CN111246203A - 相机模糊检测方法及装置 - Google Patents
相机模糊检测方法及装置 Download PDFInfo
- Publication number
- CN111246203A CN111246203A CN202010072735.0A CN202010072735A CN111246203A CN 111246203 A CN111246203 A CN 111246203A CN 202010072735 A CN202010072735 A CN 202010072735A CN 111246203 A CN111246203 A CN 111246203A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- detected
- camera
- template
- photos
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明的目的是提供一种相机模糊检测方法及装置,本发明基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,进而基于所述待检测照片是否模糊的结果,判断待检测的相机是否为拍摄模糊相机,若所述待检测照片判断为模糊,则判定实施待检测的相机为拍摄模糊的问题相机,否则判定为拍摄清楚的无问题相机,从而可以准确、高效的判断待检测的相机拍摄性能。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种相机模糊检测方法及装置。
背景技术
现有的手机等智能终端上的相机,多是通过人工进行模糊检测,检测过程费时、费力,并且有不准确的问题。
发明内容
本发明的一个目的是提供一种相机模糊检测方法及装置。
根据本发明的一个方面,提供了一种相机模糊检测方法,该方法包括:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
进一步的,上述方法中,基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,包括:
按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;
获取所述预设大小的多张小块背景照片;
分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
进一步的,上述方法中,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,包括:
将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;
将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;
若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;
若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
进一步的,上述方法中,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
进一步的,上述方法中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
根据本发明的另一方面,还提供一种相机模糊检测装置,其中,该装置包括:
模版获取模块,用于获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
训练模块,用于基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
拍摄模块,用于控制待检测的相机对模板图像进行拍摄得到待检测照片;
判定模块,用于基于所述相机模糊检测模型,判断所述待检测照片是否模糊;若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
进一步的,上述装置中,所述训练模块,用于按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;获取所述预设大小的多张小块背景照片;分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
进一步的,上述装置中,所述判定模块,用于将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
进一步的,上述装置中,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
进一步的,上述装置中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
根据本发明的另一方面,还提供一种基于计算的设备,其中,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
根据本发明的另一方面,还提供一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
与现有技术相比,本发明基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,进而基于所述待检测照片是否模糊的结果,判断待检测的相机是否为拍摄模糊相机,若所述待检测照片判断为模糊,则判定实施待检测的相机为拍摄模糊的问题相机,否则判定为拍摄清楚的无问题相机,从而可以准确、高效的判断待检测的相机拍摄性能。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出本发明一实施例的相机模糊检测方法的流程图;
图2示出本发明一实施例的模板图像示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
如图1所示,本发明提供一种相机模糊检测方法,所述方法包括:
步骤S1,获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
在此,清晰模版照片中所拍摄到的模板图像是完全清晰的,所述模糊模版照片中拍摄到的模板图像是全部或部分是模糊的;
