手持证件模式下的对焦方法和装置的制造方法
【技术领域】
[0001]本公开涉及图像处理领域，尤其涉及手持证件模式下的对焦方法和装置。
【背景技术】
[0002]随着信息技术的发展，基于网络进行非接触式认证的应用越来越多。在各类非接触式认证的应用场景中，往往需要用户本人手持相关的证件进行拍摄。
[0003]相关技术中，在手持证件的拍摄模式下，拍摄出来的图像中，证件上面的信息往往不够清晰，非常容易导致网络认证失败，从而为用户带来不良的用户体验。
【发明内容】
[0004]为克服相关技术中存在的问题，本公开提供一种手持证件模式下的对焦方法和装置，以提高拍摄图像中证件中信息的清晰度。
[0005]根据本公开实施例的第一方面，提供一种手持证件模式下的对焦方法，包括:
[0006]获取待对焦图像；
[0007]从所述待对焦图像中确定人脸区域；
[0008]根据所述人脸区域，采用证件识别模型在所述待对焦图像中确定证件区域，其中所述证件识别模型是通过对训练样本集进行训练后得到的，所述证件识别模型用于识别图像中的字符内容；
[0009]将所述人脸区域及所述证件区域确定为对焦区域进行对焦。
[0010]本方案可以包括以下有益效果:通过证件识别模型确定待对焦图像中的证件区域，并对待对焦图像中的人脸区域以及证件区域进行对焦，从而提高拍摄出的图像中证件上信息的清晰程度。
[0011]结合第一方面，在第一方面的第一种可能的实现方式中，所述从所述待对焦图像中确定人脸区域，包括:
[0012]采用人脸检测器从所述待对焦图像中确定人脸区域；
[0013]其中，所述人脸检测器为采用自适应增强Adaboost训练方法对哈尔Haar特征进行训练得到的人脸检测器;或者，所述人脸检测器为基于开源计算机视觉库OpenCV的人脸检测器。
[0014]该方案可以包括以下有益效果:通过基于Adaboost+Haar的人脸检测器或者基于OpenCV的人脸检测器确定待对焦图像中的人脸区域，提高人脸区域的识别效率。
[0015]结合第一方面，在第一方面的第二种可能的实现方式中，所述根据所述人脸区域，采用证件识别模型在所述待对焦图像中确定证件区域，包括:
[0016]根据所述人脸区域在所述待对焦图像中确定证件候选区域；
[0017]采用金字塔层级遍历扫描方法，从所述证件候选区域中得到N个扫描图像；
[0018]采用所述证件识别模型，分别确定所述N个扫描图像是否为证件上的字符区域；
[0019]对所述N个扫描图像是否为字符区域的确定结果进行聚类合并；
[0020]根据所述聚类合并的结果，确定所述证件候选区域中的证件区域。
[0021]该方案可以包括以下有益效果:在待对焦图像中确定证件区域时，首先确定证件候选区域，之后利用证件识别模型对证件候选区域中的N个扫描图像进行逐一识别，并根据识别的结果最终确定证件区域，从而可以在确保证件区域识别准确性的前提下，提高证件区域识别的速率。
[0022]结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述根据所述人脸区域在所述待对焦图像中确定证件候选区域，包括:
[0023]根据待拍摄对象的人脸与待拍摄证件的位置分布关系，在所述待对焦图像中确定证件候选区域；
[0024]或者，
[0025]确定待拍摄证件上是否有待拍摄对象的头像，若有，则在所述待对焦图像中确定所述待拍摄对象的头像位置;根据所述待拍摄对象的头像位置，在所述待对焦图像中确定证件候选区域。
[0026]该方案可以包括以下有益效果:拍摄对象人脸与待拍摄证件的位置分布关系或者在待拍摄证件上有待拍摄对象的头像时，拍摄对象的头像位置，为在待对焦图像中确定证件候选区域提供了依据，按照上述方式确定证件候选区域为最终确定证件区域提供了便利，从而可以提高证件区域确定的效率。
[0027]结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式中，在所述采用所述证件识别模型，分别确定所述N个扫描图像是否为证件上的字符区域之前，还包括:
[0028]对得到的所述N个扫描图像进行归一化处理。
[0029]该方案可以包括以下有益效果:对得到的N各扫描图像进行归一化处理，便于证件识别模型对各个扫描图像进行识别，从而提高证件区域的识别效率。
[0030]结合第一方面的第二种可能的实现方式，在第一方面的第五种可能的实现方式中，所述采用所述证件识别模型，分别确定所述N个扫描图像是否为证件上的字符区域，包括:
[0031]采用所述证件识别模型，分别对所述N个扫描图像的方向梯度直方图HOG以及线性判别式分析LDA特征进行识别；
[0032]根据所述识别的结果，分别确定所述N个扫描图像是否为证件上的字符区域。
[0033]该方案可以包括以下有益效果:证件识别模型基于LOG以及LDA特征对扫描图像进行识别，可以减少证件识别模型的运算次数，提高扫描图像的识别速率。
[0034]结合第一方面，在第一方面的第六种可能的实现方式中，所述方法还包括:
