人脸图像采集方法及装置与流程

本发明涉及图像采集技术领域，尤其涉及一种可以提高暗光环境下人脸图像采集性能的人脸图像采集方法及装置。

背景技术：

随着经济的发展，城镇建设速度加快，以及互联网的突飞猛进，导致城市中人口密集，流动人口增加，引发了城市建设中的交通、社会治安、重点区域防范、网络犯罪日益突出等城市管理问题，因此视频监控系统得到越来越广泛的应用，如何使采集图像包含高质量的人脸图像成为研究重点。

在目前的图像采集中，低照度场景或逆光条件下的人像抓拍是安防行业难题，抓拍到的人像较暗或全黑导致不能用来进行人脸识别。现在普遍通过采用支持宽动态范围的相机或采用人脸局部曝光来解决低照度场景或逆光条件下人像较黑的问题。然而，支持宽动态范围的相机普遍成本较高，而且对于强逆光或光线较暗环境下的人像抓拍效果也不是很理想。而人脸局部曝光的前提是摄像机先要检测到人脸，然后基于人脸的位置做局部曝光，得到理想的人像图片；但是在强逆光或光线较暗的情况下，人脸图像采集算法检测不到人脸，因此就无法进行下一步动作。

因此，需要提供一种人脸图像采集方法及装置，以至少部分地解决上面提到的问题。

技术实现要素：

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施例部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

为了至少部分地解决上述问题，本发明提供了一种人脸图像采集方法，包括：

获取图像传感器采集的目标对象的第一图像；

基于所述目标对象的第一图像进行人形分割，以至少分割出所述目标对象的头部；

基于所述人形分割的结果获取所述第一图像中所述目标对象的头部的坐标区域；

基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求；

采集经局部曝光的所述目标对象的第二图像。

示例性地，在所述获取图像传感器采集的目标对象的图像之前还包括：

实时获取目标区域的图像；

对所获取的目标区域的图像进行人形检测，以判断所述目标区域是否存在人形；

如果所述目标区域存在人形，则继续执行后续步骤，如果所述目标区域不存在人形，则不执行后续步骤。

示例性地，在所述基于所述人形分割的结果获取所述图像中所述目标对象的头部的坐标区域之前，还包括：

判断所述目标对象的头部区域内的像素点的数量是否大于设定阈值，

如果所述目标对象的头部区域内的像素点的数量大于设定阈值，则继续执行后续步骤，反之则不执行后续步骤。

示例性地，所述基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求包括：调节所述图像传感器的曝光参数，以使所采集的所述第二图像中的所述目标对象的头部区域曝光到预定的人脸图像采集所需要的标准。

示例性地，所述曝光参数包括曝光时间、光圈大小以及曝光度ISO中的至少一种。

示例性地，所述基于所述目标对象的第一图像进行人形分割的步骤、所述基于所述人形分割的结果获取所述第一图像中所述目标对象的头部的坐标区域的步骤由服务器实现，所述基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求的步骤由相机内部的处理器实现；或者，

所述基于所述目标对象的第一图像进行人形分割的步骤、所述基于所述人形分割的结果获取所述第一图像中所述目标对象的头部的坐标区域的步骤、以及所述基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求的步骤均由相机内部的处理器实现。

示例性地，所述人形检测与所述人形分割由基于SVM的人形识别算法，或基于LBP改进算法的实时人形识别算法实现。

本发明实施例还提供一种人脸图像采集装置，包括：

图像获取模块，所述图像获取模块用于获取图像传感器采集的目标对象的第一图像；

人形分割模块，所述人形分割模块用于对所述第一图像中的目标对象进行人形分割，以至少分割出所述目标对象的头部，并获取所述目标对象头部的坐标区域；

局部曝光模块，所述局部曝光模块用于基于所述目标对象头部的坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求；

其中，所述图像获取模块还用于基于所述局部曝光模块的所述局部曝光结果采集经局部曝光的所述目标对象的第二图像。

示例性地，该人脸图像采集装置还包括人形检测模块，所述人形检测模块用于对所述图像获取模块获取的目标区域的图像进行人形检测，以判断所述目标区域是否存在人形，如果所述目标区域存在人形，则所述人形检测模块将所检测到的人形发送至所述人形分割模块，反之则继续对下一个所述目标区域的图像进行人形检测。

示例性地，所述人形分割模块还用于判断所述目标对象的头部区域内的像素点的数量是否大于设定阈值，如果所述目标对象的头部区域内的像素点的数量大于设定阈值，则所述人形分割模块获取所述目标对象的头部的坐标区域，并将所述坐标区域发送至所述局部曝光模块；反之则不获取所述目标对象的头部的坐标区域。