可以在一背光源上设置静止显示的模板图像;
所述相机可以是手机、PAD等智能终端上的相机;
步骤S2,基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
步骤S3,控制待检测的相机对模板图像进行拍摄得到待检测照片;
在此,可以控制移动设备带动手机等终端移动到拍摄位置后,控制手机等终端保持静止,等待10秒后,控制手机等终端上的待检测的相机自动调焦和调光后,控制待检测的相机对模板图像进行拍摄得到一张待检测照片;
步骤S4,基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
步骤S5,若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
在此,本发明基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,进而基于所述待检测照片是否模糊的结果,判断待检测的相机是否为拍摄模糊相机,若所述待检测照片判断为模糊,则判定实施待检测的相机为拍摄模糊的问题相机,否则判定为拍摄清楚的无问题相机,从而可以准确、高效的判断待检测的相机拍摄性能。
本发明的相机模糊检测方法一实施例中,步骤S2,基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,包括:
步骤S21,按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;
在此,按预设大小和步长,可以切分到切分顺序上相邻的两张小块清晰照片有部分重叠区域,同时可以切分到切分顺序上相邻的两张小块模糊照片有部分重叠区域,便于后续模型的准确训练;
步骤S22,获取所述预设大小的多张小块背景照片;
步骤S23,分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
在此,本实施例通过分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片的三类照片放入卷积神经网络模型进行训练,可以高效、可靠的训练得到相机模糊检测模型。
本发明的相机模糊检测方法一实施例中,步骤S4,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,包括:
步骤S41,将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;
在此,所述待检测照片的切分方式与前面模型训练时的模版照片的切分方式相同;
步骤S42,将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;
步骤S43,若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;
步骤S44,若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
在此,通过判定各张小块待检测照片相对于清晰类别的概率是否大于预设概率阈值,同时判定模糊的小块待检测照片的张数是否超过预设张数阈值,能够可靠、高效的判定所述待检测照片是否模糊。
本发明的相机模糊检测方法一实施例中,如图2所示,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
在此,本发明通过将所述模板图像显示为在白底上按预设间隔布置的黑条纹,便于后续在训练模型和通过模型识别待检测照片的过程中,更易于识别各条黑条纹是否清晰或模糊。
如图2所示,通过在白底上设置多排的间隔分布的黑条纹,可以实现在拍摄照片时,让间隔分布的黑条纹尽量布满整个视场,以提高各广角相机拍摄的照片的效果。
本发明的相机模糊检测方法一实施例中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
在此,如图2所示,黑条纹与水平方向成预设夹角的斜纵向布置,便于后续对黑白条纹区域进行图像识别,提高识别效率和可靠度。
如图2所示,所述模板图像中第一排和第三排的黑条纹与水平方向的正向呈60度夹角,所述模板图像中第二排和第四排的黑条纹与水平方向的正向呈120度夹角,便于后续更高效的识别出条纹模糊的位置,可接通背光源的电源线1,为模板图像提供照明光源。
如图2所示,各排的黑条纹的间隔距离可以是10毫米,同一排上的黑条纹的间隔距离为8毫米,每个黑条纹的宽度为8毫米。
本发明提供一种相机模糊检测装置,所述装置包括:
模版获取模块,用于获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
在此,清晰模版照片中所拍摄到的模板图像是完全清晰的,所述模糊模版照片中拍摄到的模板图像是全部或部分是模糊的;
可以在一背光源上设置静止显示的模板图像;
所述相机可以是手机、PAD等智能终端上的相机;
训练模块,用于基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
拍摄模块,用于控制待检测的相机对模板图像进行拍摄得到待检测照片;
在此,可以控制移动设备带动手机等终端移动到拍摄位置后,控制手机等终端保持静止,等待10秒后,控制手机等终端上的待检测的相机自动调焦和调光后,控制待检测的相机对模板图像进行拍摄得到一张待检测照片;
判定模块,用于基于所述相机模糊检测模型,判断所述待检测照片是否模糊;若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
在此,本发明基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,进而基于所述待检测照片是否模糊的结果,判断待检测的相机是否为拍摄模糊相机,若所述待检测照片判断为模糊,则判定实施待检测的相机为拍摄模糊的问题相机,否则判定为拍摄清楚的无问题相机,从而可以准确、高效的判断待检测的相机拍摄性能。
本发明的相机模糊检测装置一实施例中,所述训练模块,用于按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;获取所述预设大小的多张小块背景照片;分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
