CN110889801A - 一种烟灶***的摄像头去污优化方法以及烟灶*** - Google Patents
一种烟灶***的摄像头去污优化方法以及烟灶*** Download PDFInfo
- Publication number
- CN110889801A CN110889801A CN201810931753.2A CN201810931753A CN110889801A CN 110889801 A CN110889801 A CN 110889801A CN 201810931753 A CN201810931753 A CN 201810931753A CN 110889801 A CN110889801 A CN 110889801A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- area
- region
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000000779 smoke Substances 0.000 title claims abstract description 34
- 238000005202 decontamination Methods 0.000 title claims abstract description 28
- 230000003588 decontaminative effect Effects 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 51
- 231100000719 pollutant Toxicity 0.000 claims abstract description 51
- 238000011109 contamination Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 27
- 239000000356 contaminant Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 235000019504 cigarettes Nutrition 0.000 claims description 9
- 238000010411 cooking Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000003595 mist Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- -1 for example Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本发明揭示了一种烟灶***的摄像头去污优化方法，包括：条件判定步骤，摄像头开启后采集当前图像并获取当前图像的图像数据，判断当前图像是否满足预设条件，若是则进入脏污程度确定步骤；脏污程度确定步骤，将图像数据与预先获取的原始数据进行对比以评估当前图像的图像质量并确定摄像头镜头的脏污程度是否超出阈值，若否则进入污染物确定步骤；污染物确定步骤，确定污染物在摄像头镜头上的脏污位置；去污优化步骤，根据脏污位置对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量。采用本发明所述的方法，能够解决摄像头在烟灶***中的应用难题，提醒用户及时清洁摄像头或通过算法优化图像质量。
Description
技术领域
本发明涉及烟机灶具领域，更具体地说，涉及一种烟灶***的摄像头去污优化方法。本发明同时还揭示了一种烟灶***。
背景技术
随着智能技术的日臻成熟，越来越多的家电设备开始搭载智能模块，以拓展自身的智能功能。在烟机灶具领域，比较典型的智能模块应用包括摄像头，借助图像识别技术不仅能够实现食材、烹饪状态的识别，还能够通过图像信息监测烟雾浓度，大大提升了烟灶产品的智能化程度。
然而，厨房环境下容易产生大量油烟，相应的油烟会粘附于摄像头镜头，从而影响了摄像头的拍摄性能。同时，为了保证摄像头的正常工作，需要经常提醒用户清理，而清理过于频繁将严重影响用户对烟灶产品的用户体验。
发明内容
本发明为解决上述现有技术中存在的技术问题，提供了一种烟灶***的摄像头去污优化方法，能够智能检测摄像头镜头是否被污染，并根据摄像头镜头的脏污程度提醒用户及时清洁，或者在脏污不严重的情况下通过图像算法来优化拍摄质量。本发明同时还揭示了一种烟灶***，该烟灶***设置有摄像头，并能够智能检测摄像头镜头的脏污程度，从而提醒用户清洁或自行优化拍摄质量，提升了摄像头在烟灶***中的适用性。
为达到上述目的，本发明采用的技术方案如下：
一种烟灶***的摄像头去污优化方法，包括：条件判定步骤，摄像头开启后采集当前图像并获取当前图像的图像数据，判断当前图像是否满足预设条件，若是则进入脏污程度确定步骤；脏污程度确定步骤，将图像数据与预先获取的原始数据进行对比以评估当前图像的图像质量并确定摄像头镜头的脏污程度是否超出阈值，若否则进入污染物确定步骤；污染物确定步骤，确定污染物在摄像头镜头上的脏污位置；去污优化步骤，根据脏污位置对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量。
