CN107801006A - 一种智能化电视机监控方法 - Google Patents
一种智能化电视机监控方法 Download PDFInfo
- Publication number
- CN107801006A CN107801006A CN201711142326.8A CN201711142326A CN107801006A CN 107801006 A CN107801006 A CN 107801006A CN 201711142326 A CN201711142326 A CN 201711142326A CN 107801006 A CN107801006 A CN 107801006A
- Authority
- CN
- China
- Prior art keywords
- image
- equipment
- training
- scene
- real
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 57
- 238000001514 detection method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000007665 sagging Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种智能化电视机监控方法,所述方法包括使用智能化电视机监控平台以借助现有的电视机设备对观众的实时状态进行监控,所述智能化电视机监控平台包括:现场拍摄设备,设置在电视机的外框架上,用于面向观众进行观看环境图像数据采集,以获得并输出观看环境图像;亮度测量设备,设置在电视机的外框架上、现场拍摄设备的附近,用于对所述现场拍摄设备所在环境的光线亮度进行实时检测,以获得并输出实时光线亮度;照明光源,设置在电视机的外框架上、现场拍摄设备的附近,与所述亮度测量设备连接,用于接收所述实时光线亮度,并在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光。
Description
技术领域
本发明涉及电视机领域,尤其涉及一种智能化电视机监控方法。
背景技术
电视信号***包括公共信号通道、伴音通道和视放末级电路三个部分,他们的主要作用是对天线接收到的高频信号(包括图像信号和伴音信号)进行放大和处理,最终在荧光屏上重现出图像,并在扬声器中还原出伴音。由高频放大器、混频器和本机振荡器三部分组成。
***其作用是选择并放大由天线接收电视高额调谐器到的高频电视节目信号,经过混频处理得到38MHz的图像中额信号和31.5MHz的伴音中频(第一中频)信号声表面的作用是形成图像中放的幅频特性;预中放的作用:放大信号(20dB放大量),补偿声表面滤波器对信号的损耗;表面滤波器实现高额调谐器与图像中放之间的阻抗匹配。ACC(自动增益控制)电路:通过控制中放和高放电路的增益,从而保持检波器输出AGC和ANC的视频信号电压幅度基本稳定;ANC(自动噪声抑制)电路:减小电视外来噪渡信号对电视机的影响和干扰。
现有技术中电视机,只关注于自身的结构设计和信号处理,对观看电视机的用户的当前状态缺乏有效的检测机制,防沉迷***也仅仅限于通过时间进行约束,设计思路过于简单。
发明内容
为了解决上述问题,本发明提供了一种智能化电视机监控方法,改造电视机的现有结构,将现场拍摄设备设置在电视机的外框架上,用于面向观众进行观看环境图像数据采集,以获得并输出观看环境图像,并对观看环境图像进行各种有针对性的图像处理以及自适应深度神经网络的图像识别,从而能够准确地获知观众的当前状态。
根据本发明的一方面,提供了一种智能化电视机监控方法,所述方法包括使用智能化电视机监控平台以借助现有的电视机设备对观众的实时状态进行监控,所述智能化电视机监控平台包括:
现场拍摄设备,设置在电视机的外框架上,用于面向观众进行观看环境图像数据采集,以获得并输出观看环境图像;
亮度测量设备,设置在电视机的外框架上、现场拍摄设备的附近,用于对所述现场拍摄设备所在环境的光线亮度进行实时检测,以获得并输出实时光线亮度。
优选地,所述平台还包括:照明光源,设置在电视机的外框架上、现场拍摄设备的附近,与所述亮度测量设备连接,用于接收所述实时光线亮度,并在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光。
优选地,所述平台还包括:场景检测设备,与所述现场拍摄设备连接,位于电视机的集成电路板上,用于接收观看环境图像,获取所述观看环境图像中各个像素点的R通道像素值、G通道像素值和B通道像素值,确定每一个像素点的R通道像素值的各个方向的梯度以作为R通道梯度,确定每一个像素点的G通道像素值的各个方向的梯度以作为G通道梯度,确定每一个像素点的B通道像素值的各个方向的梯度以作为B通道梯度,基于各个像素点的R通道梯度、G通道梯度和B通道梯度确定所述观看环境图像对应的场景复杂度。
优选地,所述平台还包括:
识别决策设备,与所述场景检测设备连接,用于在接收到的场景复杂度大于等于预设复杂度阈值时,选择与场景复杂度对应数量的训练图像作为预设训练数量,场景复杂度越高,训练图像的数量越多,以及还用于在接收到的场景复杂度小于预设复杂度阈值时,选择固定数量的训练图像作为预设训练数量;
