[发明专利]一种基于近红外图像的光照估计方法及系统

说明书

本发明公开了一种基于近红外图像的光照估计方法及系统，包括步骤：S1、获取目标区域的近红外图像；S2、对近红外图像进行人脸检测，得到初始人脸框；S3、缩小初始人脸框，得到第一人脸区域图像，并对第一人脸区域图像进行归一化处理，得到第二人脸区域图像；S4、计算第二人脸图像的灰度直方图，设置灰度截断值，并统计所述截断值范围之内的像素，过滤高于灰度截断值的像素，得到第三人脸区域图像；S5、计算第三人脸区域图像的像素平均值，根据像素平均值求解得到第三人脸区域图像的光照强度值。本发明过滤了曝光区域，减少了误差，从而使得对该人脸区域图像的像素统计更加准确，进而提高了光照估计的精确度。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于近红外图像的光照估计方法及系统。

背景技术

人脸识别已经逐渐进入人们的日常生活，比如在安检、交通、刷脸支付等多个领域均有所应用。人脸识别是基于人脸的面部特征信息进行身份识别的一种生物识别技术，通过利用摄像机或摄像头采集包含有人脸的图像或者视频流数据，根据相应的算法程序进行处理，从而对检测到的人脸进行识别的一系列的活动。

在近红外图像的人脸识别过程中，需要度量人脸图像的光照强度是否合适，是否存在曝光过度或者曝光不足的情况。对于近红外图像，相同的物体，越近会越亮，越远就越暗。

现有技术中，近红外人脸图像的光照强度估计一般是采用平均像素统计的方法或者采用基于神经网络模型的方法，但是这两种方法均不能准确地度量出近红外人脸图像的光照强度，其中，平均像素统计方法无法解决局部区域曝光过度的问题，比如眼镜、拉链的反光等，会导致估计出的人脸图像的光照强度不准；而基于神经网络模型的方法其过程过于复杂麻烦，需要人工标注数据，训练模型，且人工标注的数据是基于该人工对近红外图像光照强度的直观感觉的判断，存在人的直观判断误差，导致标注数据极其不准确，因此利用神经网络训练光照强度估计出的结果也不准确。

上述背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

本发明的目的在于提供一种基于近红外图像的光照估计方法及系统，以解决上述背景技术问题中的至少一种问题。

为达到上述目的，本发明实施例的技术方案是这样实现的：

一种基于近红外图像的光照估计方法，包括如下步骤：

S1、获取目标区域的近红外图像；

S2、对所述近红外图像进行人脸检测，得到初始人脸框；

S3、缩小所述初始人脸框，得到第一人脸区域图像，并对所述第一人脸区域图像进行归一化处理，得到第二人脸区域图像；

S4、计算所述第二人脸图像的灰度直方图，设置灰度截断值，并统计所述截断值范围之内的像素，过滤高于所述灰度截断值的像素，得到第三人脸区域图像；

S5、计算所述第三人脸区域图像的像素平均值，根据所述像素平均值求解得到所述第三人脸区域图像的光照强度值。

进一步地，步骤S1中，通过控制深度相机获取所述目标区域的所述近红外图像；所述深度相机包括发射模块和接收模块，其中，所述发射模块用于向所述目标区域发射近红外波段的光信号，所述接收模块接收经所述目标区域反射回的光信号以得到所述目标区域的所述近红外图像。

进一步地，步骤S2中，将所述近红外图像传输至人脸检测模型进行人脸检测，获取人脸区域，得到所述初始人脸框。

进一步地，步骤S2包括：

S20、将所述近红外图像传输至主干特征提取网络，输出第一有效特征层；