[0035]获取训练样本集，所述训练样本集中的正样本为文字样本图像，负样本为非文字样本图像；
[0036]采用Adaboost训练方法对所述文字样本图像和非文字样本图像的方向梯度直方图HOG以及线性判别式分析LDA特征进行训练，得到所述证件识别模型。
[0037]该方案可以包括以下有益效果:利用本实施例方法生成的证件识别模型可以较为快捷准确的对图像中的字符区域进行识别，有利于提高待对焦图像中证件区域的识别效率。
[0038]结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，在所述采用Adaboost训练方法对所述文字样本图像和非文字样本图像的方向梯度直方图HOG以及线性判别式分析LDA特征进行训练，得到所述证件识别模型之前，还包括:
[0039]对所述文字样本图像和所述非文字样本图像进行归一化处理。
[0040]根据本公开实施例的第二方面，提供一种手持证件模式下的对焦装置，包括:
[0041]第一获取模块，被配置为获取待对焦图像；
[0042]人脸区域确定模块，被配置为从所述待对焦图像中确定人脸区域；
[0043]证件区域确定模块，被配置为根据所述人脸区域，采用证件识别模型在所述待对焦图像中确定证件区域，其中所述证件识别模型是通过对训练样本集进行训练后得到的，所述证件识别模型用于识别图像中的字符内容；
[0044]对焦模块，被配置为将所述人脸区域及所述证件区域确定为对焦区域进行对焦。
[0045]该方案可以包括以下有益效果:通过证件识别模型确定待对焦图像中的证件区域，并对待对焦图像中的人脸区域以及证件区域进行对焦，从而提高拍摄出的图像中证件上信息的清晰程度。
[0046]结合第二方面，在第二方面的第一种可能的实现方式中，所述人脸区域确定模块，包括:
[0047]人脸检测器，被配置为从所述待对焦图像中确定人脸区域；
[0048]其中，所述人脸检测器为采用自适应增强Adaboost训练方法对哈尔Haar特征进行训练得到的人脸检测器;或者，所述人脸检测器为基于开源计算机视觉库OpenCV的人脸检测器。
[0049]该方案可以包括以下有益效果:通过基于Adaboost+Haar的人脸检测器或者基于OpenCV的人脸检测器确定待对焦图像中的人脸区域，提高人脸区域的识别效率。
[0050]结合第二方面，在第二面的第二种可能的实现方式中，所述证件区域确定模块，包括:
[0051]候选区域确定子模块，被配置为根据所述人脸区域在所述待对焦图像中确定证件候选区域；
[0052]扫描子模块，被配置为采用金字塔层级遍历扫描方法，从所述证件候选区域中得到N个扫描图像；
[0053]字符区域确定子模块，被配置为采用所述证件识别模型，分别确定所述N个扫描图像是否为证件上的字符区域；
[0054]聚类合并子模块，被配置为对所述N个扫描图像是否为字符区域的确定结果进行聚类合并；
[0055]证件区域确定子模块，被配置为根据所述聚类合并的结果，确定所述证件候选区域中的证件区域。
[0056]该方案可以包括以下有益效果:在待对焦图像中确定证件区域时，首先确定证件候选区域，之后利用证件识别模型对证件候选区域中的N个扫描图像进行逐一识别，并根据识别的结果最终确定证件区域，从而可以在确保证件区域识别准确性的前提下，提高证件区域识别的速率。
[0057]结合第二方面的第二种可能的实现方式，在第二面的第三种可能的实现方式中，所述候选区域确定子模块，具体被配置为:
[0058]根据待拍摄对象的人脸与待拍摄证件的位置分布关系，在所述待对焦图像中确定证件候选区域；
[0059]或者，
[0060]确定待拍摄证件上是否有待拍摄对象的头像，若有，则在所述待对焦图像中确定所述待拍摄对象的头像位置;根据所述待拍摄对象的头像位置，在所述待对焦图像中确定证件候选区域。
[0061]该方案可以包括以下有益效果:拍摄对象人脸与待拍摄证件的位置分布关系或者在待拍摄证件上有待拍摄对象的头像时拍摄对象的头像位置，为在待对焦图像中确定证件候选区域提供了依据，按照上述方式确定证件候选区域为最终确定证件区域提供了便利，从而可以提高证件区域确定的效率。
[0062]结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式中，所述证件区域确定模块还包括:
[0063]归一化子模块，被配置为在所述采用所述证件识别模型，分别确定所述N个扫描图像是否为证件上的字符区域之前，对得到的所述N个扫描图像进行归一化处理。
[0064]该方案可以包括以下有益效果:对得到的N各扫描图像进行归一化处理，便于证件识别模型对各个扫描图像进行识别，从而提高证件区域的识别效率。
[0065]结合第一方面的第二种可能的实现方式，在第一方面的第五种可能的实现方式中，所述字符区域确定子模块，具体被配置为:
[0066]采用所述证件识别模型，分别对所述N个扫描图像的方向梯度直方图HOG以及线性判别式分析LDA特征进