CN116095489B - 一种基于摄像装置的协同防抖方法与存储介质 - Google Patents
一种基于摄像装置的协同防抖方法与存储介质 Download PDFInfo
- Publication number
- CN116095489B CN116095489B CN202310377274.1A CN202310377274A CN116095489B CN 116095489 B CN116095489 B CN 116095489B CN 202310377274 A CN202310377274 A CN 202310377274A CN 116095489 B CN116095489 B CN 116095489B
- Authority
- CN
- China
- Prior art keywords
- power supply
- image pickup
- pickup device
- reliability
- image
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
Landscapes
- Studio Devices (AREA)
Abstract
本发明提供一种基于摄像装置的协同防抖方法与存储介质,属于摄像机技术领域,具体包括:至少基于所述摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行备用电源的可靠度的评估,并当其不小于第一可靠度阈值时,当摄像装置的抖动幅度大于第一阈值时,采用光学防抖的方式对所述摄像装置进行防抖处理得到处理后的图像并将其作为处理图像,并当其清晰度评估值不满足要求时,至少基于供电方式、备用电池的容量以及电池类型确定供电可靠度,并当其大于第二可靠度阈值时,采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,从而进一步提升了摄像装置的稳定性。
Description
技术领域
本发明属于摄像机技术领域,尤其涉及一种基于摄像装置的协同防抖方法与存储介质。
背景技术
为了实现对摄像装置的防抖控制,在授权发明专利授权公告号CN113452919B《用于利用光学防抖和电子防抖实现协同防抖的摄像机》中通过将摄像机的光学防抖能力范围内的一部分被光学防抖抵消,以助于降低光学防抖失效的风险,并且通过电子防抖对具有清晰度被光学防抖改善后的图像实施图像处理,可以补偿摄像机的实时空间角度的剩余部分对图像质量的影响,有助于降低防抖失效的风险,但是却存在以下技术问题:
1、忽视了基于摄像装置的状态监测进行防抖方式的确定,对于车载摄像装置、监控摄像装置等,当处于备用供电方式时,若采用上述的防抖处理方式,则有可能导致耗电量增加,从而使得摄像装置的运行的可靠性明显降低。
2、忽视了结合图像的分析结果以及图像的清晰度要求进行防抖方式的确定,对于不同的应用场合,其对图像的清晰度的要求也不同,若不能根据具体的图像的清晰度和图像质量的分析结果进行防抖方式的确定,则有可能导致不必要的电能消耗,从而也会使得摄像装置的运行的可靠性明显降低。
针对上述技术问题,本发明提供了一种基于摄像装置的协同防抖方法与存储介质。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于摄像装置的协同防抖方法。
一种基于摄像装置的协同防抖方法,其特征在于,具体包括:
S11获取摄像装置的供电方式,判断所述摄像装置的供电方式是否为备用电源供电,若是,则进入步骤S12,若否,则进入步骤S13;
S12至少基于所述摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行所述备用电源的可靠度的评估,并判断所述备用电源的可靠度是否小于第一可靠度阈值,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S13;
S13基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度,并当所述摄像装置的抖动幅度大于第一阈值时,采用光学防抖的方式对所述摄像装置进行防抖处理得到处理后的图像,并将其作为处理图像,判断所述处理图像的清晰度评估值是否满足要求,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S14;
S14至少基于所述摄像装置的供电方式、所述摄像装置的备用电池的容量以及电池类型,确定所述摄像装置的供电可靠度,并判断所述摄像装置的供电可靠度是否大于第二可靠度阈值,若是,则进入步骤S15,若否,则采用电子防抖的方式对所述摄像装置的图像进行防抖处理;
S15采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理。
通过结合摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行所述备用电源的可靠度的评估,从而实现了从多角度对备用电源的可靠程度的评估,保证了评估的可靠性和全面性,同时提升了可靠程度较低的摄像装置的运行的稳定性。
通过结合处理图像的清晰度评估值进行摄像装置的防抖方式的确定,从而实现了从不同的摄像装置的清晰度要求不同的情况下,实现对摄像装置的防抖方式的确定,保证了摄像装置的运行的稳定性。
通过供电可靠度的评估,并采用基于电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,从而保证了摄像装置的运行的稳定性的基础上,保证了摄像装置的图像的清晰度,提升了摄像装置的可靠性和稳定性。
进一步的技术方案在于,所述摄像装置的供电方式包括主电源供电、备用电源供电。
进一步的技术方案在于,所述备用电源的电池类型包括锂电池、铅酸电池。
进一步的技术方案在于,所述备用电源的可靠度的评估的具体步骤为:
S21判断所述备用电源的电池裕量是否小于第二阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入步骤S22;
S22判断所述备用电源的最近一年内的意外断电次数是否大于第一次数阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入步骤S23;
S23基于所述摄像装置的备用电源的电池类型确定所述备用电源的基础供电可靠性,并判断所述摄像装置的基础供电可靠性是否大于第三可靠性阈值,若否,则确定所述备用电源的可靠度设置为0,若是,则进入步骤S24;
S24基于所述基础供电可靠性、电池裕量、意外断电次数,采用基于机器学习算法的评估模型,得到所述备用电源的可靠度。
进一步的技术方案在于,所述备用电源的基础供电可靠性根据所述备用电源的电池类型、所述备用电源的使用年限进行确定。
进一步的技术方案在于,所述第一可靠度阈值根据所述摄像装置的运行可靠性要求、所述摄像装置采用备用电源的待机时间进行确定,其中所述摄像装置的运行可靠性要求越高、所述摄像装置采用备用电源的待机时间越短,则所述第一可靠度阈值越高。
进一步的技术方案在于,所述供电可靠度的评估的具体步骤为:
S31判断所述摄像装置的供电方式是否为备用电源供电,若是则将所述摄像装置的供电可靠度设置为0,若否,则进入步骤S32;
S32基于所述摄像装置的最近一年的备用电池的介入次数、摄像装置的备用电池的容量、电池类型,采用基于机器学习算法的预测模型,得到所述摄像装置的备用电源的供电可靠度,并判断所述供电可靠度是否大于第四可靠度阈值,若是,则将所述备用电源的供电可靠度作为所述摄像装置的供电可靠度,若否,则进入步骤S33;
S33基于所述摄像装置的主电源供电的备用电源的数量、备用电源的备用电源可靠度的和,确定所述摄像装置的主电源供电的可靠度,并判断所述主电源供电的可靠度是否大于第五可靠度阈值,若是,则将所述主电源供电的可靠度作为所述摄像装置的供电可靠度,若否,则进入步骤S34;
S34基于所述摄像装置的备用电源供电可靠度、摄像装置的主电源供电的可靠度,采用基于层次分析法的数学模型,确定所述摄像装置的供电可靠度。
进一步的技术方案在于,所述备用电源的备用电源可靠度的和根据不同的备用电源的备用电源可靠度进行相加进行确定。
进一步的技术方案在于,采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,具体包括:
基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度和角度值,并基于所述摄像装置的抖动幅度和角度值对所述摄像装置的图像进行校正,得到校正图像,并对所述校正图像进行图像质量分析,并当所述校正图像的清晰度评估值小于第一清晰度阈值时,则采用所述校正图像的前后帧图像,对所述校正图像进行光学防抖处理,得到所述摄像装置的修正后的图像。
另一方面,本申请实施例中提供一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述一种基于摄像装置的协同防抖方法。
另一方面,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种基于摄像装置的协同防抖方法。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是根据实施例1的一种基于摄像装置的协同防抖方法的流程图;
图2是根据实施例1的备用电源的可靠度的评估的具体步骤的流程图;
图3是根据实施例1的供电可靠度的评估的具体步骤的流程图;
图4是根据实施例3的一种计算机存储介质的结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
申请人发现,为了实现对摄像装置的防抖控制,现有技术中忽视了基于摄像装置的状态监测进行防抖方式的确定,对于车载摄像装置、监控摄像装置等,当处于备用供电方式时,则有可能导致耗电量增加;同时忽视了结合图像的分析结果以及图像的清晰度要求进行防抖方式的确定,对于不同的应用场合,其对图像的清晰度的要求也不同,若不能根据具体的图像的清晰度和图像质量的分析结果进行防抖方式的确定,则有可能导致不必要的电能消耗,从而也会使得摄像装置的运行的可靠性明显降低。
实施例1
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种基于摄像装置的协同防抖方法,其特征在于,具体包括:
S11获取摄像装置的供电方式,判断所述摄像装置的供电方式是否为备用电源供电,若是,则进入步骤S12,若否,则进入步骤S13;
具体的,所述摄像装置的供电方式包括主电源供电、备用电源供电。
具体的举个例子,所述主电源供电为采用市电、车载发动机等稳定性且连续性的供电方式。
具体的举个例子,所述备用电源供电为当主电源供电不再进行供电时,采用后备电源的方式进行供电,一般来说,可以通过锂离子电池等储能装置进行供电,且并不稳定且不具有连续性。
S12至少基于所述摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行所述备用电源的可靠度的评估,并判断所述备用电源的可靠度是否小于第一可靠度阈值,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S13;
具体的,所述备用电源的电池类型包括锂电池、铅酸电池。
具体的,如图2所示,所述备用电源的可靠度的评估的具体步骤为:
S21判断所述备用电源的电池裕量是否小于第二阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入步骤S22;
具体的举个例子,电池裕量为备用电源的剩余电量,当备用电源的电池裕量为30%,第二阈值为40%,则将所述备用电源的可靠度设置为0。
S22判断所述备用电源的最近一年内的意外断电次数是否大于第一次数阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入步骤S23;
具体的举个例子,当备用电源在电池裕量在20%或者小于一定阈值下,此时的备用电源却突然断电,则确定此时为意外断电。
S23基于所述摄像装置的备用电源的电池类型确定所述备用电源的基础供电可靠性,并判断所述摄像装置的基础供电可靠性是否大于第三可靠性阈值,若否,则确定所述备用电源的可靠度设置为0,若是,则进入步骤S24;
具体的举个例子,对于不同备用电源的电池类型,其基础供电可靠性也不相同,锂离子电池在相同的使用年限下,其基础供电可靠性明显比铅蓄电池的可靠性要高,具体的可以根据专家***的方式进行确定。
S24基于所述基础供电可靠性、电池裕量、意外断电次数,采用基于机器学习算法的评估模型,得到所述备用电源的可靠度。
具体的举个例子,所述基于机器学习算法的评估模型采用基于At-BiLSTM-CNN算法的模型。
基于 At-BiLSTM-CNN 预测模型的建立有以下步骤:
(1) 数据的预处理。对选取的数据进行异常值监测并删除,对缺失数据进行补全,最后利用最小最大值法对数据进行归一化。
(2) 预处理的基础供电可靠性、电池裕量、意外断电次数输入到双向长短期记忆网络模型中,通过 BiLSTM 网络提取每个序列单元的隐藏层信息。
(3) 通过改进的注意机制自适应地选择不同时间的不同特征。
(4) 卷积神经网络模型从输出数据中提取空间特征,并通过将其传递到最大池化层来减少参数或冗余特征的数量。
(5) 数据将被发送到最后一个隐藏层,该隐藏层将完成连接层和线性激活功能,然后产生最终的输出,实现对备用电源的可靠度的预测。
(6) 最后,采用 RMSE、MAE、MAPE 和 R²(拟合得分)四个指标进行模型评估。
在另外一种可能的实施例中,采用基于SSA算法对 BiLSTM算法的初始值进行寻优,其中影响元启发式算法的一个关键因素是探索开发及收敛速度之间的平衡。群体合作的本质即个体自身成长的同时协助种群其他个体发展,提高整体成长效率。因此,在觅食过程中,种群个体既要依靠自身能力,也要借鉴其他个体经验信息。而种群个体在迭代过程中具有强趋同性,加入者向最优位置移动时,短期内迅速集聚虽能达到快速收敛的效果,但提高了种群陷入局部最优的风险。
据此,对种群中觅食个体中的发现者的位置更新公式加以分析、优化。原麻雀搜索算法缺乏对于步长的有效控制,发现者每次更新向个体最优位置靠近时,均以直线轨迹运动,这样一来,便错过了最优值附近的搜索范围,忽略了该范围内可能存在的全局最优值。
为此,通过引入惯性权重来制约发现者个体的更新过程,兼顾个体自身上一次所处位置与当前最优位置,调和个体更新轨迹;另一方面,通过权重自身变化,不断调整约束力度,有效改善个体直线更新导致的错过全局最优的情况,进一步平衡全局与局部搜索能力;选取的惯性权重应保证在迭代前期快速下降,保证在搜索空间中的遍历性,以确定最优位置的大致范围,并在此之后,惯性权重缓慢减小执行较为细致的局部开发,从而找到全局最优解,对数递减惯性权重前期收敛速度优于其它各项,能快速定位到最优位置附近;且迭代后期变化相对平缓,局部搜索更精细,能准确收敛到全局最优, 据此分析选取非线性对数递减惯性权重,第t次迭代时的惯性权重为:
具体的,所述备用电源的基础供电可靠性根据所述备用电源的电池类型、所述备用电源的使用年限进行确定。
具体的,所述第一可靠度阈值根据所述摄像装置的运行可靠性要求、所述摄像装置采用备用电源的待机时间进行确定,其中所述摄像装置的运行可靠性要求越高、所述摄像装置采用备用电源的待机时间越短,则所述第一可靠度阈值越高。
通过结合摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行所述备用电源的可靠度的评估,从而实现了从多角度对备用电源的可靠程度的评估,保证了评估的可靠性和全面性,同时提升了可靠程度较低的摄像装置的运行的稳定性。
S13基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度,并当所述摄像装置的抖动幅度大于第一阈值时,采用光学防抖的方式对所述摄像装置进行防抖处理得到处理后的图像,并将其作为处理图像,判断所述处理图像的清晰度评估值是否满足要求,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S14;
具体的举个例子,抖动幅度根据摄像装置的抖动的角度的偏差值进行确定。
具体的举个例子,所述处理图像的清晰度评估值根据所述处理图像的噪声、分辨率进行确定,并根据摄像装置的类型确定其清晰度评估值的要求阈值,例如监控图像、摄影等不同方式采用的清晰度评估值的要求阈值也不相同。
通过结合处理图像的清晰度评估值进行摄像装置的防抖方式的确定,从而实现了从不同的摄像装置的清晰度要求不同的情况下,实现对摄像装置的防抖方式的确定,保证了摄像装置的运行的稳定性。
S14至少基于所述摄像装置的供电方式、所述摄像装置的备用电池的容量以及电池类型,确定所述摄像装置的供电可靠度,并判断所述摄像装置的供电可靠度是否大于第二可靠度阈值,若是,则进入步骤S15,若否,则采用电子防抖的方式对所述摄像装置的图像进行防抖处理;
具体的,如图3所示,所述供电可靠度的评估的具体步骤为:
S31判断所述摄像装置的供电方式是否为备用电源供电,若是则将所述摄像装置的供电可靠度设置为0,若否,则进入步骤S32;
S32基于所述摄像装置的最近一年的备用电池的介入次数、摄像装置的备用电池的容量、电池类型,采用基于机器学习算法的预测模型,得到所述摄像装置的备用电源的供电可靠度,并判断所述供电可靠度是否大于第四可靠度阈值,若是,则将所述备用电源的供电可靠度作为所述摄像装置的供电可靠度,若否,则进入步骤S33;
S33基于所述摄像装置的主电源供电的备用电源的数量、备用电源的备用电源可靠度的和,确定所述摄像装置的主电源供电的可靠度,并判断所述主电源供电的可靠度是否大于第五可靠度阈值,若是,则将所述主电源供电的可靠度作为所述摄像装置的供电可靠度,若否,则进入步骤S34;
S34基于所述摄像装置的备用电源供电可靠度、摄像装置的主电源供电的可靠度,采用基于层次分析法的数学模型,确定所述摄像装置的供电可靠度。
具体的,所述备用电源的备用电源可靠度的和根据不同的备用电源的备用电源可靠度进行相加进行确定。
S15采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理。
具体的,采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,具体包括:
基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度和角度值,并基于所述摄像装置的抖动幅度和角度值对所述摄像装置的图像进行校正,得到校正图像,并对所述校正图像进行图像质量分析,并当所述校正图像的清晰度评估值小于第一清晰度阈值时,则采用所述校正图像的前后帧图像,对所述校正图像进行光学防抖处理,得到所述摄像装置的修正后的图像。
通过供电可靠度的评估,并采用基于电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,从而保证了摄像装置的运行的稳定性的基础上,保证了摄像装置的图像的清晰度,提升了摄像装置的可靠性和稳定性。
实施例2
本申请实施例中提供一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于摄像装置的协同防抖方法。
具体的,本实施例还提供了一种计算机***,该计算机***包括通过***总线连接的处理器、存储器、网络接口和数据库;其中,该计算机***的处理器用于提供计算和控制能力;该计算机***的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的一种基于摄像装置的协同防抖方法。
实施例3
如图4所示,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种基于摄像装置的协同防抖方法。
具体的,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以 通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可 包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM (PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括 随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得, 诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强 型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM (RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在本申请所提供的几个实施例中,应该理解到,所揭露的***和方法,也可以通过其它的方式实现。以上所描述的***实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (11)
1.一种基于摄像装置的协同防抖方法,其特征在于,具体包括:
S11获取摄像装置的供电方式,判断所述摄像装置的供电方式是否为备用电源供电,若是,则进入步骤S12,若否,则进入步骤S13;
S12至少基于所述摄像装置的备用电源的电池类型、备用电源的电池裕量、备用电源的意外断电次数,进行所述备用电源的可靠度的评估,并判断所述备用电源的可靠度是否小于第一可靠度阈值,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S13;
S13基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度,并当所述摄像装置的抖动幅度大于第一阈值时,采用光学防抖的方式对所述摄像装置进行防抖处理得到处理后的图像,并将其作为处理图像,判断所述处理图像的清晰度评估值是否满足要求,若是,则采用光学防抖的方式对所述摄像装置的图像进行防抖处理,若否,则进入步骤S14;
S14至少基于所述摄像装置的供电方式、所述摄像装置的备用电池的容量以及电池类型,确定所述摄像装置的供电可靠度,并判断所述摄像装置的供电可靠度是否大于第二可靠度阈值,若是,则进入步骤S15,若否,则采用电子防抖的方式对所述摄像装置的图像进行防抖处理;
S15采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理。
2.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,所述摄像装置的供电方式包括主电源供电、备用电源供电。
3.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,所述备用电源的电池类型包括锂电池、铅酸电池。
4.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,所述备用电源的可靠度的评估的具体步骤为:
判断所述备用电源的电池裕量是否小于第二阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入下一步骤;
判断所述备用电源的最近一年内的意外断电次数是否大于第一次数阈值,若是,则确定所述备用电源的可靠度设置为0,若否,则进入下一步骤;
基于所述摄像装置的备用电源的电池类型确定所述备用电源的基础供电可靠性,并判断所述摄像装置的基础供电可靠性是否大于第三可靠性阈值,若否,则确定所述备用电源的可靠度设置为0,若是,则进入下一步骤;
基于所述基础供电可靠性、电池裕量、意外断电次数,采用基于机器学习算法的评估模型,得到所述备用电源的可靠度。
5.如权利要求4所述的基于摄像装置的协同防抖方法,其特征在于,所述备用电源的基础供电可靠性根据所述备用电源的电池类型、所述备用电源的使用年限进行确定。
6.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,所述第一可靠度阈值根据所述摄像装置的运行可靠性要求、所述摄像装置采用备用电源的待机时间进行确定,其中所述摄像装置的运行可靠性要求越高、所述摄像装置采用备用电源的待机时间越短,则所述第一可靠度阈值越高。
7.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,所述供电可靠度的评估的具体步骤为:
判断所述摄像装置的供电方式是否为备用电源供电,若是则将所述摄像装置的供电可靠度设置为0,若否,则进入下一步骤;
基于所述摄像装置的最近一年的备用电池的介入次数、摄像装置的备用电池的容量、电池类型,采用基于机器学习算法的预测模型,得到所述摄像装置的备用电源的供电可靠度,并判断所述供电可靠度是否大于第四可靠度阈值,若是,则将所述备用电源的供电可靠度作为所述摄像装置的供电可靠度,若否,则进入下一步骤;
基于所述摄像装置的主电源供电的备用电源的数量、备用电源的备用电源可靠度的和,确定所述摄像装置的主电源供电的可靠度,并判断所述主电源供电的可靠度是否大于第五可靠度阈值,若是,则将所述主电源供电的可靠度作为所述摄像装置的供电可靠度,若否,则进入下一步骤;
基于所述摄像装置的备用电源供电可靠度、摄像装置的主电源供电的可靠度,采用基于层次分析法的数学模型,确定所述摄像装置的供电可靠度。
8.如权利要求7所述的基于摄像装置的协同防抖方法,其特征在于,所述备用电源的备用电源可靠度的和根据不同的备用电源的备用电源可靠度进行相加进行确定。
9.如权利要求1所述的基于摄像装置的协同防抖方法,其特征在于,采用电子防抖与光学防抖相协同的方式对所述摄像装置的图像进行防抖处理,具体包括:
基于所述摄像装置的抖动传感器获取所述摄像装置的抖动幅度和角度值,并基于所述摄像装置的抖动幅度和角度值对所述摄像装置的图像进行校正,得到校正图像,并对所述校正图像进行图像质量分析,并当所述校正图像的清晰度评估值小于第一清晰度阈值时,则采用所述校正图像的前后帧图像,对所述校正图像进行光学防抖处理,得到所述摄像装置的修正后的图像。
10.一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种基于摄像装置的协同防抖方法。
11.一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-9任一项所述的一种基于摄像装置的协同防抖方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377274.1A CN116095489B (zh) | 2023-04-11 | 2023-04-11 | 一种基于摄像装置的协同防抖方法与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377274.1A CN116095489B (zh) | 2023-04-11 | 2023-04-11 | 一种基于摄像装置的协同防抖方法与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116095489A CN116095489A (zh) | 2023-05-09 |
CN116095489B true CN116095489B (zh) | 2023-06-09 |
Family
ID=86202954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310377274.1A Active CN116095489B (zh) | 2023-04-11 | 2023-04-11 | 一种基于摄像装置的协同防抖方法与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116095489B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102457675A (zh) * | 2010-10-27 | 2012-05-16 | 展讯通信(上海)有限公司 | 一种手持式相机设备的图像拍摄防抖方式 |
JP2018033075A (ja) * | 2016-08-26 | 2018-03-01 | キヤノン株式会社 | 撮像装置、レンズ装置、撮像システム、防振制御方法および防振制御プログラム、 |
CN108737737A (zh) * | 2018-08-31 | 2018-11-02 | 信利光电股份有限公司 | 一种防抖摄像模组、其控制方法及电子设备 |
CN110933294A (zh) * | 2019-11-04 | 2020-03-27 | 深圳传音控股股份有限公司 | 一种图像处理方法、终端及计算机存储介质 |
CN111164505A (zh) * | 2017-09-27 | 2020-05-15 | 富士胶片株式会社 | 图像抖动校正装置及摄像装置 |
CN111526285A (zh) * | 2020-04-15 | 2020-08-11 | 浙江大华技术股份有限公司 | 一种图像防抖方法及电子设备、计算机可读存储介质 |
CN112135051A (zh) * | 2020-09-24 | 2020-12-25 | 维沃移动通信有限公司 | 防抖控制方法及装置 |
CN113542539A (zh) * | 2020-04-16 | 2021-10-22 | 宁波舜宇光电信息有限公司 | 具有防抖功能的感光组件及相应摄像模组 |
CN114449173A (zh) * | 2022-02-25 | 2022-05-06 | Oppo广东移动通信有限公司 | 光学防抖控制方法、装置、存储介质与电子设备 |
CN115589534A (zh) * | 2022-09-09 | 2023-01-10 | 广州市斯睿特智能科技有限公司 | 跟随式车辆检测项图片采集装置及方法 |
CN115701125A (zh) * | 2021-07-30 | 2023-02-07 | 荣耀终端有限公司 | 图像防抖方法与电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102493531B1 (ko) * | 2015-05-08 | 2023-01-31 | 소니 세미컨덕터 솔루션즈 가부시키가이샤 | 촬상 장치 및 그것을 구비한 전자 기기 |
JP7222113B2 (ja) * | 2019-10-29 | 2023-02-14 | 富士フイルム株式会社 | 撮像支援装置、撮像装置、撮像システム、撮像支援システム、撮像支援方法、及びプログラム |
-
2023
- 2023-04-11 CN CN202310377274.1A patent/CN116095489B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102457675A (zh) * | 2010-10-27 | 2012-05-16 | 展讯通信(上海)有限公司 | 一种手持式相机设备的图像拍摄防抖方式 |
JP2018033075A (ja) * | 2016-08-26 | 2018-03-01 | キヤノン株式会社 | 撮像装置、レンズ装置、撮像システム、防振制御方法および防振制御プログラム、 |
CN111164505A (zh) * | 2017-09-27 | 2020-05-15 | 富士胶片株式会社 | 图像抖动校正装置及摄像装置 |
CN108737737A (zh) * | 2018-08-31 | 2018-11-02 | 信利光电股份有限公司 | 一种防抖摄像模组、其控制方法及电子设备 |
CN110933294A (zh) * | 2019-11-04 | 2020-03-27 | 深圳传音控股股份有限公司 | 一种图像处理方法、终端及计算机存储介质 |
CN111526285A (zh) * | 2020-04-15 | 2020-08-11 | 浙江大华技术股份有限公司 | 一种图像防抖方法及电子设备、计算机可读存储介质 |
CN113542539A (zh) * | 2020-04-16 | 2021-10-22 | 宁波舜宇光电信息有限公司 | 具有防抖功能的感光组件及相应摄像模组 |
CN112135051A (zh) * | 2020-09-24 | 2020-12-25 | 维沃移动通信有限公司 | 防抖控制方法及装置 |
CN115701125A (zh) * | 2021-07-30 | 2023-02-07 | 荣耀终端有限公司 | 图像防抖方法与电子设备 |
CN114449173A (zh) * | 2022-02-25 | 2022-05-06 | Oppo广东移动通信有限公司 | 光学防抖控制方法、装置、存储介质与电子设备 |
CN115589534A (zh) * | 2022-09-09 | 2023-01-10 | 广州市斯睿特智能科技有限公司 | 跟随式车辆检测项图片采集装置及方法 |