进一步地，污染物确定步骤包括：对当前图像进行颜色空间转换，并通过分块处理将转换后的图像分割为M*N个子区图像；对M*N个子区图像分别进行第一处理流程和第二处理流程。
进一步地，第一处理流程包括：将子区图像分别分解为三通道的灰度图像Yi、Ui、Vi，对灰度图像Yi、Ui、Vi进行DCT变换并对变换后的图像进行阈值修正，将修正后的图像Yi’、Ui’、Vi’进行DCT逆变换后计算获得相应子区图像i的峰值信噪比的平均值PSNR_mean以及结构相似性的平均值SSIM_mean，其中i代表第i个子区图像。
进一步地，污染物确定步骤还包括：确定摄像头镜头上的污染物类型。
进一步地，第二流程包括：对子区图像分别进行颜色直方图计算以获取相应的子区直方图数据；将子区直方图数据与预设的污染物直方图数据进行相关性计算，分别获取相应子区图像i与对应污染物的相似度系数Ci；根据相似度系数Ci以及相应子区图像确定污染物类型以及脏污位置。
进一步地，去污优化步骤包括：根据污染物类型以及脏污位置确定脏污位置处是否满足条件PSNR_mean<Tpsnr，SSIM_mean＜Tssim，且Ci＞Tc；若是则重新计算对应区域相应像素点的灰度值并通过插值处理对该区域的图像进行替换；若否则保留对应区域相应像素点的灰度值并判定该区域未被污染物影响；其中Tpsnr为预设的峰值信噪比阈值，Tssim为预设的结构相似性阈值，Tc为预设的相似度系数阈值。
进一步地，方法还包括：初始化步骤，摄像头首次开启后采集单帧图像作为基准图像，对基准图像进行预处理以获取并记录包含有灶台区域的原始数据，基准图像中灶台区域的第一面积为S1。
进一步地，预设条件包括：当前图像中至少部分包含灶台区域，当前图像中灶台区域的第二面积为S2，其中S2≤α*S1，0.5≤α≤1，α为预设的面积遮挡系数。
进一步地，预处理包括：对灶台区域的定位处理以及对灶台区域的抠取处理。
本发明同时还揭示了一种烟灶***：
一种烟灶***，包括烟机以及灶具，烟灶***中设置有摄像头、提醒模块以及去污优化模块，摄像头用以采集烹饪过程中的图像，去污优化模块用以对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量，提醒模块用以向用户发出摄像头异常提醒和/或摄像头清洁提醒。
本发明技术方案的有益效果如下：
本发明所揭示的一种烟灶***的摄像头去污优化方法，能够识别污染物的类型以及脏污位置，在脏污严重的情况下提醒用户清洁，在脏污不严重的情况下使用相应的图像算法替换脏污区域，从而减少了用户清洁摄像头的次数，并提升了拍摄质量。本发明同时还揭示了一种烟灶***，该烟灶***不仅能够及时提醒用户对摄像头进行清洁，而且也能够通过自身算法优化拍摄质量，相较目前的烟灶***具有更高的智能性。
附图说明
图1是本发明所述方法其中一实施例的步骤框图；
图2是本发明所述方法其中一实施例的流程示意图；
图3是本发明所述方法又一实施例的流程示意图；
图4是本发明所述方法其中一实施例中区域图像替换的示意图；
图5是本发明所述烟灶***的模块架构图。
具体实施方式
以下通过附图和具体实施例对本发明所提供的技术方案做更加详细的描述：
图1揭示了本发明所述方法其中一实施例的步骤框图，该实施例揭示了一种烟灶***的摄像头去污优化方法，包括：
步骤101：条件判定步骤，摄像头开启后采集当前图像并获取当前图像的图像数据，判断当前图像是否满足预设条件，若是则进入脏污程度确定步骤；
步骤102：脏污程度确定步骤，将图像数据与预先获取的原始数据进行对比以评估当前图像的图像质量并确定摄像头镜头的脏污程度是否超出阈值，若否则进入污染物确定步骤；
步骤103：污染物确定步骤，确定污染物在摄像头镜头上的脏污位置；
步骤104：去污优化步骤，根据脏污位置对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量。
该实施例中，揭示了一种烟灶***的摄像头去污优化方法，包括条件判定步骤、脏污程度确定步骤、污染物确定步骤以及去污优化步骤。在烟灶***需要工作时，摄像头开启后采集当前图像，通过条件判定步骤确定摄像头是否存在被遮挡或被大量雾气覆盖等异常情况，从而排除摄像头处于非正常工作环境下的情况；而通过脏污程度确定步骤，能够判断是否需要用户清洁摄像头，在足以通过算法消除污染物影响的情况下，进入污染物确定步骤和去污优化步骤，通过算法优化图像的拍摄质量，从而减少用户清洁摄像头的次数。
在本发明所述方法的其中一实施例，所述条件判断步骤还包括：若否则向用户发出摄像头异常提醒。该实施例中，摄像头可能被大面积遮挡，或者有大量水雾(如蒸煮过程中揭锅盖时)覆盖，导致摄像头无法正常工作，此时应该提醒用户摄像头处于异常状态，通过算法已无法消除相应不利因素，摄像头此时也无法判断自身是否脏污，因而应提醒用户消除工作环境的影响，以恢复正常工作状态。该实施例中能够对用户进行智能提醒，区分摄像头异常，避免了摄像头脏污程度的误判。
在本发明所述方法的其中一实施例，所述脏污程度确定步骤还包括：若是则向用户发出摄像头清洁提醒。该实施例中，若通过检测发现摄像头的脏污程度已超出阈值，则通过算法已难以弥补污染物对图像拍摄所造成的影响，此时应及时提醒用户对摄像头进行清洁，避免影响拍摄参数以及图像识别的准确性。相较于现有技术，该实施例中的方案能够自主判断摄像头的脏污程度，并及时提醒，解决了以往用户无法确定摄像头脏污程度的难题。
如图2所示的，涉及本发明所述方法其中一实施例的流程示意图。该实施例中揭示了本发明所述的一种烟灶***的摄像头去污优化方法的具体流程，包括：
步骤201，摄像头初始化：获取基准图像并记录原始数据；
步骤202，图像是否满足预设条件：根据灶台区域的面积确定是否符合预设条件，若是则执行步骤203，若否则执行步骤207；
步骤203，脏污程度是否超过阈值：将图像数据与原始数据进行比较确定脏污程度是否超过阈值，若是则执行步骤208，若否则执行步骤204；
步骤204，确定污染物位置和/或污染物类型：通过相关性计算确定相应脏污位置处的污染物类型；
步骤205，是否满足是否满足PSNR_mean＜Tpsnr,SSIM_mean＜Tssim,且Ci＞Tc：判断需要进行替换处理，若是则执行步骤206，若否则执行步骤209；
步骤206，替换脏污位置对应区域的图像：替换对应区域的图像以优化图像质量；
步骤207，发出摄像头异常提醒：提醒用户消除干扰因素；
步骤208，发出摄像头清洁提醒：提醒用户对摄像头进行清洁；
步骤209，对应区域未受影响，不作处理：无需对该区域进行替换。
该实施例揭示了本发明所述方法的具体流程，采用该实施例中的方法不仅能够分情况提醒用户消除环境干扰或及时清洁摄像头，而且能够在脏污程度不严重的情况下通过算法将污染物对应位置处的图像进行替换，从而能够减少用户清洁摄像头的次数，并对摄像头所拍摄的图像进行优化，以避免影响图像识别的准确性。
作为本发明所述方法其中一实施例，所述污染物确定步骤包括：
对所述当前图像进行颜色空间转换，并通过分块处理将转换后的图像分割为M*N个子区图像；
对所述M*N个子区图像分别进行第一处理流程和第二处理流程。
该实施例中，为了确定污染物在摄像头镜头上的脏污位置，需要对当前图像进行颜色空间转换并分割，经过后续的第一处理流程和第二处理流程，可获得相应污染物的脏污位置。优选地，将所述当前图像转换至YUV颜色空间，以结合后续算法，进一步确定污染物的类型。
作为本发明所述方法其中一实施例，所述第一处理流程包括：
将所述子区图像分别分解为三通道的灰度图像Yi、Ui、Vi，对所述灰度图像Yi、Ui、Vi进行DCT变换并对变换后的图像进行阈值修正，将修正后的图像Yi’、Ui’、Vi’进行DCT逆变换后计算获得相应子区图像i的峰值信噪比的平均值PSNR_mean以及结构相似性的平均值SSIM_mean，其中i代表第i个子区图像。
该实施例中，将分割后的每一个子区图像再分别分解为三通道的灰度图像Yi、Ui、Vi，并进行DCT变换得到相应子区图像i的三张DCT变换图Yi’、Ui’、Vi’，分别对子区图像i的三张DCT变换图进行阈值修正处理；对修正后的Yi’、Ui’、Vi’进行DCT逆变换获得关于子区图像i的三张新图Yi1、Ui1、Vi1；分别计算Yi1的PSNR参数(峰值信噪比)及SSIM参数(结构相似性)，Ui1的PSNR参数及SSIM参数，Vi1的PSNR参数及SSIM参数，对子区图像i所对应的三个PSNR参数求平均获得子区图像i的峰值信噪比的平均值PSNR_mean，对子区图像i所对应的三个SSIM参数求平均获得子区图像i的峰值信噪比的平均值SSIM_mean，用于后续的计算和判断。
在本发明所述方法的其中一实施例中，所述污染物确定步骤还包括：确定所述摄像头镜头上的污染物类型。
该实施例中，通过图像数据与原始数据的对比，能够大致确定污染物所在的位置。而且，该实施例中，污染物确定步骤不仅可以确定污染物在摄像头镜头上的脏污位置，还能够确定污染物的类型，从而根据污染物的类型选择合适的算法和参数对相应被污染区域的图像进行替换。
在本发明所述方法的其中一实施例中，所述第二流程包括：
对所述子区图像分别进行颜色直方图计算以获取相应的子区直方图数据；
将所述子区直方图数据与预设的污染物直方图数据进行相关性计算，分别获取相应子区图像i与对应污染物的相似度系数Ci；
根据所述相似度系数Ci以及相应子区图像确定所述污染物类型以及脏污位置。
该实施例中，对子区图像i进行颜色直方图计算，获取子区图像i的子区直方图数据；将相应子区图像i的子区直方图数据与预设的污染物直方图数据进行相关性计算，比较子区直方图数据与相应污染物直方图数据的相似度并计算获得子区图像i与对应污染物的相似度系数Ci；根据相似度系数Ci以及相应子区图像i所在的位置能够确定污染物的类型以及脏污位置。例如，在获得某一子区图像的子区直方图数据后，将该子区直方图数据与预先测得的污染物直方图数据进行相关性计算，其中的污染物包括油污、烟尘和/或水雾等，分别计算获得该子区直方图数据与对应各类型的污染物直方图数据相似度，取其中相似度值最高的作为子区图像i与对应污染物的相似度系数Ci，从而用于确定该子区图像i所在位置处对应的污染物的类型。例如，经过计算，在子区图像i处，与之相似度最高的油污直方图数据，则取该子区图像的子区直方图数据与油污直方图数据之间的相似度作为其对应的相似度系数Ci。
在本发明所述方法的其中一实施例中，所述去污优化步骤包括：
根据所述污染物类型以及所述脏污位置确定脏污位置处是否满足条件
PSNR_mean<Tpsnr，SSIM_mean＜Tssim，且Ci＞Tc；
若是则重新计算对应区域相应像素点的灰度值并通过插值处理对该区域的图像进行替换；若否则保留对应区域相应像素点的灰度值并判定该区域未被污染物影响；其中Tpsnr为预设的峰值信噪比阈值，Tssim为预设的结构相似性阈值，Tc为预设的相似度系数阈值。
在该实施例中，去污优化步骤还包括根据条件来判断是否需要对相应子区图像i处的对应图像区域进行替换，具体的判断规则为
PSNR_mean<Tpsnr，SSIM_mean＜Tssim，且Ci＞Tc；其中Tpsnr为预设的峰值信噪比阈值，Tssim为预设的结构相似性阈值，Tc为预设的相似度系数阈值。该实施例中，根据Ci已经确定了子区图像i处最有可能存在的污染物类型，再结合上述条件进行判断，若条件满足则说明该区域确实为脏污位置，且污染物的类型也能通过Ci确定，因而需要进行替换。由于污染物类型的不同会导致图像清晰度、灰度等参数发生变化，因而对于脏污位置处对应区域的图像的替换，也会依据相应污染物的类型，具体进行调整。该实施例中，若上述条件均满足，则说明此处确实受到了污染，需要根据具体的污染物类型对该处的图像进行替换优化；若上述图像中的任一不能满足，则说明此处未被污染，不需要替换或优化，保留原图，不作处理即可。
如图3所示的，是本发明所述方法又一实施例的流程示意图。该实施例中，揭示了一种烟灶***的摄像头去污优化方法，包括：
步骤301，采集图像：摄像头采集当前图像并获取图像数据；
步骤302，灶台区域检测：检测灶台区域以确定当前图像是否满足预设条件；
步骤303，成功检测灶台：判断是否成功检测到灶台区域，若是则进入步骤304，若否则进入步骤309；
步骤304，图像质量评估：对当前图像的图像质量进行评估；
步骤305，与原始数据对比：对比图像数据和原始数据；
步骤306，超出阈值：判断脏污程度是否超出阈值，若是则进入步骤310，若否则进入步骤307；
步骤307，污染物类型判断：判断污染物的类型，例如，污染物为油污；
步骤308，算法剔除油污区域：通过算法剔除被油污污染的区域并进行替换；
步骤309，摄像头异常启动提示：向用户发出摄像头异常提醒；
步骤310，摄像头油污超出范围，启动提示：向用户发出摄像头清洁提醒。
该实施例中，步骤304至步骤306涉及脏污程度确定步骤，通过预先设置的图像参数，可以将当前图像的图像数据与基准图像的原始数据进行对比，检验当前图像的相应图像参数变化程度相较于基准图像的是否超过阈值，从而表征摄像头镜头的脏污程度，初步地对当前图像的图像质量作出评估。其中，所述图像参数包括但不限于图像的清晰度、对比度、峰值信噪比和/或结构相似性等。
该实施例中，步骤308涉及去污优化步骤，其中图4为本发明所述方法其中一实施例的区域图像替换的示意图。如图4所示，在确定了脏污位置为A0～A8所在的区域，污染物类型为油污后，对A0～A8所在区域进行替换。该实施例中采用线性插值替换方法对脏污位置处对应区域的图像进行替换，具体地，需要重新计算A0～A8九个像素点的灰度值，其中：
A0＝α0R1+β0R8，A1＝α1R2+β1R7，
A2＝α2R3+β2R6，A3＝α3R4+β3R5，
A4＝α4R2+β4R7+λR4+μR5，
A5＝α5R4+β5R5，A6＝α6R3+β6R6，
A7＝α7R2+β7R7，A8＝α8R1+β8R8；
上式中Ri为相应区块的灰度均值，αi、βi、λ、μ为与像素点相对位置以及灰度值变化率相关的线性系数，通过上式重新计算脏污位置处对应区域相应像素点的灰度值，从而能够在脏污不够严重的情况下，替换相应区域的图像，消除污染物影响。而对于未被污染的区块，则仅需保留对应区域相应像素点的灰度值即可，无需替换处理。
在本发明所述方法的其中一实施例中，所述方法还包括：
初始化步骤，摄像头首次开启后采集单帧图像作为基准图像，对所述基准图像进行预处理以获取并记录包含有灶台区域的原始数据，所述基准图像中灶台区域的第一面积为S1。
该实施例中的方法还涉及初始化步骤，目的在于采集基准图像，检测灶台区域并记录原始数据，用于后续的条件判定和脏污程度确定。其中，由于基准图像是在摄像头首次开启时即采集的，此时通常为新购置的烟灶***的首次开机使用，摄像头尚未被污染，因而基准图像中能够包含完整的灶台区域，且相应的原始数据也最准确，可以用于后续的条件判断以及检验。该实施例中，基准图像中灶台区域的第一面积为S1。
在本发明所述方法的其中一实施例中，所述预设条件包括：
所述当前图像中至少部分包含所述灶台区域，所述当前图像中灶台区域的第二面积为S2，其中S2≤α*S1，0.5≤α≤1，α为预设的面积遮挡系数。
该实施例涉及条件判定步骤，当用户再次开启烟灶***后，由于烟灶***已经采集有基准图像，因而可以根据当前图像中所包含的灶台区域的第二面积与基准图像中所包含的灶台区域的第一面积来判定当前图像是否满足预设条件。其中，要求S2≤α*S1，原因在于，首次开启时理论上能够拍摄到完整的灶台区域，而再次开启的情况下，如果摄像头由于被遮挡或者突然在镜头上形成大量水雾，这种情况下摄像头无法正常工作的，其所拍摄到的灶台区域的面积也必然小于S1。如果仅一小部分灶台区域的面积没有被检测到，后续的步骤还能够继续进行，但如果有很大一部分灶台区域的面积没有被检测到，则说明摄像头处于异常工作的状态下，此时需要提醒用户消除干扰因素的影响，因此该实施例中通过第一面积S1和第二面积S2来确定摄像头是否处于异常工作状态，其中α为预设的面积遮挡系数，α宜设置在0.5≤α≤1的范围内。
在本发明所述方法的其中一实施例中，所述预处理包括：对所述灶台区域的定位处理以及对所述灶台区域的抠取处理。该实施例涉及初始化步骤，其中的预处理包括对灶台区域的定位处理以及对灶台区域的抠取处理，即需要确定灶台区域在基准图像中的位置，并确定灶台区域的轮廓进行抠取，方便后续进行比对。
如图5所示的，涉及本发明所述的烟灶***的模块架构图。本发明同时还揭示了一种烟灶***500，包括烟机以及灶具，烟灶***中设置有摄像头501、提醒模块502以及去污优化模块503，摄像头501用以采集烹饪过程中的图像，去污优化模块503用以对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量，提醒模块502用以向用户发出摄像头异常提醒和/或摄像头清洁提醒。该实施例中，优选地，摄像头502设置于烟机上，向下拍摄灶台区域，其中的烟灶***能够借助摄像头502识别烹饪食材，以及根据拍摄的图像确定烹饪产生的烟雾浓度。该实施例中的烟灶***500还能够在摄像头502处于非正常工作状态时发出摄像头异常提醒，同时也能够在摄像头502需要人工清理时向用户发出摄像头清洁提醒。
上述具体实施方式只是用于说明本发明的设计方法，并不能用来限定本发明的保护范围。对于在本发明技术方案的思想指导下的变形和转换，都应该归于本发明保护范围以内。
Claims (10)
1.一种烟灶***的摄像头去污优化方法，其特征在于，包括：
条件判定步骤，摄像头开启后采集当前图像并获取所述当前图像的图像数据，判断所述当前图像是否满足预设条件，若是则进入脏污程度确定步骤；
脏污程度确定步骤，将所述图像数据与预先获取的原始数据进行对比以评估所述当前图像的图像质量并确定所述摄像头镜头的脏污程度是否超出阈值，若否则进入污染物确定步骤；
污染物确定步骤，确定污染物在所述摄像头镜头上的脏污位置；
去污优化步骤，根据所述脏污位置对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量。
2.根据权利要求1所述的方法，其特征在于，所述污染物确定步骤包括：
对所述当前图像进行颜色空间转换，并通过分块处理将转换后的图像分割为M*N个子区图像；
对所述M*N个子区图像分别进行第一处理流程和第二处理流程。
3.根据权利要求2所述的方法，其特征在于，所述第一处理流程包括：
将所述子区图像分别分解为三通道的灰度图像Yi、Ui、Vi，对所述灰度图像Yi、Ui、Vi进行DCT变换并对变换后的图像进行阈值修正，将修正后的图像Yi’、Ui’、Vi’进行DCT逆变换后计算获得相应子区图像i的峰值信噪比的平均值PSNR_mean以及结构相似性的平均值SSIM_mean，其中i代表第i个子区图像。
4.根据权利要求2或3所述的方法，其特征在于，所述污染物确定步骤还包括：确定所述摄像头镜头上的污染物类型。
5.根据权利要求4所述的方法，其特征在于，所述第二流程包括：
对所述子区图像分别进行颜色直方图计算以获取相应的子区直方图数据；
将所述子区直方图数据与预设的污染物直方图数据进行相关性计算，分别获取相应子区图像i与对应污染物的相似度系数Ci；
根据所述相似度系数Ci以及相应子区图像确定所述污染物类型以及脏污位置。
6.根据权利要求5所述的方法，其特征在于，所述去污优化步骤包括：
根据所述污染物类型以及所述脏污位置确定脏污位置处是否满足条件PSNR_mean<Tpsnr，SSIM_mean＜Tssim，且Ci＞Tc；
若是则重新计算对应区域相应像素点的灰度值并通过插值处理对该区域的图像进行替换；若否则保留对应区域相应像素点的灰度值并判定该区域未被污染物影响；其中Tpsnr为预设的峰值信噪比阈值，Tssim为预设的结构相似性阈值，Tc为预设的相似度系数阈值。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
初始化步骤，摄像头首次开启后采集单帧图像作为基准图像，对所述基准图像进行预处理以获取并记录包含有灶台区域的原始数据，所述基准图像中灶台区域的第一面积为S1。
8.根据权利要求7所述的方法，其特征在于，所述预设条件包括：
所述当前图像中至少部分包含所述灶台区域，所述当前图像中灶台区域的第二面积为S2，其中S2≤α*S1，0.5≤α≤1，α为预设的面积遮挡系数。
9.根据权利要求7或8所述的方法，其特征在于，所述预处理包括：对所述灶台区域的定位处理以及对所述灶台区域的抠取处理。
10.一种烟灶***，包括烟机以及灶具，其特征在于，所述烟灶***中设置有摄像头、提醒模块以及去污优化模块，所述摄像头用以采集烹饪过程中的图像，所述去污优化模块用以对摄像头所拍摄的脏污位置对应区域的图像进行处理以优化图像质量，所述提醒模块用以向用户发出摄像头异常提醒和/或摄像头清洁提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810931753.2A CN110889801B (zh) | 2018-08-16 | 2018-08-16 | 一种烟灶***的摄像头去污优化方法以及烟灶*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810931753.2A CN110889801B (zh) | 2018-08-16 | 2018-08-16 | 一种烟灶***的摄像头去污优化方法以及烟灶*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889801A true CN110889801A (zh) | 2020-03-17 |
| CN110889801B CN110889801B (zh) | 2023-10-20 |
Family
ID=69744133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810931753.2A Active CN110889801B (zh) | 2018-08-16 | 2018-08-16 | 一种烟灶***的摄像头去污优化方法以及烟灶*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889801B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111182294A (zh) * | 2020-01-06 | 2020-05-19 | 杭州九阳小家电有限公司 | 一种提升图像质量的智能家电控制方法及智能家电 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、***、电子设备及存储介质 |
| CN111882540A (zh) * | 2020-07-28 | 2020-11-03 | 歌尔科技有限公司 | 摄像头保护罩的污迹检测方法、装置以及设备 |
| CN112188190A (zh) * | 2020-09-30 | 2021-01-05 | 广东美的厨房电器制造有限公司 | 污渍检测方法、烹饪器具、服务器和存储介质 |
| CN112215794A (zh) * | 2020-09-01 | 2021-01-12 | 北京中科慧眼科技有限公司 | 一种双目adas摄像头脏污检测的方法及装置 |
| CN112333441A (zh) * | 2020-10-28 | 2021-02-05 | 维沃移动通信有限公司 | 摄像头检测方法、装置及电子设备 |
| CN114189671A (zh) * | 2020-09-14 | 2022-03-15 | 埃尔构人工智能有限责任公司 | 相机清洁***的验证 |
| CN114273315A (zh) * | 2022-03-04 | 2022-04-05 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
| CN115299767A (zh) * | 2022-08-04 | 2022-11-08 | 杭州老板电器股份有限公司 | 蒸烤箱及防护玻璃防挂水的方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104539939A (zh) * | 2014-12-17 | 2015-04-22 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的镜头清洁检测方法及检测*** |
| CN104811690A (zh) * | 2015-04-01 | 2015-07-29 | 广东欧珀移动通信有限公司 | 一种消息提示方法及装置 |
| CN105163110A (zh) * | 2015-09-02 | 2015-12-16 | 厦门美图之家科技有限公司 | 摄像头清洁度的检测方法、检测***及拍摄终端 |
| CN105491372A (zh) * | 2015-11-24 | 2016-04-13 | 努比亚技术有限公司 | 一种移动终端和信息处理方法 |
| CN105959528A (zh) * | 2016-07-09 | 2016-09-21 | 深圳市辰卓科技有限公司 | 工作场景切换方法、装置及测试设备 |
| CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
| CN106385579A (zh) * | 2016-09-12 | 2017-02-08 | 努比亚技术有限公司 | 一种摄像头检测装置、方法及多摄像头终端 |
| CN106415598A (zh) * | 2014-05-27 | 2017-02-15 | 罗伯特·博世有限公司 | 用于车载式相机***的镜头污染的检测、识别和缓解 |
| CN107743224A (zh) * | 2017-09-30 | 2018-02-27 | 奇酷互联网络科技（深圳）有限公司 | 镜头脏污的提醒方法、***、可读存储介质及移动终端 |
| CN107749918A (zh) * | 2017-09-14 | 2018-03-02 | 深圳天珑无线科技有限公司 | 提示用户擦拭镜头的方法、移动终端及存储介质 |
| CN107945158A (zh) * | 2017-11-15 | 2018-04-20 | 上海摩软通讯技术有限公司 | 一种检测镜头脏污的方法及装置 |
| CN107975851A (zh) * | 2018-01-02 | 2018-05-01 | 广东美的厨房电器制造有限公司 | 吸油烟机及其清洗控制方法 |
-
2018
- 2018-08-16 CN CN201810931753.2A patent/CN110889801B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106415598A (zh) * | 2014-05-27 | 2017-02-15 | 罗伯特·博世有限公司 | 用于车载式相机***的镜头污染的检测、识别和缓解 |
| CN104539939A (zh) * | 2014-12-17 | 2015-04-22 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的镜头清洁检测方法及检测*** |
| CN104811690A (zh) * | 2015-04-01 | 2015-07-29 | 广东欧珀移动通信有限公司 | 一种消息提示方法及装置 |
| CN105163110A (zh) * | 2015-09-02 | 2015-12-16 | 厦门美图之家科技有限公司 | 摄像头清洁度的检测方法、检测***及拍摄终端 |
| CN105491372A (zh) * | 2015-11-24 | 2016-04-13 | 努比亚技术有限公司 | 一种移动终端和信息处理方法 |
| CN105959528A (zh) * | 2016-07-09 | 2016-09-21 | 深圳市辰卓科技有限公司 | 工作场景切换方法、装置及测试设备 |
| CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
| CN106385579A (zh) * | 2016-09-12 | 2017-02-08 | 努比亚技术有限公司 | 一种摄像头检测装置、方法及多摄像头终端 |
| CN107749918A (zh) * | 2017-09-14 | 2018-03-02 | 深圳天珑无线科技有限公司 | 提示用户擦拭镜头的方法、移动终端及存储介质 |
| CN107743224A (zh) * | 2017-09-30 | 2018-02-27 | 奇酷互联网络科技（深圳）有限公司 | 镜头脏污的提醒方法、***、可读存储介质及移动终端 |
| CN107945158A (zh) * | 2017-11-15 | 2018-04-20 | 上海摩软通讯技术有限公司 | 一种检测镜头脏污的方法及装置 |
| CN107975851A (zh) * | 2018-01-02 | 2018-05-01 | 广东美的厨房电器制造有限公司 | 吸油烟机及其清洗控制方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111182294A (zh) * | 2020-01-06 | 2020-05-19 | 杭州九阳小家电有限公司 | 一种提升图像质量的智能家电控制方法及智能家电 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、***、电子设备及存储介质 |
| CN111524125B (zh) * | 2020-04-28 | 2023-09-01 | 京东科技信息技术有限公司 | 一种设备清洁方法、装置、***、电子设备及存储介质 |
| CN111882540A (zh) * | 2020-07-28 | 2020-11-03 | 歌尔科技有限公司 | 摄像头保护罩的污迹检测方法、装置以及设备 |
| CN112215794A (zh) * | 2020-09-01 | 2021-01-12 | 北京中科慧眼科技有限公司 | 一种双目adas摄像头脏污检测的方法及装置 |
| CN112215794B (zh) * | 2020-09-01 | 2022-09-20 | 北京中科慧眼科技有限公司 | 一种双目adas摄像头脏污检测的方法及装置 |
| CN114189671A (zh) * | 2020-09-14 | 2022-03-15 | 埃尔构人工智能有限责任公司 | 相机清洁***的验证 |
| US11997252B2 (en) | 2020-09-14 | 2024-05-28 | Argo AI, LLC | Validation of a camera cleaning system |
| CN112188190A (zh) * | 2020-09-30 | 2021-01-05 | 广东美的厨房电器制造有限公司 | 污渍检测方法、烹饪器具、服务器和存储介质 |
| CN112333441A (zh) * | 2020-10-28 | 2021-02-05 | 维沃移动通信有限公司 | 摄像头检测方法、装置及电子设备 |
| CN114273315A (zh) * | 2022-03-04 | 2022-04-05 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
| CN114273315B (zh) * | 2022-03-04 | 2022-06-14 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
| CN115299767A (zh) * | 2022-08-04 | 2022-11-08 | 杭州老板电器股份有限公司 | 蒸烤箱及防护玻璃防挂水的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889801B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889801B (zh) | 一种烟灶***的摄像头去污优化方法以及烟灶*** | |
| CN107975851B (zh) | 吸油烟机及其清洗控制方法 | |
| CN109523527B (zh) | 图像中脏污区域的检测方法、装置和电子设备 | |
| CN105915840B (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
| WO2022088620A1 (zh) | 相机镜头的状态检测方法、装置、设备及存储介质 | |
| CN110044910B (zh) | 一种汽车置杯盒零部件检测***及检测方法 | |
| CN116758071B (zh) | 一种视觉辅助下碳电极脏污智能检测方法 | |
| CN109579092B (zh) | 一种根据工作环境进行烟灶联动的油烟机 | |
| CN111882540B (zh) | 摄像头保护罩的污迹检测方法、装置以及设备 | |
| KR20180026399A (ko) | 정적 오염 감지 및 보정 | |
| CN112669287A (zh) | 基于图像识别的电气设备温度监测方法 | |
| CN111612773A (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
| CN112188190A (zh) | 污渍检测方法、烹饪器具、服务器和存储介质 | |
| US9141869B2 (en) | Method of identifying anomalies in images | |
| CN112748116A (zh) | 一种医用纱布表面缺陷在线检测方法与装置 | |
| CN115375689B (zh) | 基于机器视觉的烟丝桶检测方法、装置、设备及介质 | |
| CN116167969A (zh) | 镜头脏污检测方法、装置、车辆、存储介质及程序产品 | |
| CN111815705B (zh) | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 | |
| CN109142176B (zh) | 基于空间联系的烟雾子区域空间复检方法 | |
| CN114140417A (zh) | 一种基于机器视觉的香烟滤棒识别方法及*** | |
| CN109357977B (zh) | 基于时间联系的烟雾子区域空间复检方法 | |
| CN114494176A (zh) | 镜头脏污检测方法及*** | |
| CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
| CN112861772A (zh) | 一种基于图像识别的场景分析方法及装置 | |
| TW200926764A (en) | Video noise reduction method suitable for dark environment |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |