CN113709353B - 图像采集方法和设备 - Google Patents
图像采集方法和设备 Download PDFInfo
- Publication number
- CN113709353B CN113709353B CN202010431688.4A CN202010431688A CN113709353B CN 113709353 B CN113709353 B CN 113709353B CN 202010431688 A CN202010431688 A CN 202010431688A CN 113709353 B CN113709353 B CN 113709353B
- Authority
- CN
- China
- Prior art keywords
- image
- focusing
- iris
- image quality
- target
- 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 71
- 238000003384 imaging method Methods 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000002787 reinforcement Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 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
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
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
- H04N23/67—Focus control based on electronic image sensor signals
-
- 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
-
- 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
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本公开提供了一种图像采集方法和设备,涉及数据采集技术领域。通过获取目标图像的图像质量,目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若目标图像的图像质量不满足质量要求,根据目标图像的图像质量,对所述图像采集设备进行对焦处理;通过对焦后的所述图像采集设备获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据对焦调整信息进行对焦,通过调整后的对焦信息获取第一虹膜图像,提高了获取的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
Description
技术领域
本公开涉及数据采集技术领域,特别涉及一种图像采集方法和设备。
背景技术
虹膜识别技术是利用人眼虹膜区域内部固有纹理信息进行身份认证的技术,是一种具有较高准确性和防伪能力的生物特征识别技术,现已在门禁考勤、安检通关及移动支付等诸多领域中得到应用。随着数据采集技术的发展,进行数据采集的约束条件逐渐放宽,虹膜图像采集的约束条件也逐渐放宽。虹膜图像采集逐渐从近距离采集发展到远距离采集,由常见的姿态固定采集发展到了姿态非固定采集等。然而通过远距离采集或者姿态非固定采集的虹膜图像所提取出虹膜信息的准确性较低,导致虹膜识别不准确。
发明内容
本公开提供了一种图像采集方法和设备,提高了采集的虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
一方面,提供了一种图像采集方法,所述方法包括:
获取目标图像的图像质量,所述目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;
若所述目标图像的图像质量不满足质量要求,根据所述目标图像的图像质量,对所述图像采集设备进行对焦处理;
通过对焦后的所述图像采集设备,获取目标对象的第一虹膜图像。
在一种可能的实现方式中,所述根据所述目标图像的图像质量,对所述图像采集设备进行对焦处理,包括:
根据所述目标图像的图像质量,确定所述图像采集设备的对焦调整信息;
根据所述对焦调整信息对所述图像采集设备进行对焦处理。
在另一种可能的实现方式中,所述目标图像的图像质量包括所述目标图像中目标对象的位置信息和所述目标图像的清晰度;
所述根据所述目标图像的图像质量,确定所述图像采集设备的对焦调整信息,包括:
将所述目标图像中目标对象的位置信息和所述目标图像的清晰度输入至第一图像质量确定模型中,得到所述图像采集设备的对焦的方向和程度;
将所述图像采集设备的对焦的方向和程度作为所述图像采集设备的对焦调整信息。
在另一种可能的实现方式中,所述将所述目标图像中目标对象的位置信息和所述目标图像的清晰度输入至第一图像质量确定模型中,得到所述图像采集设备的对焦的方向和程度之前,所述方法还包括:
获取所述图像采集设备采集到的至少一帧第一样本图像的图像质量;
根据所述至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;
根据所述第一预设对焦调整信息对所述图像采集设备进行对焦处理;
根据对焦后的图像采集设备采集至少一帧第二样本图像;
根据所述第二样本图像的图像质量和预设图像质量,确定所述第一预设对焦调整信息的回报值;
根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型。
在另一种可能的实现方式中,所述根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型,包括:
确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若所述回报值的总和大于预设阈值,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型;或者,
根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据所述第二预设对焦调整信息对所述图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若所述至少一帧第二样本图像的图像质量满足质量要求,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型。
在另一种可能的实现方式中,所述获取目标图像的图像质量之前,所述方法还包括:
通过所述图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像;
将所述第一人脸图像作为所述目标图像;或者,从所述第一人脸图像中截取所述目标对象的虹膜图像对应的第二虹膜图像,将所述第二虹膜图像作为所述目标图像。
在另一种可能的实现方式中,所述通过对焦后的所述图像采集设备,获取目标对象的第一虹膜图像,包括:
通过对焦后的所述图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从所述第二人脸图像中截取所述目标对象的虹膜对应的第一虹膜图像;或者,
通过对焦后的所述图像采集设备,对所述目标对象的虹膜进行图像采集,得到所述第一虹膜图像。
在另一种可能的实现方式中,所述采集所述目标图像之前,所述方法还包括:
采集当前场景图像;
根据所述当前场景图像,确定当前的成像距离;
根据所述成像距离,从所述成像距离和所述图像采集设备的变倍值的映射关系中,确定所述成像距离对应的变倍值;
根据第一焦距和所述变倍值,确定所述成像距离对应的第二焦距,所述第一焦距为所述图像采集设备的当前焦距;
根据所述第二焦距,对所述图像采集设备进行变焦处理。
在另一种可能的实现方式中,所述根据第一焦距和所述变倍值,确定所述成像距离对应的第二焦距之前,所述方法还包括:
对所述图像采集设备进行初始化,以及确定目标对象在所述图像采集设备的成像画面中所占的画面比例;
根据所述图像采集设备初始化的摄像头参数和所述画面比例,确定所述成像距离和所述摄像头的变倍值的映射关系。
在另一种可能的实现方式中,所述获取目标图像的图像质量,包括:
将所述目标图像输入至第一图像质量确定模型中,得到所述目标图像的图像质量。
在另一种可能的实现方式中,所述将所述目标图像输入至第一图像质量确定模型中,得到所述目标图像的图像质量之前,所述方法还包括:
获取多个样本图像,以及确定多个图像质量类别;
对于任一样本图像,对所述样本图像进行特征提取,得到所述样本图像对应的图像特征;
根据第二图像质量确定模型和所述图像特征,确定所述样本图像任一图像质量类别的概率;
根据所述样本图像为任一图像质量类别的概率和所述样本图像的概率,确定第二图像质量确定模型的交叉熵误差;
根据所述交叉熵误差对所述第二图像质量确定模型的模型参数进行调整,直到所述交叉熵误差小于预设阈值,得到所述图像质量确定模型。
在另一种可能的实现方式中,所述通过对焦后的所述图像采集设备,获取目标对象的第一虹膜图像之后,所述方法还包括:
