CN102542552B - 视频图像的顺逆光判断和拍摄时间检测方法 - Google Patents
视频图像的顺逆光判断和拍摄时间检测方法 Download PDFInfo
- Publication number
- CN102542552B CN102542552B CN201010599303.1A CN201010599303A CN102542552B CN 102542552 B CN102542552 B CN 102542552B CN 201010599303 A CN201010599303 A CN 201010599303A CN 102542552 B CN102542552 B CN 102542552B
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- shadow region
- inertia
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于图像处理领域，提供一种视频图像的顺逆光判断和拍摄时间检测方法，该方法包括以下步骤，从视频图像序列中获取一帧原始视频图像；对该帧图像进行物体目标检测和阴影检测以确定物体目标区域和阴影区域；分别获取物体目标区域的特征和阴影区域的特征；根据物体目标区域的特征和阴影区域的特征判断该帧图像的顺逆光状态和/或检测拍摄时间。本发明的方法将阴影区域的特征信息用于判断顺逆光状态和检测拍摄时间，获得了稳定、准确、计算复杂度低的视频图像处理效果。
Description
技术领域
本发明属于图像处理领域，涉及一种基于图像处理技术的视频图像序列自然时间检测和顺逆光判断的方法。
背景技术
随着计算机视觉技术的发展，以及计算机视觉技术在航空、国防、安全监控、娱乐等领域应用的增加，计算机视觉***得到了广泛的应用。在现有图像处理技术中，图像的顺逆光检测和时间判断的技术对图像中物体识别、视频中物体跟踪和场景重建起着极其重要的作用。古人观天象预测光照、时间、天气，这种凭借着自身感觉对气象的推断具有主观性，并且极易造成推断结果的错误；现代人通过钟表和各种气象测量仪器查询时间、天气变化，而这种现代的测量技术，对设备和测量人员的依赖度较高，不能通过简单的观察确定现有的情况，不适合日常的普遍使用。
现有的判断顺逆光检测技术一些是依靠人眼对顺逆光的主观判断，然后设定拍照装置的拍摄模式。这种技术需要机器和拍摄者协作，不能实现自动化设置，给视频采集用户的操作带来了不便。并且由于操作者的差异性，对顺逆光判断的标准很难达到统一，给后期的图像和视频处理带来了困难。
还有一种是基于窗口图像的平均亮度值并比较边缘和中心亮度值的方法，通过选用固定的阈值进行顺逆光状态判断的技术。这种技术采用了固定的阈值，算法比较简单，为大多数研究人员所关注。但是这种技术会带来顺逆光状态检测不准确和检测结果不稳定的现象。即当检测主***于不同的多个子窗口时，采用固定的阈值不能检测出正确的顺逆光状态；另外当检测主体运动时，也使得预测结果处于频繁变化状态，不利于主体顺逆光状态的确定。在这种技术的基础上，一些研究人员提出了使用动态阈值区分顺逆光状态的方法。这种方法的复杂度高于固定阈值的方法，但是稳定性和准确性也得到了改善。但是无论固定阈值的方法还是动态阈值的方法均需要对窗口图像的亮度值进行统计计算，需要遍历图像，这样在时间上的耗费较长，达不到实时检测顺逆光状态的要求，不能应用到实际***中。
在对阴影图像的检测技术中，通常是检测阴影图像并消除阴影的方法，即将阴影图像看作是图像分割和前景提取的噪声图像处理，并没有将阴影图像作为图像处理的有效信息进行利用。利用阴影图像进行自然时间的判断几乎没有研究人员涉猎。
因此，需要一种基于图像的阴影信息，实现图像的拍摄时间段预测和顺逆光检测的方法。
发明内容
本发明采用视频图像序列的阴影检测和提取技术，通过提取并计算目标本身的特征和长度、阴影的特征和长度、及目标本身与阴影的关系，采用阴影的特征信息判断顺逆光状态，采用阴影的长度信息进行时间段的检测，达到了稳定、准确、计算复杂度低的效果，在计算复杂度和效率上具有优势，并且在成像设备的参数设定和视频监控的图像分析领域具有实际应用意义。
本发明提供一种视频图像的顺逆光判断方法，该方法包括以下步骤：
从视频图像帧序列中获取一帧原始视频图像；
对获取的该帧视频图像进行物体目标检测和阴影检测以确定物体所在的目标区域和阴影区域；
分别获取物体所在的目标区域的特征和阴影区域的特征；