训练图像获取设备,与所述识别决策设备连接,对于每一类型场景,选取预设训练数量的图像作为训练图像,将所有类型场景的训练图像都转换到YUV颜色空间以获得多个训练颜色图像;
图像预处理设备,与训练图像获取设备连接,用于接收所述多个训练颜色图像,对所述多个训练颜色图像分别执行归一化处理以获得固定尺寸的多个标准训练图像;
特征提取设备,分别与所述场景检测设备和所述图像预处理设备连接,依照场景复杂度确定选择的模型的输入量类型,依照选择的输入量类型对每一个标准训练图像进行特征提取以获得符合选择的输入量类型的、该标准训练图像对应的训练特征量,其中,场景复杂度越高,选择的模型的输入量类型对应的数据处理量越多;
模型训练设备,与所述特征提取设备连接,用于接收各个标准训练图像对应的各个训练特征量,将各个训练特征量分别输出到模型中以完成模型参数的训练,其中,模型包括输入层、隐含层和输出层,模型的输出层的输出量为眼帘图像;
模型执行设备,分别与所述特征提取设备和所述场景检测设备连接,用于接收观看环境图像,对观看环境图像依次YUV颜色空间转换、归一化处理以及依照选择的输入量类型的特征提取以获得符合选择的输入量类型的、所述观看环境图像对应的识别特征量,将所述观看环境图像对应的识别特征量作为训练后模型的输入层的输入,以获取观众的眼帘图像,并基于观众的眼帘图像在所述观看环境图像的位置和占据比例以及观众的眼帘图像的本身尺寸确定观众眼帘下垂幅值。
优选地,所述平台还包括:SD存储卡,与所述识别决策设备连接,用于预先存储预设复杂度阈值,还用于存储所述识别决策设备输出的预设训练数量。
优选地,所述照明光源在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光包括:基于所述实时光线亮度超限程度提供对应的、不同强度的辅助照明光。
优选地,所述模型执行设备还与电视机的显示屏连接,用于将确定的观众眼帘下垂幅值发送到电视机的显示屏上以进行实时显示。
本发明至少具有以下三个重要发明点:
(1)通过各个像素点的R通道梯度、G通道梯度和B通道梯度来确定图像的场景复杂度,提高了场景复杂度的测量精度;
(2)搭建了基于场景复杂度大小的神经网络的训练方案,从而保证了神经网络的各项参数的有效性;
(3)对现有的电视机进行硬件结构改造,丰富了电视机的功能。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的智能化电视机监控平台的现场拍摄设备的结构示意图。
图2为根据本发明实施方案示出的智能化电视机监控平台的结构方框图。
附图标记:1摄像头;2长焦距镜头;3对焦传动单元;4镜头转换器;5对焦旋转电机;6电机驱动单元;7计算处理单元;21对焦环
具体实施方式
下面将参照附图对本发明的智能化电视机监控方法的实施方案进行详细说明。
当前的电视机的智能化方向限于自身结构的升级,缺乏对对立面的观众的状态检测机制。为了克服上述不足,本发明搭建了一种智能化电视机监控方法,所述方法包括使用智能化电视机监控平台以借助现有的电视机设备对观众的实时状态进行监控。所述智能化电视机监控平台的具体实施方案如下。
图1为根据本发明实施方案示出的智能化电视机监控平台的现场拍摄设备的结构示意图。
所述现场拍摄设备由以下及部分组成:摄像头1、长焦距镜头2、对焦传动单元3、镜头转换器4、对焦旋转电机5、电机驱动单元6、计算处理单元7。摄像头1和镜头2通过镜头转换器4连接;对焦传动单元3和镜头2上的对焦环21以及对焦旋转电机5连接;对焦旋转电机5和电机驱动单元6电气连接;计算处理单元7和电机驱动单元6信号连接,可以通过电机驱动单元6控制对焦旋转电机5的转动;计算处理单元7和摄像头1连接,处理来自摄像头1的图像。
图2为根据本发明实施方案示出的智能化电视机监控平台的结构方框图,所述平台包括:
现场拍摄设备,设置在电视机的外框架上,用于面向观众进行观看环境图像数据采集,以获得并输出观看环境图像;
亮度测量设备,设置在电视机的外框架上、现场拍摄设备的附近,用于对所述现场拍摄设备所在环境的光线亮度进行实时检测,以获得并输出实时光线亮度。
接着,继续对本发明的智能化电视机监控平台的具体结构进行进一步的说明。
所述智能化电视机监控平台中还可以包括:
照明光源,设置在电视机的外框架上、现场拍摄设备的附近,与所述亮度测量设备连接,用于接收所述实时光线亮度,并在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光。
所述智能化电视机监控平台中还可以包括:
场景检测设备,与所述现场拍摄设备连接,位于电视机的集成电路板上,用于接收观看环境图像,获取所述观看环境图像中各个像素点的R通道像素值、G通道像素值和B通道像素值,确定每一个像素点的R通道像素值的各个方向的梯度以作为R通道梯度,确定每一个像素点的G通道像素值的各个方向的梯度以作为G通道梯度,确定每一个像素点的B通道像素值的各个方向的梯度以作为B通道梯度,基于各个像素点的R通道梯度、G通道梯度和B通道梯度确定所述观看环境图像对应的场景复杂度。
所述智能化电视机监控平台中还可以包括:
识别决策设备,与所述场景检测设备连接,用于在接收到的场景复杂度大于等于预设复杂度阈值时,选择与场景复杂度对应数量的训练图像作为预设训练数量,场景复杂度越高,训练图像的数量越多,以及还用于在接收到的场景复杂度小于预设复杂度阈值时,选择固定数量的训练图像作为预设训练数量;
训练图像获取设备,与所述识别决策设备连接,对于每一类型场景,选取预设训练数量的图像作为训练图像,将所有类型场景的训练图像都转换到YUV颜色空间以获得多个训练颜色图像;
图像预处理设备,与训练图像获取设备连接,用于接收所述多个训练颜色图像,对所述多个训练颜色图像分别执行归一化处理以获得固定尺寸的多个标准训练图像;
特征提取设备,分别与所述场景检测设备和所述图像预处理设备连接,依照场景复杂度确定选择的模型的输入量类型,依照选择的输入量类型对每一个标准训练图像进行特征提取以获得符合选择的输入量类型的、该标准训练图像对应的训练特征量,其中,场景复杂度越高,选择的模型的输入量类型对应的数据处理量越多;
模型训练设备,与所述特征提取设备连接,用于接收各个标准训练图像对应的各个训练特征量,将各个训练特征量分别输出到模型中以完成模型参数的训练,其中,模型包括输入层、隐含层和输出层,模型的输出层的输出量为眼帘图像;
模型执行设备,分别与所述特征提取设备和所述场景检测设备连接,用于接收观看环境图像,对观看环境图像依次YUV颜色空间转换、归一化处理以及依照选择的输入量类型的特征提取以获得符合选择的输入量类型的、所述观看环境图像对应的识别特征量,将所述观看环境图像对应的识别特征量作为训练后模型的输入层的输入,以获取观众的眼帘图像,并基于观众的眼帘图像在所述观看环境图像的位置和占据比例以及观众的眼帘图像的本身尺寸确定观众眼帘下垂幅值。
所述智能化电视机监控平台中还可以包括:
SD存储卡,与所述识别决策设备连接,用于预先存储预设复杂度阈值,还用于存储所述识别决策设备输出的预设训练数量。
在所述智能化电视机监控平台中:
所述照明光源在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光包括:基于所述实时光线亮度超限程度提供对应的、不同强度的辅助照明光。
以及在所述智能化电视机监控平台中:
所述模型执行设备还与电视机的显示屏连接,用于将确定的观众眼帘下垂幅值发送到电视机的显示屏上以进行实时显示。
同时,为了克服上述不足,本发明还搭建了一种智能化电视机监控方法,所述方法包括使用如上述的智能化电视机监控平台以借助现有的电视机设备对观众的实时状态进行监控。
采用本发明的智能化电视机监控平台,针对现有技术中电视机智能化方向受限的技术问题,通过图像识别的方式,获取观众的眼帘图像,并基于观众的眼帘图像在图像的位置和占据比例以及观众的眼帘图像的本身尺寸确定观众眼帘下垂幅值,同时将确定的观众眼帘下垂幅值发送到电视机的显示屏上以进行实时显示,从而解决了上述技术问题。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (7)
1.一种智能化电视机监控方法,所述方法包括使用智能化电视机监控平台以借助现有的电视机设备对观众的实时状态进行监控,所述智能化电视机监控平台包括:
现场拍摄设备,设置在电视机的外框架上,用于面向观众进行观看环境图像数据采集,以获得并输出观看环境图像;
亮度测量设备,设置在电视机的外框架上、现场拍摄设备的附近,用于对所述现场拍摄设备所在环境的光线亮度进行实时检测,以获得并输出实时光线亮度。
2.如权利要求1所述的方法,其特征在于,所述平台还包括:
照明光源,设置在电视机的外框架上、现场拍摄设备的附近,与所述亮度测量设备连接,用于接收所述实时光线亮度,并在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光。
3.如权利要求2所述的方法,其特征在于,所述平台还包括:
场景检测设备,与所述现场拍摄设备连接,位于电视机的集成电路板上,用于接收观看环境图像,获取所述观看环境图像中各个像素点的R通道像素值、G通道像素值和B通道像素值,确定每一个像素点的R通道像素值的各个方向的梯度以作为R通道梯度,确定每一个像素点的G通道像素值的各个方向的梯度以作为G通道梯度,确定每一个像素点的B通道像素值的各个方向的梯度以作为B通道梯度,基于各个像素点的R通道梯度、G通道梯度和B通道梯度确定所述观看环境图像对应的场景复杂度。
4.如权利要求3所述的方法,其特征在于,所述平台还包括:
识别决策设备,与所述场景检测设备连接,用于在接收到的场景复杂度大于等于预设复杂度阈值时,选择与场景复杂度对应数量的训练图像作为预设训练数量,场景复杂度越高,训练图像的数量越多,以及还用于在接收到的场景复杂度小于预设复杂度阈值时,选择固定数量的训练图像作为预设训练数量;
训练图像获取设备,与所述识别决策设备连接,对于每一类型场景,选取预设训练数量的图像作为训练图像,将所有类型场景的训练图像都转换到YUV颜色空间以获得多个训练颜色图像;
图像预处理设备,与训练图像获取设备连接,用于接收所述多个训练颜色图像,对所述多个训练颜色图像分别执行归一化处理以获得固定尺寸的多个标准训练图像;
特征提取设备,分别与所述场景检测设备和所述图像预处理设备连接,依照场景复杂度确定选择的模型的输入量类型,依照选择的输入量类型对每一个标准训练图像进行特征提取以获得符合选择的输入量类型的、该标准训练图像对应的训练特征量,其中,场景复杂度越高,选择的模型的输入量类型对应的数据处理量越多;
模型训练设备,与所述特征提取设备连接,用于接收各个标准训练图像对应的各个训练特征量,将各个训练特征量分别输出到模型中以完成模型参数的训练,其中,模型包括输入层、隐含层和输出层,模型的输出层的输出量为眼帘图像;
模型执行设备,分别与所述特征提取设备和所述场景检测设备连接,用于接收观看环境图像,对观看环境图像依次YUV颜色空间转换、归一化处理以及依照选择的输入量类型的特征提取以获得符合选择的输入量类型的、所述观看环境图像对应的识别特征量,将所述观看环境图像对应的识别特征量作为训练后模型的输入层的输入,以获取观众的眼帘图像,并基于观众的眼帘图像在所述观看环境图像的位置和占据比例以及观众的眼帘图像的本身尺寸确定观众眼帘下垂幅值。
5.如权利要求4所述的方法,其特征在于,所述平台还包括:
SD存储卡,与所述识别决策设备连接,用于预先存储预设复杂度阈值,还用于存储所述识别决策设备输出的预设训练数量。
6.如权利要求5所述的方法,其特征在于:
所述照明光源在所述实时光线亮度超限时,为所述现场拍摄设备的观看环境图像数据采集提供辅助照明光包括:基于所述实时光线亮度超限程度提供对应的、不同强度的辅助照明光。
7.如权利要求6所述的方法,其特征在于:
所述模型执行设备还与电视机的显示屏连接,用于将确定的观众眼帘下垂幅值发送到电视机的显示屏上以进行实时显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711142326.8A CN107801006B (zh) | 2017-11-17 | 2017-11-17 | 一种智能化电视机监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711142326.8A CN107801006B (zh) | 2017-11-17 | 2017-11-17 | 一种智能化电视机监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107801006A true CN107801006A (zh) | 2018-03-13 |
CN107801006B CN107801006B (zh) | 2018-06-29 |
Family
ID=61535144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711142326.8A Active CN107801006B (zh) | 2017-11-17 | 2017-11-17 | 一种智能化电视机监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107801006B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030020829A1 (en) * | 2001-07-27 | 2003-01-30 | William Croasdale | Photonic buoy |
US20100194971A1 (en) * | 2009-01-30 | 2010-08-05 | Pingshan Li | Two-dimensional polynomial model for depth estimation based on two-picture matching |
CN102073636A (zh) * | 2009-10-30 | 2011-05-25 | 索尼株式会社 | 节目高潮检索方法和*** |
CN102360450A (zh) * | 2011-09-26 | 2012-02-22 | 华中科技大学 | 基于团块的人数统计方法 |
CN104036255A (zh) * | 2014-06-21 | 2014-09-10 | 电子科技大学 | 一种人脸表情识别方法 |
CN106878780A (zh) * | 2017-04-28 | 2017-06-20 | 张青 | 能够智能调节亮度的智能电视机及其控制***和控制方法 |
-
2017
- 2017-11-17 CN CN201711142326.8A patent/CN107801006B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030020829A1 (en) * | 2001-07-27 | 2003-01-30 | William Croasdale | Photonic buoy |
US20100194971A1 (en) * | 2009-01-30 | 2010-08-05 | Pingshan Li | Two-dimensional polynomial model for depth estimation based on two-picture matching |
CN102073636A (zh) * | 2009-10-30 | 2011-05-25 | 索尼株式会社 | 节目高潮检索方法和*** |
CN102360450A (zh) * | 2011-09-26 | 2012-02-22 | 华中科技大学 | 基于团块的人数统计方法 |
CN104036255A (zh) * | 2014-06-21 | 2014-09-10 | 电子科技大学 | 一种人脸表情识别方法 |
CN106878780A (zh) * | 2017-04-28 | 2017-06-20 | 张青 | 能够智能调节亮度的智能电视机及其控制***和控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107801006B (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105818148A (zh) | 智能化舞台机器人*** | |
CN107918929B (zh) | 一种图像融合方法、装置及*** | |
DE102019106252A1 (de) | Verfahren und System für Lichtquellenschätzung zur Bildverarbeitung | |
CN109076139A (zh) | 用于微距摄影的彩色和单色图像的视差掩模融合 | |
CN111818312B (zh) | 一种可变视域的超高清视频监视转换装置和*** | |
CN110365894A (zh) | 摄像机装置中图像融合的方法及相关装置 | |
US11282176B2 (en) | Image refocusing | |
CN107146252A (zh) | 一种大数据图像处理装置 | |
CN101946519A (zh) | 图像处理装置、成像装置、校正系数计算方法以及图像处理程序 | |
DE112016002564T5 (de) | Bildverarbeitungsvorrichtung, bildverarbeitungsverfahren und programm | |
CN110533709A (zh) | 深度图像获取方法、装置及***、图像采集设备 | |
US10182184B2 (en) | Image processing apparatus and image processing method | |
CN107277631A (zh) | 一种画面局部展示方法及装置 | |
CN108012094B (zh) | 减少对幼儿的干扰和影响的自动关闭*** | |
CN108293087B (zh) | 摄影装置及其控制方法 | |
CN107968934B (zh) | 智能化电视机监控平台 | |
CN106096665A (zh) | 双通道云数据管理平台 | |
CN107801006B (zh) | 一种智能化电视机监控方法 | |
CN107545212A (zh) | 双通道云数据管理平台 | |
CN112747818B (zh) | 遮挡视角测量平台、方法及存储介质 | |
JP7369562B2 (ja) | 画像強調の方法及び撮像システム | |
US9641741B2 (en) | Focus detection apparatus and method for controlling the same | |
KR101634246B1 (ko) | 피사체 부각 정보를 제공하는 방법 및 이를 위한 디지털 촬영 장치 | |
CN107547849A (zh) | 大数据分析*** | |
JPH0923369A (ja) | 撮像装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Wenshan Inventor before: Qu Shenghuan |
|
CB03 | Change of inventor or designer information | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180511 Address after: 362000 No. 10, Shan Fung Road, Quanzhou economic and Technological Development Zone, Fujian Applicant after: Quanzhou Aowei Electronics Co. Ltd. Address before: 215000 99 straight water road, Zhi Tang Town, Taicang, Suzhou, Jiangsu Applicant before: Qu Shenghuan |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |