图像处理方法和装置与流程

本公开涉及图像领域，尤其涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术：

随着计算机技术的发展，智能终端的应用范围得到了广泛的提高，例如可以通过智能终端听音乐、玩游戏、上网聊天和拍照等。对于智能终端的拍照技术来说，其拍照像素已经达到千万像素以上，具有较高的清晰度和媲美专业相机的拍照效果。

目前在采用智能终端进行拍照时，不仅可以使用出厂时内置的拍照软件实现传统功能的拍照效果，还可以通过从网络端下载应用程序(application，简称为：app)来实现具有附加功能的拍照效果，例如可以实现暗光检测、美颜相机和超级像素等功能的app。智能终端的美颜功能通常包括肤色调整、磨皮、大眼和瘦脸等美颜处理效果，能对图像中已识别出的所有人脸进行相同程度的美颜处理。目前也有app可以实现对智能终端所拍摄的图像进行其他图像处理，如加一些特征等。

然而目前上述对图像进行的处理，只能针对特定的区域，如全图或者预先指定的区域，如屏幕中心的预定大小区域；如果需要改变处理区域，需要重新设定，非常不灵活且操作繁琐。

技术实现要素：

第一方面，本公开实施例提供一种图像处理方法，包括：获取视频图像；识别所述视频图像中的人手，得到人手信息；根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；对所述区域中的图像进行处理。

进一步的，所述识别所述视频图像中的人手，得到人手信息，包括：识别所述视频中的人手，获取人手的位置以及人手关键点。

进一步的，所述识别所述视频图像中的人手，得到人手信息，还包括：根据所述人手关键点，得到人手的轮廓区。

进一步的，所述根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域，包括：根据同一所述人手信息的变化轨迹，确定所述人手的移动轨迹；根据所述移动轨迹，确定人手经过的区域。

进一步的，所述视频图像包括前景图像和后景图像，所述对所述区域中的图像进行处理，包括：对所述区域中的前景图像做第一处理，并将处理后的前景图像与后景图像混合。

进一步的，所述视频图像包括前景图像和后景图像，所述对所述区域中的图像进行处理，包括：对所述区域中的前景图像做第一处理，对所述后景图像做第二处理，并将处理后的前景图像和处理后的后景图像混合。

进一步的，所述根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域，包括：根据所述人手信息，识别人手的手势；当所述手势为第一手势时，跟踪所述人手的移动，根据所述第一手势的人手信息确定人手经过的区域。

进一步的，在根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域之前，还包括：获取模板图像，所述模板图像用于记录人手经过的历史区域。