根据物体所在的目标区域的特征和阴影区域的特征判断该帧原始视频图像的顺逆光状态。
优选地，在所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域的步骤之前包括，对该帧原始视频图像进行预处理。
优选地，所述对获取的该帧原始视频图像进行预处理包括，将该帧图像转换为灰度图像，对整帧图像滤除噪声，利用高斯滤波进行图像分块增强和利用灰度直方图进行对比度调整中的一种或多种。
优选地，所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域包括：
利用边缘提取方法提取图像边缘；
利用轮廓跟踪方法得到物体所在的目标区域和阴影区域。
优选地，所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域包括：
将图像分块，
求取分块得到的各图像块灰度的方差并分别设定各图像块的灰度阈值，
利用灰度阈值分割得到物体所在的目标区域和阴影区域。
优选地，所述分别获取物体所在的目标区域的特征和阴影区域的特征包括，分别获取物体所在的目标区域的周长和面积、物体所在的阴影区域的周长和面积、物体所在的目标区域的惯性主轴的位置和物体所在的阴影区域惯性主轴的位置。
优选地，在判断该帧视频图像的顺逆光状态之前包括，利用物体所在的目标区域的周长和面积与物体所在的阴影区域的周长和面积之间的关系确定该帧视频图像是否能用于判断顺逆光状态。
优选地，当物体所在的目标区域的惯性主轴与物体所在的阴影区域的惯性主轴之间的夹角小于等于预设阈值时，该帧视频图像为顺光状态；否则该帧视频图像为逆光状态。
本发明提供一种视频图像的拍摄时间检测方法，包括：
从视频图像序列中获取一帧原始视频图像；
对获取的该帧视频图像进行物体目标检测和阴影检测以确定物体所在的目标区域和阴影区域；
分别获取物体所在的目标区域的特征和阴影区域的特征；
根据物体所在的目标区域的特征和阴影区域的特征检测该帧原始视频图像的拍摄时间。
优选地，在所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域的步骤之前包括，对该帧原始视频图像进行预处理。
优选地，所述对该帧原始视频图像进行预处理包括，将该帧原始视频图像转换为灰度图像，对整帧图像滤除噪声，利用高斯滤波进行图像分块增强和利用灰度直方图进行对比度调整中的一种或多种。
优选地，所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域包括：
利用边缘提取方法提取图像边缘；
利用轮廓跟踪方法，得到物体所在的目标区域和阴影区域。
优选地，所述对获取的该帧视频图像进行物体目标检测和阴影检测确定物体所在的目标区域和阴影区域包括：
将图像分块，
求取分块得到的各图像块灰度的方差并分别设定各图像块的灰度阈值，
利用灰度阈值分割得到物体所在的目标区域和阴影区域。
优选地，所述分别获取物体所在的目标区域的特征和阴影区域的特征包括，分别获取物体所在的目标区域的周长和面积，物体所在的阴影区域的周长和面积，物体所在的目标区域沿其惯性主轴方向的长度和物体所在的阴影区域沿其惯性主轴方向的长度。
优选地，如果该帧视频图像阴影区域沿其惯性主轴方向的长度小于该帧视频图像的前一帧图像阴影区域沿其惯性主轴方向的长度，则该帧视频图像的拍摄时间为上午；否则该帧视频图像的拍摄时间为下午。
优选地，利用阴影区域沿其惯性主轴方向的长度与物体所在的目标区域沿其惯性主轴方向的长度的比例关系，确定该视频图像的拍摄时间。
优选地，
当拍摄时间段为上午时，拍摄时间点t通过下面公式计算
t＝a+(1-Ra/Ramax-a)×(12-a) 公式1
当拍摄时间段为下午时，拍摄时间点t通过下面公式计算
t＝12+(Ra/Ramax-b)×(b-12) 公式2
其中：
Ra＝L2/L1，L1≠0，L1为物体所在的目标区域长度，L2为阴影区域长度；
a为日出时间；
b为日落时间；
Ramax-a为预置日出时间点的Ra，
Ramax-b为日落时间点的Ra，Ramax-b＝Ramax-a*(b-12)/(12-a)。
本发明进一步提供一种调节摄像机拍摄参数的方法，包括基于如上所述的视频图像的顺逆光判断方法获得的连续多帧视频图像的顺逆光状态，通过比较该连续多帧视频图像的顺逆光状态调节摄像机的拍摄参数。
本发明进一步提供一种调节摄像机拍摄参数的方法，包括基于如上的视频图像的拍摄时间检测方法获得的连续多帧视频图像的拍摄时间，通过比较该连续多帧视频图像的拍摄时间调节摄像机的拍摄参数。
本发明基于视频图像的时间段检测和顺逆光判断与现有技术相比较的优点在于：
1、利用图像中的阴影图像信息，自动进行顺逆光状态判断和时间段检测的估计。将图像的阴影信息作为有效的特征利用，而不需要人工判断顺逆光状态，也不是简单的去除阴影，能够满足多种场景的应用。
2、利用阴影图像的特征信息，进行顺逆光状态的确定。从整体上把握了图像的阴影信息，优化了利用图像像素亮度统计的复杂度和不稳定性的缺点，提高了判断的准确性。
3、首次利用阴影图像的长度信息，进行时间段检测的估计。增强了抵抗依靠相机的***状态和不同地域差异性的鲁棒性，适应不同场景的要求。
4、利用阴影图像进行拍照时间段检测和顺逆光判断，降低了判断图像顺逆光的计算的复杂度，适用于实时检测***。
附图说明
图1为本发明基于视频图像的顺逆光判断流程图；
图2为本发明基于视频图像的拍摄时间检测的流程图；
图3(a)为本发明实例1的基于视频图像的时间段检测和顺逆光判断逆光原始图像；
图3(b)为图3(a)所示图像的逆光灰度图像；
图3(c)为图3(a)所示图像的逆光灰度图像直方图；
图3(d)为图3(a)所示图像的逆光预处理图像；
图3(e)为图3(a)所示图像的逆光图像目标区域与阴影区域分割图像；
图3(f)为图3(a)所示图像的逆光图像目标区域与阴影区域长度示意图；
图3(g)为图3(a)所示图像的逆光图像目标区域与阴影区域夹角示意图；
图4(a)为本发明实例2的基于视频图像的时间段检测和顺逆光判断顺光原始图像；
图4(b)为图4(a)所示图像的顺光图像目标与阴影分割图像；
图4(c)为图4(a)所示图像的顺光图像目标与阴影图像夹角示意图；
图4(d)为图4(a)所示图像的顺光图像目标与阴影图像长度示意图；
具体实施方式
下面参照附图对本发明的优选实施例进行详细说明，在描述过程中省略了对于本发明来说是不必要的细节和功能，以防止对本发明的理解造成混淆。
下面参考图1和图3(a)-3(g)描述根据本发明的判断顺逆光的方法。
首先，从视频图像帧序列中获取一帧原始视频图像。
从彩***序列中读取视频数据，并进一步读取第一帧视频图像如图3(a)的灰度值I(x，y)，该视频图像宽为W个像素，高为H个像素，(x，y)为该视频图像上图像像素点的坐标，0＜＝x＜＝W-1，0＜＝y＜＝H-1，其中H、W为正整数，I(x，y)为0～255之间数值。如图3(a)所示，场景中的目标有明显的阴影，需要对图像进行处理得到目标和阴影。
优选地，对该帧原始视频图像进行预处理。
对视频数据进行预处理包括对利用中值滤波消除整幅图像的图像噪声，利用高斯滤波消除图像噪声，利用高斯滤波进行图像分块增强，和利用灰度直方图调整图像的对比度中的一种或多种。
例如，可以利用已经读取的灰度图像如图3(b)所示，对图像进行例如中值滤波的处理，中值滤波采用例如3*3邻域，以消除图像中的噪声区域。进一步，依据图像的灰度直方图统计信息，如图3(c)所示，对灰度值在阈值(τ1，τ2)之间的图像进行增强，处理后的图象如图3(d)。
随后，对获取的该帧视频图像进行物体目标检测和阴影检测以确定物体所在的目标区域和阴影区域。
将图像进行边缘提取，例如，对图像做Gauss-Lapplace变换，得到物体目标和阴影的边缘。利用诸如轮廓跟踪方法和/或灰度方差阈值方法的分割方法对得到的边缘进行处理，得到物体目标区域及阴影区域，如图3(e)所示，其中区域的轮廓线301标示物体所在的目标区域，轮廓线302标示阴影区域，线段303表示目标区域与阴影区域的分割线。
随后，分别获取物体所在的目标区域及阴影区域的特征。
在根据本发明的实施例中，区域的特征包括区域的周长，区域的面积和区域的惯性主轴。区域周长C的计算方法为该区域边界线的像素个数总和，区域面积S为该区域内的像素个数的总和，由此得到物体所在的目标区域的周长C1和面积S1，以及阴影区域的周长C2和面积S2。在对区域进行特征计算的过程中需要判断图像中的点是否在外轮廓线301及线段303构成的物体目标区域内或者在轮廓线302及线段303构成的阴影区域内。例如区域内轮廓边界点为p1(x，y)，p2(x，y)，p3(x，y)，p4(x，y)，p5(x，y)，p6(x，y)，判断像素点(x，y)是否在以上六点封闭的区域内，就是从该点出发引一条射线，判断这条射线和封闭区域边界相交的交点数目：如果有奇数个交点，则说明该点在该区域的内部，如果有偶数个交点，则说明该点在该区域的外部。由物体所在的目标区域轮廓和阴影区域轮廓可以得到目标区域惯性主轴和阴影区域惯性主轴的位置，在图3(f)中分别以惯性主轴与x方向的夹角θ1和θ2标注惯性主轴的位置，为计算该图像的时间段和判断顺逆光做准备。