对所述第一虹膜图像进行虹膜特征提取,得到所述第一虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息;或者,
确定所述第一虹膜图像的图像质量;若所述第一虹膜图像的图像质量大于预设阈值,对所述第一虹膜图像进行虹膜特征提取,得到所述第二虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息。
另一方面,提供了一种图像采集设备,所述设备包括:摄像头、对焦驱动模块和计算处理模块;
所述摄像头分别与所述对焦驱动模块连接和所述计算处理模块连接,所述对焦驱动模块与所述计算处理模块连接;
所述摄像头,用于对当前场景进行图像采集,得到目标图像,将采集到的所述目标图像发送给所述计算处理模块;
所述计算处理模块,用于接收所述目标图像,确定所述目标图像的图像质量,若所述目标图像的图像质量不满足质量要求,根据所述目标图像的图像质量确定摄像头的对焦调整信息,将所述对焦调整信息发送给所述对焦驱动模块;
所述对焦驱动模块,用于接收所述计算处理模块发送的对焦调整信息,根据所述对焦调整信息对所述摄像头进行对焦处理;
所述摄像头,还用于在对焦完成后获取目标对象的第一虹膜图像。
在一种可能的实现方式中,所述对焦驱动模块包括:对焦旋转单元、对焦旋转电机和电机驱动单元;
所述对焦旋转单元分别与所述摄像头和所述对焦旋转电机连接,所述电机驱动单元分别与所述对焦旋转电机和所述计算处理模块连接;
所述电机驱动单元,用于接收所述计算机处理模块发送的对焦调整信息,根据所述对焦调整信息驱动所述对焦旋转电机;
所述对焦旋转电机,用于在所述电机驱动单元的驱动下旋转所述对焦旋转单元;
所述对焦旋转单元,用于进行旋转对焦。
在另一种可能的实现方式中,所述图像采集设备还包括距离传感器所述摄像头为可变焦摄像头;
所述距离传感器与所述可变焦摄像头连接;
所述距离传感器,用于检测当前场景中目标对象与所述可变焦摄像头之间的成像距离,若检测到所述当前场景中目标对象与所述可变焦摄像头之间的成像距离在预设距离之内,向所述可变焦摄像头发送图像采集指令;
所述可变焦摄像头,用于接收所述距离传感器发送的图像采集指令,所述图像采集指令携带所述成像距离,根据所述成像距离将所述可变焦摄像头的焦距由第一焦距调整为第二焦距,所述第一焦距为所述可变焦摄像头的当前焦距,所述第二焦距为所述可变焦摄像头根据所述成像距离调整后的焦距,根据所述第二焦距进行图像采集,得到当前场景图像,将采集到的所述当前场景图像发送给所述计算处理模块。
另一方面,提供了一种图像采集装置,所述装置包括:
第一获取模块,用于获取目标图像的图像质量,所述目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;
第一对焦模块,用于若所述目标图像的图像质量不满足质量要求,根据所述目标图像的图像质量,对所述图像采集设备进行对焦处理;
第二获取模块,用于通过对焦后的所述图像采集设备,获取目标对象的第一虹膜图像。
在一种可能的实现方式中,所述第一对焦模块,还用于根据所述目标图像的图像质量,确定所述图像采集设备的对焦调整信息;根据所述对焦调整信息对所述图像采集设备进行对焦处理。
在另一种可能的实现方式中,所述目标图像的图像质量包括所述目标图像中目标对象的位置信息和所述目标图像的清晰度;
所述第一对焦模块,还用于将所述目标图像中目标对象的位置信息和所述目标图像的清晰度输入至第一图像质量确定模型中,得到所述图像采集设备的对焦的方向和程度;将所述图像采集设备的对焦的方向和程度作为所述图像采集设备的对焦调整信息。
在另一种可能的实现方式中,所述装置还包括:
第三获取模块,用于获取所述图像采集设备采集到的至少一帧第一样本图像的图像质量;
第一确定模块,用于根据所述至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;
第二对焦模块,用于根据所述第一预设对焦调整信息对所述图像采集设备进行对焦处理;
第一采集模块,用于根据对焦后的图像采集设备采集至少一帧第二样本图像;
第二确定模块,用于根据所述第二样本图像的图像质量和预设图像质量,确定所述第一预设对焦调整信息的回报值;
第一调整模块,用于根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型。
在另一种可能的实现方式中,所述第一调整模块,还用于确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若所述回报值的总和大于预设阈值,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型;或者,
所述第一调整模块,还用于根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据所述第二预设对焦调整信息对所述图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若所述至少一帧第二样本图像的图像质量满足质量要求,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型。
在另一种可能的实现方式中,所述装置还包括:
第二采集模块,用于通过所述图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像;
所述第一采集模块,还用于将所述第一人脸图像作为所述目标图像;或者,从所述第一人脸图像中截取所述目标对象的虹膜图像对应的第二虹膜图像,将所述第二虹膜图像作为所述目标图像。
在另一种可能的实现方式中,所述第二获取模块,还用于通过对焦后的所述图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从所述第二人脸图像中截取所述目标对象的虹膜对应的第一虹膜图像;或者,
所述第二获取模块,还用于通过对焦后的所述图像采集设备,对所述目标对象的虹膜进行图像采集,得到所述第一虹膜图像。
在另一种可能的实现方式中,所述装置还包括:
第三采集模块,用于采集当前场景图像;
第三确定模块,用于根据所述当前场景图像,确定当前的成像距离;
第四确定模块根据所述成像距离,从所述成像距离和所述图像采集设备的变倍值的映射关系中,确定所述成像距离对应的变倍值;
第五确定模块,用于根据第一焦距和所述变倍值,确定所述成像距离对应的第二焦距,所述第一焦距为所述图像采集设备的当前焦距;
变焦模块,用于根据所述第二焦距,对所述图像采集设备进行变焦处理。
在另一种可能的实现方式中,所述装置还包括:
第六确定模块,用于对所述图像采集设备进行初始化,以及确定目标对象在所述图像采集设备的成像画面中所占的画面比例;
第七确定模块,用于根据所述图像采集设备初始化的摄像头参数和所述画面比例,确定所述成像距离和所述摄像头的变倍值的映射关系。
在另一种可能的实现方式中,所述第一获取模块,还用于将所述目标图像输入至图像质量确定模型中,得到所述目标图像的图像质量。
在另一种可能的实现方式中,所述装置还包括:
第四获取模块,用于获取多个样本图像,以及确定多个图像质量类别;
第一提取模块,用于对于任一样本图像,对所述样本图像进行特征提取,得到所述样本图像对应的图像特征;
第八确定模块,用于根据第二图像质量确定模型和所述图像特征,确定所述样本图像任一图像质量类别的概率;
第九确定模块,用于根据所述样本图像为任一图像质量类别的概率和所述样本图像的概率,确定第二图像质量确定模型的交叉熵误差;
第二调整模块,用于根据所述交叉熵误差对所述第二图像质量确定模型的模型参数进行调整,直到所述交叉熵误差小于预设阈值,得到所述图像质量确定模型。
在另一种可能的实现方式中,所述装置还包括:
第二提取模块,用于对所述第一虹膜图像进行虹膜特征提取,得到所述第一虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息;或者,
所述第二提取模块,还用于确定所述第一虹膜图像的图像质量;若所述第一虹膜图像的图像质量大于预设阈值,对所述第一虹膜图像进行虹膜特征提取,得到所述第二虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息。
另一方面,提供了一种图像采集设备,所述图像采集设备包括处理器和存储器,所述存储器中存储至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如本公开实施例所述的图像采集方法。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如本公开实施例所述的图像采集方法。
另一方面,提供了一种计算机程序产品,所述计算机程序产品中存储至少一条指令,所述至少一条指令由处理器加载并执行,以实现本公开实施中所述的图像采集方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并于说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像采集设备的框图;
图2是根据一示例性实施例示出的一种图像采集方法流程图;
图3是根据一示例性实施例示出的一种图像采集方法流程图;
图4是根据一示例性实施例示出的一种图像采集方法流程图;
图5是根据一示例性实施例示出的一种图像采集方法流程图;
图6是根据一示例性实施例示出的一种图像采集装置框图;
图7是本公开实施例提供的一种图像采集设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像采集设备,如图1所示,该图像采集设备包括:摄像头、对焦驱动模块和计算处理模块;该摄像头分别与该对焦驱动模块连接和该计算处理模块连接,该对焦驱动模块与该计算处理模块连接。该摄像头,用于对当前场景进行图像采集,得到目标图像,将采集到的该目标图像发送给该计算处理模块。该计算处理模块,用于接收该目标图像,确定该目标图像的图像质量,若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量确定摄像头的对焦调整信息,将该对焦调整信息发送给该对焦驱动模块。该对焦驱动模块,用于接收该计算处理模块发送的对焦调整信息,根据该对焦调整信息对该摄像头进行对焦处理。该摄像头,还用于在对焦完成后获取第一虹膜图像。
其中,该摄像头可以为任一摄像头,例如,该摄像头可以为虹膜摄像头或可变焦摄像头,该摄像头还可以为由虹膜摄像头和可变焦摄像头组成的摄像模组等。该对焦驱动模块分别与摄像头和计算处理模块连接,若对焦驱动模块接收到对焦调整信息时,根据对焦调整信息对摄像头进行对焦。
在本实现方式中,通过摄像头采集当前场景的目标图像,根据计算处理模块确定目标图像的图像质量,根据目标图像的图像质量确定对焦调整信息,对焦驱动模块根据对焦调整信息进行对焦,对焦完成后,由摄像头再次采集图像,根据在此采集的图像获取第一虹膜图像,从而摄像头可以在自动对焦后再对当前场景进行图像采集,从而提高了摄像头采集的第一虹膜图像的图像质量,进而提高了第一虹膜图像识别的准确率。
在一种可能的实现方式中,该对焦驱动模块包括:对焦旋转单元、对焦旋转电机和电机驱动单元。该对焦旋转单元分别与该摄像头和该对焦旋转电机连接,该电机驱动单元分别与该对焦旋转电机和该计算处理模块连接。电机驱动单元,用于接收该计算机处理模块发送的对焦调整信息,根据该对焦调整信息驱动该对焦旋转电机。该对焦旋转电机,用于在该电机驱动单元的驱动下旋转该对焦旋转单元。该对焦旋转单元,用于进行旋转对焦。
在本实现方式中,通过对焦调整信息调整对焦驱动单元,使得图像采集设备可以自动进行对焦,从而提高图像采集设备采集到的第一虹膜图像的清晰度。
需要说明的一点是,图像采集设备可以通过摄像头采集当前场景的视频流,从采集到的视频流中获取当前场景的多帧图像,图像采集设备还可以周期性采集当前场景的图像,其中,图像采集周期可以根据需要进行设置并更改,在本公开实施例中,对该图像采集周期不作具体限定。
另外,图像采集设备可以对当前场景中的目标对象进行感应,当感应到当前场景中存在目标对象时进行图像采集,其中,图像采集设备可以根据距离传感器对当前场景中的目标对象进行感应。相应的,在另一种可能的实现方式中,该图像采集设备还包括距离传感器;该距离传感器与该摄像头连接;该距离传感器,用于检测当前场景中目标对象与该摄像头之间的成像距离,若检测到该当前场景中目标对象与该摄像头之间的成像距离在预设距离之内,向该摄像头发送图像采集指令;该摄像头,还用于接收该距离传感器发送的图像采集指令,根据该图像采集指令进行图像采集,得到目标图像,将采集到的该目标图像发送给该计算处理模块。
其中,该距离传感器可以为红外距离传感器,声波距离传感器等。需要说明的一点是,距离传感器可以在检测到目标对象时,就向摄像头发送图像采集指令,该距离传感器还可以检测目标对象和摄像头之间的成像距离,当目标对象和摄像头之间的成像距离在预设距离之内时,才向摄像头发送图像采集指令。
在本实现方式中,通过距离传感器感确定当前场景中是否存在目标对象,若当前场景中存在目标对象,向摄像头发送图像采集指令,摄像头进行根据接收到的图像采集指令进行图像采集,从而使得摄像头可以只在接收到图像采集指令时进行图像采集,进而防止了摄像头一直进行图像采集,采集到无效的图像。
在另一种可能的实现方式中,该摄像头为可变焦摄像头;
该可变焦摄像头,还用于接收该距离传感器发送的图像采集指令,该图像采集指令携带该成像距离根据该图像采集指令获取该成像距离,根据该成像距离将该可变焦摄像头的焦距由第一焦距调整为第二焦距,该第一焦距为该可变焦摄像头的当前焦距,该第二焦距为该可变焦摄像头根据该成像距离调整后的焦距。
在本实现方式中,通过将摄像头设置为可变焦摄像头,从而摄像头可以根据当前成像距离调整摄像头的焦距,使得图像采集设备可以应用在更广成像距离范围内,丰富了图像采集设备的应用场景,进一步地,通过自动变焦和自动对焦,使得图像采集设备可以在变焦后也能采集到满足图像质量条件的图像,进而提高了第一虹膜图像识别的准确率。
图2是根据一示例性实施例示出的一种图像采集方法流程图,如图2所示,该方法包括如下步骤。
步骤201:获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像。
步骤202:若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对该图像采集设备进行对焦处理。
步骤203:通过对焦后的该图像采集设备,获取目标对象的第一虹膜图像。
在一种可能的实现方式中,该根据该目标图像的图像质量,对该图像采集设备进行对焦处理,包括:
根据该目标图像的图像质量,确定该图像采集设备的对焦调整信息;
根据该对焦调整信息对该图像采集设备进行对焦处理。
在另一种可能的实现方式中,该目标图像的图像质量包括该目标图像中目标对象的位置信息和该目标图像的清晰度;
该根据该目标图像的图像质量,确定该图像采集设备的对焦调整信息,包括:
将该目标图像中目标对象的位置信息和该目标图像的清晰度输入至第一图像质量确定模型中,得到该图像采集设备的对焦的方向和程度;
将该图像采集设备的对焦的方向和程度作为该图像采集设备的对焦调整信息。
在另一种可能的实现方式中,该将该目标图像中目标对象的位置信息和该目标图像的清晰度输入至第一图像质量确定模型中,得到该图像采集设备的对焦的方向和程度之前,该方法还包括:
获取该图像采集设备采集到的至少一帧第一样本图像的图像质量;
根据该至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;
根据该第一预设对焦调整信息对该图像采集设备进行对焦处理;
根据对焦后的图像采集设备采集至少一帧第二样本图像;
根据该第二样本图像的图像质量和预设图像质量,确定该第一预设对焦调整信息的回报值;
根据该回报值对该第二图像质量确定模型的模型参数进行调整,得到该第一图像质量确定模型。
在另一种可能的实现方式中,该根据该回报值对该第二图像质量确定模型的模型参数进行调整,得到该第一图像质量确定模型,包括:
确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若该回报值的总和大于预设阈值,确定第二图像质量确定模型训练完成一次强化学习,直到得到该第一图像质量确定模型;或者,
根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据该第二预设对焦调整信息对该图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若该至少一帧第二样本图像的图像质量满足质量要求,确定第二图像质量确定模型训练完成一次强化学习,直到得到该第一图像质量确定模型。
在另一种可能的实现方式中,该获取目标图像的图像质量之前,该方法还包括:
通过该图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像;
将该第一人脸图像作为该目标图像;或者,从该第一人脸图像中截取该目标对象的虹膜图像对应的第二虹膜图像,将该第二虹膜图像作为该目标图像。
在另一种可能的实现方式中,该通过对焦后的该图像采集设备,获取目标对象的第一虹膜图像,包括:
通过对焦后的该图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从该第二人脸图像中截取该目标对象的虹膜对应的第一虹膜图像;或者,
通过对焦后的该图像采集设备,对该目标对象的虹膜进行图像采集,得到该第一虹膜图像。
在另一种可能的实现方式中,该采集该目标图像之前,该方法还包括:
采集当前场景图像;
根据该当前场景图像,确定当前的成像距离;
根据该成像距离,从该成像距离和该图像采集设备的变倍值的映射关系中,确定该成像距离对应的变倍值;
根据第一焦距和该变倍值,确定该成像距离对应的第二焦距,该第一焦距为该图像采集设备的当前焦距;
根据该第二焦距,对该图像采集设备进行变焦处理。
在另一种可能的实现方式中,该根据第一焦距和所述变倍值,确定所述成像距离对应的第二焦距之前,该方法还包括:
对该图像采集设备进行初始化,以及确定目标对象在该图像采集设备的成像画面中所占的画面比例;
根据该图像采集设备初始化的摄像头参数和该画面比例,确定该成像距离和该摄像头的变倍值的映射关系。
在另一种可能的实现方式中,该获取目标图像的图像质量,包括:
将该目标图像输入至图像质量确定模型中,得到该目标图像的图像质量。
在另一种可能的实现方式中,该将该目标图像输入至图像质量确定模型中,得到该目标图像的图像质量之前,该方法还包括:
获取多个样本图像,以及确定多个图像质量类别;
对于任一样本图像,对该样本图像进行特征提取,得到该样本图像对应的图像特征;
根据第二图像质量确定模型和该图像特征,确定该样本图像任一图像质量类别的概率;
根据该样本图像为任一图像质量类别的概率和该样本图像的概率,确定第二图像质量确定模型的交叉熵误差;
根据该交叉熵误差对该第二图像质量确定模型的模型参数进行调整,直到该交叉熵误差小于预设阈值,得到该图像质量确定模型。
在另一种可能的实现方式中,该通过对焦后的该图像采集设备,获取目标对象的第一虹膜图像之后,该方法还包括:
对该第一虹膜图像进行虹膜特征提取,得到该第一虹膜图像中的目标对象的虹膜特征;对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据该虹膜识别结果确定该目标对象的身份信息;或者,
确定该第一虹膜图像的图像质量;若该第一虹膜图像的图像质量大于预设阈值,对该第一虹膜图像进行虹膜特征提取,得到该第二虹膜图像中的目标对象的虹膜特征;对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据该虹膜识别结果确定该目标对象的身份信息。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
图3是根据一示例性实施例提出的一种图像采集方法的流程图,如图3所示,该方法包括如下步骤。
步骤301:图像采集设备采集当前场景图像。
图像采集设备可以直接根据当前的焦距进行图像采集,图像采集设备还可以先进行对焦,再根据对焦后的焦距进行图像采集。该图像采集设备可以采集视频流,从采集到的视频流中确定当前场景图像,该当前场景图像可以为人脸图像也可以为虹膜图像。
步骤302:图像采集设备根据该当前场景图像,确定当前的成像距离。
其中,成像距离为当前场景中目标对象与图像采集设备的距离。该图像采集设备还可以根据距离传感器确定目标对象和图像采集设备之间的成像距离,在本公开实施例中,对此不作具体限定。
在一种可能的实现方式中,图像采集设备可以根据该当前场景图像、图像采集设备的成像参数和当前场景图像中目标对象在图像画面中所占的画面比例等,确定当前场景图像对应的第二焦距。在本实现方式中,图像采集设备根据当前场景图像,计算该当前场景图像对应的第二焦距,使得第二焦距可以与成像距离更匹配,提高了确定的第二焦距的准确性。在另一种可能的实现方式中,图像采集设备还可以根据当前场景图像,确定当前场景图像对应的成像距离,从成像距离和该图像采集设备的变倍值的映射关中,读取该成像距离对应的焦距的变倍值,根据该变倍值对图像采集设备当前的第一焦距进行调整,得到调整后的第二焦距。
步骤303:图像采集设备根据该成像距离,从该成像距离和该图像采集设备的变倍值的映射关系中,确定该成像距离对应的变倍值。
其中,图像采集设备通过进行标定,确定该成像距离和该图像采集设备的变倍值的映射关系。该图像采集设备确定成像距离和图像采集设备的变倍值的映射关系的过程可以通过以下步骤(1)-(3)实现,包括:
(1)图像采集设备对该图像采集设备进行初始化。
在本步骤中,图像采集设备对图像采集设备的设备参数进行初始化,其中,该图像采集设备的设备参数可以包括图像采集设备的内参、镜头的广角、成像分辨率等。
(2)图像采集设备确定目标对象在该图像采集设备的成像画面中所占的画面比例。
其中,该画面比例可以为目标对象在成像画面中所占的像素个数,或者,目标对象在成像画面中所占的面积比例等,在本公开实施例中,对此不作具体限定。并且,该画面比例可以为系统默认的画面比例,也可以为用户输入的画面比例,该画面比例可以根据需要进行设置并更改,在本公开实施例中,对该画面比例不作具体限定。
(3)图像采集设备根据该图像采集设备初始化的摄像头参数和该画面比例,确定该成像距离和该摄像头的变倍值的映射关系。
在本步骤中,图像采集设备根据目标对象在成像画面中所占的画面比例,和不同的成像距离进行拍摄,使得不同成像距离对应的目标对象所占的画面比例相同,记录不同的成像距离和焦距的对应关系,将该成像距离和焦距的对应关系进行数值拟合,得到拍摄距离和变倍值的映射关系。
需要说明的一点是,该步骤(1)-(2)可以在步骤303之前的任一步骤执行,在本公开实施例中,对此不作具体限定。并且,本步骤(1)-(2)可以由图像采集设备执行,也可以由其他设备进行模拟确定上述映射关系后,将该映射关系发送给该图像采集设备。
在本实现方式中,通过确定成像距离和变倍值之间的对应关系,确定目标对象和变倍值之间的映射关系,以便图像采集设备可以在确定目标对象和图像采集设备之间的成像距离时,可以直接根据该目标对象和图像采集设备之间的成像距离确定当前焦距对应的变倍值,无需再进行计算,提高了变焦速度,进行提高了图像采集的速度。
步骤304:图像采集设备根据第一焦距和该变倍值,确定该成像距离对应的第二焦距,该第一焦距为该图像采集设备的当前焦距。
在本步骤中,通过该变倍值对当前的第一焦距进行调整,得到调整后的第二焦距。
在本实现方式中,图像采集设备根据第一焦距进行粗调,使得图像采集设备可以在进行图像采集之前先进行粗调,从而减少图像采集设备之后的对焦时间,提高了图像采集设备的对焦效率,进而提高了图像采集设备采集图像的速度。
步骤305:图像采集设备根据该第二焦距进行图像采集,得到该目标图像。
其中,该目标图像可以为人脸图像,也可以为虹膜图像,在本公开实施例中,对此不作具体限定。相应的,在一种可能的实现方式中,该目标图像为人脸图像,则本步骤可以通过以下步骤(A1)-(A2)实现,包括:
(A1)通过该图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像。
图像采集设备可以直接根据当前的焦距进行图像采集,得到第一人脸图像。图像采集设备还可以先进行对焦,再根据对焦后的焦距进行图像采集,得到该第一人脸图像。图像采集设备可以采集视频流,从采集到的视频流中确定第一人脸图像。
(A2)图像采集设备将该第一人脸图像作为该目标图像。
在另一种可能的实现方式中,该目标图像为虹膜图像,则图像采集设备可以直接采集目标对象的虹膜图像,相应的,该过程可以为:图像采集设备采集目标对象的虹膜图像得到目标图像。图像采集设备还可以从采集的人脸图像中截取目标对象的虹膜图像作为目标图像。相应的,该过程可以通过以下步骤(B1)-(B2)实现,包括:
(B1)图像采集设备通过该图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像。
本步骤与步骤(A1)相似,在此不再赘述。
(B2)图像采集设备从该第一人脸图像中截取该目标对象的虹膜图像对应的第二虹膜图像,将该第二虹膜图像作为该目标图像。
本步骤中,图像采集设备确定第一人脸图像中目标对象的虹膜图像的位置,根据目标对象的虹膜的位置对第一人脸图像进行截取,得到第二虹膜图像,将该第二虹膜图像作为目标图像。
步骤306:图像采集设备获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像。
其中,当前场景为图像采集设备所在的场景。请参见图4,图像采集设备在当前场景中进行图像采集,确定采集到的目标图像的图像质量。其中,该图像质量可以包括:图像的清晰度、目标对象在图像中的位置、目标图像对应的对焦位置等。相应的,图像采集设备可以根据采集到的目标图像的图像清晰度、目标对象在图像中的位置和目标图像对应的对焦位置等,确定目标图像的图像质量。例如,目标图像的图像质量可以与图像的清晰度成正比,目标图像的图像质量还可以根据目标图像中目标对象的位置与目标位置确定等。
其中,图像采集设备确定图像质量的过程可以为:图像采集设备将该目标图像输入至目标图像质量确定模型中,得到该目标图像的图像质量。
相应的,在本步骤之前,图像采集设备需要对第二图像质量确定模型进行模型训练,得到目标图像质量确定模型。该对第二图像质量确定模型进行训练,得到目标图像质量确定模型的过程可以通过以下步骤(A1)-(A5)实现,包括:
(A1)图像采集设备获取多个样本图像,以及确定多个图像质量类别。
在本步骤中,图像采集设备可以接收用户输入的多个样本图像,其中,每个样本图像都有该样本图像对应的图像质量类别。该多个图像质量类别可以根据不同样本图像的图像质量进行人工划分。例如,可以人工将多个样本图像的图像质量分为N类,N的数值可以根据需要进行设置,例如,N可以为100。不同的图像质量类别可以对应不同的图像质量分数,例如,0分对应图像质量最低级的图像质量类别,N-1分对应图像质量最高级的图像质量类别。
(A2)对于任一样本图像,图像采集设备对该样本图像进行特征提取,得到该样本图像对应的图像特征。
在本步骤中,图像采集设备对样本图像进行特征提取,该图像特征可以为图像的纹理特征、边缘特征等。例如,该图像特征可以为虹膜的纹理或虹膜的边缘轮廓等。并且,图像采集设备还可以通过深度卷积神经网络对样本图像进行特征提取,在本公开实施例中,对图像采集设备提取图像特征的方法不作具体限定。
另外,在本步骤之前,图像采集设备需要在当前场景中采集目标图像。在一种可能的实现方式中,图像采集设备可以在当前场景中采集视频流,从视频流中提取目标图像。在另一种可能的实现方式中,图像采集设备还可以周期性在当前场景中采集目标图像。其中,采集周期可以根据需要进行设置并更改,在本公开实施例中,对该采集周期不作具体限定。例如,该采集周期可以为10s,15s或20s等。在另一种可能的实现方式中,图像采集设备检测当前场景中是否存在目标对象,当存在目标对象时,才采集目标图像。
(A3)图像采集设备根据第二图像质量确定模型和该图像特征,确定该样本图像任一图像质量类别的概率。
图像采集设备将该图像特征输入至第二图像质量确定模型中,通过第二图像质量确定模型确定该样本图像对应的每个图像质量类别的概率。