进一步的，所述模板图像中，人手经过的区域的像素值为第一值，未经过的区域的像素值为第二值。

进一步的，在所述获取视频图像之前，还包括：设置所述处理的参数，所述参数确定对所述图像进行处理的方式。

第二方面，本公开实施例提供一种图像处理装置，包括：

图像获取模块，用于获取视频图像；

人手信息获取模块，用于识别所述视频图像中的人手，得到人手信息；

区域确定模块，用于根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；

图像处理模块，用于对所述区域中的图像进行处理。

进一步的，所述人手信息获取模块，还用于：

识别所述视频中的人手，获取人手的位置以及人手关键点。

进一步的，所述人手信息获取模块，还用于：

根据所述人手关键点，得到人手的轮廓区。

进一步的，所述区域确定模块，还用于：

根据同一所述人手信息的变化轨迹，确定所述人手的移动轨迹；

根据所述移动轨迹，确定人手经过的区域。

进一步的，所述视频图像包括前景图像和后景图像，所述图像处理模块404，还用于：

对所述区域中的前景图像做第一处理，并将处理后的前景图像与后景图像混合。

进一步的，所述视频图像包括前景图像和后景图像，所述图像处理模块404，还用于：

对所述区域中的前景图像做第一处理，对所述后景图像做第二处理，并将处理后的前景图像和处理后的后景图像混合。

进一步的，所述区域确定模块，还用于：

根据所述人手信息，识别人手的手势；

当所述手势为第一手势时，跟踪所述人手的移动，根据所述第一手势的人手信息确定人手经过的区域。

进一步的，所述图像处理装置还包括：

模板图像获取模块，用于获取模板图像，所述模板图像用于记录人手经过的历史区域。

进一步的，所述模板图像中，人手经过的区域的像素值为第一值，未经过的区域的像素值为第二值。

进一步的，所述图像处理装置还包括：

参数设置模块，用于设置所述处理的参数，所述参数确定对所述图像进行处理的方式。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中的任一所述图像处理方法。

第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面中的任一所述图像处理方法。

本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括：获取视频图像；识别所述视频图像中的人手，得到人手信息；根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；对所述区域中的图像进行处理。本公开实施例通过跟踪人手的移动，对人手经过的图像区域进行处理，解决了现有技术中图像处理区域无法灵活设置的技术问题。

上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，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1为本公开实施例提供的图像处理方法实施例一的流程图；

图2为本公开实施例提供的图像处理方法实施例二的流程图；

图3a-3f为本公开实施例提供的图像处理方法的具体实例示意图；

图4为本公开实施例提供的图像处理装置实施例的结构示意图；

图5为根据本公开实施例提供的电子设备的结构示意图。

具体实施方式

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

图1为本公开实施例提供的图像处理方法实施例一的流程图，本实施例提供的该图像处理方法可以由一图像处理装置来执行，该图像处理装置可以实现为软件，或者实现为软件和硬件的组合，该图像处理装置可以集成设置在图像处理系统中的某设备中，比如图像处理服务器或者图像处理终端设备中。如图1所示，该方法包括如下步骤：

步骤s101，获取视频图像；

获取视频可以通过图像传感器获取，所述图像传感器指可以采集图像的各种设备，典型的图像传感器为摄像机、摄像头、相机等。在该实施例中，所述图像传感器可以是移动终端上的摄像头，比如智能手机上的前置或者后置摄像头，摄像头采集的视频图像可以直接显示在手机的显示屏上，在该步骤中，获取图像传感器所拍摄的图像视频，用于在下一步进一步识别图像。

所述视频中还可以包括人手，所述人手可以是通过所述图像传感器采集到的人手。

步骤s102：识别所述视频图像中的人手，得到人手信息；

在该步骤中，识别人手，获取人手的信息。在识别人手时，可以使用颜色特征定位人手的位置，将人手从背景中分割出来，对找到和分割出的人手图像进行特征提取与识别。具体的，使用图像传感器获取图像的颜色信息以及颜色信息的位置信息；将所述颜色信息与预设的人手颜色信息对比；识别第一颜色信息，所述第一颜色信息与所述预设的人手颜色信息的误差小于第一阈值；利用所述第一颜色信息的位置信息形成人手的轮廓。优选的，为了避免环境亮度对颜色信息的干扰，可以将图像传感器采集到的rgb颜色空间的图像数据映射到hsv颜色空间，使用hsv颜色空间中的信息作为对比信息，优选的，将hsv颜色空间中的色调值作为颜色信息，色调信息受亮度的影响最小，可以很好的过滤亮度的干扰。可以理解的，也可以使用其他方式粗略定位人手的位置，此处仅仅是举例，不构成对公开的限制，其他定位方式在此不再赘述。使用人手轮廓粗略确定人手的位置，之后对人手进行关键点提取。在图像上进行人手关键点提取，相当于寻找每个人手轮廓关键点在人手图像中的对应位置坐标，即关键点定位，这一过程需要基于关键点对应的特征进行，在获得了能够清晰标识关键点的图像特征之后，依据此特征在图像中进行搜索比对，在图像上精确定位关键点的位置。由于关键点在图像中仅占据非常小的面积(通常只有几个至几十个像素的大小)，关键点对应的特征在图像上所占据的区域通常也是非常有限和局部的，目前用的特征提取方式有两种：(1)沿轮廓垂向的一维范围图像特征提取；(2)关键点方形邻域的二维范围图像特征提取。上述两种方式有很多种实现方法，如asm和aam类方法、统计能量函数类方法、回归分析方法、深度学习方法、分类器方法、批量提取方法等等。上述各种实现方法所使用的关键点个数，准确度以及速度各不相同，适用于不同的应用场景。同样的，对于其他的目标物体，也可以使用同样的原理来识别目标物体。

