不同的模块，以完成上述图像处理装置的全部或部分功能。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图像处理方法。
本申请实施例还提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取图像及图像的基本信息；根据图像的基本信息对图像进行压缩生成缩略图；根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，对子区域按照接近人脸的程度进行优先级排序；按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果；根据缩略图的人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：获取子区域的优先级排序；按照子区域的优先级排序依次获取子区域，对子区域进行人脸识别；若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出缩略图中的所有人脸。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：若第一次出现未识别出人脸的情况，则根据缩略图的亮度大小及分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别；若识别出人脸，则继续根据缩略图的亮度对优先级次之的子区域进行处理，对处理后的子区域进行人脸识别；若未识别出人脸，则终止对缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：若第一次出现未识别出人脸的情况，则判断缩略图的亮度大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：若第一次出现未识别出人脸的情况，则判断缩略图的分辨率大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增大分辨率处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：对图像采用格式转换的方式进行压缩，生成缩略图；若缩略图的大小不在预设范围内，则根据缩略图对应的图像的基本信息对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内。
在一个实施例中，上述处理器执行计算机程序时还实现以下步骤：若缩略图的大小不在预设范围内，则根据缩略图对应的图像的拍摄时间及拍摄地点判断缩略图的拍摄场景，拍摄场景包括白天和夜晚；若缩略图的拍摄场景为白天，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的下限；若缩略图的拍摄场景为夜晚，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的上限。
本申请实施例还提供了还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以下步骤：获取图像及图像的基本信息；根据图像的基本信息对图像进行压缩生成缩略图；根据缩略图的亮度及颜色分布信息对缩略图进行区域划分得到子区域，对子区域按照接近人脸的程度进行优先级排序；按照子区域的优先级排序依次对子区域进行人脸识别，得到缩略图的人脸识别结果；根据人脸识别结果对缩略图所对应的图像进行人脸分类，生成人脸分类结果。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：获取子区域的优先级排序；按照子区域的优先级排序依次获取子区域，对子区域进行人脸识别；若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出缩略图中的所有人脸。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：若第一次出现未识别出人脸的情况，则根据缩略图的亮度大小及分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别；若识别出人脸，则继续根据缩略图的亮度对优先级次之的子区域进行处理，对处理后的子区域进行人脸识别；若未识别出人脸，则终止对缩略图进行人脸识别，将从缩略图中识别出的人脸输出，生成缩略图的人脸识别结果。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：若第一次出现未识别出人脸的情况，则判断缩略图的亮度大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：若第一次出现未识别出人脸的情况，则判断缩略图的分辨率大小是否达到设定阈值；若是，则对当前未识别出人脸的子区域进行舍弃处理；若否，则对当前未识别出人脸的子区域进行增大分辨率处理，对处理后的子区域再次进行人脸识别。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：对图像采用格式转换的方式进行压缩，生成缩略图；若缩略图的大小不在预设范围内，则根据缩略图对应的图像的基本信息对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内。
在一个实施例中，上述程序被处理器执行时还实现以下步骤：若缩略图的大小不在预设范围内，则根据缩略图对应的图像的拍摄时间及拍摄地点判断缩略图的拍摄场景，拍摄场景包括白天和夜晚；若缩略图的拍摄场景为白天，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的下限；若缩略图的拍摄场景为夜晚，对缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在预设范围内且接近预设范围的上限。
本申请实施例还提供了一种电子设备。如图13所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该电子设备可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、穿戴式设备等任意终端设备，以电子设备为手机为例：
