一种图像处理方法及网络摄像装置制造方法及图纸

本申请提供一种图像处理方法及网络摄像装置，该方法应用于网络摄像装置，网络摄像装置包括图像采集传感器

【技术实现步骤摘要】
一种图像处理方法及网络摄像装置


[0001]本申请涉及图像处理领域，尤其涉及一种图像处理方法及网络摄像装置
。

技术介绍

[0002]目前安防领域普遍采用智能检测算法检测目标，然而，由于目标不会一直处于静止状态，智能检测算法在对移动目标进行拍摄时，存在拍摄的目标图像模糊的问题
。
[0003]现有技术在解决上述问题时一般采用直接增大图像分辨率的方法增加目标区域的像素数目
。
然而这种方法需要占用更多内存及处理器资源，从而影响产品性能
。

技术实现思路

[0004]为了解决上述问题，本申请提供一种图像处理方法及网络摄像装置，能够在不占用更多内存及处理器资源，保持产品性能的情况下，有效提升图像质量
。
[0005]第一方面，本申请提供一种图像处理方法，包括：该方法应用于网络摄像装置，所述网络摄像装置包括图像采集传感器
、
嵌入式神经网络处理器
、
中央处理器
、
视频分析硬件加速器，所述嵌入式神经网络处理器
、
所述图像采集传感器
、
所述中央处理器及所述视频分析硬件加速器之间通信连接，所述方法包括：所述图像采集传感器采集原始图像；所述嵌入式神经网络处理器根据目标检测算法从所述原始图像中确定出所述待处理目标的位置信息；所述中央处理器根据所述位置信息，裁剪出所述待处理目标的区域图像；所述视频分析硬件加速器对所述区域图像进行边缘提取，得到边缘特征；所述中央处理器将所述边缘特征与所述区域图像融合
。
[0006]在上述实现过程中，由于在网络摄像装置中引入嵌入式神经网络处理器计算待处理目标的位置信息，以及引入视频分析硬件加速器对区域图像进行边缘提取，从而将目标检测
、
图像增强的功能分布到不同的硬件组件中，能够有效减少海量运算对内存及处理器的资源占用
。
[0007]在一种可行的实施方式中，所述待处理目标为人脸，所述嵌入式神经网络处理器根据目标检测算法从所述原始图像中确定出所述待处理目标的位置信息，包括：从所述原始图像中提取人脸特征；基于所述人脸特征及所述目标检测算法对所述原始图像进行人脸检测，确定所述人脸的位置信息
。
[0008]在上述实现过程中，采用嵌入式神经网络处理器提取人脸特征，并基于人脸特征与目标检测算法对原始图像进行人脸检测，相较于传统芯片，在神经网络运算方面效率更高，并且，也能减少对中央处理器运算资源的占用，因此，能够在不降低产品性能的情况下，有更高的人脸检测效率与更好的人脸检测效果
。
[0009]在一种可行的实施方式中，所述视频分析硬件加速器对所述区域图像进行边缘提取，得到边缘特征，包括：采用索贝尔算法对所述区域图像进行边缘提取，得到边缘特征
。
[0010]在上述实现过程中，由于索贝尔算法实现简单
、
处理速度快，通过采用索贝尔算法对所述区域图像进行边缘提取，能够快速
、
简单的提取到区域图像的边缘特征
。
[0011]在一种可行的实施方式中，所述边缘提取滤波器的模式为有方向的边缘滤波，所述边缘提取滤波器水平方向的参数为
{
‑1，0，1，
‑2，0，2，
‑1，0，
1}
，所述边缘提取滤波器垂直方向的参数为
{1
，2，1，0，0，0，
‑1，
‑2，
‑
1}。
[0012]在上述实现过程中，由于有方向的边缘滤波可以提取特定方向的边缘特征，从而实现更精确的图像处理
。
在上述实现过程中，通过提取区域图像横向与纵向的边缘特征，实现更精确的目标识别
。
当滤波器设置为上述参数值时，提取的边缘特征效果最好
。
[0013]在一种可行的实施方式中，所述边缘特征包括边缘梯度值，所述中央处理器将所述边缘特征与所述区域图像融合，包括：将所述边缘梯度值与所述区域图像每个通道的灰度值进行加权计算，得到每个通道的加权灰度值；将各通道的加权灰度值与对应的颜色值进行叠加，得到所述区域图像的融合图像
。
[0014]在上述实现过程中，由于边缘梯度值代表边缘像素值变化的剧烈程度，变化越剧烈，边缘的梯度值越大，因此，通过将边缘梯度值与区域图像的每个通道的灰度值进行加权计算，并与对应颜色值进行叠加，就能够有效增强区域图像的边缘
。
[0015]在一种可行的实施方式中，在所述视频分析硬件加速器对所述区域图像进行边缘提取之前，所述方法还包括：所述视频分析硬件加速器对所述区域图像进行滤波去噪
。
[0016]在上述实现过程中，通过对区域图像进行去噪，能够显著减少干扰信息，有效提高图像质量及边缘提取质量
。
[0017]在一种可行的实施方式中，所述视频分析硬件加速器对所述区域图像进行滤波去噪，包括：所述视频分析硬件加速器采用中值滤波器对所述区域图像进行滤波去噪
。
[0018]在上述实现过程中，由于中值滤波只需要对像素周围的邻域进行排序，通过采用中值滤波的方法，能够简单
、
快速且有效地去除所述区域图像的椒盐噪声
、
加性高斯噪声等噪声类型，使区域图像更清晰，并且能够在去噪的同时较好的保留图像的边缘信息
。
[0019]第二方面，本申请提供一种网络摄像装置，所述网络摄像装置包括：图像采集传感器
、
嵌入式神经网络处理器
、
中央处理器
、
视频分析硬件加速器，所述嵌入式神经网络处理器
、
所述图像采集传感器
、
所述中央处理器及所述中央处理器通过总线通信连接；所述图像采集传感器用于采集原始图像；所述嵌入式神经网络处理器用于根据目标检测算法从所述原始图像中确定出待处理目标的位置信息；所述中央处理器用于根据所述位置信息，裁剪出所述待处理目标的区域图像；所述视频分析硬件加速器用于对所述区域图像进行边缘提取，得到边缘特征；所述中央处理器用于将所述边缘特征与所述区域图像融合
。
附图说明
[0020]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，还可以根据这些附图获得其他相关的附图
。
[0021]图1为本申请实施例一提供的一种图像处理方法的流程示意图；
[0022]图2为本申请实施例一提供的又一种图像处理方法的流程示意图；
[0023]图3为本申请实施例一提供的再一种图像处理方法的流程示意图；
[0024]图4为本申请实施例二提供的一种网络摄像装置的结构示意图；
[0025]图5为本申请实施例二提供的又一种网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像处理方法，其特征在于，应用于网络摄像装置，所述网络摄像装置包括图像采集传感器
、
嵌入式神经网络处理器
、
中央处理器
、
视频分析硬件加速器，所述嵌入式神经网络处理器
、
所述图像采集传感器
、
所述中央处理器及所述视频分析硬件加速器之间通信连接，所述方法包括：所述图像采集传感器采集原始图像；所述嵌入式神经网络处理器根据目标检测算法从所述原始图像中确定出待处理目标的位置信息；所述中央处理器根据所述位置信息，裁剪出所述待处理目标的区域图像；所述视频分析硬件加速器对所述区域图像进行边缘提取，得到边缘特征；所述中央处理器将所述边缘特征与所述区域图像融合
。2.
如权利要求1所述的图像处理方法，其特征在于，所述待处理目标为人脸，所述嵌入式神经网络处理器根据目标检测算法从所述原始图像中确定出待处理目标的位置信息，包括：从所述原始图像中提取人脸特征；基于所述人脸特征及所述目标检测算法对所述原始图像进行人脸检测，确定所述人脸的位置信息
。3.
如权利要求1所述的图像处理方法，其特征在于，所述视频分析硬件加速器对所述区域图像进行边缘提取，得到边缘特征，包括：采用索贝尔算法对所述区域图像进行边缘提取，得到边缘特征
。4.
如权利要求3所述的图像处理方法，其特征在于，所述边缘提取滤波器的模式为有方向的边缘滤波，所述边缘提取滤波器水平方向的参数为
{
‑1，0，1，
‑2，0，2，
‑1，0，
1}
，所述边缘提取滤波器垂直方向的参数为
{1
，2，1，0，0，0，
‑1，
‑2，
‑
1}。5.
如权利要求1‑4任一项所述的图像处理方法，其特征在于，所述边缘特征包括...

【专利技术属性】
技术研发人员：李宣，陈文荣，柴一豪，
申请(专利权)人：杭州杰峰科技有限公司，
类型：发明
国别省市：