在此,按预设大小和步长,可以切分到切分顺序上相邻的两张小块清晰照片有部分重叠区域,同时可以切分到切分顺序上相邻的两张小块模糊照片有部分重叠区域,便于后续模型的准确训练;
本实施例通过分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片的三类照片放入卷积神经网络模型进行训练,可以高效、可靠的训练得到相机模糊检测模型。
本发明的相机模糊检测方法一实施例中,所述判定模块,用于将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
在此,所述待检测照片的切分方式与前面模型训练时的模版照片的切分方式相同;
在此,通过判定各张小块待检测照片相对于清晰类别的概率是否大于预设概率阈值,同时判定模糊的小块待检测照片的张数是否超过预设张数阈值,能够可靠、高效的判定所述待检测照片是否模糊。
本发明的相机模糊检测方法一实施例中,如图2所示,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
在此,本发明通过将所述模板图像显示为在白底上按预设间隔布置的黑条纹,便于后续在训练模型和通过模型识别待检测照片的过程中,更易于识别各条黑条纹是否清晰或模糊。
如图2所示,通过在白底上设置多排的间隔分布的黑条纹,可以实现在拍摄照片时,让间隔分布的黑条纹尽量布满整个视场,以提高各广角相机拍摄的照片的效果。
本发明的相机模糊检测方法一实施例中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
在此,如图2所示,黑条纹与水平方向成预设夹角的斜纵向布置,便于后续对黑白条纹区域进行图像识别,提高识别效率和可靠度。
如图2所示,所述模板图像中第一排和第三排的黑条纹与水平方向的正向呈60度夹角,所述模板图像中第二排和第四排的黑条纹与水平方向的正向呈120度夹角,便于后续更高效的识别出条纹模糊的位置,可接通背光源的电源线1,为模板图像提供照明光源。
如图2所示,各排的黑条纹的间隔距离可以是10毫米,同一排上的黑条纹的间隔距离为8毫米,每个黑条纹的宽度为8毫米。
根据本发明的另一方面,还提供一种基于计算的设备,其中,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
根据本发明的另一方面,还提供一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
本发明的各设备和存储介质实施例的详细内容,具体可参见各方法实施例的对应部分,在此,不再赘述。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本发明的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本发明的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (12)
1.一种相机模糊检测方法,其中,该方法包括:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
2.根据权利要求1所述的方法,其中,基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型,包括:
按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;
获取所述预设大小的多张小块背景照片;
分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
3.根据权利要求2所述的方法,其中,基于所述相机模糊检测模型,判断所述待检测照片是否模糊,包括:
将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;
将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;
若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;
若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
4.根据权利要求1所述的方法,其中,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
5.根据权利要求4所述的方法,其中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
6.一种相机模糊检测装置,其中,该装置包括:
模版获取模块,用于获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
训练模块,用于基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
拍摄模块,用于控制待检测的相机对模板图像进行拍摄得到待检测照片;
判定模块,用于基于所述相机模糊检测模型,判断所述待检测照片是否模糊;若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
7.根据权利要求6所述的装置,其中,所述训练模块,用于按预设大小和步长将每张清晰模版照片依序切分为多张小块清晰照片,其中,切分顺序上相邻的两张小块清晰照片有部分重叠区域;按预设大小和步长将每张模糊模版照片依序切分为多张小块模糊照片,其中,切分顺序上相邻的两张小块模糊照片有部分重叠区域;获取所述预设大小的多张小块背景照片;分别将代表清晰类别的多张小块清晰照片、代表模糊类别的多张小块模糊照片及代表背景类别的多张小块背景照片放入卷积神经网络模型进行训练,以得到所述相机模糊检测模型。
8.根据权利要求7所述的装置,其中,所述判定模块,用于将所述待检测照片按预设大小和步长将每张待检测照片依序切分为多张小块待检测照片,其中,切分顺序上相邻的两张小块待检测照片有部分重叠区域;将每张小块待检测照片输入所述相机模糊检测模型,以得到每张小块待检测照片分别相对于清晰类别、模糊类别和背景类别的概率;若某张小块待检测照片相对于清晰类别的概率大于预设概率阈值,则判定该张小块待检测照片为模糊;若判定为模糊的小块待检测照片的张数超过预设张数阈值,则判定所述待检测照片为模糊。
9.根据权利要求6所述的装置,其中,所述模板图像包括在白底上按预设间隔布置的黑条纹,所述模板图像中的黑条纹为多排。