图13为与本申请实施例提供的电子设备相关的手机的部分结构的框图。参考图13，手机包括：射频(Radio Frequency，RF)电路810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保真(wireless fidelity，WiFi)模块870、处理器880、以及电源890等部件。本领域技术人员可以理解，图13所示的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，RF电路810可用于收发信息或通话过程中，信号的接收和发送，可将基站的下行信息接收后，给处理器880处理；也可以将上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路810还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System ofMobile communication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE))、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器820可用于存储软件程序以及模块，处理器880通过运行存储在存储器820的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器820可主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能的应用程序、图像播放功能的应用程序等)等；数据存储区可存储根据手机的使用所创建的数据(比如音频数据、通讯录等)等。此外，存储器820可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元830可用于接收输入的数字或字符信息，以及产生与手机800的用户设置以及功能控制有关的键信号输入。具体地，输入单元830可包括触控面板831以及其他输入设备832。触控面板831，也可称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板831上或在触控面板831附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一个实施例中，触控面板831可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器880，并能接收处理器880发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板831。除了触控面板831，输入单元830还可以包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)等中的一种或多种。
显示单元840可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元840可包括显示面板841。在一个实施例中，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板841。在一个实施例中，触控面板831可覆盖显示面板841，当触控面板831检测到在其上或附近的触摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据触摸事件的类型在显示面板841上提供相应的视觉输出。虽然在图13中，触控面板831与显示面板841是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板831与显示面板841集成而实现手机的输入和输出功能。
手机800还可包括至少一种传感器850，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板841的亮度，接近传感器可在手机移动到耳边时，关闭显示面板841和/或背光。运动传感器可包括加速度传感器，通过加速度传感器可检测各个方向上加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换)、振动识别相关功能(比如计步器、敲击)等；此外，手机还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器等。
音频电路860、扬声器861和传声器862可提供用户与手机之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器861，由扬声器861转换为声音信号输出；另一方面，传声器862将收集的声音信号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输出处理器880处理后，经RF电路810可以发送给另一手机，或者将音频数据输出至存储器820以便后续处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块870可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图13示出了WiFi模块870，但是可以理解的是，其并不属于手机800的必须构成，可以根据需要而省略。
处理器880是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器820内的软件程序和/或模块，以及调用存储在存储器820内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。在一个实施例中，处理器880可包括一个或多个处理单元。在一个实施例中，处理器880可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等；调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器880中。
手机800还包括给各个部件供电的电源890(比如电池)，优选的，电源可以通过电源管理系统与处理器890逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在一个实施例中，手机800还可以包括摄像头、蓝牙模块等。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取图像及所述图像的基本信息；
根据所述图像的基本信息对所述图像进行压缩生成缩略图；
根据所述缩略图的亮度及颜色分布信息对所述缩略图进行区域划分得到子区域，对所述子区域按照接近人脸的程度进行优先级排序；
按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果；
根据所述缩略图的人脸识别结果对所述缩略图所对应的图像进行人脸分类，生成人脸分类结果。
2.根据权利要求1所述的方法，其特征在于，所述按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果，包括：
获取所述子区域的优先级排序；
按照所述子区域的优先级排序依次获取所述子区域，对所述子区域进行人脸识别；
若识别出人脸，则生成本次人脸识别结果，并继续对优先级次之的子区域进行人脸识别，直到识别出所述缩略图中的所有人脸。
3.根据权利要求2所述的方法，其特征在于，在所述按照所述子区域的优先级排序依次获取所述子区域，对所述子区域进行人脸识别之后，包括：
若第一次出现未识别出人脸的情况，则根据所述缩略图的亮度大小或分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别；
若识别出人脸，则继续根据所述缩略图的亮度对优先级次之的子区域进行处理，对处理后的子区域进行人脸识别；
若未识别出人脸，则终止对所述缩略图进行人脸识别，将从所述缩略图中识别出的人脸输出，生成所述缩略图的人脸识别结果。
4.根据权利要求3所述的方法，其特征在于，所述若第一次出现未识别出人脸的情况，则根据所述缩略图的亮度大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别，包括：