其中,该第二图像质量确定模型为深度神经卷积网络,该第二图像质量确定模型的最后一层为全连接层,当图像质量类别的数量的N个类别时,通过该第二图像质量确定模型的最后一层可以输出N个概率,这N个概率分别为该样本图像为每个图像质量类别的概率。该第二图像质量确定模型的最后一层还可以包括softmax函数,通过该softmax函数可以对将该全连接层输出的数值进行归一化,得到归一化后该样本图像对应的每个图像质量类别的概率。
(A4)图像采集设备根据该样本图像为任一图像质量类别的概率和该样本图像的概率,确定第二图像质量确定模型的交叉熵误差。
在本步骤中,图像采集设备可以通过softmax loss函数确定第二图像质量确定模型的交叉熵误差。图像采集设备根据softmax loss函数,将样本图像为任一图像质量类别的概率的对数进行加权求和,将该和的相反数确定为该第二样本图像质量确定模型的交叉熵误差。其中,每个图像质量类别的概率的权重可以根据需要进行设置,例如,可以将该样本图像对应的图像质量类别的概率的权重设置为1,其他,图像质量类别的概率设置为0等。在本公开实施例中,对每个图像质量类别的概率的权重不作具体限定。
(A5)图像采集设备根据该交叉熵误差对该第二图像质量确定模型的模型参数进行调整,直到该交叉熵误差小于预设阈值,得到该目标图像质量确定模型。
在本步骤中,图像采集设备根据该第二图像质量确定模型的交叉熵误差,调整第二图像质量确定模型的模型参数,通过调整参数后的第二图像质量确定模型继续确定样本图像的样本类别,再次确定交叉熵误差,直到交叉熵误差小于预设阈值,确定完成模型训练,得到第一图像质量确定模型。
需要说明的一点是,该对第二图像质量确定模型进行训练的过程可以由图像采集设备进行,也可以由其他设备进行,将训练得到的第一图像质量确定模型发送给图像采集设备。例如,可以由计算机或服务器等设备对图像质量确定模型进行模型训练,得到第一图像质量确定模型。
图像采集设备根据目标图像的图像质量,确定目标图像的图像质量是否满足质量要求,若满足质量要求,图像采集设备直接执行步骤309,红区第一虹膜图像。若不满足质量要求,图像采集设备执行步骤307,对图像采集设备进行对焦处理。
步骤307:若该目标图像的图像质量不满足质量要求,图像采集设备根据该目标图像的图像质量,确定该图像采集设备的对焦调整信息。
请继续参见图4,图像采集设备确定采集到的目标图像的图像质量是否满足质量要求。其中,该清晰度可以为目标图像的清晰度或目标图像中目标对象的清晰度,例如,该目标对象为虹膜,相应的,该清晰度为虹膜的清晰程度,该虹膜的清晰程度结合虹膜区域可见程度、虹膜纹理可见及清晰程度、虹膜边缘轮廓可见及清晰程度确定。
其中,图像采集设备可以通过第一图像质量确定模型确定该图像采集设备的对焦调整信息,该过程可以通过以下步骤(1)-(2)实现,包括:
(1)图像采集设备将该目标图像中目标对象的位置信息和该目标图像的清晰度输入至第一图像质量确定模型中,得到该图像采集设备的对焦的方向和程度。
该目标图像的图像质量包括该目标图像中目标对象的位置信息和该目标图像的清晰度。在本步骤之前需要对第二图像质量确定模型进行模型训练,得到第一图像质量确定模型。该模型训练过程可以通过以下步骤(1-1)-(1-6)实现,包括:
(1-1)图像采集设备获取该图像采集设备采集到的至少一帧第一样本图像的图像质量。
图像采集设备基于当前的对焦调整信息采集第一视频流,从采集的第一视频流中提取至少一帧第一样本图像,确定该至少一帧第一样本图像的图像质量,其中,该第一样本图像的图像质量可以通过步骤306中(A1)-(A5)实现,再次不再赘述。
(1-2)图像采集设备根据该至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息。
其中,该第一预设对焦调整信息包括对焦方向和对焦程度。本步骤中,第二图像质量确定模型根据该至少一帧第一样本图像的图像质量生成第一预设对焦调整信息。
(1-3)图像采集设备根据该第一预设对焦调整信息对该图像采集设备进行对焦处理。
在本步骤中,图像采集设备根据第一预设对焦调整信息对该图像采集设备进行对焦处理,改变图像采集设备的对焦位置、对焦方向和对焦程度等。
(1-4)图像采集设备根据对焦后的图像采集设备采集至少一帧第二样本图像。
本步骤与步骤(1-1)相似,再次不再赘述。
(1-5)图像采集设备根据该第二样本图像的图像质量和预设图像质量,确定该第一预设对焦调整信息的回报值。
在本步骤中,图像采集设备确定第二样本图像的图像质量,该步骤与步骤306中(A1)-(A5)实现相似,在此不再赘述。图像采集设备对比第二样本图像的图像质量和预设图像质量,当第二样本图像的图像质量高于预设图像质量时,确定本次对焦处理符合对焦条件,则确定该第一预设对焦调整信息的回报值为正值,当第二样本图像的图像质量不高于预设图像质量时,确定本次对焦处理不符合对焦条件,则确定该第一预设对焦调整信息的回报值为负值。其中,图像采集设备可以接收用户输入的预设图像质量,图像采集设备还可以将第一样本图像的图像质量作为该预设图像质量,在本公开实施例中,对此不作具体限定。
另外,该回报值的绝对值的大小还可以根据第一样本图像和第二样本图像的图像质量的差值的大小确定,当第一样本图像和第二样本图像的图像质量的差值越大,则回报值的绝对值越大。
(1-6)图像采集设备根据该回报值对该第二图像质量确定模型的模型参数进行调整,得到该第一图像质量确定模型。
参见图5,图像采集设备可以根据自身采集到的图像对训练完成的第一图像质量确定模型进行强化学习,使得第一图像质量确定模型可以进行更新,通过图像采集设备在当前对焦调整信息下采集到的图像对第一图像质量确定模型进行强化训练,再通过强化训练后的第一图像质量确定模型确定新的对焦调整信息,图像采集设备可以通过多次强化学习完成训练,图像采集设备可以通过多次执行步骤(1-1)-(1-6)进行多次强化学习完成训练。
通过图像采集设备自身采集的图像对第一图像质量确定模型进行强化训练,丰富了训练样本图像,提高了第一图像质量确定模型确定对焦调整信息的准确性。
图像采集设备通过多次强化学习后,根据确定第二图像质量确定模型训练完成得到第一图像质量确定模型。图像采集设备可以将调整模型参数后的第二信息直接确定为第一图像质量确定模型,确定完成一次强化学习;图像采集设备还可以将每次调整参数后第二图像质量确定模型对应的回报值进行求和,当回报值的总和大于预设阈值时,确定完成一次强化学习;或者,图像采集设备根据调整参数后的第二图像质量确定模型,继续确定一次对焦调整信息,再根据该对焦调整信息进行对焦,对焦完成后,重新采集第二样本图像,当重新采集的第二样本图像的图像质量满足图像质量要求时,确定完成一次强化学习;或者,图像采集设备记录图像采集设备的对焦次数,当对焦次数达到预设次数时,确定完成一次强化学习。
相应的,在一种可能的实现方式中,图像采集设备确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若该回报值的总和大于预设阈值,确定强化学习完成。
在另一种可能的实现方式中,根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据该第二预设对焦调整信息对该图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若该至少一帧第二样本图像的图像质量满足质量要求,确定强化学习完成。
图像采集设备完成一次强化学习训练后,计算第二图像质量确定模型的损失值,当第二图像质量确定模型的损失值小于预设损失值,确定第二图像质量确定模型训练完成,得到第一图像质量确定模型。
需要说明的一点是,由于图像采集设备的摄像头可以为连续对焦摄像头,也可以为离散对焦摄像头,因此,在本公开实施例中,可以根据不同的函数确定图像采集设备的对焦调整信息。在一种可能的实现方式中,当该图像采集设备的摄像头为离散对焦摄像头时,第二图像质量确定模型可以为价值函数,通过该价值函数对多种对焦调整信息进行价值评分,确定价值最高的对焦调整信息作为本次对焦调整信息,将该对焦调整信息作为第二图像质量确定模型输出的对焦调整信息,再确定该对焦调整信息的回报值。
在另一种可能的实现方式中,当该图像采集设备的摄像头为连续对焦摄像头时,第二图像质量确定模型可以为连续函数,通过该连续函数的输出值作为第二图像质量确定模型输出的对焦调整信息,再确定该对焦调整信息的回报值。
需要说明的另一点是,该训练过程可以由图像采集设备进行,也可以由其他设备进行,由其他设备将训练完成后的第一图像质量确定模型发送给图像采集设备。例如,该设备可以为电脑、手机等终端,也可以为服务器,其中,该服务器可以为单独的服务器,也可以为由多个服务器组成的服务器集群等,在本公开实施例中,对此不作具体限定。其中,第一图像质量确定模型由其他设备进行训练得到时,训练过程与上述步骤(1-1)-(1-6)相似,再次不再赘述。
(2)图像采集设备将该图像采集设备的对焦的方向和程度作为该图像采集设备的对焦调整信息。
在本步骤中,图像采集设备根据对焦的方向和程度生成对焦调整信息,其中,对焦方向包括:正方向、负方向、不移动,对焦程度可以包括小幅度和发幅度。因此,该对焦调整信息可以包括大幅度往正方向对焦、小幅度往正方向对焦,保持不动,小幅度往负方向对焦,大幅度往负方向对焦的离散的对焦动作,以及直接驱动电机至相机对焦位置的连续对焦动作等。
步骤308:图像采集设备根据该对焦调整信息对该图像采集设备进行对焦处理。
在本步骤中,图像采集设备根据对焦调整信息,调整图像采集设备的焦距调整方向和调整大小,通过驱动电机完成对焦。
步骤309:图像采集设备通过对焦后的该图像采集设备,获取目标对象的第一虹膜图像。
其中,该第一虹膜图像可以为直接采集的目标对象的虹膜图像,也可以为从采集的人脸图像中截取的人脸图像,在本公开实施例中,对此不作具体限定。相应的,在一种可能的实现方式中,通过对焦后的该图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从该第二人脸图像中截取该目标对象的虹膜对应的第一虹膜图像。在另一种可能的实现方式中,通过对焦后的该图像采集设备,对该目标对象的虹膜进行图像采集,得到该第一虹膜图像。
另外,图像采集设备采集完第一虹膜图像后,可以对第一虹膜图像中的虹膜进行识别,该对第一虹膜图像进行识别的过程可以通过以下步骤(1)-(3)实现,包括:
(1)图像采集设备对该第一虹膜图像进行虹膜特征提取,得到该第一虹膜图像中的目标对象的虹膜特征。
(2)图像采集设备对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果。
(3)图像采集设备根据该虹膜识别结果确定该目标对象的身份信息。
需要说明的一点是,在对第一虹膜图像进行虹膜识别之前,图像采集设备可以先确定第一虹膜图像的图像质量是否满足图像质量条件,当不满足图像质量条件时,继续根据第一虹膜图像的图像质量进行对焦,直到第一虹膜图像的图像质量满足图像质量,该过程可以为:图像采集设备确定该第一虹膜图像的图像质量;若该第一虹膜图像的图像质量大于该预设阈值,对该第一虹膜图像进行虹膜特征提取,得到该第一虹膜图像中的目标对象的虹膜特征;对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据该虹膜识别结果确定该目标对象的身份信息。
需要说明的一点是,图像采集设备可以重新调整图像的焦距,采集目标图像,再根据满足向质量要求目标图像中重新获取第一虹膜图像。图像采集设备也可以重新调整图像焦距后,直接采集目标对象的第一虹膜图像,在本公开实施例中,对此不作具体限定。
在本实现方式中,通过自动对焦后采集的第一虹膜图像进行虹膜特征的提取,进行虹膜识别,由于第一虹膜图像的图像质量较高,图像较清晰,从而提高了虹膜识别的准确率。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
图6是根据一示例性实施例示出的一种图像采集装置的框图。该装置包括:
第一获取模块601,用于获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;
第一对焦模块602,用于若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对该图像采集设备进行对焦处理;
第二获取模块603,用于通过对焦后的该图像采集设备,获取目标对象的第一虹膜图像。
在一种可能的实现方式中,该第一对焦模块602,还用于根据该目标图像的图像质量,确定该图像采集设备的对焦调整信息;根据该对焦调整信息对该图像采集设备进行对焦处理。
在另一种可能的实现方式中,该目标图像的图像质量包括该目标图像中目标对象的位置信息和该目标图像的清晰度;
该第一对焦模块602,还用于将该目标图像中目标对象的位置信息和该目标图像的清晰度输入至第一图像质量确定模型中,得到该图像采集设备的对焦的方向和程度;将该图像采集设备的对焦的方向和程度作为该图像采集设备的对焦调整信息。
在另一种可能的实现方式中,该装置还包括:
第三获取模块,用于获取该图像采集设备采集到的至少一帧第一样本图像的图像质量;
第一确定模块,用于根据该至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;
第二对焦模块,用于根据该第一预设对焦调整信息对该图像采集设备进行对焦处理;
第一采集模块,用于根据对焦后的图像采集设备采集至少一帧第二样本图像;
第二确定模块,用于根据该第二样本图像的图像质量和预设图像质量,确定该第一预设对焦调整信息的回报值;
第一调整模块,用于根据该回报值对该第二图像质量确定模型的模型参数进行调整,得到该第一图像质量确定模型。
在另一种可能的实现方式中,该第一调整模块,还用于确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若该回报值的总和大于预设阈值,确定第二图像质量确定模型训练完成一次强化学习,直到得到该第一图像质量确定模型;或者,
该第一调整模块,还用于根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据该第二预设对焦调整信息对该图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若该至少一帧第二样本图像的图像质量满足质量要求,确定第二图像质量确定模型训练完成一次强化学习,直到得到该第一图像质量确定模型。
在另一种可能的实现方式中,该装置还包括:
第二采集模块,用于通过该图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像;
该第一采集模块,还用于将该第一人脸图像作为该目标图像;或者,从该第一人脸图像中截取该目标对象的虹膜图像对应的第二虹膜图像,将该第二虹膜图像作为该目标图像。
在另一种可能的实现方式中,该第二获取模块603,还用于通过对焦后的该图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从该第二人脸图像中截取该目标对象的虹膜对应的第一虹膜图像;或者,
该第二获取模块603,还用于通过对焦后的该图像采集设备,对该目标对象的虹膜进行图像采集,得到该第一虹膜图像。
在另一种可能的实现方式中,该装置还包括:
第三采集模块,用于采集当前场景图像;
第三确定模块,用于根据该当前场景图像,确定当前的成像距离;
第四确定模块根据该成像距离,从该成像距离和该图像采集设备的变倍值的映射关系中,确定该成像距离对应的变倍值;
第五确定模块,用于根据第一焦距和该变倍值,确定该成像距离对应的第二焦距,该第一焦距为该图像采集设备的当前焦距;
变焦模块,用于根据该第二焦距,对该图像采集设备进行变焦处理。
在另一种可能的实现方式中,该装置还包括:
第六确定模块,用于对该图像采集设备进行初始化,以及确定目标对象在该图像采集设备的成像画面中所占的画面比例;
第七确定模块,用于根据该图像采集设备初始化的摄像头参数和该画面比例,确定该成像距离和该摄像头的变倍值的映射关系。
在另一种可能的实现方式中,该第一获取模块601,还用于将该目标图像输入至图像质量确定模型中,得到该目标图像的图像质量。
在另一种可能的实现方式中,该装置还包括:
第四获取模块,用于获取多个样本图像,以及确定多个图像质量类别;
第一提取模块,用于对于任一样本图像,对该样本图像进行特征提取,得到该样本图像对应的图像特征;
第八确定模块,用于根据第二图像质量确定模型和该图像特征,确定该样本图像任一图像质量类别的概率;
第九确定模块,用于根据该样本图像为任一图像质量类别的概率和该样本图像的概率,确定第二图像质量确定模型的交叉熵误差;
第二调整模块,用于根据该交叉熵误差对该第二图像质量确定模型的模型参数进行调整,直到该交叉熵误差小于预设阈值,得到该图像质量确定模型。
在另一种可能的实现方式中,该装置还包括:
第二提取模块,用于对该第一虹膜图像进行虹膜特征提取,得到该第一虹膜图像中的目标对象的虹膜特征;对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据该虹膜识别结果确定该目标对象的身份信息;或者,
该第二提取模块,还用于确定该第一虹膜图像的图像质量;若该第一虹膜图像的图像质量大于预设阈值,对该第一虹膜图像进行虹膜特征提取,得到该第二虹膜图像中的目标对象的虹膜特征;对该目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据该虹膜识别结果确定该目标对象的身份信息。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
需要说明的是:上述实施例提供的图像采集装置在图像采集时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的图像采集装置与图像采集方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7示出了本公开一个示例性实施例提供的图像采集设备700的结构框图。该图像获取设备700可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts GroupAudio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。图像获取设备700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,图像获取设备700包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本公开中方法实施例提供的图像采集方法。
在一些实施例中,图像获取设备700还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本公开对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置图像获取设备700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在图像获取设备700的不同表面或呈折叠设计;在再一些实施例中,显示屏705可以是柔性显示屏,设置在图像获取设备700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在电子设备的前面板,后置摄像头设置在电子设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在图像获取设备700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位图像获取设备700的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为图像获取设备700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,图像获取设备700还包括有一个或多个传感器170。该一个或多个传感器170包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以图像获取设备700建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测图像获取设备700的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对图像获取设备700的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在图像获取设备700的侧边框和/或显示屏705的下层。当压力传感器713设置在图像获取设备700的侧边框时,可以检测用户对图像获取设备700的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时,由处理器701根据用户对显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置图像获取设备700的正面、背面或侧面。当图像获取设备700上设置有物理按键或厂商Logo时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制显示屏705的显示亮度。具体地,当环境光强度较高时,调高显示屏705的显示亮度;当环境光强度较低时,调低显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在图像获取设备700的前面板。接近传感器716用于采集用户与图像获取设备700的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与图像获取设备700的正面之间的距离逐渐变小时,由处理器701控制显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与图像获取设备700的正面之间的距离逐渐变大时,由处理器701控制显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图7中示出的结构并不构成对图像获取设备700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条指令,上述至少一条指令可由服务器中的处理器执行以完成上述实施例中的语音信号处理方法。例如,所述计算机可读存储介质可以是ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
本公开实施例中,还提供一种计算机程序产品,所述计算机程序产品中存储至少一条指令,所述至少一条指令由处理器加载并执行,以实现本公开实施中所述的图像采集方法。
在本公开实施例中,通过获取目标图像的图像质量,该目标图像为通过图像采集设备对当前场景进行图像采集得到的图像;若该目标图像的图像质量不满足质量要求,根据该目标图像的图像质量,对图像采集设备进行对焦处理;通过对焦后的图像采集设备,获取目标对象的第一虹膜图像。通过上述方法使得可以根据采集到的目标图像确定对焦调整信息,根据该对焦调整信息进行对焦,通过调整后的对焦信息采集第一虹膜图像,提高了采集的第一虹膜图像的清晰度,进而提高了第一虹膜图像识别的准确率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中执行了详细描述,此处将不做详细阐述说明。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种图像采集方法,其特征在于,所述方法包括:
获取目标图像的图像质量,所述目标图像为通过图像采集设备对当前场景进行图像采集得到的图像,所述目标图像的图像质量包括所述目标图像中目标对象的位置信息和所述目标图像的清晰度;
若所述目标图像的图像质量不满足质量要求,将所述目标图像中目标对象的位置信息和所述目标图像的清晰度输入至第一图像质量确定模型中,得到所述图像采集设备的对焦的方向和程度;
将所述图像采集设备的对焦的方向和程度作为所述图像采集设备的对焦调整信息;
根据所述对焦调整信息对所述图像采集设备进行对焦处理,所述图像采集设备为自动进行对焦的设备;
通过对焦后的所述图像采集设备,获取所述目标对象的第一虹膜图像;
其中,确定所述第一图像质量确定模型的过程,包括:
获取所述图像采集设备采集到的至少一帧第一样本图像的图像质量;
根据所述至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;
根据所述第一预设对焦调整信息对所述图像采集设备进行对焦处理;
根据对焦后的图像采集设备采集至少一帧第二样本图像;
根据所述第二样本图像的图像质量和预设图像质量,确定所述第一预设对焦调整信息的回报值;其中,当所述第二样本图像的图像质量高于所述预设图像质量时,所述第一预设对焦调整信息的回报值为正值;当所述第二样本图像的图像质量不高于所述预设图像质量时,所述第一预设对焦调整信息的回报值为负值;
根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型,包括:
确定每次调整模型参数后第二图像质量确定模型的回报值;对每个回报值进行求和,若所述回报值的总和大于预设阈值,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型;或者,
根据调整参数后的第二图像质量确定模型确定第二预设对焦调整信息;根据所述第二预设对焦调整信息对所述图像采集设备进行对焦处理;根据对焦处理后的图像采集设备采集至少一帧第二样本图像的图像质量,若所述至少一帧第二样本图像的图像质量满足质量要求,确定第二图像质量确定模型训练完成一次强化学习,直到得到所述第一图像质量确定模型。
3.根据权利要求1所述的方法,其特征在于,所述获取目标图像的图像质量之前,所述方法还包括:
通过所述图像采集设备对当前场景中的目标对象的人脸进行图像采集,得到第一人脸图像;
将所述第一人脸图像作为所述目标图像;或者,从所述第一人脸图像中截取所述目标对象的虹膜图像对应的第二虹膜图像,将所述第二虹膜图像作为所述目标图像。
4.根据权利要求1所述的方法,其特征在于,所述通过对焦后的所述图像采集设备,获取所述目标对象的第一虹膜图像,包括:
通过对焦后的所述图像采集设备,对当前场景中的目标对象的人脸进行图像采集,得到第二人脸图像;从所述第二人脸图像中截取所述目标对象的虹膜对应的第一虹膜图像;或者,
通过对焦后的所述图像采集设备,对所述目标对象的虹膜进行图像采集,得到所述第一虹膜图像。
5.根据权利要求3所述的方法,其特征在于,获取所述目标图像之前,所述方法还包括:
采集当前场景图像;
根据所述当前场景图像,确定当前的成像距离;
根据所述成像距离,从所述成像距离和所述图像采集设备的变倍值的映射关系中,确定所述成像距离对应的变倍值;
根据第一焦距和所述变倍值,确定所述成像距离对应的第二焦距,所述第一焦距为所述图像采集设备的当前焦距;
根据所述第二焦距,对所述图像采集设备进行变焦处理。
6.根据权利要求1所述的方法,其特征在于,所述通过对焦后的所述图像采集设备,获取所述目标对象的第一虹膜图像之后,所述方法还包括:
对所述第一虹膜图像进行虹膜特征提取,得到所述第一虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息;或者,
确定所述第一虹膜图像的图像质量;若所述第一虹膜图像的图像质量大于预设阈值,对所述第一虹膜图像进行虹膜特征提取,得到第二虹膜图像中的目标对象的虹膜特征;对所述目标对象的虹膜特征进行特征识别,得到虹膜识别结果;根据所述虹膜识别结果确定所述目标对象的身份信息。
7.一种图像采集设备,其特征在于,所述设备包括:摄像头、对焦驱动模块和计算处理模块;
所述摄像头分别与所述对焦驱动模块连接和所述计算处理模块连接,所述对焦驱动模块与所述计算处理模块连接;
所述摄像头,用于对当前场景进行图像采集,得到目标图像,将采集到的所述目标图像发送给所述计算处理模块,所述目标图像的图像质量包括所述目标图像中目标对象的位置信息和所述目标图像的清晰度;