在识别出人手之后，在人手的外轮廓之外圈定一个多边形，作为人手的外接检测框，该外接检测框用于替代所述人手，描述所述人手的位置，在此以矩形为例，在识别出人手的关键点之后，可以计算人手最宽处的宽度以及最长处的长度，以该宽度和长度识别出人手的外接检测框。计算人手的最长处和最宽处的一个实现方式为，提取人手的边界关键点，计算x坐标距离最远的两个边界关键点的x坐标之差，作为矩形宽的长度，计算y坐标距离最远的两个边界关键点的y坐标之差，作为矩形长的长度。如果人手缩成拳头状，可以设定外接检测框为覆盖拳头的最小圆形。具体的，可以用外接检测框的中心点作为手的位置，所述外接检测框的中心点为外接检测框对角线的交点；也可以用所述圆形的圆心代替拳头的位置。

人手识别还包括检测出来的人手关键点，所述关键点的数量可以设置，一般来说可以包括人手轮廓的关键点和关节关键点，每个关键点有固定编号，比如可以按照轮廓关键点、大拇指关节关键点、食指关节关键点、中指关节关键点、无名指关节关键点、小拇指关节关键点的顺序，从上到下编号，在一个典型的应用中，所述关键点为22个，每个关键点有固定编号。在一个实施例中，也可以使用手掌中心的关键点来表示人手的位置。

在一个实施例中，使用上述关键点的连接区域作为人手的轮廓区，所述关键点之间的连接可以使用预先设定的连接规则进行连接，比如每个手指上的关键点按顺序连接，轮廓关键点按顺序连接等等，连接好之后的连接区域作为人手的轮廓区。在该实施例中，为了平滑人手轮廓区，可以将人手轮廓区做一定的处理，其中的一种具体处理方法如下：将人手轮廓区的像素点形成矩阵；使用预先设定的处理矩阵对所述像素点形成的矩阵进行处理，使用处理之后的像素点所形成的轮廓区作为最终使用的人手轮廓区。为了便于理解，上述处理方式的一个例子如下：人手轮廓区的像素点形成矩阵如下：

所述处理矩阵如下：

处理矩阵平移，当处理矩阵与人手轮廓区的像素点形成矩阵有重叠时，计算新的处理矩阵中的元素值，将计算之后的元素的最大值作为处理矩阵的中心元素的新值，如此处理，直到所有的人手轮廓区的像素点形成矩阵的元素都被处理到为止。具体的在上述例子中，以第一个值为例就是将两个子矩阵相加：

则第一个中心点位置的元素的值为3，依次对人手轮廓区的像素点形成矩阵的每个元素做上述操作，得到新的矩阵为：

经过上述处理，人手轮廓区域被放大，边缘更加平滑。

在一个实施例中，在识别所述人手时，还包括对人手的识别数据进行平滑和坐标归一化处理的步骤。具体的，所述平滑处理可以是将多帧视频中的图像进行平均，将平均之后的图像作为识别出的图像，对应到本公开中的人手上，可以对多帧图像中的人手进行识别，之后将人手图像做加权平均，将平均之后得到的人手图像作为识别出的人手，计算人手信息，这样可以在丢失某些帧或者某些帧识别的图像不是很清晰的情况下，依然可以确定人手的图像并计算人手的信息。坐标归一化处理，是将坐标范围统一，如摄像头所采集到的人手图像和显示在显示屏上的人手图像的坐标并不统一，需要有一个映射关系来将大坐标系映射到一个小坐标系上。经过平滑处理和归一化处理之后，得到人手的信息。

步骤s103：根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；

在该实施例中，可以根据人手信息识别人手的手势和/或人手的运动轨迹；

手势的识别可以利用人手图像信息，放入深度学习模型中识别，如将人手的关键点信息输入深度学习模型，将人手的手势识别出来，在此不再赘述。

跟踪人手的运动轨迹首先需要跟踪人手的运动，在基于视觉的人手动作识别系统中，人手运动轨迹跟踪是跟踪手势在图片序列中的位置变化，获取人手在连续时间上的位置信息，人手运动轨迹跟踪效果的优劣直接影响人手动作识别的效果。常用的动作跟踪方法有粒子滤波算法、均值漂移(mean-shift)算法、卡尔曼滤波法和骨骼跟踪法等。

其中，基于粒子滤波的目标跟踪是在随机运动模型中获取目标分布的后验概率估计的随机搜索过程，粒子滤波主要分为两步:初步采样和重复采样。初步采样是在一副图像中随机放置粒子，然后计算每个粒子和跟踪目标特征的相似度，进而获得每个粒子的权重。重采样阶段主要是根据初步采样中粒子的权重，改变粒子的分布情况。重复初步采样和重采样的过程，直到跟踪到目标。

均值漂移法(mean-shift)是非参数概率密度梯度估计算法。在人手动作识别中，利用mean-shift算法来跟踪人手的基本思路是:首先建立人手的模型，即计算初始图像帧中属于手部的像素在特征空间的特征值的概率；然后建立当前帧的模型，计算人手可能存在区域的所有像素的特征值概率；最后通过求取初始人手模型和当前帧的人手模型的相似性来得到人手均值漂移量。根据均值漂移算法的收敛性，迭代计算手部的均值漂移量，达到收敛到当前图像帧中人手位置的目的。

卡尔曼滤波是利用一系列数学方程预测线性系统在现在或将来的状态。在人手运动轨迹跟踪中，卡尔曼滤波主要是观测一系列图像帧中人手的位置信息，然后预测下一帧中人手的位置。因为卡尔曼滤波是在每个时间间隔的后验概率估计的假设上成立的，所以卡尔曼滤波方法在高斯分布环境下能取得较好的跟踪效果。这种方法能去除噪声，并在手势变形下仍能取得较好的人手跟踪效果。

随着微软kinect的广泛应用，许多研究者利用微软的microsoftkinect传感器特有的骨骼点跟踪来做人手跟踪的研究。在传感器的视野范围内，kinect可以提供一名或者两名用户完整的骨骼跟踪，即全身20个关节点的跟踪。骨骼点跟踪分为主动跟踪和被动跟踪，在主动跟踪的模式下，在视野内选择两个可能的用户进行跟踪，在被动跟踪模式下，最多可以跟踪6个用户的骨骼点，多余的四个只作位置跟踪。kinect的骨骼跟踪的原理是在获取的深度图像的基础上，通过对人体的32个部分进行分类和机器学习的方法，找到各个部分的骨骼关节点信息。

在一个实施例中，可以根据同一所述人手信息的变化轨迹，确定所述人手的移动轨迹。由于在该步骤中可以采集人手骨骼的关键点，因此在本公开中可以优先使用基于骨骼跟踪的人手运动轨迹跟踪方法。在分析运动轨迹识别人手动作时，需要识别人手动作的起点和终点，在本公开中，可以计算人手关键点在连续两帧图像中的移动距离，当距离小于一个预设阈值时，认为关键点的位置保持不变，当关键点的预设的连续几帧都保持位置不变时，将手部的位置识别为人手动作的起点或终点，典型的比如所述阈值可以设为1cm，当连续6帧内关键点位置没有发生变化时，将人手的位置作为人手动作的起点或终点。之后可以计算起点和终点之间的图像帧中关键点的位置，所有图像帧中的关键点所形成的轨迹即为人手的运动轨迹。