示例性地，所述局部曝光模块基于所述坐标区域调节所述图像传感器的曝光参数，以使所采集的所述第二图像中的所述目标对象的头部区域曝光到预定的人脸图像采集所需要的标准。

示例性地，所述曝光参数包括曝光时间、光圈大小以及曝光度ISO中的至少一种。

示例性地，所述人脸图像采集装置为摄像头，

或者，所述人脸图像采集装置包括摄像头和服务器，所述摄像头包括所述图像获取模块和所述局部曝光模块，所述服务器包括所述人形分割模块。

根据本发明的人脸图像采集方法及装置，通过对图像中的人像进行分割，以至少分割出人像中的头部，例如将人像分割为头部、躯干和四肢，然后根据人像分割的结果，获取图像中头部的坐标区域，然后基于该坐标区域调节图像传感器的曝光参数进行针对头部(脸部)的局部曝光，曝光区域具有针对性且位置精准，由于对于同一相机而言对采集的图像进行人形检测从而定位人脸区域比在采集图像直接进行人脸检测更易于实现，所以可以得到比传统方法更好的人脸曝光图像。即，通过对人像分割出的头部做局部曝光，解决了目前暗光或逆光环境下检测不到人脸而无法得到理想照片的难题。

进一步地，根据本发明的人脸图像采集方法及装置在人像分割前，首先对图像的人形进行检测以便后续进行人形分割，而人形检测相对人脸图像采集来说，普适性更强，采用星光级图像传感器即可轻松检测出低照度环境或强逆光环境中的人形，大大降低了成本和对图像传感器的要求。

附图说明

本发明实施例的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。在附图中，

图1是用于实现根据本发明实施例的人脸图像采集方法及装置的示例电子设备的示意性框图；

图2为根据本发明实施例的人脸图像采集方法的示意性流程图；

图3为根据本发明实施例的人脸图像采集方法的更详细的示意性流程图；

图4为根据本发明实施例的人脸图像采集装置的示意性结构框图；

图5为根据本发明实施例的图像检测设备的示意性结构框图。

具体实施例

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明实施例可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明实施例发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。在附图中，为了清楚，部件、元件等的尺寸以及相对尺寸可能被夸大。自始至终相同附图标记表示相同的元件。

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

首先，参照图1来描述用于实现根据本发明实施例的人脸图像采集方法和装置的示例电子设备100。

如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入/输出装置106、通信接口108以及一个或多个图像信号处理器(ISP)110、图像传感器114，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构，也可以不包括前述的部分组件，例如可以包括通信接口108，也可以不包通信接口108。

所述处理器102一般表示任何类型或形式的能够处理数据或解释和执行指令的处理单元。一般而言，处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。在特定实施例中，处理器102可以接收来自软件应用或模块的指令。这些指令可以导致处理器102完成本文描述和/或示出的一个或多个示例实施例的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入/输出装置106可以是用户用来输入指令和向外部输出各种信息的装置，例如输入装置可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。输出装置可以包括显示器、扬声器等中的一个或多个。

通信接口108广泛地表示任何类型或形式的能够促进示例电子设备100和一个或多个附加设备之间的通信的适配器或通信设备。例如，通信接口108可以促进电子设备100和前端或附件电子设备以及后端服务器或云端的通信。通信接口108的示例包括但不限于有线网络接口(诸如网络接口卡)、无线网络接口(诸如无线网络接口卡)、调制解调器和任何其他合适的接口。在一实施例中，通信接口108通过与诸如因特网的网络的直连提供到远程服务器/远程前端设备的直连。在特定实施例中，通信接口108通过与专用网络，例如视频监控网络、天网系统网络等网络的直连提供到远程服务器/远程前端设备的直连。通信接口108还可以间接提供这种通过任何其它合适连接的连接。

图像信号处理器(ISP)110用于控制图像传感器114进行图像采集，并调节AE(自动曝光)的数字增益、模拟增益、背光补偿、宽动态等参数和亮度、对比度、曝光时间等图像质量参数以及其他参数，以调节图像质量，并基于图像传感器114的输出信号生成相应的曝光图像，并通过诸如总线系统112的连接单元传输至处理器102进行后续处理。同时，图像信号处理器(ISP)110也可以接受来自处理器102的命令或指令，以对图像传感器114进行调节控制。图像信号处理器(ISP)110可以根据需要以及图像传感器114的数量设置一个或多个，并且图像信号处理器(ISP)110可以与处理器102等集成，实现为片上系统(SOC)，也可以单设设置，并通过诸如总线系统112的连接单元与处理器102进行连接。