若第一次出现未识别出人脸的情况，则判断所述缩略图的亮度大小是否达到设定阈值；
若是，则对当前未识别出人脸的子区域进行舍弃处理；
若否，则对当前未识别出人脸的子区域进行增亮处理，对处理后的子区域再次进行人脸识别。
5.根据权利要求3所述的方法，其特征在于，所述若第一次出现未识别出人脸的情况，则根据所述缩略图的分辨率大小对当前未识别出人脸的子区域进行处理，对处理后的子区域再次进行人脸识别，包括：
若第一次出现未识别出人脸的情况，则判断所述缩略图的分辨率大小是否达到设定阈值；
若是，则对当前未识别出人脸的子区域进行舍弃处理；
若否，则对当前未识别出人脸的子区域进行增大分辨率处理，对处理后的子区域再次进行人脸识别。
6.根据权利要求1所述的方法，其特征在于，所述根据所述图像的基本信息对所述图像进行压缩生成缩略图，包括：
对所述图像采用格式转换的方式进行压缩，生成缩略图；
若所述缩略图的大小不在预设范围内，则根据所述缩略图对应的图像的基本信息对所述缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在所述预设范围内。
7.根据权利要求6所述的方法，其特征在于，所述基本信息包括拍摄时间和拍摄地点；
所述若所述缩略图的大小不在预设范围内，则根据所述缩略图对应的图像的基本信息对所述缩略图采用降低分辨率的方式进行压缩，使得压缩后的缩略图的大小在预设范围内，包括：
若所述缩略图的大小不在所述预设范围内，则根据所述缩略图对应的图像的拍摄时间及拍摄地点判断所述缩略图的拍摄场景，所述拍摄场景包括白天和夜晚；
若所述缩略图的拍摄场景为白天，对所述缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在所述预设范围内且接近所述预设范围的下限；
若所述缩略图的拍摄场景为夜晚，对所述缩略图采用降低分辨率的方式进行压缩，以使压缩后的缩略图的大小在所述预设范围内且接近所述预设范围的上限。
8.一种图像处理装置，其特征在于，所述装置包括：
获取模块，用于获取图像及所述图像的基本信息；
缩略图生成模块，用于根据所述图像的基本信息对所述图像进行压缩生成缩略图；
区域划分及优先级排序生成模块，用于根据所述缩略图的亮度及颜色分布信息对所述缩略图进行区域划分得到子区域，对所述子区域按照接近人脸的程度进行优先级排序；
人脸识别模块，用于按照所述子区域的优先级排序依次对所述子区域进行人脸识别，得到所述缩略图的人脸识别结果；
分类模块，用于根据所述缩略图的人脸识别结果对所述缩略图所对应的图像进行人脸分类，生成人脸分类结果。
9.一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的图像处理方法的步骤。
10.一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，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的图像处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711207704.6A CN107729889B (zh) | 2017-11-27 | 2017-11-27 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711207704.6A CN107729889B (zh) | 2017-11-27 | 2017-11-27 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107729889A CN107729889A (zh) | 2018-02-23 |
| CN107729889B true CN107729889B (zh) | 2020-01-24 |
Family
ID=61219462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711207704.6A Active CN107729889B (zh) | 2017-11-27 | 2017-11-27 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107729889B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145772B (zh) * | 2018-08-01 | 2021-02-02 | Oppo广东移动通信有限公司 | 数据处理方法、装置、计算机可读存储介质和电子设备 |
| EP3671551A4 (en) | 2018-08-01 | 2020-12-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | DATA PROCESSING METHOD AND DEVICE, COMPUTER-READABLE STORAGE MEDIUM AND ELECTRONIC DEVICE |
| CN111669529A (zh) * | 2019-03-08 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 一种录像方法、装置及设备、存储介质 |
| CN110163816B (zh) * | 2019-04-24 | 2021-08-31 | Oppo广东移动通信有限公司 | 图像信息的处理方法、装置、存储介质及电子设备 |
| CN110598032B (zh) * | 2019-09-25 | 2022-06-14 | 京东方艺云(杭州)科技有限公司 | 一种图像标签生成方法、服务器及终端设备 |
| CN111083481A (zh) * | 2019-11-15 | 2020-04-28 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
| CN115696059A (zh) * | 2021-07-28 | 2023-02-03 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN115661901B (zh) * | 2022-11-07 | 2024-08-09 | 山东海博信息科技有限公司 | 基于大数据的人脸识别系统及方法 |
| CN116347217B (zh) * | 2022-12-26 | 2024-06-21 | 荣耀终端有限公司 | 图像处理方法、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149462A (zh) * | 2006-09-22 | 2008-03-26 | 索尼株式会社 | 成像设备、成像设备的控制方法和计算机程序 |
| CN103164705A (zh) * | 2011-12-13 | 2013-06-19 | 腾讯数码（天津）有限公司 | 一种基于社交网络的圈人方法及装置 |
| CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