如图3(f)所示，由得到的物体所在的目标区域和阴影区域的惯性主轴与水平x方向的夹角分别为θ1和θ2，沿着夹角θ1、θ2的方向分别得到物体所在的目标区域轮廓和阴影区域轮廓沿惯性主轴方向的最大长度为L1和L2，下文分别称为物体所在的目标区域沿其惯性主轴方向的长度和阴影区域沿其惯性主轴方向的长度。
随后，根据物体所在的目标区域的特征和阴影区域的特征判断该帧原始视频图像的顺逆光状态。
计算得到的区域特征有周长C1和C2、面积S1和S2、惯性主轴方向θ1和θ2，如果f(C1，C2)∈thc并且g(S1，S2)∈ths，则认为物体目标周围环境对该物体目标的阴影没有影响，该图像可用于逆光状态或者顺光状态的判断，其中f和g为数学运算关系，例如f表示C1，C2之间约束的关系，表示限制周长间差异范围处于一定的数值区间，g表示S1和S2间的约束关系，表示限制面积间差异范围处于一定的数值区间。求出物体所在的目标区域的惯性主轴和阴影区域的惯性主轴之间的夹角θ。当θ＜＝thθ则图像属于顺光状态，当θ＞thθ则图像属于逆光状态。上述内容中thc，ths和thθ分别为用于判断顺逆光状态的周长阈值，面积阈值和角度阈值，例如thθ范围为0～180度。如图3(g)所示为图像拍摄状态为逆光状态。
下面参考图2和图3(a)-3(f)描述根据本发明的检测图像拍摄时间段的方法。
首先，从视频图像帧序列中获取一帧原始视频图像。
从彩***序列中读取视频数据，并进一步读取第一帧视频图像如图3(a)的灰度值I(x，y)，该视频图像宽为W个像素，高为H个像素，(x，y)为该视频图像上图像像素点的坐标，0＜＝x＜＝W-1，0＜＝y＜＝H-1，其中H、W为正整数，I(x，y)为0～255之间数值。如图3(a)所示，场景中的目标有明显的阴影，需要对图像进行处理得到目标和阴影。
优选地，对该帧原始视频图像进行预处理。
对视频数据进行预处理包括对利用中值滤波消除整幅图像的图像噪声，利用高斯滤波消除图像噪声，利用高斯滤波进行图像分块增强，和利用灰度直方图调整图像的对比度中的一种或多种。
例如，可以利用已经读取的灰度图像如图3(b)所示，对图像进行例如中值滤波的处理，中值滤波采用例如3*3邻域，以消除图像中的噪声区域。进一步，依据图像的灰度直方图统计信息，如图3(c)所示，对灰度值在阈值(τ1，τ2)之间的图像进行增强，处理后的图像如图3(d)。
随后，对获取的该帧视频图像进行物体目标检测和阴影检测以确定物体所在的目标区域和阴影区域。
将图像进行边缘提取，例如，对图像做Gauss-Lapplace变换，得到物体目标和阴影的边缘。利用诸如轮廓跟踪方法和/或灰度方差阈值方法的分割方法对得到的边缘进行处理，得到物体所在的目标区域及阴影区域，如图3(e)所示，其中区域的轮廓线301标示物体目标区域，轮廓线302标示阴影区域，线段303表示目标区域与阴影区域的分割线。
随后，分别获取物体所在的目标区域的特征和阴影区域的特征。
在根据本发明的实施例中，区域的特征包括区域的周长，区域的面积和区域的惯性著有。区域周长C的计算方法为该区域边界线的像素个数总和，区域面积S为该区域内的像素个数的总和，由此得到物体目标区域的周长C1和面积S1，以及阴影区域的周长C2和面积S2。在对区域进行特征计算的过程中需要判断图像中的点是否在外轮廓线301及线段303构成的物体目标区域内或者在轮廓线302及线段303构成的阴影区域内。例如区域内轮廓边界点为p1(x，y)，p2(x，y)，p3(x，y)，p4(x，y)，p5(x，y)，p6(x，y)，判断像素点(x，y)是否在以上六点封闭的区域内，就是从该点出发引一条射线，判断这条射线和封闭区域边界相交的交点数目：如果有奇数个交点，则说明该点在该区域的内部，如果有偶数个交点，则说明该点在该区域的外部。由物体目标区域轮廓和阴影区域轮廓可以得到目标区域惯性主轴和阴影区域惯性主轴的位置，在图3(f)中分别以惯性主轴与x方向的夹角θ1和θ2标注惯性主轴的位置，为计算该图像的时间段和判断顺逆光做准备。
如图3(f)所示，由得到的物体所在的目标区域及阴影区域的惯性主轴与水平x方向的夹角分别为θ1和θ2，沿着夹角θ1、θ2分别得到物体目标区域轮廓和阴影区域轮廓沿惯性主轴方向的最大长度为L1和L2，下文分别称为物体目标区域沿其惯性主轴方向的长度和阴影区域沿其惯性主轴方向的长度。
随后，根据物体所在的目标区域的特征和阴影区域的特征检测该帧原始视频图像的拍摄时间。