图像传感器114可以采集或拍摄用户期望的可见光曝光的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。图像传感器114的一个示例为RGB传感器，或者RGBW传感器或黑白传感器(只能采集黑白图像)等等，其通过感应可见光形成彩色或黑白图像/视频。

示例性地，用于实现根据本发明实施例的人脸图像采集方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑、门禁系统的图像采集端、道路监控系统的图像采集端、安防系统的图像采集端以及各种监控、安防领域等的后端控制处理端或服务器端或云端等等。

图2为根据本发明实施例的人脸图像采集方法的示意性流程图。下面将结合图2对根据本发明实施例的人脸图像采集方法进行描述。

如图2所示，本发明实施例公开的人脸图像采集方法包括：

首先，在步骤S201中，获取图像传感器采集的目标对象的图像，记作第一图像。

即通过通信单元或连接单元获取图像传感器采集的目标对象的图像，所述目标对象例如为行人或待识别的人。

在步骤S202中，基于所述目标对象的图像进行人形检测与人形分割，以至少分割出所述目标对象的头部。

示例性地，例如可以利用预先训练好的人形检测器来在图像传感器所采集的图像中对人像进行人形检测和人形分割，以至少分割出所述目标对象的头部，例如将人像分割为头部、躯干以及四肢等区域。

示例性地，可以预先利用全卷积神经网络等人形检测算法在大量图片的基础上训练出人形检测器，对于输入的单帧图像，该预先训练好的人形分割能够快速地对图像中对人像进行分割，例如将人像分割为头部、躯干以及四肢等区域。此外，对于图像传感器连续采集的多帧图像，在首帧图像中分割出头部区域之后，可以基于当前帧图像的前一帧图像中的头部区域的位置来实时地追踪在当前帧图像中头部区域的位置。其中，所述人形检测与人形分割可以由基于SVM的人形识别算法，或基于LBP改进算法的实时人形识别算法实现。

在步骤S203中，获取所述图像中所述目标对象的头部的坐标区域。

当在步骤202中对人像分割完成之后，基于图像的坐标和头部区域的位置，获取图像中所述目标对象的头部的坐标区域。

在步骤S204中，基于所述坐标区域控制所述图像传感器对所述目标对象的头部区域进行局部曝光，以使所述目标对象的头部区域的曝光符合预定要求，例如人脸图像采集需要的标准。

其中，基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求包括：调节所述图像传感器的曝光参数，以使所采集的所述第二图像中的所述目标对象的头部区域曝光到预定的人脸图像采集所需要的标准。其中，所述曝光参数可以包括曝光时间、光圈大小以及曝光度ISO中的至少一种。

在一个示例中，所述曝光参数通过调整抓拍快门速度和抓拍增益来调整，其中，所述抓拍快门速度和所述抓拍增益按照下式计算得到：

shut_cap＝shut_video*shut_set/(shut_video+shut_set) (1)

gain_cap＝gain_video*shut_video/shut_cap (2)

其中，shut_cap为抓拍快门速度，gain_cap为抓拍增益；shut_video为视频摄录模式下的快门速度，gain_video为视频增益；shut_set为预设的抓拍最慢快门速度。

由于当环境光线较弱或处于逆光时，光图像传感器采集的图像由于人像较暗或全黑导致不能用于人脸识别，或使得人脸图像采集难度增加，人脸图像采集效率和性能下降，为了提高暗光或逆光下人脸图像采集性能，在本发明中基于所提取的目标对象头部的坐标区域控制可见光图像传感器对所述目标对象的头部区域进行局部曝光，以使所述目标对象的头部区域的图像曝光到人脸图像采集需要的标准。

示例性，例如基于目标对象头部的坐标区域，判断该坐标区域内的图像的亮度，然后基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，以使图像传感器采集的图像中头部区域的图像的亮度符合人脸识别的标准，从而实现更好的人脸识别。

在本发明一示例中，当环境光线较弱或处于逆光时，可以基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，以增加图像传感器采集的图像中头部区域的图像的亮度，以使其符合人脸识别的标准。

在本发明的另一示例中，当环境光线很强时，图像传感器采集的图像全白，也不利于人脸识别，此时可以基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，以降低图像传感器采集的图像中头部区域的图像的亮度，以使其符合人脸识别的标准。

在步骤S205中，采集经局部曝光的所述目标对象的图像(记作第二图像)，即，采集对所述目标对象的头部区域进行局部曝光的图像以获得满足需求的人脸图像。

所述图像传感器采集的图像可以为图片也可以为视频。

在一个示例中，当图像传感器采集的图像为视频时，还可以针对组成该视频的每一帧图片进行人脸检测和人脸图像提取。此外，还可以基于采集的图像进行人脸识别、人脸属性分析等操作。

示例性地，根据本实施例的人脸图像采集方法可以部署在人脸图像采集端处，例如，在安防应用领域，可以部署在门禁系统的图像采集端；在金融应用领域，可以部署在个人终端处，诸如智能电话、平板电脑、个人计算机等。

替代地，根据本发明实施例的人脸图像采集方法还可以分布地部署在服务器端(或云端)和个人终端处。例如，在金融应用领域，可以在个人终端进行图像采集，然后在服务器端(或云端)对采集的图像进行人形检测、人形分割、坐标区域获取，然后在个人终端进行局部曝光和局部曝光图像采集，最后在服务器端(或云端)进行人脸图像采集提取以及识别等。

根据本实施例的人脸图像采集方法，通过对采集的图像进行人形检测和人形分割，从而获得目标对象头部的坐标区域，然后基于该坐标区域调节传感器的曝光参数进行局部曝光，以使目标对象的图像中头部图像符合人脸图像采集的标准。由于曝光区域具有针对性且位置精准，所以可以得到比传统方法更好的人脸曝光图像。即，通过进行人形检测从而分割出头部，然后对人像分割出的头部做局部曝光，解决了目前暗光或逆光环境下检测不到人脸而无法得到理想照片的难题，并且同样可以适用于解决强光条件下，照片发白而不利于人脸识别的问题。

图3为根据本发明实施例的人脸图像采集方法的更详细的示意性流程图。下面结合图3对根据本发明实施例的人脸图像采集方法进行详细描述。

如图3所示，本发明实施例公开的人脸图像采集方法包括：

首先，在步骤S301中，实时采集目标区域的图像。

即通过图像传感器或摄像机对目标区域进行监控，以实时获取目标区域的图像。所述目标区域可以为监控区域，也可以为用于进行人脸识别的区域，或者其他区域。

在步骤S302中，进行人形检测，以判断所述目标区域中是否存在人形。

对于在步骤S301中采集每幅目标区域的图像，进行人形检测，以判断所述目标区域中是否存在人形。

示例性地，例如可以利用预先训练好的人形检测器来对所采集每幅目标区域的图像进行人形检测，以判断所述目标区域中是否存在人形。

示例性地，可以预先利用fast RCNN等人形检测算法在大量图片的基础上训练出人形检测器，对于输入的单帧图像，该预先训练好的人形检测能够快速地从图像中检测出人形。此外，对于图像传感器连续采集的多帧图像，在首帧图像中检测出人形之后，可以基于当前帧图像的前一帧图像中的人形的位置来实时地追踪在当前帧图像中人形的位置。

如果在步骤302中，没有检测到人形，则返回步骤S301，继续采集目标区域的图像，并接着进行人形检测。即，对目标区域的下一个图像进行人形检测，以判断目标区域中是否存在人形。

如果在步骤302中检测到人形，则进入步骤S303中，进行人像分割。

在步骤303，对所述图像中的人形进行分割，以至少分割出所述人形的头部。

即，对步骤302中检测出的人形进行人形分割，以至少分割出所述人形的头部，例如将步骤302中检测出的人形分割为头部、躯干以及四肢等区域。

示例性地，例如可以利用预先训练好的人形分割器来在图像传感器所采集的图像中对人像进行分割。可以预先利用全卷积神经网络等人形分割算法在大量图片的基础上训练出人形分割器，对于输入的单帧图像，该预先训练好的人形分割能够快速地对图像中对人像进行分割，例如将人像分割为头部、躯干以及四肢等区域。此外，对于图像传感器连续采集的多帧图像，在首帧图像中分割出头部区域之后，可以基于当前帧图像的前一帧图像中的头部区域的位置来实时地追踪在当前帧图像中头部区域的位置。

在步骤S304中，判断所述图像中头部区域的像素是否大于设定阈值。

由于要实现人脸识别一般需要人脸图像中具有100x100的像素点，因此如果人脸图像像素太少，则不利于人脸识别。而且如果对这些像素少的图像也进行人脸识别，则会浪费大量计算资源，并且影响整个的人脸识别效率。因此，当在步骤S303中，分割出头部区域之后，即获取或计算该区域中的像素的数量，以判断其是否大于设定阈值。所述设定阈值用于表示所述头部图像可以适合于人脸识别。例如，在本发明一示例中，所述设定阈值为50。即当图像中头部区域的像素数大于50时，该头部图像才适于进行人脸识别，如果小于50，则表示图像中头部或人像太小，不适合进行人脸。

如果在步骤S304中，确定所述图像中头部区域的像素不大于设定阈值，则返回至步骤S301中，并重复执行步骤S301～S304，直到所述图像中头部区域的像素不大于设定阈值为止。这样可以实现对部分不适用于进行人脸识别的图像的过滤，节省计算资源，提高人脸图像采集的整体效率。

如果在步骤S304中，确定所述图像中头部区域的像素大于设定阈值，则进入步骤S305中。

在步骤S305中，获取所述图像中头部的坐标区域。

当在步骤S304中，确定所述图像中头部区域的像素大于设定阈值后，则基于图像的坐标以及步骤S303中分割出的所述人形的头部，以获取所述图像中头部的坐标区域。

在步骤306中，基于所述坐标区域控制图像传感器进行局部曝光，以使所述头部区域的图像曝光到人脸图像采集需要的标准。

示例性，例如基于目标对象头部的坐标区域，判断该坐标区域内的图像的亮度，然后基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，以使图像传感器采集的图像中头部图像的亮度符合人脸识别的标准，从而实现更好的人脸识别。所述曝光参数例如包括曝光时间、数字增益、模拟增益、背光补偿、宽动态等参数和亮度、对比度等参数。

在本发明一示例中，当环境光线较弱或处于逆光时，可以基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，例如增加曝光时间，以增加图像传感器采集的图像中头部图像的亮度，以使其符合人脸识别的标准。在本发明的另一示例中，当环境光线很强时，图像传感器采集的图像全白，也不利于人脸识别，此时可以基于该坐标区域内的图像的亮度和人脸识别需要的亮度范围，调节图像传感器的曝光参数，例如降低曝光时间，以降低图像传感器采集的图像中头部图像的亮度，以使其符合人脸识别的标准。

进一步地，可以理解的是在本发明中所谓局部曝光指的是，当获取图像中头部的坐标区域后，基于所述坐标区域内的图像的亮度和人脸识别需要的亮度范围调节图像传感器的曝光参数，在进行局部曝光时使用该曝光参数对整个目标区域进行曝光来采集图像，以使采集的图像中头部图像符合人脸识别的标准，例如使采集的图像中头部图像的亮度符合人脸识别的标准。即，在本发明中局部曝光指的是基于图像中局部区域(例如头部区域)的图像质量(例如亮度)来调节图像传感器的曝光参数，然后以该曝光参数来重新采集图像，以使局部区域的图像质量符合要求，而不是仅对局部区域曝光或者对调节图像传感器局部区域的曝光参数。采用这种局部曝光方法虽然其他区域可能处于过曝，但只要头部图像符合要求即可用于人脸识别，其具有简单快捷且计算量较小的优点。

在步骤S307中，采集对所述目标对象的头部区域进行局部曝光的图像。

进一步地，当获取图像传感器的局部曝光图像后，还可以对局部曝光的该图像进行人脸检测、人脸属性分析、人脸识别等操作。

示例性性，例如可以利用预先训练好的人脸检测器来在可见光图像传感器所采集的图像中定位人脸区域。例如，可以预先利用哈尔(Haar)算法、Adaboost算法等人脸检测与识别算法在大量图片的基础上训练出人脸检测器，对于输入的单帧图像，该预先训练好的人脸检测器能够快速地定位出人脸区域。此外，对于可见光图像传感器连续采集的多帧图像，在首帧图像中定位出人脸区域之后，可以基于当前帧图像的前一帧图像中人脸区域的位置来实时地追踪在当前帧图像中人脸区域的位置。

当图像传感器采集的图像中检测出人脸图像并给出相应的坐标后，则可以按坐标将人脸图像抠出(俗称抠图)，以获得人脸图像。

示例性地，在步骤S307中可以从所述可见光图像传感器采集的图像中检测所述人脸图像所在位置的坐标数据；根据所述目标对象的坐标数据，从所述可见光图像传感器采集的图像中抠取仅包括所述人脸的图像。作为一个示例，当确定人脸图像所在位置的坐标数据后，可以在这些坐标处进行标记，例如标记为1，而这些坐标外的位置标记为0，从而确定人脸图像的区域、轮廓及像素等，然后可以运用现有图分割技术(例如，Graph Cut算法)将标记为1的区域抠取出来，从而得到仅包含人脸的图像。

进一步地，在本发明实施例中，通过该人脸检测可以检测/提取人脸的特征信息。

所谓的特征信息，指的可以用于人脸或者将待识别人脸与其他人脸进行区别的信息。以人脸图像为例，所谓特征信息示例性地可以包括诸如人脸总体信息，例如脸型、五官布局等，还可以包括局部特征信息，例如痣、雀斑、刀疤等，还可以包括五官特征信息，例如左耳信息(大小、形状等)，右耳信息(大小、形状等)、左眉信息(例如形状、位置、长、宽等)、右眉信息(例如形状、位置、长、宽等)，以及左眼信息(例如形状、位置、长、宽等)、右眼信息(例如形状、位置、长、宽等)等等。

示例性地，在一实施例中，可以通过Sobel算子提取特征算法或Gabor特征算法等特征提取算法从步骤307中获得的图像中提取人脸图像的特征信息。在又一实施例中，可以利用预先训练好的关键点定位器来在人脸区域中定位人脸关键点(例如眼睛、眼角、眼睛中心、眉毛、鼻子、鼻尖、嘴巴、嘴角和脸部轮廓等)。例如，可以预先利用级联回归方法在大量人工标注的人脸图片的基础上训练出关键点定位器。替换地，也可以采用传统的人脸关键点定位方法，其基于参数形状模型，根据关键点附近的表观特征，学习出一个参数模型，在使用时迭代地优化关键点的位置，最后得到关键点坐标，当获得关键点坐标后，可以基于该坐标进行一步获取关键点(例如眼睛、眼角、眼睛中心、眉毛、鼻子、鼻尖、嘴巴、嘴角和脸部轮廓等)的其他信息，例如大小，形状等等信息。

应了解本发明不受具体采用的人脸图像提取方法和特征信息提取方法的限制，无论是现有的人脸图像提取方法和特征信息提取方法还是将来开发的人脸图像提取方法和特征提取方法，都可以应用于根据本发明实施例的人脸图像采集方法中，并且也应包括在本发明的保护范围内。

示例性地，根据本实施例的人脸图像采集方法可以部署在人脸图像采集端处，例如，在安防应用领域，可以部署在门禁系统的图像采集端；在金融应用领域，可以部署在个人终端处，诸如智能电话、平板电脑、个人计算机等。

替代地，根据本发明实施例的人脸图像采集方法还可以分布地部署在服务器端(或云端)和个人终端处。例如，在金融应用领域，可以在个人终端进行图像采集，然后在服务器端(或云端)对采集的图像进行人形检测、人形分割、坐标区域获取，然后在个人终端进行局部曝光和局部曝光图像采集，最后在服务器端(或云端)进行人脸图像采集提取以及识别等。

根据本实施例的人脸图像采集方法，通过对采集的图像进行人形检测和人形分割，从而获得目标对象头部的坐标区域，然后基于该坐标区域调节传感器的曝光参数进行局部曝光，以使目标对象的图像中头部图像符合人脸图像采集的标准。由于曝光区域具有针对性且位置精准，所以可以得到比传统方法更好的人脸曝光图像。即，通过对人像分割出的头部做局部曝光，解决了目前暗光或逆光环境下检测不到人脸而无法得到理想照片的难题，并且同样可以适用于解决强光条件下，照片发白而不利于人脸识别的问题。

进一步地，根据本实施例的人脸图像采集方法还可以对部分不适于进行人脸识别的图像进行过滤，以节省计算资源，提高人脸图像采集的整体效率。

在一个示例中，上述的基于所述目标对象的第一图像进行人形分割的步骤、基于所述人形分割的结果获取所述第一图像中所述目标对象的头部的坐标区域的步骤由服务器实现，基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求的步骤由相机内部的处理器实现。由于图像分割、坐标确定等步骤在服务器端实现，可以节省相机自身的运算资源，保证相机有充足的运算资源去进行图像采集。

在另一个示例中，所述基于所述目标对象的第一图像进行人形分割的步骤、所述基于所述人形分割的结果获取所述第一图像中所述目标对象的头部的坐标区域的步骤、以及所述基于所述坐标区域控制所述图像传感器对所述目标对象进行局部曝光以使所述目标对象的头部区域的曝光符合预定要求的步骤均由相机内部的处理器实现。由于各个步骤均在相机内部实现，因而可以实现人脸图像采集的本地化，进而有利于实现人脸识别的本地化。

图4为根据本发明实施例的人脸图像采集装置的示意性结构框图。下面结合图5对根据本发明实施例的人脸图像采集装置进行描述。

如图4所示，根据本发明实施例的人脸图像采集装置400包括图像获取模块410、人形检测模块420、人形分割模块430、局部曝光模块440和人脸检测模块450。在某些示例中，也可以不包括人脸检测模块450。

图像获取模块410用于通过图像传感器采集目标区域的图像。图像获取模块410可以由图1所示的电子设备中的处理器102或图像信号处理器110运行存储装置104中存储的程序指令来实现，并且可以执行根据本发明实施例的人脸图像采集方法中的步骤S201和步骤S301。在本发明一示例中，图像获取模块410由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令通过通信单元或连接单元来获取图像传感器114采集的图像。

人形检测模块420用于对所述图像获取模块410获取的目标区域的图像进行人形检测，以判断所述目标区域是否存在人形，如果所述目标区域存在人形，则所述人形检测模块420将所检测到的人形发送至所述人形分割模块430，反之则继续对下一个所述目标区域的图像进行人形检测。人形检测模块420可以由图1所示的电子设备中的处理器102/或图像信号器110运行存储装置104中存储的程序指令来实现，并且可以执行根据本发明实施例的人脸图像采集方法中的步骤S302。

人形分割模块430用于对所述图像中的目标对象进行人形分割，以至少分割出所述目标对象的头部，并获取所述目标对象的头部的坐标区域。即，人形分割模块430对人形检测模块420检测到的人形进行分割，例如将人形分割为头部、躯干和四肢区域，然后判断所述目标对象的头部区域内的像素点的数量是否大于设定阈值，如果所述目标对象的头部区域内的像素点的数量大于设定阈值，则获取所述目标对象的头部的坐标区域，并将所述坐标区域发送至所述局部曝光模块440；反之则不获取所述目标对象的头部的坐标区域。人形分割模块430可以由图1所示的电子设备中的处理器102和/或图像信号器110运行存储装置104中存储的程序指令来实现，并且可以执行根据本发明实施例的人脸图像采集方法中的步骤S202～S203，和步骤S303～S305。

局部曝光模块440用于基于所述目标对象的头部的坐标区域控制图像传感器对所述目标对象的头部进行局部曝光，以使所述目标对象的头部区域的图像曝光到人脸图像采集需要的标准。即，局部曝光模块440基于所述目标对象的头部的坐标区域调节所述图像传感器的曝光参数，以使所述目标对象的头部区域的图像曝光到人脸图像采集需要的标准。例如，局部曝光控制模块440调节所述图像传感器的曝光参数，以增加所述目标对象的头部区域的图像的亮度。又例如，局部曝光控制模块440调节所述图像传感器的曝光参数，以降低所述目标对象的头部区域的图像的亮度。局部曝光控制模块440可以由图1所示的电子设备中的处理器102和/或图像信号器110运行存储装置104中存储的程序指令来实现，并且可以执行根据本发明实施例的人脸图像采集方法中的步骤S204和S306。

人脸检测模块450基于所获取的对所述目标对象的头部区域进行局部曝光的图像进行人脸检测人脸图像采集。即从图像传感器采集的对所述目标对象的头部区域进行局部曝光的图像中检测并提取人脸，人脸检测人脸图像采集及提取方法如前述描述，在此不再赘述。

在一个示例中，所述人脸图像采集装置为摄像头。在另一个示例中，所述人脸图像采集装置包括摄像头和服务器，所述摄像头包括所述图像获取模块和所述局部曝光模块，所述服务器包括所述人形分割模块。

根据本发明的人脸图像采集装置，通过对采集的图像进行人形检测和人形分割，从而获得目标对象头部的坐标区域，然后基于该坐标区域调节传感器的曝光参数进行局部曝光，以使目标对象的图像中头部图像符合人脸图像采集的标准。由于曝光区域具有针对性且位置精准，所以可以得到比传统方法更好的人脸曝光图像。即，通过对人像分割出的头部做局部曝光，解决了目前暗光或逆光环境下检测不到人脸而无法得到理想照片的难题，并且同样可以适用于解决强光条件下，照片发白而不利于人脸识别的问题。

进一步地，根据本实施例的人脸图像采集装置还可以对部分不适于进行人脸识别的图像进行过滤，以节省计算资源，提高用于人脸识别的人脸图像采集的整体效率。

图5为根据本发明实施例的人脸图像采集设备的示意性结构框图。下面结合图5对根据本发明实施例的人脸图像采集设备系统进行描述。

如图5所示，根据本发明实施例的图像检测设备500包括图像传感器510、图像信号处理器520、存储装置530和处理器540。

图像传感器510用于采集目标区域的图像。图像传感器510可以为RGB传感器，也可以为黑白传感器。图像传感器510可以采集图片亦可以采集视频。

图像信号处理器520用于图像传感器510进行控制，并对图像传感器510采集的信号进行处理，以获得目标区域的图像或视频数据。即，图像传感器510采集的数据可以由图像信号处理器520运行存储装置540中存储的程序指令来实现，以获得目标区域的图片或视频数据。在本发明一实施例中，图像信号处理器520还用于运行所述存储装置530中存储的程序代码，以执行根据本发明实施例的人脸图像采集方法中的局部曝光方法的相应步骤，或实现根据本发明实施例的人脸图像采集装置中的局部曝光模块440。

所述存储装置530存储用于实现根据本发明实施例的人脸图像采集方法中的相应步骤的程序代码。

所述处理器540用于运行所述存储装置530中存储的程序代码，以执行根据本发明实施例的人脸图像采集方法的相应步骤，并且用于实现根据本发明实施例的人脸图像采集装置中的图像获取模块410、人形检测模块420、人形分割模块430和人脸检测模块450。

在一个实施例中，在所述程序代码被所述处理器540运行时执行以下步骤：

获取图像传感器采集的目标对象的图像；

基于所述目标对象的图像进行人形分割，以至少分割出所述目标对象的头部；

获取所述图像中所述目标对象的头部的坐标区域；

基于所述坐标区域控制图像传感器对所述目标对象的头部进行局部曝光，以使所述目标对象的头部图像曝光到人脸图像采集需要的标准；

采集所述局部曝光的图像。

在一个示例中，所述人脸图像采集设备为摄像头。在另一个示例中，所述人脸图像采集设备包括摄像头和服务器，所述摄像头包括所述图像获取模块和所述局部曝光模块，所述服务器包括所述人形分割模块。

在一个实施例中，处理器540可以实现为中央处理器(CPU)，其中，中央处理器(CPU)通过图像传感器510获取目标区域的图像，然后通过执行存储装置530中相应的程序代码，对所述图像进行人形检测、人形分割，以获取所述图像中目标对象的头部的坐标区域，然后将该目标对象的头部的坐标区域发送至图像信号处理器(ISP)520，图像信号处理器520通过执行存储装置530中相应的程序代码控制图像传感器510进行局部曝光，以使图像传感器510采集的图像中目标对象的头部图像符合人脸识别的标准。随后，中央处理器(CPU)还可以基于图像传感器510采集的局部曝光图像通过执行存储装置530中相应的程序代码进行人脸检测和识别。

示例性地，根据本发明实施例的图像检测设备500可以实现为具有图像传感器、存储器、通信接口/单元和处理器的设备、装置或者系统。

根据本发明实施例的图像检测设备500可以部署在人脸图像采集识别系统中，例如，在安防应用领域，可以部署在门禁系统或道路监控系统；在金融应用领域，可以银行、交易所等等的身份认证系统中。

此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的人脸图像采集方法、局部曝光方法的相应步骤，并且用于实现根据本发明实施例的人脸图像采集装置、局部曝光模块的相应模块/子模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合，例如一个计算机可读存储介质包含用于目标对象信息生成的计算机可读的程序代码，另一个计算机可读存储介质包含用于目标对象信息识别的计算机可读的程序代码。

在一个实施例中，所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的人脸图像采集方法装置中的各个功能模块，并且/或者可以执行根据本发明实施例的人脸图像采集方法。

在一个实施例中，所述计算机程序指令在被计算机运行时执行以下步骤：获取图像传感器采集的目标对象的图像；基于所述目标对象的图像进行人形分割，以至少分割出所述目标对象的头部；获取所述图像中所述目标对象的头部的坐标区域；基于所述坐标区域控制图像传感器对所述目标对象的头部进行局部曝光，以使所述目标对象的头部图像曝光到人脸图像采集需要的标准；采集所述局部曝光的图像。

根据本发明实施例的人脸图像采集装置中的各模块可以通过根据本发明实施例的人脸图像采集的电子设备的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。

根据本发明实施例的人脸图像采集方法和装置、图像检测设备及存储介质，通过对采集的图像进行人形检测和人形分割，从而获得目标对象头部的坐标区域，然后基于该坐标区域调节传感器的曝光参数进行局部曝光，以使目标对象的图像中头部图像符合人脸图像采集的标准。由于曝光区域具有针对性且位置精准，所以可以得到比传统方法更好的人脸曝光图像。即，通过对人像分割出的头部做局部曝光，解决了目前暗光或逆光环境下检测不到人脸而无法得到理想照片的难题，并且同样可以适用于解决强光条件下，照片发白而不利于人脸识别的问题。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。