| CN106156749A (zh) * | 2016-07-25 | 2016-11-23 | 福建星网锐捷安防科技有限公司 | 基于选择性搜索的人脸检测方法及装置 |
| CN106355205A (zh) * | 2016-08-31 | 2017-01-25 | 西安西拓电气股份有限公司 | 一种紫外图像数字识别方法及识别装置 |
| CN106453886A (zh) * | 2016-09-30 | 2017-02-22 | 维沃移动通信有限公司 | 一种移动终端的拍照方法及移动终端 |
| CN106650631A (zh) * | 2016-11-24 | 2017-05-10 | 努比亚技术有限公司 | 基于相机预览的人脸识别方法及装置 |
-
2017
- 2017-11-27 CN CN201711207704.6A patent/CN107729889B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149462A (zh) * | 2006-09-22 | 2008-03-26 | 索尼株式会社 | 成像设备、成像设备的控制方法和计算机程序 |
| CN103164705A (zh) * | 2011-12-13 | 2013-06-19 | 腾讯数码（天津）有限公司 | 一种基于社交网络的圈人方法及装置 |
| CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
| CN106156749A (zh) * | 2016-07-25 | 2016-11-23 | 福建星网锐捷安防科技有限公司 | 基于选择性搜索的人脸检测方法及装置 |
| CN106355205A (zh) * | 2016-08-31 | 2017-01-25 | 西安西拓电气股份有限公司 | 一种紫外图像数字识别方法及识别装置 |
| CN106453886A (zh) * | 2016-09-30 | 2017-02-22 | 维沃移动通信有限公司 | 一种移动终端的拍照方法及移动终端 |
| CN106650631A (zh) * | 2016-11-24 | 2017-05-10 | 努比亚技术有限公司 | 基于相机预览的人脸识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Fusing Robust Face Region Descriptors via Multiple Metric Learning for Face Recognition in the Wild;Zhen Cui 等;《The IEEE Conference on Computer Vision and Pattern Recognition(CVPR)》;20131231;3554-3561 * |
| 基于嵌入式智能监控系统的人脸检测研究;陈蔡岳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100115(第01期);I138-247 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107729889A (zh) | 2018-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107729889B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN107679559B (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 | |
| CN107977674B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN107729815B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN107622117B (zh) | 图像处理方法和装置、计算机设备、计算机可读存储介质 | |
| CN107124555B (zh) | 控制对焦的方法、装置、计算机设备及计算机可读存储介质 | |
| CN109325518B (zh) | 图像的分类方法、装置、电子设备和计算机可读存储介质 | |
| CN107992822B (zh) | 图像处理方法和装置、计算机设备、计算机可读存储介质 | |
| CN108229574B (zh) | 一种图片筛选的方法、装置和移动终端 | |
| CN108322523B (zh) | 一种应用推荐方法、服务器及移动终端 | |
| CN109086761B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN107391198B (zh) | 任务调度方法和装置、计算机可读存储介质、移动终端 | |
| CN110830706A (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN108021669B (zh) | 图像分类方法和装置、电子设备、计算机可读存储介质 | |
| JP6862564B2 (ja) | 画像合成のための方法、装置および不揮発性コンピュータ可読媒体 | |
| CN107729857B (zh) | 人脸识别方法、装置、存储介质和电子设备 | |
| CN107632985B (zh) | 网页预加载方法及装置 | |
| CN108256466B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN107729391B (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 | |
| CN108921086A (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN110717486B (zh) | 文本检测方法、装置、电子设备和存储介质 | |
| CN108513005B (zh) | 联系人信息处理方法和装置、电子设备、存储介质 | |
| CN108600634B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN109992395B (zh) | 应用冻结方法、装置、终端及计算机可读存储介质 | |
| CN107734049B (zh) | 网络资源的下载方法、装置和移动终端 |
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 | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: OPPO Guangdong Mobile Communications Co., Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: Guangdong Opel Mobile Communications Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |