(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210170072.5 (22)申请日 2022.02.23 (71)申请人 深圳闪回科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道麻岭社区高新中区科技中2路1号深 圳软件园(2期)1 1栋602 (72)发明人 林乐新　张康　 (74)专利代理 机构 深圳知帮办专利代理有限公 司 44682 专利代理师 李赜 (51)Int.Cl. H04N 17/00(2006.01) H04M 1/24(2006.01) G06T 7/00(2017.01) G06K 9/62(2022.01)G06V 10/762(2022.01) G06V 10/46(2022.01) (54)发明名称 基于图像传感器像素阵列的手机摄像头检 测方法及装置 (57)摘要 本发明公开了基于图像传感器像素阵列的 手机摄像头检测方法， 获取外部红外光源主动照 射前后图像中目标摄像头区域或灰度 阶跃的特 点实现目标检测并得到输入图像， 对输入图像进 行预处理以提高图像信噪比， 使用直方图和图像 熵的目标分割算法得到可疑目标种子点， 获取完 整高光区域， 并通过目标摄像头的特征描述子进 行目标判别对 可疑目标的判别进行筛选， 通过检 测聚类算法确定目标重复检测情况， 将检测结果 以RGB彩色图像进行展示。 改变目标掩膜的形状 会降低后期特征分析和计算的准确度， 影响最终 目标判定的效果。 利用复检目标在 物理距离上必 然相近的事实， 对判别结果进行聚类， 消除目标 重复检测的情形， 一定程度上也提高了摄像头检 测的精度和效率。 权利要求书3页 说明书7页 附图3页 CN 114554188 A 2022.05.27 CN 114554188 A 1.一种基于图像传感器 像素阵列的手机摄 像头检测方法， 其特 征在于， 包括以下步骤： 获取外部红外光源主动照射前后图像中目标摄像头区域或灰度阶跃的特点实现目标 检测并得到 输入图像， 其中使用EL ‑NIR图像与N L‑NIR图像作为输入； 对输入图像进行预处理以提高 图像信噪比， 使用直方图和图像熵的目标分割算法得到 可疑目标种子点； 获取完整高光区域， 并通过目标摄像头的特征描述子进行目标判别对可疑目标的判别 进行筛选， 其中， 筛选过程包括对EL ‑NIR图像与NL ‑NIR图像进行图像差分获得差分图像实 现初步背景抑制， 使用形态学滤波提高真实目标在图像中的显著性， 通过目标分割获取目 标高光区域碎片， 使用自适应区域增长获取目标完整高光区域； 通过检测聚类算法确定目标重复检测情况， 将检测结果以RGB彩色图像进行展示。 2.根据权利要求1所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 筛选过程包括对EL ‑NIR图像与NL ‑NIR图像进行图像差分获得差 分图像实现初步背景抑 制， 包括： 通过将两幅图像的像素值对应相减达到削弱图像的相似部分， 突出显示图像变化的部 分， 差分图像的获取 方式包括当前图像与固定背景差分、 连续两幅图像之间的差分； 经图像差分后获得的表达式为Idif(x,y)＝Ip(x,y)‑In(x,y),其中ip、 In分别为EL ‑NIR图 像与NL‑NIR图像， Idif为得到的差分图像， (x,y)为图像对齐进行差分的像素点 坐标； 目标摄像头在红外光照 射下所形成的为小尺寸的类圆状光斑， 通过分析目标形状特征 和灰度分别 特征， 以提高图像的信噪比， 其表达式为 其中Idst为经背景抑制算法处理后的背景抑制图像， Idif为差分图像， 为膨胀运算， 为腐 蚀运算， Md为算法中的膨胀结构元 素， Me为算法中的腐蚀结构元 素。 3.根据权利要求2所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 腐蚀通过消除图像边缘中相对孤立的像素， 并根据结构化元素定义的模板腐蚀颗粒 的 轮廓， 使得灰度值高的像素面积减少， 对 于任何一个给定的像素p0， 结构化元素以p0为中心， 由结构化元素屏蔽的元素等于1， 并表示为pi， 则像素pi的值等于0， 将p0设为0， 若pi是1将p0 设置为1； 膨胀通过消除图像汇总像素点之间的微小孔洞， 根据结构化元素所定义的模板来扩展 像素点的轮廓， 膨胀将亮度高的像素周边的像素的亮度增 加， 使灰度值高的像素面积变大。 4.根据权利要求1所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 获取外部红外光源主动照射前后图像中目标摄像头区域或灰度阶跃的特点实现目标检 测并得到 输入图像， 包括： 将图像分为多个区域并对其进行处理， 检测出其中的噪声， 不同的区域根据其实 际状 况来自适应模块的大小， 对检查出来的模块进行处 理以去除其中的噪声； 根据标准 图像建立一个参考坐标系， 并创建一个或多个ROI感兴趣搜索区域， ROI包含 产品图像的稳定特 征和检测内容； 以参考系为标准通过算法定位功能， 边缘检测或模板匹配以确定待检测图像的坐标 系， 基于坐标系跟踪图像中对象的位置和方向。 5.根据权利要求4所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在权　利　要　求　书 1/3 页 2 CN 114554188 A 2于， 根据标准图像建立 一个参考坐标系， 并创建一个或多个ROI感兴趣搜索区域， 包括： 获取待处理区域并绘制ROI， 将待处理特征乘以感兴趣区域或预设的掩膜， 使待处理区 域像素的灰度值 不变， 其他区域灰度值 为零； 去除干扰将干扰特 征通过掩膜屏蔽掉， 使其 不参与运算； 获取目标特征， 采用相似形状或模板匹配的算法来检测和获取待测画面中与掩膜类似 的形态特 征。 6.根据权利要求1所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 使用直方图和图像熵的目标分割算法得到可疑目标种子点， 包括： 使用直方图阈值分割算法提取固定比例的高灰度区域， 以提取真实， 目标区域， 结合图 像全局二维信息熵， 采用香农熵来度量随机变量的不确 定性， 其表达式为 其中H(x)越 大， 表示x的不确定性越 大， 将其累加， 则代表整个系统的总体熵， 表征信息源的 总信息量， x为一个随机离散变量， 满足x∈{ x1,x2,x3...}， 其概率分布的表达式为p(X＝xi) ＝pi， i＝1,2,3. ..n， 其中pi表示图像中的每一个灰度级所 出现的概 率值； 对于待处理图像Idst， 分别计算阈值q所分割得到的背景与 前景I0、 I1的熵H0(q)、 H1(q)， 其表达式分别为： P0(q)、 P1(q)分别 表示Idst经阈值q(0≤ q≤k‑1)分割后背景与前景的累计概率， 两者志合为1， 其 中估算I0、 I1 的概率密度函数表示为 其中 计算得到I0、 I1的熵H0(q)、 H1(q)后， 得到使 得Idst经阈值分割后的熵H(q)最大的q， H(q)＝H0(q)+H1(q)。 7.根据权利要求6所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 还包括： 按灰度值从高到低， 从图像直方图上选取固定比例的像素点个数对应的灰度值得到基 于直方图的目标分割阈值th， th＝[p(gt＞th)≤10 ％]， 其中gt为图像中各像素的灰度值， t 表示图像中的各个 像素点， p()表示图像Idst中满足条件像素点的概 率值。 8.根据权利要求1所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 获取完整高光区域， 并通过目标摄像头的特征描述子进行目标判别对可疑目标 的判别 进行筛选， 包括： 从种子点开始将与种子点具有相同属性的相邻像素合并到同一区域， 以实现区域扩 增； 分别对增长区域的尺寸和中心灰度与外围灰度对比度 进行限定， 取Ri(Ri∈φ,i＝1,2, 3...t)中任意 一个点作为种子点， 种子点相邻像素进行判别， 使停止区域增长 。 9.根据权利要求8所述的基于图像传感器像素阵列的手机摄像头检测方法， 其特征在 于， 获取完整高光区域包括： 采用列灰度值的阈值将相应的灰度值 转化为逻辑值0或1； 根据数据比特分辨 率将获得的逻辑 值下采样为比特信息；权　利　要　求　书 2/3 页 3 CN 114554188 A 3