利用如上所述求出的惯性主轴方向θ1和θ2，物体目标区域和阴影区域的最大长度L1和L2，可以进行拍摄时间段的判断。依据常识可以得到目标阴影的长度L2＝0时，为正午12点。依据Ra＝L2/L1，L1≠0可以得到具体的拍摄时间段。如图3(f)所示物体目标区域长度为L1，阴影区域长度为L2，当L2随时间逐渐减小时判断拍摄时间为上午时间，反之为下午时间。假设太阳从早上a点升起到晚上b点落下，上午共经过时间为(12-a)个小时，下午经过(b-12)个小时，其中a和b根据季节变化设定，当设定了a，b时间点后，需要给出a时刻点目标图像一张，计算出Ramax-a＝L2-a/L1-a。当判断上午时间的时间段时，Ra达到最大Ramax-a时为a点时间，从a点时间到正午12时期间的时间段内时间点的检测通过Ra及Ramax-a按照下式计算得出，
t＝a+(1-Ra/Ramax-a)×(12-a) 公式1。
同理判断下午时间的时间段时，Ra达到最大Ramax-b时为b点时间，Ramax-b可以通过Ramax-a计算得出即Ramax-b＝Ramax-a×(b-12)/(12-a)。由正午12点时到b点时间的时间段内时间点的检测通过Ra及Ramax-b按照下式计算得出，
t＝12+(Ra/Ramax-b)×(b-12) 公式2。
由此，通过对视频图像进行分析得到物体目标区域和阴影区域，分别对物体目标区域和阴影区域进行特征计算获取各区域的特征，可以进行顺逆光判断和时间段的判断。
下面借助实例对本发明的检测视频图像的时间段和判断顺逆光状态的方法进行说明。
实例1
图3(a)-3(g)示出了根据本发明实例1的检测时间段和判断顺逆光方法的示意图像。
在该实例中，物体目标区域的周长C1为340，面积S1为6386，θ1为90°，L1为103；阴影区域的周长C2为235和面积S2为2898，θ2为62°，L2为49。按照如上所述的方法，可以得到θ＝149°，Ra＝0.476。实例中，thc，ths和thθ分别为10，1和90。因为f(C1，C2)＝3.7∈thc，g(S1，S2)＝0.85∈ths，所以该图像可以进行顺逆光状态的判断。因为θ＞thθ，所以该图像属于逆光状态。由该图像的L2＝49，因为Ra＝0.476，b点为19点，Ramax-b＝0.93根据公式2可以判断该图片的拍摄时间为15:34。
实例2
图4(a)-4(d)示出了根据本发明实例2的检测时间段和判断顺逆光方法的示意图像。
在该实例中，物体目标区域的周长为487，面积S1为14160，θ1为90°，L1为155；阴影区域的周长C2为310和面积S2为3540，θ2为27°，L2为120。按照如上所述的方法，可以得到θ＝8°，Ra＝0.77。实例中，thc，ths和thθ分别为0.1～10，0～1和90°。因为f(C1，C2)＝1.56∈thc，g(S1，S2)＝0.43∈ths，所以该图像可以顺逆光状态的判断。因为θ＜＝thθ，所以该图像属于顺光状态。由该图像的L2＝120，因为Ra＝0.77，a点为6点，Ramax-a＝2.25根据公式1(或2)可以判断该图片的拍摄时间为9:57。
实例3
根据如上所述计算的时间参数及顺逆光状态，可以对摄像机或照相机中的拍摄参数进行及时调节，以获得更好的拍摄质量。
利用摄像机或照相机获取一系列视频图像，获取各图片或各帧图像的平均亮度，拍摄的顺逆光状态和时间段。根据图片或图像的拍摄信息，调节照相机或摄像机的拍摄参数。在调整摄像机或照相机的拍摄参数后，获取图像。计算调整后图像的平均灰度Iavg(x，y)。当调整后图像的亮度与调整前图像的亮度差值较大并且与调整前的几幅或几帧的图像均存在较大的亮度差值时，可以重新拍摄图像并计算时间段及顺逆光判断，以便重新确定相机参数，达到更好的拍摄效果。
虽然这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。
Claims (6)
1.一种视频图像的顺逆光判断方法，其特征在于，该方法包括：
利用分块灰度阈值的方法分别获取物体所在的目标区域和阴影区域的周长、面积和惯性主轴的位置；
分别计算得到目标区域和阴影区域的周长C1和C2、目标区域和阴影区域的面积S1和S2、目标区域和阴影区域的惯性主轴方向θ1和θ2，其中θ1和θ2为目标区域和阴影区域的惯性主轴与水平方向的夹角，如果f(C1,C2)∈thc并且g(S1,S2)∈ths，则认为物体目标周围环境对该物体目标的阴影没有影响，该图像可用于逆光状态或者顺光状态的判断，其中f和g为数学运算关系，f表示C1，C2之间约束的关系，表示限制周长间差异范围处于一定的数值区间，g表示S1和S2间的约束关系，表示限制面积间差异范围处于一定的数值区间；求出物体所在的目标区域的惯性主轴和阴影区域的惯性主轴之间的夹角θ，当θ＜＝thθ则图像属于顺光状态，当θ＞thθ则图像属于逆光状态，其中thc、ths和thθ分别为用于判断顺逆光状态的周长阈值、面积阈值和角度阈值。
2.根据权利要求1所述的视频图像的顺逆光判断方法，其特征在于，区域周长的计算方法为该区域边界线的像素个数总和，区域面积为该区域内的像素个数的总和，由物体所在的目标区域轮廓和阴影区域轮廓可以得到目标区域惯性主轴和阴影区域惯性主轴的位置。
3.一种调节摄像机拍摄参数的方法，包括：
利用摄像机或照相机获取一系列视频图像，获取各图片或各帧图像的平均亮度，
根据权利要求1所述的视频图像的顺逆光判断方法确定拍摄的顺逆光状态，
根据图片或图像的拍摄信息，调节照相机或摄像机的拍摄参数，
在调整摄像机或照相机的拍摄参数后，获取图像，计算调整后图像的平均灰度，当调整后图像的亮度与调整前图像的亮度差值较大并且与调整前的几幅或几帧的图像均存在较大的亮度差值时，重新拍摄图像并计算时间段及顺逆光判断，以便重新确定相机参数，达到更好的拍摄效果。
4.一种视频图像的拍摄时间检测方法，其特征在于，该方法包括：
利用分块灰度阈值的方法分别获取物体所在的目标区域和阴影区域的周长、面积和惯性主轴的位置；
利用目标区域及阴影区域的惯性主轴与水平方向的夹角，分别求出物体目标区域轮廓和阴影区域轮廓沿惯性主轴方向的最大长度为L1和L2；
当拍摄时间段为上午时，拍摄时间点t通过下面公式计算：
t＝a+(1-Ra/Ramax-a)×(12-a) 公式1
当拍摄时间段为下午时，拍摄时间点t通过下面公式计算
t＝12+(Ra/Ramax-b)×(b-12) 公式2
其中：
Ra＝L2/L1,L1≠0，L1为物体所在的目标区域长度，L2为阴影区域长度；
a为日出时间；
b为日落时间；
Ramax-a为预置日出时间点的Ra，
Ramax-b为日落时间点的Ra，Ramax-b＝Ramax-a*(b-12)/(12-a)。
5.根据权利要求4所述的一种视频图像的拍摄时间检测方法，其特征在于，区域周长的计算方法为该区域边界线的像素个数总和，区域面积为该区域内的像素个数的总和，由物体所在的目标区域轮廓和阴影区域轮廓可以得到目标区域惯性主轴和阴影区域惯性主轴的位置。
6.一种调节摄像机拍摄参数的方法，包括：
利用摄像机或照相机获取一系列视频图像，获取各图片或各帧图像的平均亮度，
按照权利要求4所述的一种视频图像的拍摄时间检测方法检测拍摄的时间段，
根据图片或图像的拍摄信息，调节照相机或摄像机的拍摄参数，在调整摄像机或照相机的拍摄参数后，获取图像，计算调整后图像的平均灰度，当调整后图像的亮度与调整前图像的亮度差值较大并且与调整前的几幅或几帧的图像均存在较大的亮度差值时，重新拍摄图像并计算时间段及顺逆光判断，以便重新确定相机参数，达到更好的拍摄效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010599303.1A CN102542552B (zh) | 2010-12-21 | 2010-12-21 | 视频图像的顺逆光判断和拍摄时间检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010599303.1A CN102542552B (zh) | 2010-12-21 | 2010-12-21 | 视频图像的顺逆光判断和拍摄时间检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102542552A CN102542552A (zh) | 2012-07-04 |
| CN102542552B true CN102542552B (zh) | 2015-06-03 |
Family
ID=46349376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010599303.1A Active CN102542552B (zh) | 2010-12-21 | 2010-12-21 | 视频图像的顺逆光判断和拍摄时间检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102542552B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103854009B (zh) * | 2012-12-05 | 2017-12-29 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN103905737B (zh) * | 2012-12-25 | 2017-09-29 | 联想(北京)有限公司 | 逆光检测方法及装置 |
| CN103646392B (zh) * | 2013-11-21 | 2016-10-26 | 华为技术有限公司 | 逆光检测方法及设备 |
| DE102015216908A1 (de) * | 2015-09-03 | 2017-03-09 | Robert Bosch Gmbh | Verfahren zum Erkennen von Objekten auf einer Abstellfläche |
| CN105227843A (zh) * | 2015-10-20 | 2016-01-06 | 宇龙计算机通信科技(深圳)有限公司 | 终端的拍摄控制方法、终端的拍摄控制装置和终端 |
| CN105635583A (zh) * | 2016-01-27 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种拍摄方法及装置 |
| CN107948538B (zh) * | 2017-11-14 | 2020-02-21 | Oppo广东移动通信有限公司 | 成像方法、装置、移动终端和存储介质 |
| CN109522839A (zh) * | 2018-11-15 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 一种人脸皮肤区域确定方法、装置、终端设备及存储介质 |
| CN111240184B (zh) * | 2020-02-21 | 2021-12-31 | 华为技术有限公司 | 钟表误差的确定方法、终端、计算机存储介质 |
| CN111526291B (zh) * | 2020-04-29 | 2022-07-05 | 济南博观智能科技有限公司 | 摄像机监控方向确定方法、装置、设备及存储介质 |
| CN113705501B (zh) * | 2021-09-02 | 2024-04-26 | 浙江索思科技有限公司 | 一种基于图像识别技术的海上目标检测方法和*** |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1269083C (zh) * | 2004-07-22 | 2006-08-09 | 上海交通大学 | 航空图像中阴影投影方向的获取方法 |
| CN101016053A (zh) * | 2007-01-25 | 2007-08-15 | 吉林大学 | 高等级公路上车辆防追尾碰撞预警方法和*** |
| CN100480830C (zh) * | 2007-01-30 | 2009-04-22 | 北京中星微电子有限公司 | 一种逆光检测方法、逆光补偿终止检测方法及相应装置 |
| CN101493322A (zh) * | 2009-02-04 | 2009-07-29 | 天津大学 | 基于视频中太阳影子轨迹的经纬度估计方法 |
| JP5299912B2 (ja) * | 2009-04-20 | 2013-09-25 | 株式会社ザクティ | 撮像装置及び画像ファイルのデータ構造 |
-
2010
- 2010-12-21 CN CN201010599303.1A patent/CN102542552B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102542552A (zh) | 2012-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
| Liba et al. | Handheld mobile photography in very low light. | |
| WO2020259118A1 (en) | Method and device for image processing, method and device for training object detection model | |
| US10963993B2 (en) | Image noise intensity estimation method, image noise intensity estimation device, and image recognition device | |
| CN110334635B (zh) | 主体追踪方法、装置、电子设备和计算机可读存储介质 | |
| CN107256225B (zh) | 一种基于视频分析的热度图生成方法及装置 | |
| US9710715B2 (en) | Image processing system, image processing device, and image processing method | |
| US9524558B2 (en) | Method, system and software module for foreground extraction | |
| CN112396116B (zh) | 一种雷电检测方法、装置、计算机设备及可读介质 | |
| WO2020253618A1 (zh) | 一种视频抖动的检测方法及装置 | |
| EP3798975B1 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
| CN111062293B (zh) | 一种基于深度学习的无人机森林火焰识别方法 | |
| CN104182721A (zh) | 提升人脸识别率的图像处理***及图像处理方法 | |
| WO2018068300A1 (zh) | 图像处理方法和装置 | |
| US11836903B2 (en) | Subject recognition method, electronic device, and computer readable storage medium | |
| WO2021093534A1 (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
| Kim et al. | Radiometric calibration with illumination change for outdoor scene analysis | |
| CN103258332A (zh) | 一种抗光照变化的运动目标检测方法 | |
| US20220270266A1 (en) | Foreground image acquisition method, foreground image acquisition apparatus, and electronic device | |
| TWI425446B (zh) | 日夜環境物件偵測方法 | |
| CN104915933A (zh) | 一种基于apso-bp耦合算法的雾天图像增强方法 | |
| CN103049748A (zh) | 行为监测方法及装置 | |
| CN112801891B (zh) | 显示屏画面检测方法、显示屏画面检测*** | |
| CN105844671B (zh) | 一种变光照条件下的快速背景减除法 | |
| US20130286245A1 (en) | System and method for minimizing flicker |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP03 | Change of name, title or address |
Address after: 100193, Haidian District, Zhongguancun Software Park, building 9, international software building, block 3, block A, Beijing Patentee after: BEIJING DIGITAL ZHITONG TECHNOLOGY CO., LTD. Address before: 100193 room 2, building eight, 310 South Road, Zhongguancun Software Park South Road, Haidian District, Beijing Patentee before: Beijing Hanwang Intelligent Traffic Technology Co., Ltd. |