所述计算处理模块,用于接收所述目标图像,确定所述目标图像的图像质量,若所述目标图像的图像质量不满足质量要求,将所述目标图像中目标对象的位置信息和所述目标图像的清晰度输入至第一图像质量确定模型中,得到所述图像采集设备的对焦的方向和程度,所述图像采集设备为自动进行对焦的设备;
将所述图像采集设备的对焦的方向和程度作为所述图像采集设备的对焦调整信息,将所述对焦调整信息发送给所述对焦驱动模块;
所述对焦驱动模块,用于接收所述计算处理模块发送的对焦调整信息,根据所述对焦调整信息对所述摄像头进行对焦处理;
所述摄像头,还用于在对焦完成后获取所述目标对象的第一虹膜图像;
所述摄像头,还用于采集至少一帧第一样本图像,将所述至少一帧第一样本图像发送给所述计算处理模块;
所述计算处理模块,还用于获取所述至少一帧第一样本图像的图像质量;根据所述至少一帧第一样本图像的图像质量和第二图像质量确定模型,确定第一预设对焦调整信息;将所述第一预设对焦调整信息发送给所述对焦驱动模块;
所述对焦驱动模块,还用于根据所述第一预设对焦调整信息对所述摄像头进行对焦处理;
所述摄像头,还用于在对焦完成后,采集至少一帧第二样本图像;将所述至少一帧第二样本图像发送给所述计算处理模块;
所述计算处理模块,还用于根据所述第二样本图像的图像质量和预设图像质量,确定所述第一预设对焦调整信息的回报值;其中,当所述第二样本图像的图像质量高于所述预设图像质量时,所述第一预设对焦调整信息的回报值为正值;当所述第二样本图像的图像质量不高于所述预设图像质量时,所述第一预设对焦调整信息的回报值为负值;根据所述回报值对所述第二图像质量确定模型的模型参数进行调整,得到所述第一图像质量确定模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431688.4A CN113709353B (zh) | 2020-05-20 | 2020-05-20 | 图像采集方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431688.4A CN113709353B (zh) | 2020-05-20 | 2020-05-20 | 图像采集方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113709353A CN113709353A (zh) | 2021-11-26 |
CN113709353B true CN113709353B (zh) | 2023-03-24 |
Family
ID=78645670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010431688.4A Active CN113709353B (zh) | 2020-05-20 | 2020-05-20 | 图像采集方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113709353B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393947A (zh) * | 2022-08-30 | 2022-11-25 | 上海闻泰电子科技有限公司 | 基于头戴式显示器的虹膜图像采集方法及相关产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814129A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 自动对焦的远距离虹膜图像获取装置、方法和识别系统 |
CN107948510A (zh) * | 2017-11-27 | 2018-04-20 | 北京小米移动软件有限公司 | 焦距调整的方法、装置及存储介质 |
CN109145856A (zh) * | 2018-09-03 | 2019-01-04 | 武汉虹识技术有限公司 | 虹膜图像采集方法、虹膜图像采集装置及计算装置 |
CN109714519A (zh) * | 2017-10-25 | 2019-05-03 | 成都市极米科技有限公司 | 一种自动调整图像画面的方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520838A (zh) * | 2008-02-27 | 2009-09-02 | 中国科学院自动化研究所 | 自动跟踪和自动变焦的虹膜图像获取方法 |
CN105550631B (zh) * | 2015-08-25 | 2019-03-22 | 宇龙计算机通信科技(深圳)有限公司 | 一种虹膜图像采集方法及装置 |
CN107341467A (zh) * | 2017-06-30 | 2017-11-10 | 广东欧珀移动通信有限公司 | 虹膜采集方法及设备、电子装置和计算机可读存储介质 |
CN108960153A (zh) * | 2018-07-06 | 2018-12-07 | 深圳虹识技术有限公司 | 一种自适应虹膜识别的方法和设备 |
CN109711290A (zh) * | 2018-12-13 | 2019-05-03 | 深圳三人行在线科技有限公司 | 一种基于双摄像头的虹膜识别方法和设备 |
-
2020
- 2020-05-20 CN CN202010431688.4A patent/CN113709353B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814129A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 自动对焦的远距离虹膜图像获取装置、方法和识别系统 |
CN109714519A (zh) * | 2017-10-25 | 2019-05-03 | 成都市极米科技有限公司 | 一种自动调整图像画面的方法和系统 |
CN107948510A (zh) * | 2017-11-27 | 2018-04-20 | 北京小米移动软件有限公司 | 焦距调整的方法、装置及存储介质 |
CN109145856A (zh) * | 2018-09-03 | 2019-01-04 | 武汉虹识技术有限公司 | 虹膜图像采集方法、虹膜图像采集装置及计算装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113709353A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829456B (zh) | 图像识别方法、装置及终端 | |
CN111079576B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN110807361B (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
CN110650379B (zh) | 视频摘要生成方法、装置、电子设备及存储介质 | |
CN110572711B (zh) | 视频封面生成方法、装置、计算机设备及存储介质 | |
CN110110787A (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
CN110059652B (zh) | 人脸图像处理方法、装置及存储介质 | |
CN109302632B (zh) | 获取直播视频画面的方法、装置、终端及存储介质 | |
CN109285178A (zh) | 图像分割方法、装置及存储介质 | |
CN110839128B (zh) | 拍照行为检测方法、装置及存储介质 | |
CN109360222A (zh) | 图像分割方法、装置及存储介质 | |
CN110827195A (zh) | 虚拟物品添加方法、装置、电子设备及存储介质 | |
CN111027490A (zh) | 人脸属性识别方法及装置、存储介质 | |
CN113038165A (zh) | 确定编码参数组的方法、设备及存储介质 | |
CN110807769B (zh) | 图像显示控制方法及装置 | |
CN110503159B (zh) | 文字识别方法、装置、设备及介质 | |
CN110675473A (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN112508959B (zh) | 视频目标分割方法、装置、电子设备及存储介质 | |
CN113709353B (zh) | 图像采集方法和设备 | |
CN111488895B (zh) | 对抗数据生成方法、装置、设备及存储介质 | |
CN111982293B (zh) | 体温测量方法、装置、电子设备及存储介质 | |
CN111988664B (zh) | 视频处理方法、装置、计算机设备及计算机可读存储介质 | |
CN111723615B (zh) | 对检测物图像进行检测物匹配判定的方法和装置 | |
CN112243083B (zh) | 抓拍方法、装置及计算机存储介质 | |
CN112990424A (zh) | 神经网络模型训练的方法和装置 |
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 |