10.根据权利要求9所述的装置,其中,所述模板图像中奇数排的黑条纹与水平方向的正向呈第一预设夹角,所述模板图像中偶数排的黑条纹与水平方向的正向呈第二预设夹角,其中,第二预设夹角=180度-第一预设夹角。
11.一种基于计算的设备,其中,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
12.一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取对模板图像进行拍摄得到的预设数量的清晰模版照片和模糊模版照片;
基于所述预设数量的清晰模版照片和模糊模版照片训练相机模糊检测模型;
控制待检测的相机对模板图像进行拍摄得到待检测照片;
基于所述相机模糊检测模型,判断所述待检测照片是否模糊;
若所述待检测照片判断为模糊,则判定所述待检测的相机为拍摄模糊的问题相机。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072735.0A CN111246203A (zh) | 2020-01-21 | 2020-01-21 | 相机模糊检测方法及装置 |
PCT/CN2020/120886 WO2021147383A1 (zh) | 2020-01-21 | 2020-10-14 | 相机模糊检测方法及装置 |
JP2022506070A JP2022542948A (ja) | 2020-01-21 | 2020-10-14 | カメラぼやけ検査方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072735.0A CN111246203A (zh) | 2020-01-21 | 2020-01-21 | 相机模糊检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111246203A true CN111246203A (zh) | 2020-06-05 |
Family
ID=70872961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010072735.0A Pending CN111246203A (zh) | 2020-01-21 | 2020-01-21 | 相机模糊检测方法及装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2022542948A (zh) |
CN (1) | CN111246203A (zh) |
WO (1) | WO2021147383A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021147383A1 (zh) * | 2020-01-21 | 2021-07-29 | 上海万物新生环保科技集团有限公司 | 相机模糊检测方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116028258B (zh) * | 2023-03-22 | 2023-08-18 | 国网智联电商有限公司 | 基于深度学习的设备故障诊断方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1992916A (zh) * | 2005-12-28 | 2007-07-04 | 华晶科技股份有限公司 | 影像清晰检测方法 |
CN104780310A (zh) * | 2015-01-27 | 2015-07-15 | 深圳市中瀛鑫科技股份有限公司 | 一种图像模糊的检测方法、***及摄像机 |
CN104899255A (zh) * | 2015-05-15 | 2015-09-09 | 浙江大学 | 适用于训练深度卷积神经网络的图像数据库的构建方法 |
CN105160678A (zh) * | 2015-09-02 | 2015-12-16 | 山东大学 | 基于卷积神经网络的无参考立体图像质量评估方法 |
CN106096605A (zh) * | 2016-06-02 | 2016-11-09 | 史方 | 一种基于深度学习的图像模糊区域检测方法及装置 |
CN106920229A (zh) * | 2017-01-22 | 2017-07-04 | 北京奇艺世纪科技有限公司 | 图像模糊区域自动检测方法及*** |
CN107948510A (zh) * | 2017-11-27 | 2018-04-20 | 北京小米移动软件有限公司 | 焦距调整的方法、装置及存储介质 |
CN109167998A (zh) * | 2018-11-19 | 2019-01-08 | 深兰科技(上海)有限公司 | 检测相机状态的方法及装置、电子设备、存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10022009C2 (de) * | 1999-11-26 | 2002-12-05 | Inb Vision Ag | Verfahren und Einrichtung zur Bestimmung und mindestens teilweisen Korrektur der Fehler eines Bildwiedergabesystems |
JP2012247743A (ja) * | 2011-05-31 | 2012-12-13 | Konica Minolta Advanced Layers Inc | 解像度検査用チャート及び解像度の検査方法 |
WO2018222812A1 (en) * | 2017-05-31 | 2018-12-06 | The Procter & Gamble Company | System and method for guiding a user to take a selfie |
CN107644209A (zh) * | 2017-09-21 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
CN109886359B (zh) * | 2019-03-25 | 2021-03-16 | 西安电子科技大学 | 基于卷积神经网络的小目标检测方法及检测*** |
CN111246203A (zh) * | 2020-01-21 | 2020-06-05 | 上海悦易网络信息技术有限公司 | 相机模糊检测方法及装置 |
-
2020
- 2020-01-21 CN CN202010072735.0A patent/CN111246203A/zh active Pending
- 2020-10-14 WO PCT/CN2020/120886 patent/WO2021147383A1/zh active Application Filing
- 2020-10-14 JP JP2022506070A patent/JP2022542948A/ja active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1992916A (zh) * | 2005-12-28 | 2007-07-04 | 华晶科技股份有限公司 | 影像清晰检测方法 |
CN104780310A (zh) * | 2015-01-27 | 2015-07-15 | 深圳市中瀛鑫科技股份有限公司 | 一种图像模糊的检测方法、***及摄像机 |
CN104899255A (zh) * | 2015-05-15 | 2015-09-09 | 浙江大学 | 适用于训练深度卷积神经网络的图像数据库的构建方法 |
CN105160678A (zh) * | 2015-09-02 | 2015-12-16 | 山东大学 | 基于卷积神经网络的无参考立体图像质量评估方法 |
CN106096605A (zh) * | 2016-06-02 | 2016-11-09 | 史方 | 一种基于深度学习的图像模糊区域检测方法及装置 |
CN106920229A (zh) * | 2017-01-22 | 2017-07-04 | 北京奇艺世纪科技有限公司 | 图像模糊区域自动检测方法及*** |
CN107948510A (zh) * | 2017-11-27 | 2018-04-20 | 北京小米移动软件有限公司 | 焦距调整的方法、装置及存储介质 |
CN109167998A (zh) * | 2018-11-19 | 2019-01-08 | 深兰科技(上海)有限公司 | 检测相机状态的方法及装置、电子设备、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021147383A1 (zh) * | 2020-01-21 | 2021-07-29 | 上海万物新生环保科技集团有限公司 | 相机模糊检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021147383A1 (zh) | 2021-07-29 |
JP2022542948A (ja) | 2022-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107087107B (zh) | 基于双摄像头的图像处理装置及方法 | |
WO2021147385A1 (zh) | 屏幕检测方法及装置 | |
US8374454B2 (en) | Detection of objects using range information | |
CN111325716A (zh) | 屏幕划痕碎裂检测方法及设备 | |
CN110705532B (zh) | 一种识别翻拍图像的方法、装置及设备 | |
WO2019056527A1 (zh) | 一种拍摄方法及装置 | |
CN111175318A (zh) | 屏幕划痕碎裂检测方法及设备 | |
CN112511767B (zh) | 一种视频拼接方法及设备、存储介质 | |
CN113065374B (zh) | 一种二维码识别方法、装置及设备 | |
CN111246203A (zh) | 相机模糊检测方法及装置 | |
CN111210473A (zh) | 手机轮廓定位方法及设备 | |
CN111225204A (zh) | 相机抖动检测方法及装置 | |
TW201421990A (zh) | 物體偵測裝置、方法及其電腦可讀取紀錄媒體 | |
CN114418861B (zh) | 一种摄像头图像拼接处理方法和*** | |
CN110399823B (zh) | 主体跟踪方法和装置、电子设备、计算机可读存储介质 | |
CN109102026A (zh) | 一种车辆图像检测方法、装置及*** | |
US8218823B2 (en) | Determining main objects using range information | |
CN112862671A (zh) | 视频图像编辑、修复的方法、装置及存储介质 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN110223320B (zh) | 物体检测跟踪方法和检测跟踪装置 | |
CN112991175B (zh) | 一种基于单ptz摄像头的全景图片生成方法及设备 | |
CN111242116B (zh) | 屏幕定位方法及装置 | |
CN110661969B (zh) | 显示屏的图像采集方法、装置、电子设备及介质 | |
CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
CN113421275A (zh) | 图像处理方法、装置、计算机设备和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 1101-1103, No. 433, Songhu Road, Yangpu District, Shanghai Applicant after: Shanghai wanwansheng Environmental Protection Technology Group Co.,Ltd. Address before: Room 1101-1103, No. 433, Songhu Road, Yangpu District, Shanghai Applicant before: SHANGHAI YUEYI NETWORK INFORMATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |