本發(fā)明涉及計(jì)算機(jī)圖形處理技術(shù)領(lǐng)域，具體地說(shuō)，涉及一種獲取圖像的視覺(jué)重心的方法及裝置。

背景技術(shù)：

在圖像中，尤其是在圖文混排的圖像中，人的視覺(jué)安定與圖像的視覺(jué)重心有緊密的關(guān)系，當(dāng)人的視線(xiàn)接觸畫(huà)面時(shí)，視線(xiàn)常常迅速地由左上角到左下角，再通過(guò)中心部分至右上角及右下角，再回至畫(huà)面最吸引視線(xiàn)的中心視圈停留下來(lái)，這個(gè)中心點(diǎn)就是視覺(jué)的重心。而畫(huà)面輪廓的變化、圖形的聚散、色彩明暗的分布、是否有人像及人像的肢體動(dòng)作、視覺(jué)朝向都會(huì)對(duì)圖像視覺(jué)重心位置產(chǎn)生影響。在圖像處理中，尤其是廣告制作，其所要表達(dá)的主題或重要信息往往不能偏離視覺(jué)重心太遠(yuǎn)，對(duì)于設(shè)計(jì)師與讀者來(lái)說(shuō)，能準(zhǔn)確地獲取圖像的視覺(jué)重心是非常重要的。

公開(kāi)號(hào)為CN103246636A的專(zhuān)利文獻(xiàn)中公開(kāi)了一種漢字字形視覺(jué)重心的確定方法，該方法通過(guò)確定漢字圖像的筆畫(huà)連通區(qū)域，并對(duì)筆畫(huà)連通區(qū)域的質(zhì)心進(jìn)行計(jì)算，再通過(guò)筆畫(huà)連通區(qū)域質(zhì)心和整體漢字視覺(jué)重心之間的關(guān)系模型計(jì)算出漢字字形的視覺(jué)重心。

公開(kāi)號(hào)為CN104700416A的專(zhuān)利文獻(xiàn)中公開(kāi)了一種基于視覺(jué)理解的圖像分割閾值確定方法，其包括以下步驟：將彩色圖像變換為灰度圖像；對(duì)灰度圖像進(jìn)行數(shù)字濾波；計(jì)算直方圖；計(jì)算直方圖的視覺(jué)重心，作為圖像分割的第一個(gè)分割閾值T_L；將高于第一個(gè)分割閾值T_L的直方圖區(qū)域分成兩部分，根據(jù)視覺(jué)平衡原則，利用搜索算法尋找兩部分的視覺(jué)重心，作為圖像分割的第二個(gè)分割閾值T_H。

在上述兩篇專(zhuān)利文獻(xiàn)中，前者是通過(guò)確定漢字字形的視覺(jué)重心來(lái)提升漢字的閱讀體驗(yàn)，而后者利用視覺(jué)重心來(lái)對(duì)圖像進(jìn)行分割，從而以極小的圖像像素，最大限度地將圖像特征保留下來(lái)，并且符合人們的認(rèn)知期望。但是，二者在計(jì)算視覺(jué)重心時(shí)，都是簡(jiǎn)單地將圖像轉(zhuǎn)換為灰度圖，即在獲取圖像的視覺(jué)重心時(shí)，只考慮圖像中元素的灰度值，并未考慮不同元素對(duì)視覺(jué)重心影響存在的差異性的問(wèn)題，導(dǎo)致其難以準(zhǔn)確地獲取圖像的視覺(jué)重心。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供了一種能更準(zhǔn)確地獲取圖片視覺(jué)重心的方法；另一目的是提供了一種能更準(zhǔn)確地獲取圖片視覺(jué)重心的裝置。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供的獲取圖像視覺(jué)重心的方法包括識(shí)別步驟、獲取步驟及計(jì)算步驟。其中，識(shí)別步驟包括識(shí)別出圖像中包含人像的元素；獲取步驟包括獲取包含人像的元素中的人臉區(qū)域與視線(xiàn)；計(jì)算步驟包括計(jì)算已對(duì)人臉區(qū)域賦予大于1的第一權(quán)重?cái)U(kuò)大因子及對(duì)與視線(xiàn)有交點(diǎn)的元素賦予大于1的第二權(quán)重?cái)U(kuò)大因子的圖像的整體視覺(jué)重心。

由以上方案可見(jiàn)，與現(xiàn)有技術(shù)中直接將圖像處理成灰度圖后再計(jì)算其視覺(jué)重心的方法相比，該方案考慮了圖像元素中對(duì)視覺(jué)重心影響比較大的人臉區(qū)域及與視線(xiàn)有交點(diǎn)的元素，即在考慮不同元素對(duì)視覺(jué)重心位置的影響差異性時(shí)，主要是考慮其中的重要影響因素，在有效提高獲取圖像視覺(jué)重心準(zhǔn)確性的同時(shí)，能有效地控制所增加的工作量。

優(yōu)選的方案為計(jì)算步驟包括第一計(jì)算步驟、第二計(jì)算步驟與第三計(jì)算步驟。其中，第一計(jì)算步驟包括對(duì)人臉區(qū)域賦予第一權(quán)重?cái)U(kuò)大因子，并計(jì)算包含人像的元素的視覺(jué)重心坐標(biāo)與視覺(jué)重量；第二計(jì)算步驟包括計(jì)算不包含人像的元素的視覺(jué)重心坐標(biāo)與視覺(jué)重量；第三計(jì)算步驟包括對(duì)與視線(xiàn)有交點(diǎn)的元素賦予第二權(quán)重?cái)U(kuò)大因子，并依據(jù)第一計(jì)算步驟與第二計(jì)算步驟的計(jì)算結(jié)果，計(jì)算圖像的整體視覺(jué)重心。

一個(gè)更優(yōu)選的方案為識(shí)別出圖像中包含人像的元素的步驟包括逐一檢測(cè)從圖像中獲取的元素是否包含人像；若檢測(cè)到該元素包含人像，則對(duì)該元素執(zhí)行獲取步驟與第一計(jì)算步驟；若檢測(cè)到元素不包含人像，則對(duì)該元素執(zhí)行第二計(jì)算步驟；在完成對(duì)圖像中的所有元素的檢測(cè)后，執(zhí)行第三計(jì)算步驟。

另一個(gè)更有選的方案為將元素的矩形邊框所圍的區(qū)域劃分成小矩形區(qū)域，以小矩形區(qū)域的中心坐標(biāo)為其視覺(jué)重心坐標(biāo)計(jì)算該元素的視覺(jué)重心坐標(biāo)。充分利用有限元的思想獲取元素的視覺(jué)重心。

優(yōu)選的方案為獲取步驟包括利用經(jīng)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)獲取包含人像的元素的視線(xiàn)。有效地提高對(duì)人像視線(xiàn)獲取的準(zhǔn)確性與快捷性。

更優(yōu)選的方案為上述神經(jīng)網(wǎng)絡(luò)經(jīng)請(qǐng)求步驟、接收步驟及訓(xùn)練步驟獲取。其中，請(qǐng)求步驟包括向眾包平臺(tái)服務(wù)器發(fā)送眾包請(qǐng)求及上傳包含人像的圖片；接收步驟包括接收眾包平臺(tái)服務(wù)器獲取的針對(duì)上述圖片標(biāo)注的視線(xiàn)；訓(xùn)練步驟包括以標(biāo)注有視線(xiàn)的圖片對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行視線(xiàn)標(biāo)注訓(xùn)練。

優(yōu)選的方案為獲取包含人像的元素中視線(xiàn)的步驟為獲取包含人像的元素的視線(xiàn)朝向；與視線(xiàn)有交點(diǎn)的元素為位于該視線(xiàn)朝向上的元素。

更有選的方案為以包含人像的元素的矩形邊框的邊界線(xiàn)為界線(xiàn)；位于矩形邊框的左邊界線(xiàn)與右邊界線(xiàn)之間且位于上邊界線(xiàn)之上的元素為位于朝上視線(xiàn)朝向上的元素；位于左邊界線(xiàn)與右邊界線(xiàn)之間且位于下邊界線(xiàn)之下的元素為位于朝下視線(xiàn)朝向上的元素；位于上邊界線(xiàn)與下邊界線(xiàn)之間且位于左邊界線(xiàn)之左的元素為位于朝左視線(xiàn)朝向上的元素；位于上邊界線(xiàn)與下邊界線(xiàn)之間且位于右邊界線(xiàn)之右的元素為位于朝右視線(xiàn)朝向上的元素；部分位于左邊界線(xiàn)之左且位于上邊界線(xiàn)之上的元素為位于朝左上視線(xiàn)朝向上的元素；部分位于左邊界線(xiàn)之左且位于下邊界線(xiàn)之下的元素為位于朝左下視線(xiàn)朝向上的元素；部分位于右邊界線(xiàn)之右且位于上邊界線(xiàn)之上的元素為位于朝右上視線(xiàn)朝向上的元素；部分位于右邊界線(xiàn)之右且位于下邊界線(xiàn)之下的元素為位于朝右下視線(xiàn)朝向上的元素。

為了實(shí)現(xiàn)上述另一目的，本發(fā)明提供獲取圖像的視覺(jué)重心的裝置包括識(shí)別單元、獲取單元及計(jì)算單元。其中識(shí)別單元用于從圖像中識(shí)別出包含人像的元素；獲取單元用于獲取包含人像的元素中的人臉區(qū)域與視線(xiàn)；計(jì)算單元用于計(jì)算已對(duì)人臉區(qū)域賦予大于1的第一權(quán)重?cái)U(kuò)大因子及對(duì)與視線(xiàn)有交點(diǎn)的元素賦予大于1的第二權(quán)重?cái)U(kuò)大因子后的圖像的整體視覺(jué)重心。

由以上方案可見(jiàn)，該裝置在獲取圖像的視覺(jué)重心時(shí)，能對(duì)視覺(jué)重心位置變化產(chǎn)生重要影響的人臉區(qū)域及與視線(xiàn)有交點(diǎn)的元素進(jìn)行差異性考慮，與現(xiàn)有技術(shù)相比，在有效地提高獲取圖像視覺(jué)重心準(zhǔn)確性的同時(shí)，能有效地控制所增加的工作量。

優(yōu)選的方案為識(shí)別單元包括檢測(cè)模塊，計(jì)算單元包括第一計(jì)算模塊、第二計(jì)算模塊及第三計(jì)算模塊。檢測(cè)模塊用于逐一檢測(cè)從圖像中所獲取的元素是否包含人像；第一計(jì)算模塊用于在檢測(cè)模塊檢測(cè)到元素包含人像時(shí)，對(duì)獲取單元從該元素中獲取的人臉區(qū)域賦予第一權(quán)重?cái)U(kuò)大因子，并計(jì)算該元素的視覺(jué)重心坐標(biāo)及其視覺(jué)重量；第二計(jì)算模塊用于在檢測(cè)模塊檢測(cè)到元素不包含人像時(shí)，計(jì)算該元素的視覺(jué)重心坐標(biāo)及其視覺(jué)重量；第三計(jì)算模塊用于在檢測(cè)模塊完成對(duì)圖像中的所有元素的檢測(cè)后，對(duì)與獲取單元所獲取的視線(xiàn)有交點(diǎn)的元素賦予第二權(quán)重?cái)U(kuò)大因子，并依據(jù)第一計(jì)算模塊與第二計(jì)算模塊的計(jì)算結(jié)果，計(jì)算圖像的整體視覺(jué)重心。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例1中獲取圖像的視覺(jué)重心的方法的工作流程圖；

圖2是本發(fā)明實(shí)施例1中的視線(xiàn)朝向的示意圖；

圖3是本發(fā)明實(shí)施例1中位于朝右視線(xiàn)朝向上的元素的示意圖；

圖4時(shí)本發(fā)明實(shí)施例1中位于朝右上視線(xiàn)朝向上的元素的示意圖；

圖5是本發(fā)明實(shí)施例2中獲取圖像的視覺(jué)重心的裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

以下結(jié)合實(shí)施例及其附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

實(shí)施例1

本實(shí)施例是對(duì)獲取圖像的視覺(jué)重心的方法進(jìn)行說(shuō)明，該方法由識(shí)別步驟S1、獲取步驟S2及計(jì)算步驟S3構(gòu)成。

識(shí)別步驟S1，識(shí)別出圖像中包含人像的元素，由如圖1所示的步驟S101與步驟S102構(gòu)成。

步驟S101，提取圖像中的所有元素。

圖像中的元素是指圖像中的所有素材圖片、背景圖片以及各種文字。

在本實(shí)施例中，以廣告的PSD文件為例進(jìn)行說(shuō)明，元素包括廣告文案中圖像、文字等，當(dāng)然，為了便于提取圖像中的所有元素，可要求PSD文件中的每個(gè)圖層僅包含一個(gè)元素；對(duì)于包含兩個(gè)以上元素的圖層，需先將該圖層中的元素提取成單個(gè)元素，再進(jìn)行處理。

步驟S102，逐一檢測(cè)所提取的元素是否包含人像。

利用常用的人臉檢測(cè)算法對(duì)每個(gè)元素進(jìn)行檢測(cè)，若檢測(cè)到人臉，則該元素包含人像，并進(jìn)入步驟S103；若該元素不包含人像，則跳至步驟S108。

常用的人臉檢測(cè)算法可參考但不局限于文獻(xiàn)《基于AdaBoost和Kalman算法的人眼檢測(cè)與跟蹤》，嚴(yán)超，王元慶，張兆揚(yáng)，南京大學(xué)學(xué)報(bào):自然科學(xué)版，2010，46(6):681-687。在該文獻(xiàn)中，其在檢測(cè)出人臉區(qū)域后，再對(duì)人眼區(qū)域進(jìn)行檢測(cè)。

獲取步驟S2，獲取包含人像的元素中的人臉區(qū)域與視線(xiàn)，由如圖1所示的步驟S103、步驟S104、步驟S105及步驟S106構(gòu)成。

步驟S103，標(biāo)注檢測(cè)出的人臉區(qū)域，并加入集合F中。

對(duì)步驟S102所檢測(cè)出包含人像的元素，利用人臉檢測(cè)算法定位到人像的人臉區(qū)域，對(duì)該人臉區(qū)域進(jìn)行標(biāo)注，并加入集合F，為后續(xù)在計(jì)算人像視覺(jué)重心做準(zhǔn)備。

步驟S104，通過(guò)眾包平臺(tái)獲取標(biāo)注有視線(xiàn)朝向的人臉數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。包括發(fā)送步驟，接收步驟及訓(xùn)練步驟。

發(fā)送步驟，向眾包平臺(tái)服務(wù)器發(fā)送眾包請(qǐng)求及上傳包含人像的圖片。

在該步驟中，本實(shí)施例使用但不限于亞馬遜土耳其機(jī)器人平臺(tái)發(fā)送眾包請(qǐng)求，以發(fā)布眾包任務(wù)。

該眾包任務(wù)具體為：通過(guò)給定眾包參與者大量的人臉圖片，然后讓其標(biāo)注該圖片中人臉的眼睛視線(xiàn)朝向，在本實(shí)施例中將視線(xiàn)朝向規(guī)定為上、下、左、右、左上、左下、右上及右下，并根據(jù)參與者完成的工作量給其相應(yīng)的報(bào)酬。

如圖2所示，以包含人像的元素10的矩形框以的下邊界線(xiàn)11、上邊界線(xiàn)12、右邊界線(xiàn)13及左邊界線(xiàn)14為界線(xiàn)，將矩形框的周?chē)鷧^(qū)域劃分為標(biāo)號(hào)為21-28的八個(gè)區(qū)域。對(duì)位于該矩形框以外元素的視線(xiàn)朝向在本實(shí)施例中規(guī)定為，位于左邊界線(xiàn)14與右邊界線(xiàn)13之間且位于上邊界線(xiàn)12之上的元素為位于朝上視線(xiàn)朝向上的元素，即完全位于區(qū)域21內(nèi)的元素；位于左邊界線(xiàn)14與右邊界線(xiàn)13之間且位于下邊界線(xiàn)11之下的元素為位于朝下視線(xiàn)朝向上的元素，即完全位于區(qū)域22內(nèi)的元素；位于上邊界線(xiàn)12與下邊界線(xiàn)11之間且位于左邊界線(xiàn)14之左的元素為位于朝左視線(xiàn)朝向上的元素，即完全位于區(qū)域23內(nèi)的元素；位于上邊界線(xiàn)12與所述下邊界線(xiàn)11之間且位于右邊界線(xiàn)13之右的元素為位于朝右視線(xiàn)朝向上的元素，即如圖3所示的完全位于區(qū)域24內(nèi)的元素20；部分位于左邊界線(xiàn)14之左且位于上邊界線(xiàn)12之上的元素為位于朝左上視線(xiàn)朝向上的元素，即只需部分位于區(qū)域25內(nèi)的元素；部分位于左邊界線(xiàn)14之左且位于下邊界線(xiàn)11之下的元素為位于朝左下視線(xiàn)朝向上的元素，即只需部分位于區(qū)域26內(nèi)的元素；部分位于右邊界線(xiàn)13之右且位于上邊界線(xiàn)12之上的元素為位于朝右上視線(xiàn)朝向上的元素，即如圖4所示的部分位于區(qū)域27內(nèi)的元素20；部分位于右邊界線(xiàn)13之右且位于下邊界線(xiàn)11之下的元素為位于朝右下視線(xiàn)朝向上的元素，即只需部分位于區(qū)域28內(nèi)的元素。

接收步驟，接收眾包平臺(tái)服務(wù)器所獲取針對(duì)圖片標(biāo)注的視線(xiàn)。

訓(xùn)練步驟，以標(biāo)注有視線(xiàn)的圖片對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行視線(xiàn)標(biāo)注訓(xùn)練。

在本實(shí)施例中，神經(jīng)網(wǎng)絡(luò)指卷積神經(jīng)網(wǎng)絡(luò)，可以是經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型，如VGG網(wǎng)絡(luò)、微軟的殘差網(wǎng)絡(luò)、googlenet等。但本發(fā)明中的神經(jīng)網(wǎng)絡(luò)并不局限于卷積神經(jīng)網(wǎng)絡(luò)，還可以是機(jī)器學(xué)習(xí)中的分類(lèi)算法。

步驟S105，利用經(jīng)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)獲取包含人像的元素的視線(xiàn)朝向。

利用經(jīng)步驟S104訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對(duì)當(dāng)前包含人像的元素的視線(xiàn)朝向進(jìn)行預(yù)測(cè)。

步驟S106，找出所有與視線(xiàn)有交點(diǎn)的元素，進(jìn)行標(biāo)注，并加入集合I中。

根據(jù)步驟S105中所得到的視線(xiàn)朝向，將位于該視線(xiàn)朝向上的元素標(biāo)記為與視線(xiàn)有交點(diǎn)的元素，并將標(biāo)記的元素加入集合I中，為后續(xù)計(jì)算視覺(jué)重心做準(zhǔn)備。

計(jì)算步驟，計(jì)算已對(duì)人臉區(qū)域賦予大于1的第一權(quán)重?cái)U(kuò)大因子及對(duì)與視線(xiàn)有交點(diǎn)的元素賦予大于1的第二權(quán)重?cái)U(kuò)大因子后的圖像的整體視覺(jué)重心，由步驟S107、步驟S108、步驟S109及步驟S110構(gòu)成。

步驟S107，通過(guò)強(qiáng)化人臉區(qū)域來(lái)計(jì)算包含人像元素的視覺(jué)重心。

先將元素轉(zhuǎn)化為灰度圖，利用有限元原理，將元素所在的矩形框內(nèi)的區(qū)域劃分為A*B個(gè)小網(wǎng)格，由于每個(gè)小網(wǎng)格相對(duì)于整個(gè)矩形足夠小，用小網(wǎng)格的中心坐標(biāo)作為其視覺(jué)重心坐標(biāo)，并依據(jù)以下公式求出該元素的視覺(jué)重心：

在上述公式中，w_i為第i個(gè)小網(wǎng)格的視覺(jué)重量，(x_i,y_i)為第i個(gè)小網(wǎng)格的中心坐標(biāo)，即為該元素的視覺(jué)重心坐標(biāo)，α為第一權(quán)重?cái)U(kuò)大因子，其范圍為α＞1，其具體取值可以根據(jù)多次設(shè)計(jì)調(diào)整之后所獲得的最佳值。

步驟S108，計(jì)算不包含人像的元素的視覺(jué)重心。

與步驟S107中相似，先對(duì)該元素的矩形框內(nèi)區(qū)域進(jìn)行網(wǎng)格劃分，并依據(jù)以下公式進(jìn)行計(jì)算：

上述公式中，為第i個(gè)小網(wǎng)格的視覺(jué)重量，(x_i,y_i)為第i個(gè)小網(wǎng)格的中心坐標(biāo)，為該元素的重心坐標(biāo)。

步驟S109，是否對(duì)所有元素的完成檢測(cè)，若完成檢測(cè)，則進(jìn)入步驟S110，若未完成檢測(cè)，則跳回至步驟102。

步驟S110，結(jié)合是否與視線(xiàn)有交點(diǎn)來(lái)計(jì)算圖像的整體視覺(jué)重心。

綜合考慮視線(xiàn)的影響因素計(jì)算圖像的整體視覺(jué)重心，該整體視覺(jué)重心，用于表示該布局中視覺(jué)重量的整體分布，其具體計(jì)算公式如下：

其中，w_i為第i個(gè)元素的視覺(jué)重量，(centroidX_i,centroidY_i)為第i個(gè)元素的重心坐標(biāo)，即為整體視覺(jué)重心坐標(biāo)，β是第二權(quán)重?cái)U(kuò)大因子，其值范圍為β>1，其具體取值可以根據(jù)多次設(shè)計(jì)調(diào)整之后所獲得的最佳值。

在上述各步驟中，步驟S107構(gòu)成本實(shí)施例的第一計(jì)算步驟，步驟S108構(gòu)成本實(shí)施例的第二計(jì)算步驟，步驟S109與步驟S110構(gòu)成本實(shí)施例的第三計(jì)算步驟。

實(shí)施例2

本實(shí)施例是對(duì)獲取圖像的視覺(jué)重心的裝置進(jìn)行說(shuō)明。

參見(jiàn)圖5，獲取圖像的視覺(jué)重心的裝置100由識(shí)別單元1、獲取單元2及計(jì)算單元3構(gòu)成。

識(shí)別單元1用于從圖像中識(shí)別出包含人像的元素，由提取模塊11與檢測(cè)模塊12構(gòu)成。

提取模塊11用于從圖像中提取所有的元素，檢測(cè)模塊12用于逐一檢測(cè)從圖像中所獲取的元素是否包含人像。

獲取單元2用于獲取包含人像的元素中的人臉區(qū)域與視線(xiàn)。

計(jì)算單元3用于計(jì)算已對(duì)人臉區(qū)域賦予大于1的第一權(quán)重?cái)U(kuò)大因子及對(duì)與視線(xiàn)有交點(diǎn)的元素賦予大于1的第二權(quán)重?cái)U(kuò)大因子后的圖像的整體視覺(jué)重心，由第一計(jì)算模塊31、第二計(jì)算模塊32及第三計(jì)算模塊33構(gòu)成。

第一計(jì)算模塊31用于在檢測(cè)模塊12檢測(cè)到元素包含人像時(shí)，對(duì)獲取單元2從該元素中獲取的人臉區(qū)域賦予第一權(quán)重?cái)U(kuò)大因子，并計(jì)算該元素的視覺(jué)重心坐標(biāo)及其視覺(jué)重量。

第二計(jì)算模塊32用于在檢測(cè)模塊12檢測(cè)到元素不包含人像時(shí)，計(jì)算該元素的視覺(jué)重心坐標(biāo)及其視覺(jué)重量。

第三計(jì)算模塊33用于在檢測(cè)模塊12完成對(duì)圖像中的元素的檢測(cè)后，對(duì)與獲取單元所獲取的視線(xiàn)有交點(diǎn)的元素賦予所述第二權(quán)重?cái)U(kuò)大因子，并依據(jù)第一計(jì)算模塊31與所述第二計(jì)算模塊32的計(jì)算結(jié)果，計(jì)算圖像的整體視覺(jué)重心。

上述各單元及模塊的具體功能在上方法實(shí)施例中的對(duì)應(yīng)步驟中已做詳細(xì)描述，在此不再贅述。

在本發(fā)明中，對(duì)于圖像整體視覺(jué)重心的計(jì)算過(guò)程，并不局限于上述各實(shí)施例中的先計(jì)算各個(gè)元素的視覺(jué)重心坐標(biāo)與視覺(jué)重量，還可以是整體式的計(jì)算，例如，先對(duì)所有檢測(cè)的人臉區(qū)域賦予第一權(quán)重?cái)U(kuò)大因子及對(duì)所有與視線(xiàn)有交點(diǎn)的元素的賦予第二權(quán)重?cái)U(kuò)大因子后，再一起計(jì)算整體視覺(jué)重心。

此外，在本發(fā)明中，所描述“對(duì)人臉區(qū)域賦予第一權(quán)重?cái)U(kuò)大因子”，為將權(quán)重?cái)U(kuò)大因子賦予每個(gè)小矩形區(qū)域的視覺(jué)重量、視覺(jué)坐標(biāo)或二者的乘積，或者賦予整個(gè)人臉區(qū)域中視覺(jué)重量與視覺(jué)坐標(biāo)乘積的總和；對(duì)于“對(duì)與視線(xiàn)有交點(diǎn)的元素賦予第二權(quán)重?cái)U(kuò)大因子”，為將權(quán)重?cái)U(kuò)大因子賦予每個(gè)小矩形區(qū)域的視覺(jué)重量、視覺(jué)坐標(biāo)或二者的乘積，或者賦予整個(gè)元素中視覺(jué)重量與視覺(jué)坐標(biāo)乘積的總和。此外，對(duì)于第一權(quán)重?cái)U(kuò)大因子與第二權(quán)重?cái)U(kuò)大因子并不局限于上述實(shí)施例中的為一個(gè)常數(shù)值；其還可以為多個(gè)常數(shù)值構(gòu)成的集合，比如可以對(duì)人臉區(qū)域中的眼睛區(qū)域、嘴唇區(qū)域、鼻子區(qū)域賦予不同大小的第一權(quán)重?cái)U(kuò)大因子；還可以為一個(gè)函數(shù)，該函數(shù)在人臉區(qū)域的不同位置取不同值，即為人臉區(qū)域各小矩形區(qū)域的中心坐標(biāo)的函數(shù)。