Non-Patent Citations (1)
Title |
---|
光学防抖模组CASE 超声波清洗设备研究;王永亮;机电工程技术;210-213 * |
Also Published As
Publication number | Publication date |
---|---|
CN116095489A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3574644B1 (en) | Real-time semantic-aware camera exposure control | |
Pellegrini et al. | Latent replay for real-time continual learning | |
US20230237792A1 (en) | Object detection apparatus using an image preprocessing artificial neural network model | |
US10943186B2 (en) | Machine learning model training method and device, and electronic device | |
US10438135B2 (en) | Performance model adverse impact correction | |
EP3229206A1 (en) | Deep data association for online multi-class multi-object tracking | |
US20230385631A1 (en) | Method and system for constructing neural network architecture search framework, device, and medium | |
CN111079686A (zh) | 一种单阶段的人脸检测和关键点定位方法及*** | |
CN113780466B (zh) | 模型迭代优化方法、装置、电子设备和可读存储介质 | |
US20190130272A1 (en) | Generating compressed representation neural networks having high degree of accuracy | |
CN111667501A (zh) | 目标跟踪方法、装置、计算设备及存储介质 | |
US11393072B2 (en) | Methods and systems for automatically correcting image rotation | |
WO2020251523A1 (en) | Modifying sensor data using generative adversarial models | |
CN116033142B (zh) | 一种基于摄像装置的环境光测量方法与*** | |
CN116095489B (zh) | 一种基于摄像装置的协同防抖方法与存储介质 | |
CN112465856A (zh) | 基于无人机的船只轨迹修正方法、装置及电子设备 | |
KR102244380B1 (ko) | 자율 주행 환경에서 큐잉 기반 모델 선택과 광학 흐름을 이용한 사물 인식 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
CN110889316B (zh) | 一种目标对象识别方法、装置及存储介质 | |
US20220398700A1 (en) | Methods and systems for low light media enhancement | |
WO2023176086A1 (en) | Method and system for training a neural network for improving adversarial robustness | |
US20200077016A1 (en) | Automated Image Capture System with Expert Guidance | |
Hu et al. | Compensating for context by learning local models of perception performance | |
US20240220776A1 (en) | Non-transitory computer-readable recording medium storing machine learning program, machine learning method, and information processing apparatus | |
US20230114028A1 (en) | Method, system and apparatus for monocular depth estimation | |
US20230131067A1 (en) | Process for detection of events or elements in physical signals by implementing an artificial neuron network |
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 |