在一个实施例中，根据所述移动轨迹，确定人手经过的区域。通过人手的运动轨迹，可以确定图像中每一图像帧中的人手轮廓区以及人手位置，记录每一图像帧中的人手轮廓区，并叠加到当前图像帧中，可以得到人手经过的区域。在一个实施例中，在根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域之前，可以获取模板图像，所述模板图像用于记录人手经过的历史区域。所述模板图像中，人手经过的区域的像素值为第一值，未经过的区域的像素值为第二值。具体的，所述模板图像在初始状态所有的像素值均为1，当有人手经过时，将像素值设置为0，将当前图像帧与所述模板图像叠加，确定出当前图像帧中人手经过的区域。

在一个实施例中，根据所述人手信息，识别人手的手势；当所述手势为第一手势时，跟踪所述人手的移动，根据所述第一手势的人手信息确定人手经过的区域。具体的，根据人手的关键点，识别出人手的手势，典型的手势如五指张开、伸出食指、握拳等等；当所述手势为预先设定的手势时，跟踪人手的移动，并根据所述预先设定的手势的人手信息确定人手经过的区域。具体的，在一个实例中，所述手势为伸出食指，此时根据食指指尖确定出人手轮廓区，根据食指指尖的关键点的移动轨迹确定人手的移动轨迹，根据所述人手轮廓区和所述人手的移动轨迹确定出所述食指指尖经过的区域。

步骤s104：对所述区域中的图像进行处理；

在该步骤中，对步骤s103中所确定的人手经过的区域中的图像做图像处理，所述图像处理可以是任意处理，典型的图像处理如变形、加滤镜、叠加色卡、美颜、改变透明度、改变颜色等等，其可以是单一的图像处理也可以是多种图像处理的组合，本公开对此不作限制。

在一个实施例中，所述视频图像包括前景图像和后景图像，所述的对所述区域中的图像进行处理包括：对所述区域中的前景图像做第一处理，并将处理后的前景图像与后景图像混合。其中所述前景图像可以是蒙版图像，后景图像可以是图像传感器采集到的实际图像。在该实施例中，只对前景图像进行图像处理，之后将处理后的前景图像与后景图像进行混合，所述混合可以是任意形式的混合，典型的混合比如将前景图像和后景图像进行颜色的1:1的混合，生成混合后的颜色作为混合图像的颜色，本公开对混合的形式也不做限定。在该实施例中，所述的第一处理可以是上述所述的任何图像处理。在一个具体实例中，前景可以是水雾效果的蒙版图，所述的第一处理为调整透明度为100％，此时将人手经过的区域显示为透明，与后景图像混合之后，呈现出擦拭水雾的效果。

在一个实施例中，所述视频图像包括前景图像和后景图像，所述对所述区域中的图像进行处理，包括：对所述区域中的前景图像做第一处理，对所述后景图像做第二处理，并将处理后的前景图像和处理后的后景图像混合。其中所述前景图像可以是蒙版图像，后景图像可以是图像传感器采集到的实际图像。在该实施例中，对前景图像和后景图像均做处理，所述的第一处理和第二处理可以不同，之后将处理后的前景图像和处理后的后景图像混合，所述混合可以是任意形式的混合，典型的混合比如将前景图像和后景图像进行颜色的1:1的混合，生成混合后的颜色作为混合图像的颜色，本公开对混合的形式也不做限定。在该实施例中，所述的第一处理和第二处理可以是上述所述的任何图像处理。在一个具体实例中，前景可以是水雾效果的蒙版图，所述的第一处理为调整透明度为100％，此时将人手经过的区域显示为透明，所述的第二处理可以是对人脸进行磨皮处理，此时，当人手经过的区域变成透明，露出后景图像的人脸时，对人脸进行磨皮处理，并将前景图像和后景图像混合。在该实施例中，所述图像处理的方式还可以是直接对后景图像的整个图像做第二处理，之后将处理后的前景图像和处理后的后景图像混合。

如图2所示，本公开的图像处理方法，在所述获取视频图像之前，还可以包括：

步骤s201：设置所述处理的参数，所述参数确定对所述图像进行处理的方式。

在该实施例中，所述处理参数可以包括处理的类型、处理的系数等等，用于设置图像处理的类型和处理的程度等。在一个具体实例中，所述处理参数可以设置第一处理的类型为调整透明度，第二处理的类型为人脸磨皮处理，设置所述透明度为100％，所述人脸磨皮的程度为50％。可以理解的是，上述实例仅为举例，不是穷举，任何用于设置图像处理的参数都可以用于本公开，本公开对此不作具体限制。

为了方便理解，参见附图3a-3f为本公开所公开的一种图像处理方法的具体实例。参见图3a，为获取到的视频图像，所述视频图像是从手机的摄像头中采集到的视频图像与水雾图像蒙版混合的图像；如图3b所示，识别所述视频图像中的人手，得到人手信息，人手的轮廓和位置，根据人手的轮廓和位置跟踪人手的移动，确认人手经过的区域，并对该区域中的蒙版图像进行图像处理：透明处理，以达到用手掌去除水雾的效果，进一步的，人手继续移动，如图3c-3f所示，随着人手的经过的区域越来越大，对该区域中的图像进行透明处理，水雾越来越少，直至水雾基本全部消除。该实例对应于上述对前景图像进行第一处理之后与后景互相混合的实施例。

本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括：获取视频图像；识别所述视频图像中的人手，得到人手信息；根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；对所述区域中的图像进行处理。本公开实施例通过跟踪人手的移动，对人手经过的图像区域进行处理，解决了现有技术中图像处理区域无法灵活设置的技术问题。

图4为本公开实施例提供的图像处理装置实施例的结构示意图，如图4所示，该装置400包括：图像获取模块401、人手信息获取模块402、区域确定模块403和图像处理模块404。其中，

图像获取模块401，用于获取视频图像；

人手信息获取模块402，用于识别所述视频图像中的人手，得到人手信息；

区域确定模块403，用于根据所述人手信息，跟踪所述人手的移动，确定人手经过的区域；

图像处理模块404，用于对所述区域中的图像进行处理。

进一步的，所述人手信息获取模块402，还用于：

识别所述视频中的人手，获取人手的位置以及人手关键点。

进一步的，所述人手信息获取模块402，还用于：

根据所述人手关键点，得到人手的轮廓区。

进一步的，所述区域确定模块403，还用于：

根据同一所述人手信息的变化轨迹，确定所述人手的移动轨迹；

根据所述移动轨迹，确定人手经过的区域。

进一步的，所述视频图像包括前景图像和后景图像，所述图像处理模块404，还用于：

对所述区域中的前景图像做第一处理，并将处理后的前景图像与后景图像混合。

进一步的，所述视频图像包括前景图像和后景图像，所述图像处理模块404，还用于：

对所述区域中的前景图像做第一处理，对所述后景图像做第二处理，并将处理后的前景图像和处理后的后景图像混合。

进一步的，所述区域确定模块403，还用于：

根据所述人手信息，识别人手的手势；

当所述手势为第一手势时，跟踪所述人手的移动，根据所述第一手势的人手信息确定人手经过的区域。

进一步的，所述图像处理装置400还包括：

模板图像获取模块，用于获取模板图像，所述模板图像用于记录人手经过的历史区域。

进一步的，所述模板图像中，人手经过的区域的像素值为第一值，未经过的区域的像素值为第二值。

进一步的，所述图像处理装置400还包括：

参数设置模块，用于设置所述处理的参数，所述参数确定对所述图像进行处理的方式。

图4所示装置可以执行图1和图2所示实施例的方法，本实施例未详细描述的部分，可参考对图1和图2所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1和图2所示实施例中的描述，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。

通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。